Ciclo Básico Probabilidade

Probabilidade
Seja E um experimento aleatório e S o espaço amostral associado a esse experimento. Uma
função X que associa o número real X(s) a cada elemento s ϵ S é chamada variável aleatória.

1 Variáveis aleatórias discretas

A função de probabilidade ou função de massa de probabilidade é uma função que
associa a cada valor assumido pela variável aleatória uma probabilidade dada por:

P (X = x) = p(x)
devendo satisfazer as seguintes condições:

p(xi ) ≥ 0
e
X
= p(xi ) = 1
i

A função distribuição acumulada é dada por:

FX (x) = F (x) = P (X ≥ x)
A esperança matemática é dada por:
X
µX = E(x) = x · P (X = x)
x

Considere X e Y variáveis aleatórias e a e b constantes reais, seguem algumas propriedades

da função esperança:

• E(aX) = aE(X)

• E(aX ± b) = aE(X) ± b

• E(aX ± bY ) = aE(X) ± bE(Y )

• E(XY ) = E(X)E(Y ), se X e Y forem independentes

• E(XY ) = E(X)E(Y ) + cov(X, Y ), se X e Y não forem independentes

tal que cov(X, Y ) = (X − E(X))(Y − E(Y )) é a covariância de X e Y.

1
Ciclo Básico Probabilidade

A variância de X é dada por

X
2
σX = V ar(X) = V (X) = (x − µX )2 · P (X = x)
x
ou

V (X) = E(X 2 ) − {E(X)}2

Considere X e Y variáveis aleatórias e a e b constantes reais, seguem algumas propriedades
da função variância:
• V (a) = 0
• V (aX ± bY ) = a2 V (X) + b2 V (Y ), se X e Y forem independentes
• V (aX ± bY ) = a2 V (X) + b2 V (Y ) ± 2ab · cov(X, Y ), se X e Y forem independentes
Se X e Y forem independentes, então cov(X, Y ) = 0

2 Variáveis aleatórias contínuas

Uma variável aleatória é contínua se existir uma função f (x) tal que

f (x) ≥ 0
e
Z ∞
f (x)dx = 1
−∞
tal função é chamada de função densidade de probabilidade.
Z b
P (a ≤ x ≤ b) = f (x)dx
a
A função distribuição acumulada é dada por
Z x
FX (x) = F (x) = P (X ≤ x) = f (t)dt
∞
Assim, temos que

F ′ (x) = f (x)
A esperança matemática e a variância são dadas, respectivamente, por
Z ∞
µX = E(x) = xf (x)dx
∞
e
Z ∞
V (X) = (x − µX )2 f (x)dx = E(X 2 ) − {E(X)}2
∞

2
Ciclo Básico Probabilidade

3 Distribuições de probabilidade
3.1 Discreta

Distribuição P (X = x) E(X) V (X)

Distribuição de Bernoulli px q x−1 p pq

Distribuição Binomial n


x
px q n−x np npq

1 q
Distribuição Geométrica q x−1 p
p p2

r rq
Distribuição de Pascoal x−1


r−1
pr q r−x
p p2
k N −k



N −n
Distribuição Hipergeométrica x
N
n−x
np npq
N −1


n

e−λ λx
Distribuição de Poisson λ λ
x!

A aproximação da Distribuição Binomial pela Distribuição de Poisson pode ser

feita quando n > 50 e p < 0, 10. Nesse caso, fazemos que

λ = np

3
Ciclo Básico Probabilidade

3.2 Contínua
3.2.1 Distribuição Uniforme
• Função Densidade de Probabilidade (FDP)

 1 , a≤x≤b
f (x) = b − a
0, C.C.

• Função Distribuição Acumulada (FDA)



 0, x≤a
x − a
F (x) = , a<x<b

 b−a
1, x≥b


• Esperança
a+b
E(X) =
2
• Variância
(a − b)2
V (X) =
12
• Notação
X ∼ U [a, b]

3.2.2 Distribuição Exponencial

• Função Densidade de Probabilidade (FDP)
(
λe−λx , x ≥ 0
f (x) =
0, C.C.

• Função Distribuição Acumulada (FDA)

(
1 − e−λx , x ≥ 0
F (x) =
0, x<0

• Esperança
1
E(X) =
λ
• Variância
1
V (X) =
λ2
• Notação
X ∼ Exp(λ)

4
Ciclo Básico Probabilidade

3.2.3 Distribuição Normal

• Função Densidade de Probabilidade (FDP)
1 1 x−µ 2
f (x) = √ e− 2 ( σ ) , x ϵ R
2πσ

• Esperança
E(X) = µ

• Variância
V (X) = σ 2

• Notação
X ∼ N [µ, σ 2 ]

3.2.4 Distribuição Normal Padrão

Mudança de variável:
X −µ
Z=
σ
• Esperança
E(X) − µ
E(Z) = =0
σ
• Variância
V (X)
V (Z) = =1
σ2
• Função Densidade de Probabilidade (FDP)
1 1 2
f (z) = √ e− 2 z , z ϵ R
2π

• Notação
X ∼ N [0, 1]

5
Ciclo Básico Probabilidade

4 Distribuições Conjuntas
4.1 Duas Variáveis Aleatórias Discretas
A função de probabilidade conjunta é representada por:

f (x, y) = fX,Y (x, y) = P (X = x, Y = y)

e deve cumprir as seguintes condições:
XX
fX,Y (x, y) ≥ 0 e fX,Y (x, y) = 1
x y

A função de probabilidade marginal é dada por:

X X
fX (x) = fX,Y (x, y) = P (X = x) e fY (y) = fX,Y (x, y) = P (Y = y)
y x

As esperanças marginais são dadas por:

X X
µX = E(X) = xfX (x) e µY = E(Y ) = yfY (y)
x y

As variâncias marginais são dadas por:

X X
2
σX = V (X) = (x − µX )2 fX (x) e σY2 = V (Y ) = (y − µY )2 fY (y)
x y

6
Ciclo Básico Probabilidade

4.2 Duas Variáveis Aleatórias Contínuas

A função densidade conjunta é representada por:

f (x, y) = fX,Y (x, y) = P (X = x, Y = y)

e deve cumprir as seguintes condições:
Z Z
fX,Y (x, y) ≥ 0 e fX,Y (x, y)dydx = 1
x y

A função densidade marginal é dada por:

Z Z
fX (x) = fX,Y (x, y)dy = P (X = x) e fY (y) = fX,Y (x, y)dx = P (Y = y)
y x

As esperanças marginais são dadas por:

Z Z
µX = E(X) = xfX (x)dx e µY = E(Y ) = yfY (y)dy
x y

As variâncias marginais são dadas por:

Z Z
σX = V (X) = (x − µX ) fX (x)dx e σY = V (Y ) = (y − µY )2 fY (y)dy
2 2 2
x y

7
Ciclo Básico Probabilidade

4.3 Distribuição Condicional

Tanto a distribuição de probabilidade condicional — para VAD – tanto a distribuição
densidade condicional – para VAC – são dadas por:

fX,Y (x, y) fX,Y (x, y)

fY /X (y) = e fX/Y (x) =
fX (x) fY (y)
As esperanças são dadas por:

Z X
µY /X = E(Y /X = x) = yfY /X (y)dy ou µY /X = E(Y /X = x) = yfY /X (y)
y y

As variâncias são dadas por:

Z X
σY2 /X = V (Y /X = x) = y 2 fY /X (y)dy−µ2Y /X ou σY2 /X = V (Y /X = x) = y 2 fY /X (y)−µ2Y /X
y y

Duas variáveis aleatórias são independentes se, e somente se,

fX,Y (X, Y ) = fX (X)fY (Y )

4.4 Relações Especiais

• Tower Property: EX [E(Y /X)] = E(Y )

• Lei da Variância Total: V (X) = E[V (X/Y )] + V [E(X/Y )] (Se X e Y são independen-
tes!)

4.5 Coeficiente de Correlação

Mede o grau de relação entre duas variáveis aleatórias. Assim,

cov(X, Y )
ρ(X, Y ) =
σX σY
Propriedades:

• |ρ| ≤ 1

• A condição necessária e suficiente para a existência de uma relação linear perfeita entre
X e Y é ρ(X, Y ) = ±1

8
Ciclo Básico Probabilidade

5 Função de Variáveis Aleatórias

5.1 Uma Variável Aleatória Discreta
fY (y) = fX (x)
tal que x = u(y).

5.2 Uma Variável Aleatória Contínua

fY (y) = fX (x)|J|
tal que x = u(y) e J = u′ (y).

5.3 Duas Variáveis Aleatórias Discretas

fY1 ,Y2 (y1 , y2 ) = fX1 ,X2 (x1 , x2 )
tal que x1 = u1 (y1 , y2 ) e x2 = u2 (y1 , y2 ).

5.4 Duas Variáveis Aleatórias Contínuas

fY1 ,Y2 (y1 , y2 ) = fX1 ,X2 (x1 , x2 )|J|
!
∂x1 ∂x1
tal que x1 = u1 (y1 , y2 ), x2 = u2 (y1 , y2 ) e J = ∂y1
∂x2
∂y2
∂x2 .
∂y1 ∂y2

5.5 Método Básico

dFY (y)
fY (y) = tal que FY (y) = P (Y ≤ y) = P (g(X1 , ..., Xn ) ≤ y)
dy
onde Y = g(X1 , ..., Xn )