VARIÁVEIS ALEATÓRIAS

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:

Os tamanhos dos saltos determinam justamente os valores da variável.

Observe que a função de distribuição começou em 0.

Quando chegou em 1, deu um salto de tamanho 0,10. Portanto, P(X = 1) = 0,10.
Quando chega em 2, a função dá um salto de 0,20 para chegar em 0,30. Portanto, P(X = 2) = 0,20.
Quando chega em 3, a função dá um salto de 0,40 para chegar em 0,70. Portanto, P(X = 3) = 0,40.
Quando chega em 4, a função dá um salto de 0,25 para chegar em 0,95. Portanto, P(X = 4) = 0,25.
Quando chega em 5, a função dá um salto de 0,05 para chegar em 1. Portanto, P(X = 5) = 0,05.

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.

VARIÂNCIA E DESVIO PADRÃO

Por definição, a variância de uma variável aleatória X, de população infinita, é:

Desenvolvendo essa expressão, e sabendo que µ = E(x), teremos:

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

Medem a “força” da relação entre duas variáveis aleatórias.

Utilizando a seguinte notação:

Teremos, por definição, dadas duas variáveis aleatórias, X e Y, a covariância entre X e Y:

A correlação entre X e Y é um número definido por:

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.

Assim, o sinal de 𝑐𝑜𝑣(𝑋, 𝑌) nos dá uma informação sobre a relação entre X e Y.

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.

Se X e Y são variáveis aleatórias independentes, então:

• 𝐸(𝑋𝑌) = 𝐸(𝑋) ∙ 𝐸(𝑌)

• 𝑐𝑜𝑣(𝑋, 𝑌) = 0
• 𝜌(𝑋, 𝑌) = 0

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

COEFICIENTE DE VARIAÇÃO E VARIÂNCIA RELATIVA

O coeficiente de variação de uma variável aleatória X é dada por:

A variância relativa é dada pelo quadrado do coeficiente de variação: