EXPECTÂNCIA DE UMA FUNÇÃO
Paulo Messias do Nascimento
INTRODUÇÃO
Expectância (Esperança Matemática) é o valor médio esperado de uma função de uma variável aleatória.
A expectância é fundamental na estatística e probabilidade para analisar distribuições de dados, prever resultados e
tomar decisões informadas.
DEFINIÇÃO
A expectância de uma função g(X) de uma variável aleatória X é representada como E[g(X)]
Para uma variável contínua:
onde fX(x) é a função densidade de probabilidade de X.
Para uma variável discreta:
onde P(X=x) é a probabilidade de X assumir o valor x.
IMPORTÂNCIA
Valor Médio: A expectância fornece o valor médio esperado de uma função de uma variável aleatória.
Análises de Risco: Utilizada para calcular expectativas de lucro, custo, e outros indicadores financeiros.
Tomada de Decisões: Essencial para avaliar o desempenho de sistemas, confiabilidade e previsões.
EXEMPLO DE VARIÁVEL CONTÍNUA
Considere X como uma variável aleatória contínua uniformemente distribuída no intervalo [0,1].
Função de interesse:
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Integração da função g(x)=x^2 no intervalo [0,1].
EXEMPLO DE VARIÁVEL CONTÍNUA
Considere X como uma variável aleatória contínua uniformemente distribuída no intervalo [0,1].
Função de interesse:
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Integração da função g(x)=x^2 no intervalo [0,1].
EXEMPLO DE VARIÁVEL CONTÍNUA
Considere X como uma variável aleatória contínua uniformemente distribuída no intervalo [0,1].
Função de interesse:
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Integração da função g(x)=x^2 no intervalo [0,1].
Resultado:
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Calcular (2 × 1 + 1) × 0.2 = 3 × 0.2 = 0.6
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Calcular (2 × 1 + 1) × 0.2 = 3 × 0.2 = 0.6
Calcular (2 × 2 + 1) × 0.5 = 5 × 0.5 = 2.5
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Calcular (2 × 1 + 1) × 0.2 = 3 × 0.2 = 0.6
Calcular (2 × 2 + 1) × 0.5 = 5 × 0.5 = 2.5
Calcular (2 × 3 + 1) × 0.3 = 7 × 0.3 = 2.1
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Calcular (2 × 1 + 1) × 0.2 = 3 × 0.2 = 0.6
Calcular (2 × 2 + 1) × 0.5 = 5 × 0.5 = 2.5
Calcular (2 × 3 + 1) × 0.3 = 7 × 0.3 = 2.1
Somar os resultados: 0.6 + 2.5 + 2.1 = 5.2
EXEMPLO DE VARIÁVEL DISCRETA
Variável: X assume valores 1, 2 e 3 com probabilidades 0.2, 0.5 e 0.3, respectivamente.
Função de Interesse: g(X)=2X+1
Cálculo da Expectância:
Fórmula:
Passo a Passo:
Calcular (2 × 1 + 1) × 0.2 = 3 × 0.2 = 0.6
Calcular (2 × 2 + 1) × 0.5 = 5 × 0.5 = 2.5
Calcular (2 × 3 + 1) × 0.3 = 7 × 0.3 = 2.1
Somar os resultados: 0.6 + 2.5 + 2.1 = 5.2
Resultado : E[2X + 1] = 5.2
APLICAÇÕES
Economia:
Determinação de expectativas de lucro e custo.
Análise de investimentos e previsão de retornos financeiros.
APLICAÇÕES
Economia:
Determinação de expectativas de lucro e custo.
Análise de investimentos e previsão de retornos financeiros.
Engenharia:
Avaliação de desempenho de sistemas e projetos.
Análise de confiabilidade e manutenção de sistemas complexos.
APLICAÇÕES
Economia:
Determinação de expectativas de lucro e custo.
Análise de investimentos e previsão de retornos financeiros.
Engenharia:
Avaliação de desempenho de sistemas e projetos.
Análise de confiabilidade e manutenção de sistemas complexos.
Seguros:
Cálculo de prêmios e análise de risco.
Determinação de expectativas de sinistros e benefícios.
APLICAÇÕES
Economia:
Determinação de expectativas de lucro e custo.
Análise de investimentos e previsão de retornos financeiros.
Engenharia:
Avaliação de desempenho de sistemas e projetos.
Análise de confiabilidade e manutenção de sistemas complexos.
Seguros:
Cálculo de prêmios e análise de risco.
Determinação de expectativas de sinistros e benefícios.
Medicina:
Estudos de expectativas de vida e análise de dados clínicos.
Planejamento de recursos de saúde e análise de risco de doenças.
EXEMPLO
Cenário: Você está considerando comprar um bilhete de loteria. O bilhete custa R$ 10 e os prêmios são distribuídos da
seguinte forma:
• 1 bilhete premiado com R$ 500 (probabilidade de 0.001)
• 5 bilhetes premiados com R$ 100 (probabilidade de 0.005)
• 10 bilhetes premiados com R$ 20 (probabilidade de 0.01)
• Restante dos bilhetes não são premiados (probabilidade de 0.984)
Objetivo:
Calcular a expectância do valor ganho ao comprar um bilhete de loteria.
EXEMPLO
Passos:
1. Definir as variáveis:
1. X: o valor ganho ao comprar um bilhete.
2. Função de interesse:
1. g(X)= valor ganho - custo do bilhete.
3. Probabilidades e ganhos:
Ganho de R$ 500: P(X=500)=0.001
Ganho de R$ 100: P(X=100)=0.005
Ganho de R$ 20: P(X=20)=0.01
Ganho de R$ 0: P(X=0)=0.984
4. Cálculo da expectância:
E[g(X)] = (500 − 10) × 0.001 + (100 − 10) × 0.005 + (20 − 10) × 0.01 + (0 − 10) × 0.984
EXEMPLO
Passos:
1. Definir as variáveis:
1. X: o valor ganho ao comprar um bilhete.
2. Função de interesse:
1. g(X)= valor ganho - custo do bilhete.
3. Probabilidades e ganhos:
Ganho de R$ 500: P(X=500)=0.001
Ganho de R$ 100: P(X=100)=0.005
Ganho de R$ 20: P(X=20)=0.01
Ganho de R$ 0: P(X=0)=0.984
4. Cálculo da expectância:
E[g(X)] = (500 − 10) × 0.001 + (100 − 10) × 0.005 + (20 − 10) × 0.01 + (0 − 10) × 0.984
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
• Para os prêmios de R$ 100: (100 − 10) × 0.005 = 90 × 0.005 = 0.45
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
• Para os prêmios de R$ 100: (100 − 10) × 0.005 = 90 × 0.005 = 0.45
• Para os prêmios de R$ 20: (20 − 10) × 0.01 = 10 × 0.01 = 0.1
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
• Para os prêmios de R$ 100: (100 − 10) × 0.005 = 90 × 0.005 = 0.45
• Para os prêmios de R$ 20: (20 − 10) × 0.01 = 10 × 0.01 = 0.1
• Para os bilhetes não premiados: (0 − 10) × 0.984 = −10 × 0.984 = −9.84
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
• Para os prêmios de R$ 100: (100 − 10) × 0.005 = 90 × 0.005 = 0.45
• Para os prêmios de R$ 20: (20 − 10) × 0.01 = 10 × 0.01 = 0.1
• Para os bilhetes não premiados: (0 − 10) × 0.984 = −10 × 0.984 = −9.84
Somando todos os valores esperados:
E[g(X)] = 0.49 + 0.45 + 0.1 − 9.84 = −8.8
EXEMPLO
• Para o prêmio de R$ 500: (500 − 10) × 0.001 = 490 × 0.001 = 0.49
• Para os prêmios de R$ 100: (100 − 10) × 0.005 = 90 × 0.005 = 0.45
• Para os prêmios de R$ 20: (20 − 10) × 0.01 = 10 × 0.01 = 0.1
• Para os bilhetes não premiados: (0 − 10) × 0.984 = −10 × 0.984 = −9.84
Somando todos os valores esperados:
E[g(X)] = 0.49 + 0.45 + 0.1 − 9.84 = −8.8
Resultado:
Em média, espera-se perder R$ 8.8 por bilhete comprado. Isso mostra que, do ponto de vista financeiro, não é
vantajoso comprar o bilhete de loteria.