T7, 1

Capítulo III
 T7, 2
VARIÁVEL ALEATÓRIA
UNIDIMENSIONAL
 T7, 3
VARIÁVEL ALEATÓRIA

Uma variável aleatória (v. a.) X é uma aplicação que tem

por domínio o espaço de resultados de uma experiência, ,
e por conjunto de chegada o conjunto dos números reais, R.

X
 R

X: →R
 T7, 4
EXEMPLO (de v.a.'s discretas)
Experiência aleatória: lançamento de dois dados equilibrados

 = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),

(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}

X:  → R
(x,y) → x+y
|
 T7, 5
X
 (6,6) 12
(5,6) (6,5) 11
(4,6) (5,5) (6,4) 10
(3,6) (4,5) (5,4) (6,3) 9
(2,6)
(1,6) (2,5)
(3,5)
(3,4)
(4,4)
(4,3)
(5,3)
(5,2)
(6,2)
(6,1)
 8
7
6
(1,5) (2,4) (3,3) (4,2) (5,1)
5
(1,4) (2,3) (3,2) (4,1)
(1,3)
(1,2)
(2,2)
(2,1)
(3,1)
 4
3
2
(1,1)

R
P[X=5] = P[{(1,4), (2,3), (3,2), (4,1)}] = 4/36 = 1/9
 T7, 6
FUNÇÃO DE DISTRIBUIÇÃO
(DE PROBABILIDADE CUMULATIVA)

A função de distribuição de uma v.a. X é uma função

real de variável real definida por

FX: R → R
x → P[X x]
|
 T7, 7
FX : R → R
Propriedades x  P( X  x )
1 0  FX ( x )  1
2 lim FX ( x ) = 1
x → +
3 lim FX ( x ) = 0
x → −

4 a  b  FX (a )  FX (b )
5 lim+ FX (b + h ) = FX (b ) (FX é contínua à direita)
h→0
6 P (a  X  b ) = P ( X  b ) − P ( X  a ) = FX (b ) − FX (a )
7 P ( X  a ) =1 − P ( X  a ) =1 − FX (a )
( )
1

8 P( X = a ) = XF (a ) − FX a − 0.8

onde FX (a ) = lim FX (a − h )
0.6
−
0.4
h→0+
0.2

9 FX contínua em a  P(X=a)=0
-6 -4 -2 2 4 6
 T7, 8
Propriedades FX : R → R
(cont.) x  P( X  x )

P (a  X  b ) = FX (b ) − FX (a )

P (a  X  b ) = P ( X = a )  a  X  b  =
= P ( X = a ) + P (a  X  b )
( )
= FX (a ) − FX a − + FX (b ) − FX (a )
( )
= FX (b ) − FX a − .

P (a  X  b ) = P (a  X  b ) − P ( X = b )
 ( )
= FX (b ) − FX (a ) − FX (b ) − FX b −
( )
= FX b − − FX (a ).
( ) ( )
P (a  X  b ) =  = FX b − − FX a − .
 T7, 9
VARIÁVEIS ALEATÓRIAS
DISCRETAS
Seja X variável aleatória,

X será discreta se assumir um conjunto finito ou infinito

numerável de valores.

valores que a v.a. toma

 xi, iI
X =
 P[X=xi] , iI
probabilidades com que
toma esses valores
 T7, 10
Função Massa de Probabilidade
A aplicação xi →P[X=xi]= pi é designada por função
massa de probabilidade (f.m.p.) e satisfaz as seguintes
propriedades:

i ) pi = 1
i

e
ii)i, pi  0
 T7, 11
Exemplo: Voltemos ao exemplo anterior que consiste na
soma das pintas resultantes do lançamento de dois dados
equilibrados

Função massa de probabilidade (f.m.p.)

de X:

 2 3 4 5 6 7 8 9 10 11 12
X =
1 2 3 4 5 6 5 4 3 2 1
 36 36 36 36 36 36 36 36 36 36 36

0,18
0,16
0,14
0,12
0,1
0,08
0,06
0,04
0,02
0
2 3 4 5 6 7 8 9 10 11 12
 T7, 12
Função de distribuição (f.d.)
FX ( x ) = P ( X  x) =  P ( X = xi )
iI

 2 3 4 5 6 7 8 9 10 11 12
X =
x2 1 2 3 4 5 6 5 4 3 2 1
 0 se  36 36 36 36 36 36 36 36 36 36 36
1 se 2 x3
 36
3 se 3 x  4
0.18

 36
0.16
0.14
6 se 4 x5 0.12

 36 P (3  X  10 ) =FX (10 ) − FX (3) 0.1

10 36 5 x6
0.08
se 0.06
15
P ( X = 7 ) = FX (7 ) − FX (7 − )
0.04

 se 6 x7 0.02
FX (x ) =  36 0
21 se 7 x8
2 3 4 5 6 7 8 9 10 11 12
 36
26 se 8 x9
 36
30 se 9  x  10
 36
33 se 10  x  11
 36
35 36 se 11  x  12
 1 se 12  x

 T7, 13
Propriedades da função de
distribuição

Alguns exemplos de funções de distribuição de variáveis aleatórias discretas.

 T7, 14
VARIÁVEIS ALEATÓRIAS
CONTÍNUAS
Seja X uma variável aleatória,

X será contínua se assumir valores num conjunto contínuo.

 T7, 15
Função Densidade de Probabilidade
Uma aplicação real de variável real, x →fX(x), é uma
função densidade de probabilidade (f.d.p.) de uma
variável aleatória X se, e só se, satisfizer as seguintes
propriedades:

i ) x , f X ( x )  0
e

ii)  f X ( x )dx = 1
R
 T7, 16
Função de distribuição (f.d.)

A função de distribuição de uma variável aleatória

contínua é:

x
FX ( x ) = P ( X  x ) =  f (t ) dt
X
−

Observação:
Nos pontos onde fX é contínua,

d
f X ( x ) = FX (x ).
dx
 T7, 17
Compare-se!

Se X é discreta com f.m.p. Se X é absolutamente

xi →P[x=xi]= pi contínua com f.d.p. fX
+

p
iI
i =1  f (t )dt = 1
−
X

i, pi  0 t , f X (t )  0
 T7, 18
.
O VALOR MÉDIO
O valor médio (ou “valor esperado”, ou “esperança”) de uma v.a.
discreta X com f.m.p.
 xi , i  I
X =
 pi = P( X = xi )
é definido por
EX  =  xi pi (quando x i pi  +).
iI iI

Exemplo:
X =  0 1 2
E  X  = 0 *
1
+ 1 *
2
+ 2 *
1
= 1.
1 4 2 4 1 4
4 4 4

Se X for contínua,
+
E(X ) =  xf (x )dx
X
−
 T7, 19
VALOR MÉDIO - PROPRIEDADES

1. O valor médio de uma constante é essa constante,

E (a ) = a.
n
2. O valor médio de X , chamado momento de ordem n, é

E X( )=  x
n n
i pi , se  xi pi  +.
n

iI iI

Mais geralmente, se uma v.a. Y é da forma Y = g(X) então

E g ( X ) =  g (xi ) pi , se  g ( xi ) pi  +.
iI iI

Em particular, se Y = aX + b então
E aX + b =  (axi + b ) pi = a  xi pi + b pi = aE ( X ) + b.
iI iI iI
 T7, 20
VALOR MÉDIO – PROPRIEDADES (cont.)

3. No caso de existirem os valores médios,

k  k

E  g j ( X ) = E g j ( X ) . 
 j =1  j =1

4. No caso de existirem os valores médios,

E ( X + Y ) = E ( X ) + E (Y ).
 T7, 21
A VARIÂNCIA

Seja X uma variável aleatória. A sua variância é

(
var ( X ) = E X − E ( X ) .
2
)
Assim, se X for uma variável aleatória discreta
 xi , iI
X =
 pi = P( X = xi )
com valor médio E(X) = X a sua varíância é

var ( X ) = (
 i X P( X = xi );
 )2
x −
iI

E g ( X ) =  g (xi ) pi
iI

(como as parcelas são não negativas, a série ou converge ou tende para mais infinito,
pelo que muitas vezes usamos frases do tipo “X com variância finita”).
 T7, 22
A VARIÂNCIA (cont.)

Se X for contínua, a variância de X é:

+

 (x − E ( X )) f X (x )dx
2
(
E X − E ( X ) =
2
)
−
 T7, 23
PROPRIEDADES
1. ( ) (
var ( X ) = E X − E ( X ) = E X 2 − 2 XE( X ) + E 2 ( X )
2
)
( )
= E X 2 − 2 E ( X )E ( X ) + E 2 ( X ) = E (X 2 ) − E 2 ( X ).

Teorema de König: No caso de existir a variância da variável aleatória X,

( )
var ( X ) = E X 2 − E 2 ( X ).

2. De
( ) ( ) ( )
EX ( X −1) = E X 2 − X = E X 2 − E( X )  E X 2 = EX ( X − 1) + E ( X )

vem var ( X ) = E X ( X −1) + E ( X ) − E 2 ( X ).

3. ( ) (
var (X +  ) = E X +  − E (X +  ) = E X +  − E ( X ) −  2 =
2
)
= E ( X − E ( X ) ) =  E (X − E ( X ) ) =  var( X ).
2 2 2 2 2

var (X +  ) =  2 var ( X ).

 T7, 24
PROPRIEDADES (cont.)

4.    
h(r ) = E ( X − r ) = E ( X −  X +  X − r ) =
2 2

= E( X −  ) + 2( X −  )( − r ) + ( − r ) 
2 2
X X X X

= E( X −  ) + 2( − r )E ( X −  ) + ( − r )
2 2
X X X X

= var ( X ) + ( X − r )2

E(X −  X ) = E(X ) −  X = 0

O erro quadrático, h(r), é mínimo quando r =  X .

 
( E ( X − r ) é também o momento de ordem 2 centrado em r).
2

5. var ( X + Y ) = var ( X ) + var (Y ) se X e Y forem independentes.