Escolar Documentos
Profissional Documentos
Cultura Documentos
Variável aleatória (v.a.) é uma variável que é associada a uma distribuição de probabilidade.
Uma variável aleatória discreta pode assumir apenas certos valores, usualmente números racionais, e resultam
basicamente de contagens. Os possíveis resultados no lançamento de um dado são limitados e servem como exemplo
de variável aleatória discreta. Os valores das variáveis estão restritos a apenas certos números: 1, 2, 3, 4, 5 e 6.
Uma variável aleatória contínua resulta de uma medida e pode assumir qualquer valor dentro de um dado intervalo.
Distribuição de probabilidades é uma lista de todos os resultados possíveis de um experimento e também das
probabilidades associadas a cada um dos resultados. Obviamente, a soma de todas as probabilidades será sempre
igual a 1.
ESPERANÇA MATEMÁTICA
A esperança matemática (também chamada de expectância, valor médio ou média) é, por definição, o número:
Essa expressão significa que, para calcular a esperança de uma variável aleatória, devemos multiplicar cada valor da
variável pela sua respectiva probabilidade e depois somar tudo.
PROPRIEDADES:
• E(k ∙ X) = k ∙ E(X)
Ou seja, se multiplicamos uma variável aleatória por k, a sua esperança fica multiplicada por k.
• E(X + k) = E(X) + k
Se adicionamos uma constante k a todos os valores de uma variável aleatória, também adicionamos k
unidades à sua esperança.
• E(X + Y) = E(X) + E(Y)
A esperança da soma de duas variáveis é igual à soma das esperanças das variáveis.
• E(k) = k
A esperança de uma constante é igual à própria constante.
• Se X e Y são variáveis aleatórias independentes, então E(XY) = E(X) ∙ E(Y). Atenção: o contrário nem sempre é
válido.
MODA
A Moda será o valor com maior probabilidade. Se todos os valores são equiprováveis, não há moda.
FUNÇÃO DE DISTRIBUIÇÃO
A função de distribuição F(x) (ou função de distribuição acumulada) da variável X é definida por:
Assim, a função de distribuição nos dá a probabilidade de a variável aleatória assumir valores menores do que ou
iguais ao valor.
Exemplo:
X P(X)
1 10%
2 20%
3 40%
4 25%
5 5%
O gráfico da função de distribuição de uma variável discreta é uma função escada:
MEDIANA
A mediana é o valor de X em que a função de distribuição ultrapassa 50% pela primeira vez. Em nosso exemplo
anterior, a função de distribuição ultrapassa 50% justamente para X = 3. Portanto, Md = 3.
Se a função de distribuição assumir exatamente o valor de 50%, a mediana será a média aritmética entre o valor de
X que possui função de distribuição igual a 50% e o próximo.
Exemplo:
X P(X) F(X)
1 10% 10
4 20% 30
10 20% 50
16 40% 90
20 10% 100
Como a função de distribuição acumulada é exatamente 50% para X = 10, então a mediana será a média entre 10 e
16. Nesse caso Md = 13.
ou
PROPRIEDADES:
• V(X + k) = V(X)
Isto significa que se você adicionar uma constante a todos os valores da variável, a variância não se
altera.
• V(k ∙ X) = k² ∙ V(X)
Se você multiplicar todos os valores da variável por uma constante k, a variância ficará multiplicada
pelo quadrado desta constante.
• O desvio padrão também não é alterado quando adicionamos uma constante a todos os valores da variável.
• Como o desvio padrão é a raiz quadrada da variância, então o desvio padrão fica multiplicado por |k| quando
multiplicamos todos os valores por uma constante k.
COVARIÂNCIA E CORRELAÇÃO
Se os valores da variável Y tendem a crescer quando os valores de X crescem, então 𝑐𝑜𝑣(𝑋, 𝑌) > 0.
Se os valores da variável Y tendem a diminuir quando os valores de X crescem, então 𝑐𝑜𝑣(𝑋, 𝑌) < 0.
A covariância nos dá uma noção da tendência (se uma variável cresce, a outra cresce, por exemplo), mas não nos dá
ideia da força dessa relação.
Por outro lado, a correlação sempre assume valores no intervalo [−1,1], ou seja, a correlação pode valer no mínimo -
1 e no máximo 1.
Quando 𝜌(𝑋, 𝑌) = 1, temos uma correlação linear perfeita positiva, ou seja, os pontos estão perfeitamente sobre uma
reta ascendente (quando X cresce, Y cresce; quando X decresce, Y decresce).
Quando 𝜌(𝑋, 𝑌) = −1, temos uma correlação linear perfeita negativa, ou seja, os pontos estão perfeitamente sobre
uma reta descendente (quando X cresce, Y decresce; quando X decresce, Y cresce).
Se a correlação é zero (ou próxima de zero), não existe relação linear entre as variáveis (pode ser que exista outro tipo
de relação entre as variáveis – uma relação trigonométrica, logarítmica ou polinomial, por exemplo).
Desenvolvendo seu produto e utilizando as propriedades de esperança, podemos escrever a covariância de outra
maneira:
Ou
Assim, podemos dizer que a covariância entre as variáveis X e Y é a esperança do produto menos o produto das
esperanças.
Mas, se a covariância é igual a 0, você não pode concluir que as variáveis são independentes.
PROPRIEDADES DA COVARIÂNCIA:
i. 𝑐𝑜𝑣(𝑋, 𝑌) = 𝑐𝑜𝑣(𝑌, 𝑋)
ii. 𝑐𝑜𝑣(𝑋, 𝑋) = 𝑣𝑎𝑟(𝑋)
iii. 𝑐𝑜𝑣(𝑘, 𝑋) = 𝑐𝑜𝑣(𝑋, 𝑘) = 0
iv. 𝑐𝑜𝑣(𝑋 + 𝑌, 𝑍) = 𝑐𝑜𝑣(𝑋, 𝑍) + 𝑐𝑜𝑣(𝑌, 𝑍)
v. 𝑐𝑜𝑣(𝑘𝑋, 𝑌) = 𝑐𝑜𝑣(𝑋, 𝑘𝑌) = 𝑘 ∙ 𝑐𝑜𝑣(𝑋, 𝑌)
VARIÂNCIA DA SOMA E DA DIFERENÇA