Escolar Documentos
Profissional Documentos
Cultura Documentos
Processos Estocásticos
X=x
Indica que a v.a. X(.) assume o valor numérico de x
X<x
Indica que a v.a. X(.) assume valores menores que o valor
numérico de x
Variáveis Aleatórias
Quando se define X=x, estamos definindo um evento A, o
qual é formado pelo subconjunto de elementos do espaço
amostral que, quando passados para a v.a X, obtém-se o
valor x.
Então P(X=x) é a probabilidade do evento A ocorrer, ou P(A)
V.A. Contínuas:
Se o contradomínio da V.A. é um intervalo ou uma coleção de
intervalos, sendo estes formados por um número infinito não
numerável de valores.
observar, sob CNTP, o valor da temperatura da água em um
copo
S = {sR | 0ºC< s <100ºC}
Variáveis Aleatórias Discretas
fX(x) - Função Densidade de Probabilidade (f.d.p.)
Determina a probabilidade da v.a. X assumir um determinado
valor x;
fX(x) = P(X=x)
Muitos autores, quando trata-se de v.a. discretas, utilizam a
denominação Função Massa de Probabilidade (f.m.p.).
Exemplo: para o exemplo de jogar uma moeda três vezes para
cima e observar o nº de caras na seqüência, temos
fX(0) = P(X=0) = 1/8
fX(1) = P(X=1) = 3/8
fX(2) = P(X=2) = 3/8
fX(3) = P(X=3) = 1/8
Variáveis Aleatórias Discretas
Propriedades da f.d.p.
Toda probabilidade deve estar entre zero e um, então:
0 f X (x) 1
Observe que cada evento {X=xi}, para todos os possíveis valores
xi de X formam eventos disjuntos, então:
f X (x i ) 1
x i S
Variáveis Aleatórias Discretas
Representando a f.d.p. na forma de gráfico:
Variáveis Aleatórias Discretas
FX(x) - Função Distribuição de Probabilidade (F.D.P.)
Determina a probabilidade da v.a. X assumir valores menores ou
iguais um determinado valor x;
FX (x) P(X x) f X (x i )
x i x
Variáveis Aleatórias Discretas
Exemplo: para o exemplo de jogar uma moeda três vezes para
cima e observar o nº de caras na seqüência, temos
FX(0) = P(X≤0) = 1/8
FX(1) = P(X≤1) = 4/8
FX(2) = P(X≤2) = 7/8
FX(3) = P(X≤3) = 8/8 = 1
Variáveis Aleatórias Discretas
Representando a F.D.P. na forma de gráfico:
Variáveis Aleatórias Discretas
Propriedades da F.D.P
1. FX(x) é não decrescente, contínua pela direita e satisfaz as
condições:
FX () P X P(S) 1
Variáveis Aleatórias Discretas
2. Se x1 < x2, então
FX (x1) FX (x2 )
Prova: se x1 < x2, então (-, x1) (-, x2) e {X≤x1} {X≤x2}, por tanto
FX
(x1) P(X x1) P(X x2 ) FX (x2 )
Variáveis Aleatórias Discretas
3. Se FX(x0) = 0, então
FX (x) 0 x x0
Prova: se FX(x0) = 0, então {X≤x0} = e qualquer valor de x≤x0
também resultará em um conjunto vazio.
Variáveis Aleatórias Discretas
4. P{X>x} = 1 – FX(x)
Variáveis Aleatórias Discretas
{X x1}U{x1 X x 2} {X x 2}
P({X x1}U{x1 X x 2}) P({X x 2 })
P({X x1}) P({x1 X x 2}) P({X x 2})
P({x1 X x 2 }) P({X x 2}) P({X x1})
P({x1 X x 2 }) FX (x 2 ) FX (x1 )
Variáveis Aleatórias Discretas
Prova:
Variáveis Aleatórias Discretas
Exercícios
Valor Esperado de V.A. Discretas
As f.d.p. e F.D.P. nos permitem analisar uma v.a. X a partir de
diversos números, as probabilidades de X;
E[X] X x i P(X x i ) x i f X (x i )
xi xi
Valor Esperado de V.A. Discretas
Exemplo: uma fábrica possui uma máquina, a qual, durante
um mês, falha uma, duas ou três vezes segundo uma f.d.p fX.
Admitindo que no máximo a máquina falha três vezes por
mês e que o custo de consertar a máquina é C, então
quanto é esperado que a empresa gaste com manutenção
da máquina por mês?
Resposta:
Média de quantas vezes a máquina quebra por mês
C.E[X]
Variância de V.A. Discretas
Muitas vezes, a média sozinha não nos permite analisar o
problema satisfatoriamente;
(x i ) 2 f X (x i ) 2E[X] x i f X (x i ) (E[X]) 2 f X (x i )
xi xi xi
X var( X)
O D.P. é interpretado de forma mais simples por estar na
mesma unidade da v.a.
Ex: em um experimento no qual se mede a distância percorrida
diariamente por uma carro, a média e o D.P. Serão medidos em
Km, enquanto que a variância será em Km2.
V.A. de Bernoulli
Defini-se uma v.a. de Bernoulli, quando esta pode obter
apenas dois possíveis resultados, 0 (ou “fracasso”) e 1 (ou
sucesso) sendo:
1 p se x 0 1 p se x 0
f X (x) FX (x)
p se x 1 1 se x 0
Embora muito simples, este tipo de v.a. é importante pois
vários experimentos do dia-a-dia possuem esta
característica, alem disto, esta v.a. é a base para outros tipos
de v.a.
V.A. Binomial
Considere um experimento de Bernoulli repetido n vezes. Se
deseja-se calcular a probabilidade de ocorrerem
exatamente k vezes o resultado “1” (sucesso) em n
repetições do experimento, sendo fX(1)=p, utiliza-se então
uma v.a. Binomial, definida como:
n k
f X (k) p (1 p) n k k 0, 1, 2, ..., n
k
k n x
FX (k) p (1 p) n x k 0, 1, 2, ..., n
x 0
x
V.A. Geométrica
Define a probabilidade do sucesso ocorrer somente na n-
ésima repetição do experimento, ou seja, ocorrer n-1 fracasso
antes de ocorrer um sucesso. Esta v.a. é caracterizada
como:
k k
x
f X (k) FX (k) e
e k! x 0 x!
Função de V.A. Discreta
Freqüentemente estamos interessados em alguma função h(X)
em vez da v.a. X em si mesmo.
x 4 6 8 y 40 56 76
fX(x) 0,5 0,3 0,2 fY(y) 0,5 0,3 0,2
Função de V.A. Discreta
Nestes casos, a probabilidade de ocorrer cada valor de Y é
Função de V.A. Discreta
Definição: se a v.a. X tiver um conjunto de possíveis valores D
e f.m.p. fX(x), o valor esperado de qualquer função h(X) é
calculado por:
Função de V.A. Discreta
Para o exemplo da regulagem do motor, definindo D como
o conjunto de todos os possíveis valores de X, podemos
encontrar o valor esperado do custo de regulagem de
motor como:
Função de V.A. Discreta
Regras do valor esperado de uma função:
A função h(X) freqüentemente é uma função linear, do tipo
h(X)=aX+b, onde a e b são constantes. Nestes casos:
aE[X] b
Função de V.A. Discreta
Obtém-se então duas regras importantes para o valor esperado
de um função de v.a., quando a e b são constantes:
1. E[aX] aE[X]
2. E[X b] E[X] b
A primeira regra diz que quando os valores da v.a. X são
dispersados por uma constante a, então a média também será
dispersada em mesma proporção;
A segunda regra diz que quando os valores da v.a. X são
deslocados por uma constante b, então a média também será
deslocada pela mesma constante
Função de V.A. Discreta
Para a variância, tem-se:
xD
E o desvio padrão:
h(X ) | a | VAR(X)
Função de V.A. Discreta
Prova:
VAR(h(X)) h(x) E[h(x)] f X (x)
2
xD
xD
xD
Exemplo:
Se no estudo de um lago fizermos medições da profundidade
do lago em locais selecionados aleatoriamente, então a v.a. X,
a qual representa a profundidade no local selecionado, é
contínua, pois, neste caso, pode assumir qualquer valor real
entre as profundidades máxima e mínima da área de
amostragem.
V.A. Contínua
Função Densidade de Probabilidade (f.d.p)
Definição: seja X uma v.a. contínua. A f.d.p. de X, fX(x) , será
uma função tal que, para dois valores a e b, com a≤b:
b
P(a X b) f X (x)dx
a
x
V.A. Contínua
Para que fX(x) seja realmente uma f.d.p., deve satisfazer:
1. f X (x) 0 x
2. f X (x)dx 1
A primeira representa o primeiro axioma da probabilidade, no
qual defini-se que a probabilidade de um evento ocorrer deve
ser maior ou igual a zero;
A segunda regra representa o segundo axioma, onde definiu-se
que a soma das probabilidades de todos os resultados possíveis
de ser 1. Neste caso, como o espaço amostral é contínuo, utiliza-
se a integração no local da somatória.
V.A. Contínua
Exemplo: objetos circulares como pneus apresentam
imperfeições. Considere a linha de referência entre o ponto
central do pneu e a válvula do pneu e seja X a v.a. que
representa o ângulo medido, no sentido horário, da linha de
referência até a imperfeição. Uma possível f.d.p. de X é:
1
se 0 x 360
f X (x) 360
0 em outros casos
V.A. Contínua
Pelo gráfico abaixo vemos que para todo valor de X, fX(x)≥0;
Além disso, Se calcularmos a área desta função temos:
fX(x)
f X (x)dx
1 x 180 90 1
P(90 X 180) dx
90 90 360 360 90 360 360 4
x
V.A. Contínua
Proposição:
Se X é uma v.a. contínua, então para qualquer constante c:
c
P(X c) f X (x)dx 0
c
Assim:
1 (0,15)(0,5)
0,15e 0,075
e 1
0,15
V.A. Contínua
Qual a probabilidade de o tempo entre passagens ser no
máximo 5 segundos?
5 5 5
P(X 5) f X (x)dx 0,15e 0,15(x 0,5)
dx 0,15e 0,075 e 0,15x dx
0,5 0,5
0,075 1
5
V.A. Contínua
Função Distribuição de Probabilidade (F.D.P.)
Definição: a F.D.P. FX(x) de uma v.a. contínua X é definida para
cada número x por
x
FX (x) P(X x) f X (y)dy
V.A. Contínua
Exemplo: suponha que a f.d.p. da grandeza X (em newtons)
de uma carga dinâmica em uma ponte seja dada por
f X (x )
x
V.A. Uniforme
X é uma v.a. Uniforme no intervalo [a, b] se a probabilidade
de qualquer valor deste intervalo for equiprovável.
f X (x )
1
ba
x
a b
V.A. Exponencial
X é uma v.a. Exponencial de parâmetro λ quando
1
e x / , x 0, 1 e x / , x 0,
f X ( x) FX ( x)
0, otherwise.
0, otherwise.
f X (x )
x
Valor Esperado de V.A. Contínua
Para uma v.a. discreta X, E[X] é obtida pela soma de x.fX(x)
para todos os possíveis valores de X. No caso contínuo,
troca-se o somatório pela integral.
X E[X] x. f X (x)dx
Valor Esperado de V.A. Contínua
Exemplo: a venda semanal de seixo (em toneladas) de uma
certa empresa de materiais de construção é dada por
3
(1 x 2 )
0 x 1
f (x) 2
X
0 caso contrário
ou
E[X 2 ] (E[X]) 2
E o desvio padrão é
VAR(X)
Variância de V.A. Contínua
Para o exemplo da venda semanal de seixo
1
x
3
E[X ]
2 2
. f X (x)dx x (1 x 2 )dx
2
0 2
1
(x 2 x 4 )dx
3 1
2 0 5
0,059
5 8
E[h(X)] h(x) f X (x)dx
Função de V.A. Contínua
Se Y=h(X)=X2, qual o valor esperado de Y?
Primeiro observamos que para qualquer valor de X, Y sempre
estará no intervalo [0, +∞)
Em seguida verificamos que
FY (y) P(X 2 y) P y X y
FX ( y ) FX ( y ), y 0.
Então
FY (y) 1
fY (y) d [ f X ( y ) f X ( y )]
dy 2 y
E o valor esperado
y2
1
E[Y] [ f X ( y ) f X ( y )]dy
y