NDICE

3. VARIVEIS ALEATRIAS ...................................................................................................49 3.1. VARIVEIS ALEATRIAS UNIDIMENSIONAIS ..........................................................................49 3.2. VARIVEIS DISCRETAS FUNO DE PROBABILIDADE E FUNO DISTRIBUIO DE PROBABILIDADE. .............................................................................................................................50
3.2.1. Funo de probabilidade ..............................................................................................................................50 3.2.2. Funo distribuio de probabilidade .......................................................................................................51 3.3. VARIVEIS CONTNUAS FUNO DE DENSIDADE DE PROBABILIDADE E FUNO DE DISTRIBUIO DE PROBABILIDADE .................................................................................................53 3.3.1. Funo densidade de probabilidade ...........................................................................................................53 3.3.2. Funo de distribuio de probabilidade ..................................................................................................53 3.4. PARMETROS DAS VARIVEIS ALEATRIAS ............................................................................55 3.4.1. Valor mdio ou valor esperado ...................................................................................................................55 3.4.2. Varincia e desvio padro ...........................................................................................................................55 3.4.3. Mediana ..........................................................................................................................................................56 3.4.4. Relao entre a mdia e a mediana ...................................................................................................................57 3.5. VARIVEIS ALEATRIAS BIDIMENSIONAIS ............................................................................58 3.5.1. Variveis aleatrias bidimensionais discretas ........................................................................................58 3.5.1.1. Funo de probabilidade conjunta.................................................................................................................58 3.5.1.2. Funo de distribuio conjunta ...................................................................................................................58 3.5.1.3. Funes de probabilidade marginal ...............................................................................................................59 3.5.2. Variveis aleatrias bidimensionais contnuas .......................................................................................59 3.5.2.1. Funo de densidade de probabilidade conjunta ...........................................................................................59 3.5.2.2. Funo de distribuio conjunta ...................................................................................................................59 3.5.2.3. Funes de densidade de probabilidade marginal ..........................................................................................60 3.6. RELAES ENTRE AS VARIVEIS X E Y ....................................................................................61 3.6.1. Funes de (densidade de) probabilidade condicionais .....................................................................................61 3.6.2. Covarincia ......................................................................................................................................................61 3.6.3. Coeficiente de correlao linear ..................................................................................................................62 3.6.4. Independncia das variveis aleatrias X e Y ..........................................................................................62

V A R I V E I S

A L E A T R I A S

Captulo

3
3. Variveis Aleatrias
3.1. Variveis Aleatrias Unidimensionais
As variveis aleatrias (v.a.) aparecem com a necessidade de representar os resultados de uma experincia aleatria atravs de nmeros reais. Em muitas situaes o conjunto de valores que uma varivel toma confunde-se com o prprio espao de resultados. Uma varivel aleatria pode definir-se como uma funo definida num espao de resultados S e que tem como contradomnio nmeros reais. As variveis aleatrias classificam-se em discretas ou contnuas consoante o tipo de conjunto de valores que elas podem tomar. Varivel discreta: quando a varivel assume valores num conjunto finito ou infinito numervel. Varivel contnua: quando a varivel assume valores de um conjunto infinito no numervel. As variveis representam-se por letras maisculas (tipicamente, X, Y, Z, W, ...) e os valores que estas podem tomar pelas correspondentes minsculas correspondentes (x, y, z, w, ...). Exemplo 3.1: Experincia aleatria: Medio do peso de uma pessoa escolhida ao acaso. Espao de resultados: Conjunto de todos os pesos atribuveis a uma pessoa. Varivel aleatria: O peso da pessoa, que pode tomar qualquer valor do espao de resultados.

Existem no entanto outras situaes em que os valores da varivel aleatria no so os resultados do espao de resultados mas sim uma transformao destes.

49

V A R I V E I S

A L E A T R I A S

Exemplos 3.2: Experincia aleatria: Lanamento de dois dados. Espao de resultados: Conjunto dos valores obtidos pelos dois dados, num total de trinta e seis resultados possveis (#S=36)

S = {( x , y ) : x , y = 1,2,3,4 ,5,6}.
Varivel aleatria: Seja X a varivel aleatria que representa a soma dos nmeros dos pontos dos dois dados. Esta v.a. pode tomar qualquer valor inteiro do nmero 2 ao nmero 12:

X (S ) = {2,3,4 ,...,12}.
Mas no mesmo espao de resultados poder-se-ia definir outra varivel aleatria Varivel aleatria: Seja Y a varivel aleatria que representa a diferena, em valor absoluto, dos nmeros dos pontos dos dois dados. Esta v.a. pode tomar qualquer valor inteiro do nmero 0 ao nmero 5:

Y (S ) = {0,1, 2, 3, 4 , 5 }

Exemplos 3.3: A varivel resultado do lanamento de um dado discreta (assume os valores 1, 2, 3, 4, 5 ou 6). A varivel que representa o tempo que um atleta leva a completar a prova dos 100 m contnua se admitirmos que medida com preciso absoluta.

3.2. Variveis discretas Funo de probabilidade e funo distribuio de probabilidade.

3.2.1. Funo de probabilidade Seja X uma varivel aleatria discreta. Define-se como funo de probabilidade (f.p.) a funo que associa a cada valor que a varivel pode tomar, a probabilidade dessa v.a. tomar esse valor.

f ( x ) = P( X = x )

(1)

50

V A R I V E I S

A L E A T R I A S

Propriedades 1. f ( x ) 0 , x 2.

f( x ) =1

Exemplo 3.4: Seja X a varivel aleatria que representa o resultado do lanamento de um dado equilibrado. A funo de probabilidade definida por:

1 1 1 1 1 1 f ( 1) = , f ( 2 ) = , f ( 3 ) = , f ( 4 ) = , f ( 5 ) = , f ( 6 ) = 6 6 6 6 6 6
e f ( x ) = 0 para outros valores de x. Em termos de notao e de modo a simplificar, podemos representar a funo de probabilidade por meio de uma tabela assumindo que os valores que no aparecem na tabela, tm probabilidade zero de ocorrer. No nosso exemplo teremos ento: x f (x) 1 2 3 4 5 6

1 6

1 6

1 6

1 6

1 6

1 6

Quando uma v.a. para todos os valores de x onde for f ( x ) 0 o valor de f ( x ) for constante, diz-se que a v.a X tem uma distribuio uniforme (discreta) 3.2.2. Funo distribuio de probabilidade Define-se como funo de distribuio de probabilidade de uma certa varivel aleatria X , a funo que associa a cada valor a probabilidade da varivel aleatria tomar valor menores ou iguais a esse valor.

F ( x ) = P( X x )

(2)

Da definio resulta que a funo de distribuio pode ser calculada em qualquer ponto x atravs da funo de probabilidade:

F ( x ) = P( X x ) = f ( t )
t x

(3)

51

V A R I V E I S

A L E A T R I A S

Propriedades 1. 0 F ( x ) 1 , x 2. lim F ( x ) = 1 e lim F ( x ) = 0

x + x

3. x 2 > x 1 F ( x 2 ) F ( x 1 ) , x 1 , x 2 4. P( x 1 < X x 2 ) = F ( x 2 ) F ( x 1 ) Exemplo 3.5: Para o Exemplo 3.4 a funo de distribuio de probabilidade definida por:

0 1 6 2 6 3 F( x ) = 6 4 6 5 6 1
Exemplo 3.6:

se x < 1 se 1 x < 2 se 2 x < 3 se 3 x < 4 se 4 x < 5 se 5 x < 6 se x 6

No caso da varivel aleatria que definimos no Exemplo 3.4 a funo de distribuio de probabilidade toma os seguintes valores para os seguintes exemplos:

F ( 1 ) = P( X 1 ) = f ( 1 ) =

1 6 4 6 4 6

F ( 4 ) = P( X 4 ) = f ( 1 ) + f ( 2 ) + f ( 3 ) + f ( 4 ) =

F ( 4.3 ) = P ( X 4.3 ) = f ( 1 ) + f ( 2 ) + f ( 3 ) + f ( 4 ) = F ( 0.8 ) = P( X 0.8 ) = 0

F ( 7.4 ) = P( X 7.4 ) = f ( 1 ) + f ( 2 ) + f ( 3 ) + f ( 4 ) + f ( 5 ) + f ( 6 ) = 1

52

V A R I V E I S

A L E A T R I A S

3.3. Variveis contnuas Funo de densidade de probabilidade e funo de distribuio de probabilidade

Sendo X uma varivel aleatria contnua, toma valores num conjunto infinito no numervel. A aplicao do conceito de funo de probabilidade neste tipo de conjuntos leva a que P ( X = a ) = 0, a , ou seja, a probabilidade pontual sempre nula, o que no implica que o acontecimento seja impossvel, quer apenas dizer que partida nula a probabilidade de acontecer a sada exacta de a (os valores que X pode tomar so tantos que estamos na presena de um acontecimento raro). Note-se no entanto, que no so nulas as probabilidades definidas sobre intervalos. Nesta situao, deixa de fazer sentido a funo de probabilidade. No seu lugar aparece a funo de densidade de probabilidade. 3.3.1. Funo densidade de probabilidade A funo de densidade de probabilidade (f.d.p.) uma funo que nos indica como a probabilidade de uma varivel aleatria continua se distribu ao longo do intervalo de valores que essa varivel pode tomar. Valores de X para os quais a funo de densidade toma valores mais elevados representam zonas que tm maior probabilidade de ocorrer quando observamos valores dessa varivel Diz-se que f ( x ) a funo de densidade de probabilidade da varivel aleatria contnua X se a rea limitada por f ( x) , o eixo dos xx e as rectas x = a e x = b for igual P ( a x b )

P( a X b ) = f ( x ) dx
a

(4)

Propriedades 1. f ( x ) 0 , x
+

2.

f (x ) dx = 1

3.3.2. Funo de distribuio de probabilidade No caso das variveis aleatrias contnuas continua a fazer sentido a funo de distribuio de probabilidade tal como foi definida para o caso discreto.

F ( x ) = P( X x )
53

(5)

V A R I V E I S

A L E A T R I A S

Da definio resulta que a funo de distribuio pode ser calculada em qualquer ponto x atravs da funo de densidade de probabilidade:

F ( x ) = P( X x ) = f ( t ) dt

(6)

Propriedades 1. 0 F ( x ) 1 , x 2. lim F ( x ) = 1 e lim F ( x ) = 0

x + x

3. x 2 > x 1 F ( x 2 ) F ( x 1 ) , x 1 , x 2 4. P( x 1 < X x 2 ) = F ( x 2 ) F ( x 1 ) 5. F ( x ) uma funo continua em .

54

V A R I V E I S

A L E A T R I A S

3.4. Parmetros das variveis aleatrias

Nesta seco vamos estudar os parmetros que caracterizam uma varivel aleatria em termos mdios (medidas de localizao ou tendncia central) mdia e mediana, e em termos de disperso varincia e desvio padro. 3.4.1. Valor mdio ou valor esperado Chama-se valor mdio ou valor esperado ao valor que se obtm somando (ou integrando) todos os valores que uma varivel aleatria pode tomar, ponderados pela respectiva probabilidade pontual (ou densidade de probabilidade no ponto) e representa-se por = E( X ) :

= E( X ) = x f ( x ) (caso discreto)
+

(7)

= E( X ) = x f ( x ) dx (caso contnuo)

(8)

Propriedades Sejam X e Y duas variveis aleatrias e k , a e b constantes. 1. E( k ) = k 2. E( kX ) = kE( X ) 3. E( aX bY ) = aE( X ) bE( Y ) 3.4.2. Varincia e desvio padro A varincia de uma varivel aleatria X , representa-se por Var ( X ) = 2 x e define-se por:

Var ( X ) = E ( X E( X ) )2

(9) (10)

Var ( X ) = (x E( X ) )2 f ( x ) (caso discreto)

+

Var ( X ) = (x E( X ) )2 f ( x ) dx (caso contnuo)

(11)

55

V A R I V E I S

A L E A T R I A S

Pela definio podemos observar que a varincia o valor mdio dos desvios quadrticos da varivel relativamente ao seu valor mdio. Quanto mais frequentes forem os valores afastados do valor mdio maior a varincia. Designa-se por desvio padro e representa-se por a raiz quadrada positiva da varincia:

x = = Var ( X )
Propriedades Sejam X e Y duas variveis aleatrias e k , a e b constantes. 1. Var ( k ) = 0 2. Var ( kX ) = k 2Var ( X ) 3. Var ( aX bY ) = a 2Var ( X ) + b 2Var ( Y ) 2abCov ( X , Y )

(12)

Caso as variveis sejam independentes, como Cov ( X , Y ) = 0 1, temos que:

Var ( aX bY ) = a 2Var ( X ) + b 2Var ( Y )

Existe uma frmula prtica para o clculo da varincia:

Var ( X ) = E (X 2 ) [E( X )]2

onde,

(13)

E(X 2 ) = x 2 f ( x ) (caso discreto)

+

(14)

E(X 2 ) = x 2 f ( x ) dx (caso contnuo)

(15)

3.4.3. Mediana Define-se mediana como o valor da v.a. que divide a distribuio em duas partes.

Iremos definir variveis independentes e covarincia mais adiante.

56

V A R I V E I S

A L E A T R I A S

Caso discreto No caso de uma v.a. discreta podemos distinguir duas situaes: 1. Se no existir nenhum valor x i para o qual a F (x i ) = 0,5 a mediana ser o menor valor x i para o qual F (x i ) > 0,5 . 2. Se existir um valor x i para o qual a F (x i ) = 0,5 a mediana ser

Me =
Caso contnuo

x i + x i +1 2

No caso de uma v.a contnua a mediana univocamente determinada, porque existe um s valor para o qual

P ( X M e ( X )) = 0.5 F ( M e ( X )) = 0.5
3.4.4. Relao entre a mdia e a mediana Quando mdia e a mediana so iguais a distribuio diz-se simtrica:

= Me
Quando a distribuio no simtrica temos uma de duas situaes: 1. < M e e a distribuio diz-se assimtrica negativa. 2. M e < e a distribuio diz-se assimtrica positiva.

57

V A R I V E I S

A L E A T R I A S

3.5. Variveis Aleatrias Bidimensionais

Uma varivel aleatria bidimensional no mais do que uma par de variveis aleatrias ( X , Y ) . No caso de X e Y serem duas variveis aleatrias discretas o par diz-se uma varivel aleatria bidimensional discreta. Na situao em que ambas so contnuas temos uma varivel aleatria bidimensional contnua. 3.5.1. Variveis aleatrias bidimensionais discretas 3.5.1.1. Funo de probabilidade conjunta Chama-se funo de probabilidade conjunta da varivel aleatria ( X , Y ) funo f (x , y ) que associa a cada elemento (x , y ) a probabilidade da varivel aleatria X tomar o valor x ao mesmo tempo da varivel Y tomar o valor y .

f (x , y ) = P ( X = x , Y = y )
Propriedades 1. f (x , y ) 0 , (x , y ) 2 2.

(16)

f (x , y ) = 1
x y

3.5.1.2. Funo de distribuio conjunta Chama-se funo de distribuio de probabilidade conjunta da varivel aleatria (X , Y ) funo F (x , y ) que associa a cada elemento (x , y ) a probabilidade da varivel aleatria X tomar valores menores ou iguais a x ao mesmo tempo da varivel Y tomar valores menores ou iguais a y .

F (x , y ) = P (X x , Y y ) F( x , y ) = f ( s , t )
s x t y

(17) (18)

Propriedades 1. 0 F ( x , y ) 1 , ( x , y ) 2. lim F ( x , y ) = 1
x + y +

3. lim F ( x , y ) = 0 , y
x

58

V A R I V E I S

A L E A T R I A S

4. lim F ( x , y ) = 0 , x
y

5. x 1 < x 2 y1 < y 2 F ( x 1 , y1 ) F ( x 2 , y 2 ) 3.5.1.3. Funes de probabilidade marginal A funo de probabilidade marginal de uma varivel a funo de probabilidade individual dessa varivel e obtm-se da funo de probabilidade conjunta, no impondo nenhuma restrio ao valor da outra varivel. Funo de probabilidade marginal de X :

f X ( x ) = P ( X = x , < Y < + ) = P ( X = x , Y = y ) = f ( x , y )
y y

(19)

Funo de probabilidade marginal de Y :

f Y ( y ) = P ( < X < +, Y = y ) = P ( X = x , Y = y ) = f ( x , y )
x x

(20)

3.5.2. Variveis aleatrias bidimensionais contnuas 3.5.2.1. Funo de densidade de probabilidade conjunta Tal como acontece nas variveis unidimensionais contnuas, nas variveis bidimensionais contnuas no faz sentido falar em funo de probabilidade visto que P ( X = x , Y = y ) = 0 ( x , y ) , aparecendo no seu lugar a funo de densidade de probabilidade conjunta. Esta funo indica-nos como a probabilidade se distribui pelos valores que o par aleatrio ( X , Y ) pode tomar. Propriedades 1. f (x , y ) 0 , (x , y ) 2
+ +

2.

f ( x , y ) dx dy = 1

3.5.2.2. Funo de distribuio conjunta Chama-se funo de distribuio de probabilidade conjunta da varivel aleatria ( X , Y ) funo F ( x , y ) que associa a cada elemento ( x , y ) a probabilidade

59

V A R I V E I S

A L E A T R I A S

da varivel aleatria X tomar valores menores ou iguais a x ao mesmo tempo da varivel Y tomar valores menores ou iguais a y .

F ( x , y ) = P( X x , Y y ) F ( x , y ) = f ( s , t ) dt ds
x y

(21)

(22)

Propriedades 1. 0 F ( x , y ) 1 , ( x , y ) 2 2. lim F ( x , y ) = 1
x + y +

3. lim F ( x , y ) = 0 , y
x

4. lim F ( x , y ) = 0 , x
y

5. x 1 < x 2 y 1 < y 2 F ( x 1 , y 1 ) < F ( x 2 , y 2 ) 3.5.2.3. Funes de densidade de probabilidade marginal A funo de densidade de probabilidade marginal de uma varivel a funo de densidade de probabilidade individual dessa varivel e obtm-se da funo de densidade de probabilidade conjunta, no impondo nenhuma restrio ao valor da outra varivel. Funo de densidade de probabilidade marginal de X :
+

f X ( x ) = f ( x , y ) dy

(23)

Funo de densidade de probabilidade marginal de Y :

+

f Y ( y ) = f ( x , y ) dx

(24)

60

V A R I V E I S

A L E A T R I A S

3.6. Relaes entre as variveis X e Y

3.6.1. Funes de (densidade de) probabilidade condicionais Sabendo o valor que uma das variveis vai tomar (ou tomou) podemos calcular a funo de probabilidade (no caso discreto) ou a funo de densidade de probabilidade (no caso contnuo) da outra varivel, tendo em conta a informao conhecida relativamente ao valor da primeira varivel. Caso discreto e caso contnuo:

fX Y = y( x ) = fY X =x ( y ) =
3.6.2. Covarincia

f ( x, y ) fY ( y ) f ( x, y ) fX( x )

(25)

(26)

No estudo das relaes existentes entre duas variveis aleatrias X e Y podemos analisar a covarincia das duas variveis. Define-se ento covarincia entre X e Y , Cov ( X , Y ) , como:

Cov( X , Y ) = XY = E[( X E( X ) ) (( Y E( Y ) )]
donde , no caso discreto:

(27)

Cov( X , Y ) = ( x E( X ))( y E( Y )) f ( x , y )
x y

(28)

e, no caso contnuo:
+ +

Cov( X , Y ) = ( x E( X ))( y E( Y )) f ( x , y ) dy dx

(29)

Verifica-se que < Cov ( X , Y ) < + . Frmula prtica para o clculo da covarincia:

Cov( X , Y ) = E( X Y ) E( X ) E( Y )

(30)

A covarincia de duas variveis fornece-nos uma medida da relao linear existente entre as duas variveis. Quando a covarincia assume um valor muito alto positivo temos a indicao de que existe uma relao linear positiva forte entre as duas variveis. Quando a covarincia toma um valor muito baixo negativo temos a indicao de que existe uma relao linear negativa forte. Na

61

V A R I V E I S

A L E A T R I A S

situao em que a covarincia toma valores perto de zero a relao linear muito fraca e inexistente no caso em que a covarincia zero. 3.6.3. Coeficiente de correlao linear A covarincia est expressa nas unidades das variveis X e Y simultaneamente o que introduz dificuldades quando se pretende fazer comparaes. Para ultrapassar esta situao podemos calcular o coeficiente de correlao linear ( ) que tem sempre o seu valor entre 1 e 1. Dado um par de variveis aleatrias ( X , Y ) , define-se coeficiente de correlao linear como:

XY =
Quando:

Cov ( X , Y ) XY = Var ( X ) Var ( Y ) X Y

(31)

XY = 1 , existe correlao linear negativa perfeita entre X e Y . XY = 0 , no h correlao linear entre X e Y . XY = 1 , existe correlao linear positiva perfeita entre X e Y .
3.6.4. Independncia das variveis aleatrias X e Y Dada uma varivel aleatria bidimensional ( X , Y ) , diz-se que as variveis unidimensionais que a integram, X e Y , so independentes, se a sua funo (densidade) de probabilidade conjunta f ( x , y ) , for igual ao produto das funes (densidade) de probabilidade marginais, isto :

X e Y so independentes se f ( x , y ) = f X ( x ) f Y ( y ) , ( x , y )
Como consequncia da definio temos que X e Y so independentes se e s se: f X Y = y ( x ) = f X ( x ) ou f Y X = x ( y ) = f Y ( y ) Teorema Se duas variveis aleatrias X e Y so independentes ento a Cov ( X , Y ) = 0 Nota: a recproca no verdadeira. Duas variveis podem ter Cov ( X , Y ) = 0 e no serem independentes. Apenas podemos garantir que no existe relao linear entre as duas variveis. No entanto, pode existir outro tipo de relao, que no a linear, e no serem independentes.
62