Você está na página 1de 87

Variveis Aleatrias

Uma varivel aleatria associa um


nmero real a cada resultado de um
experimento aleatrio.
Mais precisamente

Variveis Aleatrias
Uma varivel aleatria uma funo
(mensurvel) X: R que associa um
nmero real a cada resultado de um
experimento aleatrio.

Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
Quando se observa cck:
X=2
Y=1

Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
x
P(X=x)

Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
x
P(X=x)

0
1/8

1
3/8

2
3/8

3
1/8

funo de massa de probabilidade (fmp) de X

Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
y
P(Y=y)

Exemplos de variveis
aleatrias
Moeda honesta lanada 3 vezes
= {ccc, cck, ckc, }
X = nmero de caras
Y = nmero de transies
y
P(Y=y)

0
1/4

1
2/4

2
1/4

Funo de Distribuio Acumulada


A funo de distribuio acumulada de
uma varivel aleatria X a funo FX:
RR definida por
FX(x) = P(X x)

Funo de Distribuio Acumulada


Exemplo:

P(X=x)

1/8

3/8

3/8

1/8

1
7/8
1/2
1/8

Se x < 0: P(Xx) = 0
Se 0 x <1: P(Xx) = P(X=0) = 1/8
Se 1 x <2: P(Xx) = P(X=0 ou X=1) = 1/8 + 3/8 = 1/2

Funo de Distribuio Acumulada


Roleta numerada continuamente de 0 a
10
X = prmio ganho
0, se x < 0
x/10, se 0 x 10
1, se x > 10

P(X x) =

10

Funo de Distribuio Acumulada


Lana moeda honesta; se tirar cara, gira roleta
numerada continuamente de 0 a 10
X = prmio ganho

Funo de Distribuio Acumulada


Lana moeda honesta; se tirar cara, gira roleta
numerada continuamente de 0 a 10
X = prmio ganho
0, se x < 0
+ x/10, se 0 x 10
1, se x > 10

P(X x) =

10

Tipos de Variveis Aleatrias


Discretas
FX(x) = xi x P(X = xi)
(Absolutamente) Contnuas
FX(x) = xi x fX(x) dx
(onde fX(x) a densidade de probabilidade de X)
Mistas
FX(x) = xi x P(X = xi) + xi x fX(x) dx
(H outras, mais patolgicas )

Exemplo

10
P(X = 0) =
fX(x) =

0, se x < 0
1/20, se 0 x 10
0, se x > 10

Propriedades da F.D.A.
FX no-decrescente
lim x FX(x) = 0, lim x+ FX(x) = 1
lim xa+ FX(x) = F(a) (continuidade
direita)

Funo de Distribuio Acumulada


A f.d.a. caracteriza completamente a distribuio
de qualquer v.a. (ou seja, conhecendo a f.d.a.
podemos obter a probabilidade de qualquer
evento envolvendo a v.a.)
P(X = 2) =

FX(x)

P(X = 3) =

1
0,65

P(X < 3) =

0,4

P(1 X 3) =

Principais Distribuies
Discretas

Bernoulli
Binomial
Geomtrica
Hipergeomtrica
Poisson

Principais Distribuies Contnuas


Uniforme
Exponencial
Normal (e associadas: 2, t, F)

Bernoulli
Espao amostral binrio (sucessofracasso, sim-no, 1-0)
1, com probabilidade p

X=
0, com probabilidade 1p

Notao: X be(p)

Binomial
Sequncia de n experimentos de Bernoulli,
independentes e com mesma probabilidade p de
sucesso
X = nmero de sucessos

Binomial
Sequncia de n experimentos de Bernoulli,
independentes e com mesma probabilidade p de sucesso
X = nmero de sucessos
Cada uma das
seqncias com k sucessos e nk
fracassos tem

n

k
probabilidade

pk (1p)n-k . Logo:

n k
P ( X k ) p (1 p ) n k , k 0,1,..., n
k

Notao: X B(n, p)

Geomtrica
Sequncia de experimentos de Bernoulli,
independentes e com mesma probabilidade p
de sucesso
X = lanamento em que ocorre o primeiro
sucesso.

Geomtrica
Sequncia de experimentos de Bernoulli,
independentes e com mesma probabilidade p de
sucesso
X = lanamento em que ocorre o primeiro
sucesso.
X = k k1 fracassos seguido de um sucesso

P( X k ) (1 p)
Notao: X G(p)

k 1

p, k 1,2,3,...

Hipergeomtrica
Urna com N bolas, sendo B brancas, de onde
so extradas n bolas, sem reposio.
X = nmero de bolas brancas extradas
B N B

b nb

P ( X b)
N

n
Notao: X HG(N, B, n)

Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais b
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?

Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais B
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?
Resposta: HG(N, B, n)

Exemplo
Amostra de tamanho n extrada de uma
populao com N indivduos, dos quais b
so favorveis a um candidato.
Qual a distribuio do nmero de
pessoas favorveis ao candidato na
amostra?
Resposta: HG(N, B, n)
Mas, se n << N, aproximadamente
B(n, B/N)

Distribuio de Poisson
Em mdia, um site de internet tem = 0,5
acessos por segundo. Qual o modelo
apropriado para a distribuio do nmero
de acessos efetuados em um segundo?

Distribuio de Poisson
Discretizar 1 segundo em n intervalos de
durao 1/n
Como o nmero de usurios grande,
razovel considerar a existncia de acessos
neste intervalos como eventos independentes,
cada um com probabilidade p.
Para que o nmero mdio de acessos por
minuto seja igual a , deve-se ter np =

Distribuio de Poisson

P( X k ) lim P(Y k ), onde Y ~ B(n, p )


n
n
n!

P( X k ) lim

n k!( n k )! n

lim

k ! n

n(n 1)...(n k 1)
nk

e , k 0,1,2,...
k!

1
n

1
n

nk

1
n

Distribuio de Poisson
Caso limite da distribuio binomial,
quando n e np se mantm constante
Acessos a sites
Chegadas de consumidores a um banco
Nmero de erros tipogrficos em um texto
Nmero de partculas radioativas emitidas

Exemplo
No caso da pgina de internet, qual a
probabilidade de que haja pelo menos um
acesso em um dado segundo?

Exemplo
No caso da pgina de internet, qual a
probabilidade de que haja pelo menos um
acesso em um dado segundo?
P(X>0) = 1 P(X=0) = 1 e-0.5 = 0,395

Exemplo
Qual a distribuio do nmero de
acessos em um minuto?

Exemplo
Qual a distribuio do nmero de
acessos em um minuto?
Poisson (30)
Em geral, o nmero de acessos em um
intervalo de durao t tem distribuio
Poisson (t)

Esperana
Idia: a esperana (ou valor esperado) de
uma v.a. o valor mdio que se espera
obter ao se repetir um experimento
aleatrio um grande nmero de vezes.

Esperana
Exemplo: Quem acerta um dos 25 grupos no
jogo do bicho ganha 18 vezes o valor apostado.
Qual o ganho esperado para quem aposta R$
1,00?

Esperana
Exemplo: Quem acerta um dos 25 grupos no
jogo do bicho ganha 18 vezes o valor apostado.
Qual o ganho esperado para quem aposta R$
1,00?
Ganha-se 17 com probabilidade 1/25
-1 com probabilidade 24/25
Aps um grande nmero n de apostas, o ganho mdio
, aproximadamente:
17.

1
24
n (1). n
25
25 7 R$ 0,28
n
25

Esperana
O valor esperado de uma v.a. discreta X
:
EX = i xi. P(X=xi)
(ou seja, a mdia dos valores assumidos
por X, ponderados por sua probabilidade)
EX pode ser um nmero real, +, , ou
no estar definida.

Esperana
EX xi P ( X xi ) xi P ( X xi )
xi 0

xi 0

finito

finito

EX R

finito

EX =

finito

EX = +

EX no definido

Paradoxo de S. Petersburgo
Jogo em que chance de vitria 1/3, mas
cuja aposta 1:1.
Estratgia: jogar at vencer, sempre
dobrando o valor da aposta.
Variveis aleatrias de interesse:
X = ganho quando se aposta 1.
N = nmero de apostas at a sada.
Y = ganho na sada.

Paradoxo de S. Petersburgo
X=

1, com prob. 2/3


1, com prob. 1/3
EX = 1/3.
N finito com prob. 1
2

1
2 1
2 1
EN .1 . .2 . .3 .... 3
3
3 3
3 3

Y=1

Paradoxo de S. Petersburgo
Mas seja C o capital usado at a vitria
2

1
2 1
2 1
2
EC .1 . .3 . .7 ....
3
3 3
3 3
3

n 1

1
. .(2 n 1) ...
3

Propriedades
E(aX + b) = aEX + b
Mas, em geral, E(g(X)) g(E(X))
Exemplo: Y = X2
EX = (1).0,2.(1)+0.0,4+1.0,4 = 0,2
EY = 0.0,4+1.0,6 = 0,6

Note que

X
p
1 0,2
0 0,4
1 0,4

EY = 02.P(X=0) + 12 .P(X=1) + (1)2 .P(X=1)

Y p
0 0,4
1 0,6

Propriedades
Para X discreta:
E(g(X)) = i g(xi) P(X=xi)
(Law of the unconscious statistician)

Propriedades
E(X+Y) = EX + EY (sempre!)
E(XY) = EX EY, se X e Y so
independentes

Exemplo

a)
b)

Urna com 10 bolas, das quais 4 so brancas. Cinco


bolas so retiradas. Qual o nmero esperado de
bolas brancas retiradas:
com reposio?
sem reposio?

Varincia
Var(X) = E(XEX)2 = E(X2) (EX)2

Propriedades
Var(aX+b) = a2 Var(X)

Var(X+Y) = Var(X) + Var(Y) + 2Cov(X,Y)

Propriedades
Se X1, X2, , Xn so independentes,
ento
Var(X1 + X2 ++ Xn ) =
Var(X1) + Var(X2) + + Var(Xn)

Exemplo
X ~ binomial(p)

Variveis Aleatrias Contnuas


F(x) = -x f(t) dt
f 0 a densidade de X
P(a < X < b) = ab f(t) dt
-+ f(t) dt = 1
f(x) = F (x)
P(x/2 < X < x+/2 ) f(x)

Exemplo
Seja X a abscissa de um ponto escolhido
ao acaso no tringulo da figura. Qual a
densidade de X?

Soluo
1

x.x / 2
F ( x) P( X x)
x2
1.1 / 2
d
d 2
f ( x)
F ( x)
x 2 x (0 x 1)
dx
dx

Outra soluo
1

f ( x) kx
1

kx
k
kx 2 2 1 k 2

0
0
f ( x) 2 x (0 x 1)

Esperana
discreta:

contnua:

mista:

EX xi P( X xi )
i

EX xi P( X xi )
i

EX

x f X ( x)dx

x f X ( x)dx

Principais Distribuies Contnuas

Uniforme
Exponencial
Gama
Normal (e associadas: 2, t, F)

Distribuio Uniforme

fX

FX

1/(b-a)
a

Distribuio Exponencial
De volta ao exemplo do site na Internet.
Qual a distribuio do tempo de espera
X at a ocorrncia do primeiro acesso?
X > t se e s se o nmero de acessos em
[0, t] igual a 0
Logo, P(X>t) = P(N = 0), onde
N~Poisson(t)
Portanto, P(X>t) = e-t

Distribuio Exponencial
X tem distribuio exponencial com
parmetro quando
FX (x) = 1e x, para x >0
Ou seja,
fX(x) = e x , para x > 0

Exemplo

O tempo de vida, em meses, de um


componente tem distribuio
exponencial de parmetro = 0,5.
a) Qual a probabilidade de que um
componente novo dure pelo menos 2
meses?
b) Dado que um componente usado j tem 1
ms de vida, qual a probabilidade de que
ele dure pelo menos mais dois meses?

Processo de Poisson
Tempo entre chegadas consecutivas
independentes, com distribuio
exponencial ()
Nmero de chegadas em intervalos
disjuntos independentes e com
distribuio Poisson (t), onde t o
comprimento do intervalo

Exemplo
Os acidentes em uma rodovia ocorrem de
acordo com um Processo de Poisson de taxa 2
acidentes por dia

Nmero mdio de acidentes por semana?


Nmero mdio de dias sem acidentes por semana?
Intervalo mdio entre acidentes?
Probabilidade de que haja 2 acidentes na 2a e 1 na
3a?
Probabilidade de que o primeiro acidente em um
certo dia s ocorra depois das 12 horas?

Distribuio Normal
A distribuio normal padro a distribuio da
varivel aleatria Z de densidade

1
f Z ( z)
2

z2

e 2

Notao: Z ~ N(0, 1)
EZ = 0, Var Z = 1

Distribuio Normal
Uma varivel X tem distribuio normal
com parmetros (mdia) e 2 (varincia)
quando da forma X = Z + , onde
Z~N(0,1)
Notao: X~N(2)

Distribuio Normal
Qual a densidade da distribuio
X~N(2)?
De modo geral, qual a densidade de
g(X), onde g uma funo inversvel e X
uma v. a. de densidade f?

Transformando uma v. a.
A densidade de Y = g(X) dada por

f X ( x)
fY ( y )
| g ' ( x) |

onde x tal que g( x) = y.

Transformando uma v.a.


Caso particular: Se X tem densidade f,
ento
Y = aX + b (a>0) tem densidade

X= Y/2

1 y b
f

a a

Y = 2X

Densidade da distribuio
normal
A densidade da v.a. X com distribuio normal
N(, 2)
1
f X ( x)
e
2

( x )2

2 2

Exemplo

As notas dos alunos em um teste tm


distribuio normal com mdia 70 e
desvio padro 10.
Se um aluno for escolhido ao acaso, qual
a probabilidade de que sua nota seja maior
que 85?
Qual a nota correspondente ao percentil
95%?

V. A. Multidimensionais
Exemplo: moeda honesta lanada 3 vezes
X = nmero de caras
Y = nmero de transies
x

P(X=x)

1/8

3/8

3/8

1/8

P(Y=y)

1/4

2/4

1/4

Qual a probabilidade de que X = 2 e Y =1?

V. A. Multidimensionais
No se pode responder (em geral) a partir
das distribuies individuais (marginais)
de X e Y.
Pode-se responder com base na
distribuio de (X, Y), tambm chamada
de distribuio conjunta de X e Y.

Distribuio Conjunta
X
ccc 3
cck 2
ckc 2
kcc 2
ckk 1
kck 1
kkc 1
kkk 0

Y
0
1
2
1
1
2
1
0

Distribuio Conjunta

ccc
cck
ckc
kcc
ckk
kck
kkc
kkk

P
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8

X
3
2
2
2
1
1
1
0

Y
0
1
2
1
1
2
1
0

X
Y
0
1
2

Distribuio Conjunta

ccc
cck
ckc
kcc
ckk
kck
kkc
kkk

P
1/8
1/8
1/8
1/8
1/8
1/8
1/8
1/8

X
3
2
2
2
1
1
1
0

Y
0
1
2
1
1
2
1
0

1/8

1/8

2/8 2/8

1/8 1/8

P(X=2 e Y =1) = 2/8

Distribuio Conjunta
A distribuio conjunta de X = (X1, X2, ...,
Xn) completamente caracteriza
probabilidades envolvendo X1, X2, ..., Xn e
quaisquer subconjuntos delas
(distribuies marginais).

Distribuio Conjunta
X

1/8
-

2/8
1/8

2/8
1/8

1/8
-

Y
0
1
2
X

Distribuio Conjunta
X

2/8
1/8
3/8

2/8
1/8
3/8

1/8
1/8

1/4
1/2
1/4

1/8
1/8

Y
0
1
2

Funo de Distribuio Acumulada


A distribuio conjunta de X = (X1, X2, ...,
Xn) completamente caracterizada pela
sua funo de distribuio acumulada.
FX1, X2, ... Xn (x1, x2, ..., xn) =
P(X1 x1, X2 x2, ..., Xn xn)
Exemplo
FX1(x1) = ?

Funo de Distribuio Acumulada


A distribuio conjunta de X = (X1, X2, ...,
Xn) completamente caracterizada pela
sua funo de distribuio acumulada.
FX1, X2, ... Xn (x1, x2, ..., xn) =
P(X1 x1, X2 x2, ..., Xn xn)
Exemplo
FX1(x1) = limx2 , ..., xn FX1, X2, ... Xn (x1, x2, ..., xn)

Tipos de distribuio conjunta


Discretas
Quando existe um conjunto enumervel
A = {x1, x2, ...} tal que P(X A) = 1.
Neste caso, P(X B) = xi B P(X = xi)

Tipos de distribuio conjunta


Discretas
Quando existe um conjunto enumervel
A = {x1, x2, ...} tal que P(X A) = 1.

Neste caso, P(X B) = xi B P(X = xi)


Contnuas
Quando existe uma funo de densidade f tal
que
x1 x2 xn
FX1, X 2 ,..., X n ( x1 , x2 ,..., xn )

... f (t1, t 2 ,...t n )dt n ...dt 2 dt1

Neste caso:
P ( X B) ... f (t1 , t 2 ,...t n )dt n ...dt 2 dt1
B

Exemplo

Um ponto (X, Y) escolhido no


quadrado unitrio com densidade
proporcional a x+y.
Qual a funo de densidade?
Qual a probabilidade de que X seja menor
que 1/2?

Propriedades
Esperana de funes de v.a. multidimensionais
E(g(X)) = i g(xi) P(X=xi) (discreta)
E(g(X)) = Rng(x) fX(x) dx

(contnua)

Casos particulares:
EX = R2x fX,Y(x,y) dy dx
E(X+Y) = R2(x+y) fX,Y(x,y) dy dx =
= R2x fX,Y(x,y) dy dx + R2y fX,Y(x,y) dy dx = EX +EY

Propriedades
Em geral, E (XY) EX EY
Mas E(XY) = EX EY se X e Y so
independentes.

E ( XY ) xy f X ,Y ( x, y )dy dx

xy f X ( x) fY ( y )dy dx


x f X ( x) y fY ( y )dy

dx

x f X ( x)dx y fY ( y )dy EX EY

Observao
X, Y independentes E(XY) = EX EY
E(XY) = EX EY X, Y independentes
no correlacionadas

Covarincia e Correlao

Cov(X, Y) = E(XEX)(YEY) =
= E(XY) EX EY

(X, Y) = Cov(X,Y)/(X)(Y)

Teorema: 1 (X, Y) 1