UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

Tamanho: px

Começar a partir da página:

Download "UNIVERSIDADE FEDERAL DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros"

Jorge Vilaverde Carmona
6 Há anos
Visualizações:

1 UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros

2 Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação; Essa variabilidade ocorre ao acaso, pois resulta de uma soma de fatores não-controlados; Toda vez que uma variável é influenciada pela aleatoriedade, diz-se que esta é uma variável aleatória.

3 Formalmente, uma variável aleatória é uma função do espaço amostral nos números reais: espaço amostral nos números reais: X: U R Note que uma v.a. assumirá sempre valores numéricos.

5 Uma variável aleatória pode ser discreta ou contínua. Dizemos que uma v.a. é discreta quando seus possíveis valores podem ser dispostos em uma lista (finita ou infinita) Exemplos: Número de filhos. Número de funcionários de uma empresa. Número de tumores detectados por um exame. Número de ações vendidas de uma empresa.

6 Dizemos que uma v.a. é contínua quando ela pode assumir qualquer valor em um dado intervalo Obs: Se o conjunto é inumerável, não há sentido em falar de valores específicos e portanto: P(X x) 0 Exemplos: Tempo até a cura de uma doença Cotação do dólar Peso de recém-nascidos Concentração de CO na água

7 Variáveis Aleatórias Discretas Entende-se por distribuição de probabilidade o conjunto de todos os valores que podem ser assumidos por uma v.a. discreta, com as respectivas probabilidades. A distribuição de probabilidades permite a definição de um modelo matemático apropriado a cada situação. Exemplo: considere o experimento verificar a face após o lançamento de 3 moedas. Temos, U {C-C-C, C-C-K, C-K-C, K-C-C, C-K-K, K-C-K, K-K-C, K-K-K} X: O número de caras x 0 3 Total P(Xx) /8 3/8 3/8 /8

8 Variáveis Aleatórias Discretas Seja X uma variável aleatória discreta, então X pode assumir os valores x, x,... Chamaremos de distribuição de probabilidade da variável aleatória X, a função que a cada x i associa sua probabilidade de ocorrência, ou seja, P ( X x ) p( x i i ) Uma distribuição de probabilidade deve satisfazer : a) b) 0 p( x i ) p ( x i ) i

9 A distribuição de probabilidades permite a definição de um modelo matemático apropriado a cada situação. modelo matemático apropriado a cada situação. O modelo para v.a. discretas que estudaremos será o Modelo Binomial. No caso de v.a. contínuas a distribuição de probabilidades dá lugar à função densidade de probabilidade que depende de conceitos matemáticos um pouco mais complexos e não será abordada nesse curso. Lidaremos com o modelo para v.a.'s contínuas denominado modelo Normal, o qual é apropriado a diversas situações nas mais diferentes áreas.

10 Exemplo O Departamento de Administração da UFPB é formado por 35 professores, sendo homens e 4 mulheres. Uma comissão de 3 professores será constituída sorteando, ao acaso, três membros do departamento. Qual é a probabilidade da comissão ser formada por pelo menos duas mulheres? Vamos definir a v.a. X: nº de mulheres na comissão. Quais são os possíveis valores que X pode assumir?

12 ESPERANÇA E VARIÂNCIA Nos modelos matemáticos aleatórios parâmetros podem ser empregados para caracterizar a distribuição de probabilidade. Logo, a cada distribuição de probabilidade podemos associar certos parâmetros os quais fornecem informações sobre a distribuição. MÉDIA (Esperança) VARIÂNCIA OBJETIVO: Definir medidas para as variáveis aleatórias que sintetizem características relevantes de uma distribuição de probabilidade.

13 ESPERANÇA (VALOR MÉDIO) DEFINIÇÃO: Dada uma variável aleatória discreta X, assumindo os valores x,x,...,x n, a esperança matemática de X é definida por se x i.p(x i ) < E( X ) i x p( x i i ), NOTAÇÃO: E(x) µ

14 Propriedades da Esperança. A média de uma constante é a própria constante. E ( K ) K.. Multiplicando-se uma variável aleatória X por uma constante, sua média fica multiplicada por essa constante. E( KX ) KE( X ) 3. A média da soma ou da diferença de duas variáveis aleatórias é, respectivamente, a soma ou diferença das médias. E( X ± Y) E( X ) ± E( Y) Observação: Note que toda função de uma variável aleatória X é também uma variável aleatória. Podemos, portanto, falar na esperança de X, X+, dentre outras.

15 Exemplo Considere a variável aleatória discreta X: x i 0 p(x i ) /4 / /4 Calcule a E(X), E( X) 3 i x p( i x i ) , 4

16 VARIÂNCIA DEFINIÇÃO: Seja X uma variável aleatória com esperança dada por E(X). A variância de X é definida por dada por E(X). A variância de X é definida por Var [ ( )] ( X ) E ( X ) E X OBSERVAÇÃO: A variância nos dá a dispersão dos valores da variável em relação ao valor esperado. NOTAÇÃO: Var ( X ) σ Desvio Padrão: É definido como a raiz quadrada positiva da variância, isto é, DP ( X ) Var ( X )

17 Propriedades da Variância. A variância de uma constante é zero. V ( K) 0. Multiplicando-se uma variável aleatória por uma constante sua variância fica multiplicada pelo quadrado da constante. V ( KX ) 3. Somando-se ou subtraindo-se uma constante à variável aleatória, sua variância não se altera. 4. A variância da soma ou da diferença de duas variáveis aleatórias é dada por: V ( X ± Y ) V ( X ) + V ( Y ) ± cov( X, Y ) Onde K V ( X ) V ( K ± X ) V ( X ) OBS.: Quando X e Y são variáveis aleatórias independentes, E( XY) E( X ) E( Y), conseqüentemente, cov(x,y)0, logo [ ][ ] { } cov( X, Y) E X E( X ) Y E( Y) E( XY) E( X ) E( Y) V ( X ± Y) V ( X ) + V ( Y)

18 Exemplos: ) Se X a, em que a é uma constante, então E(X) a e Var(X) 0. ) Se Y ax + b, em que a e b são constantes, então e E(Y) E(aX + b) ae(x) + b Var(Y) Var(aX + b) a Var(X).

19 Exemplo 3 Considere a variável aleatória discreta X: Calcule a Var(X) x i 0 p(x i ) /4 / / , ) ( ) ( i i x i p x X E + + 3, ) ( ) ( i i x i p x X E 3 3 () 3 )] ( [ ) ( ) ( X E X E X Var

20 Exemplo 4 Uma livraria mantém extensos registros das vendas diárias dos livros. Com os dados coletados construiu a seguinte distribuição de probabilidade da variável aleatória X número de livros vendidos por semana: x i p(x i ) 0,05 0,5 0,4 0,0 0,08 0,0 a) Calcule o número esperado de livros vendidos por semana. b) Calcule a Var(X). c) Calcule a probabilidade de se vender mais que livros vendidos por semana. d) Calcule a probabilidade de se vender no máximo um livro. e) O lucro da livraria é obtido através da relação Y3X +X-. Qual o lucro esperado da livraria?

21 Exemplo 5 Considere uma variável aleatória X com a seguinte função de probabilidade: P( X k) c, para k, 3, 5 c, para k, 4 a) Determine o valor da constante "C" que torna legítima a função de probabilidade acima. b) Calcule a P(X>), P(X 3), P(X 4), P(5/<X 5).

Documentos relacionados

DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros

DA PARAÍBA. Variáveis Aleatórias. Departamento de Estatística Luiz Medeiros UNIVERSIDADE FEDERAL DA PARAÍBA Variáveis Aleatórias Departamento de Estatística Luiz Medeiros Introdução Como sabemos, características de interesse em diversas áreas estão sujeitas à variação Essa variabilidade