Semana 05 - Variáveis aleatórias discretas

Variáveis aleatórias - intuição

Independentemente de um experimento gerar resultados quantitativos ou
qualitativos, os métodos de análise estatística requerem que sejam enfocados
certos aspectos numéricos dos dados:

● proporção de amostra
● média
● desvio padrão s

O conceito de variável aleatória nos permite passar dos resultados do

experimento propriamente dito para uma função numérica dos resultados.
Variáveis aleatórias - introdução
Cada resultado de um experimento é associado a um número através da
função denominada variável aleatória.

● Variável porque é possível obter diferentes valores numéricos, e

● Aleatória porque o valor observado depende dos resultados possíveis da
experiência aleatória
Variáveis aleatórias - definição

As variáveis aleatórias normalmente são representadas por letras maiúsculas,

como X e Y, próximas ao final do alfabeto, e letras minúsculas x e y para
representar um valor específico da variável aleatória correspondente.

A notação X(s) = x significa que x é o valor associado ao resultado s pela v.a. X

Variável aleatória indicadora ou de Bernoulli
A variável aleatória mais simples associa o número 1 a um determinado
evento A (sucesso) e 0 ao seu complemento A’ (insucesso)

se

se

Também se designa por v.a. de Bernoulli ou v.a. característica de A

Exemplo (clássico):

● Lançamento de uma moeda ao ar

●
● Resultado pode ser sucesso (1) ou insucesso (0) conforme escolha
Variáveis aleatórias - discretas ou contínuas
Há dois tipos fundamentalmente diferentes de variáveis aleatórias:

● variáveis aleatórias discretas

● variáveis aleatórias contínuas
v.a. discretas - função de massa de probabilidade (fmp)
A distribuição de probabilidade de X é expressa pela função massa de
probabilidade (fmp) p(x) que distribui a probabilidade total 1 para cada valor
possível x da variável aleatória.

A fmp especifica a probabilidade de observar o evento que corresponde à

imagem inversa quando o experimento for realizado.

As condições são obrigatórias para

qualquer fmp
Exemplo 3.8 (pág. 90) - fmp de v.a. de Bernoulli
Numa visita a livraria de uma universidade durante a primeira semana de
aulas, observa a próxima pessoa que compra um computador: se compra um
laptop (sucesso) ou um desktop (insucesso):

Seja:

Se 20% de todos os compradores durante aquela semana selecionarem um

laptop, a fmp de X será
Exemplo 3.8 (pág. 90) - fmp de v.a. de Bernoulli (cont.)
Exemplo 3.9 (pág. 90) - fmp de v.a.
Exemplo 3.9 (pág. 91) - fmp de v.a. (cont.)
fmp - histograma de probabilidades
Outra representação da fmp é histograma de probabilidades (semelhante
ao histograma da estatística descritiva)
Parâmetro de uma distribuição de probabilidades
De forma mais geral, a fmp de qualquer v.a. de Bernoulli pode ser expressa na
forma p(1) = α e p(0) = 1 - α , onde 0 < α < 1.

Como a fmp depende do valor específico de α , escreve-se p(x;α) em vez de

apenas p(x):

Onde a função p(x;α) representa uma família de distribuições de Bernoulli,

parametrizada por α
função distribuição acumulada - (FDA)
FDA do Exemplo 3.9
A partir do fmp de Y no Exemplo 3.9, calculam-se os valores acumulados F(y)
para cada valor do conjunto {1, 2, 3, 4} de valores possíveis, com intervalos
fechados à esquerda (≥):

Obtendo-se o gráfico da fda (função degrau, contínua à direita):

FDA a partir de fmp - Exemplo 3.10 (pág. 92)
fda do Exemplo 3.10 (pág. 92)
fmp a partir de FDA
Nos exemplos até agora, a FDA origina-se da fmp.

Tal processo pode ser revertido para se obter a fmp da FDA sempre que esta
última função estiver disponível:
fmp como realização de modelo de população discreta
É útil imaginar a fmp como especificação de um modelo matemático para
população discreta.

Uma vez definido o modelo da população, pode-se usá-lo para calcular os

estimadores dos parâmetros da população como:

● valor esperado da v.a. ou média da população: μ

● variância da população:
● proporção na população: p

fazer inferências sobre tais características:

● intervalos de confiança

e testar hipóteses sobre estes estimadores

Valor Esperado de v.a. discreta X
Escolhida uma fmp como modelo de uma população discreta, pode-se
calcular o valor esperado da v.a, freqüentemente designada de média da
população em vez de média de X na população:
Exemplo 3.17 (pág. 99) - Valor Esperado de v.a.
Exemplo 3.20 (pág. 100) - fmp de “cauda longa”
Valor esperado de uma função de v.a. X
Funções de variaveis aleatórias são tambem variáveis aleatórias

A relação entre a fmp de X e a fmp de uma função h(X) será tratada adiante

Entretanto pode-se calcular o valor esperado de h(X)

Variância de v.a. discreta X
A variância de X, designada por , mede a dispersão da distribuição de X em
torno do seu valor esperado μ

Nota a semelhança como a variância da amostra mede a dispersão dos

dados da amostra em torno da média amostral
Propriedades da variância
Momentos da fmp de uma v.a. X
O valor esperado de designa-se por k-ésimo momento da fmp de X:

O valor esperado é o primeiro momento:

O segundo momento relaciona-se com a variância:

O terceiro momento relaciona-se com skewness e o quarto momento

relaciona-se com o kurtosis (PESQUISA)
Variável aleatórias condicionais