You are on page 1of 21

INF 162

Prof. Luiz Alexandre Peternelli

CAPTULO 4 - Variveis aleatrias e


distribuies de probabilidade
Conceito de varivel aleatria
Uma funo cujo valor um nmero real determinado por cada elemento em um
espao amostral chamado uma varivel aleatria (v.a.)
Isso equivale a descrever os resultados de um experimento aleatrio por meio de
nmeros ao invs de palavras, o que uma grande vantagem pois possibilita melhor
tratamento matemtico, inclusive atravs de parmetros que veremos a seguir.
obs.:Utilizaremos letras maisculas (X, Y, Z, etc.) para representar a v.a. e a
correspondente letra minscula (x, y, z, etc.) para um dos seus valores.
obs.: cada possvel valor x de X representa um evento que um subconjunto do espao
amostral.
exemplo:
Duas peas so retiradas sucessivamente, sem reposio, de uma caixa que contm
quatro peas boas (B) e 3 defeituosas (D).
Para esse experimento teramos o seguinte espao amostral
S = {BB, BD, DB, DD}.
Se considerarmos a v.a. Y = nmero de peas boas retiradas teramos:
S* = {0, 1, 2}.
Fazendo uma correspondncia entre S e S* teramos:
Evento Simples
Y=y
BB
2
BD
1
DB
1
DD
0
outro exemplo:
Considere o lanamento de duas moedas e seja X = no de caras obtidas, c= cara e
k=coroa
S = {cc, ck, kc, kk}
X = {0, 1, 2}.
Se um espao amostral contm um numero finito de pontos como no exemplo
anterior, ou uma sequncia infinita enumervel de pontos amostrais, ele chamado
espao amostral discreto. A v.a. definida sobre esse espao chamada varivel
aleatria discreta (v.a.d.).
Por outro lado, se um espao amostral contm pontos amostrais que formam uma
continuidade como todas as possveis alturas de pessoas, pesos de animais, tempos de
47

INF 162

Prof. Luiz Alexandre Peternelli

vida de um componente mecnico ou eletrnico, temperaturas, etc. ento ele chamado


espao amostral contnuo. A varivel definida sobre esse espao chamada varivel
aleattia contnua (v.a.c.).
obs.: na maior parte dos problemas prticos as v.a.c. representam dados medidos e as
v.a.d. representam dados contados, tais como o nmero de defeituosos em uma amostra de
n peas ou o nmero de acidentes na estrada Viosa Belo Horizonte no ano de 1999.
exemplo:
- no de acidentes ocorridos em uma semana;
- no de defeitos por pea produzida por um fabricante;
- no de vitrias obtidas por um atleta;
- no de filhos do sexo masculino por casal.
obs.: No caso das v.a.c. somente tero interesse as probabilidades de que a v.a. assuma
valores em dados intervalos. As probabilidades de interesse podero ser determinadas
com o conhecimento da distribuio de probabilidade da v.a.

Distribuio de probabilidade
De acordo com o tipo de varivel aleatria, ou seja se v.a.d. ou v.a.c., teremos:

a) X uma v.a.d.
Nesse caso precisamos saber os valores da v.a.d. X e de sua funo de
probabilidade.
Chama-se funo de probabilidade (f.p.) da varivel aleatria discreta X, a
funo
P ( X = x i )= P ( x i )= p i
que a cada valor de X (ou seja, a cada xi) associa sua probabilidade de ocorrncia.
obs.: essa funo muitas vezes est reduzida a um valor numrico e, em outros casos,
pode ser representada por uma frmula.
A funo P( xi ) ser uma funo de probabilidade se satisfizer s seguintes
condies:
i) P( xi ) 0, para todo xi
ii) P( xi ) = 1
i
coleo de pares [xi, P(xi)], i = 1, 2, ..., n, denominaremos distribuio de
probabilidade da v.a.d. X, que pode ser representada por meio de tabelas e grficos.
exemplo:
Seja E: lanamento de um dado viciado de tal forma que a probabilidade proporcional
ao valor obtido no lanamento.
considere: S = {1, 2, 3, 4, 5, 6}
Vamos supor que estamos interessado na avaliao da varivel aleatria X, onde
o
X = {n de pontos obtidos num lanamento}, ou X = {resultado num lanamento}

48

INF 162

Prof. Luiz Alexandre Peternelli

Assim os possveis valores que a varivel aleatria X pode assumir so:


X = {1, 2, 3, 4, 5, 6}, com as respectivas probabilidades:
p + 2p + 3p + 4p + 5p + 6p = 1 21p = 1 p = 1/21
Para o nosso exemplo temos que a distribuio de probabilidades da v.a. X ser:
i) Grfico
0,3
6/21
0,25
5/21

P(x)

0,2
4/21
3/21
0,15

0,1
2/21
1/21
0,05

0
1

6
x

ii) Tabela
xi
P(xi)

1
1/21

2
2/21

3
3/21

4
4/21

5
5/21

6
6/21

Observe que as duas condies apresentadas acima so satifeitas.


As tabelas e grficos so utilizados para mostrar como a probabilidade total
atribuda a um espao amostral distribuda pelos diversos resultados daquele espao.
Nesse exemplo, a funo de probabilidade poderia tambm ser representada como:
xi
,
P( x i ) = 21
0,

para x i = 1,2 ,3,4,5,6


para outros valores de x

Problema proposto:
Uma urna contm 4 bolas azuis e 6 brancas. Duas bolas so retiradas sucessivamente I)
com reposio e II) sem reposio. Determinar, em cada caso, a distribuio de
probabilidade e a funo de probabilidade do no de bolas brancas retiradas.

b) X uma v.a.c.
No caso de v.a.c. somente tero interesse as probabilidades de que a v.a. assuma
valores em dados intervalos. Tais probabilidades podero ser determinadas com o
conhecimento da funo densidade de probabilidade da v.a..
Chama-se funo densidade de probabilidade (f.d.p.) da varivel aleatria
discreta X, a funo f(x) que atenda s seguintes condies:

49

INF 162

Prof. Luiz Alexandre Peternelli


i) f(x) 0,

para a < x < b

ii)

f (x)dx = 1,
a

onde a e b podem ser, respectivamente, e .


A f.d.p. assim definida determina a distribuio de probabilidades da v.a.c. X. Sua
representao dada em forma grfica.
obs.:
d
1) Para c < d , P(c < X < d) = f(x) dx
c
x0

2) Para um valor fixo de X, por exemplo, X = x 0 , temos que P(X = x o ) =

f (x)dx = 0 ;

x0

sendo assim, as probabilidades abaixo so todas iguais, se X for uma v.a.c.:


P(c X d ) = P(c X < d ) = P(c < X d ) = P(c < X < d )
3) A funo densidade de probabilidade f(x), no representa probabilidade. Somente
quando a funo for integrada entre dois limites, ela produzir uma probabilidade, que
ser a rea sob a curva da funo entre os valores considerados.
exemplo:
Uma v.a.c. X possui a seguinte funo:
para 0 x < 1
k,

f ( x) = k (2 x), para 1 x < 2


0,
para outros valores de x

Pede-se:
a) A constante k para que f(x) seja uma f.d.p.
b) Grfico da f(x).
1
1
3
c)P( X 1); d)P(X = 1); e)P( X < ); f )P(X > 2)
2
2
2
Respostas: a) 2 3; c)1 3 ; d) 0 ; e) 7 12 ; f) 0 .

Problemas propostos:
1. Seja uma v.a.c. X definida pela seguinte f.d.p.:
0, para x < 0

f ( x) = kx , para 0 x 2
0, para x > 2

a) Determinar o valor de k
b) Traar o grfico da f.d.p.
c) Calcular P(X 1).

50

INF 162

Prof. Luiz Alexandre Peternelli

Respostas: a)1 2 ; c) 1 4
2. Uma v.a.c. X tem a seguinte f.d.p.
0,
para x < 0

kx,
para 0 x < 5

f ( x) =
k (10 x), para 5 x 10

0,
para x > 10
a) Determinar o valor de k
b) Traar o grfico da f.d.p.
c) Calcular P(X 3)
Respostas: a)1 25; b) 41 50
3. Considere a seguinte funo de X
para x > 0
k e 3 x
f (x ) =
c. c.
0
a) Encontre o valor de k para que f(x) seja uma funo densidade de probabilidade;
b) Encontre P(0,5 X 1);
c) Faa o grfico da f(x).
Respostas: a) k = 3; b) 0,173

Existem muitos problemas nos quais de interesse conhecer a probabilidade que a


v.a. X assumisse valores menores que um particular valor x.
Nesse caso precisamos definir a funo de distribuio acumulada de X.

Funo de distribuio acumulada


Dada a varivel aleatria X, chamaremos de funo de distribuio acumulada ou,
simplesmente, funo de distribuio F(x) a funo F( x ) = P(X x ) .
Observe que o domnio de F todo o conjunto real.
obs.:
a) 0 F(x) 1 para todo x.
b) Se x1 x2, ento F(x1) F(x2), isto , F(x) no-decrescente.

a) F(x) para X v.a.d.


Para X uma v.a.d. temos que:
F( x ) = P(X x ) = P( t )
tx
Exemplo: Seja X uma v.a.d. com a seguinte distribuio de probabilidade
x

i
P( x )
i

1/16

4/16

6/16

4/16

51

total

1/16

1,00

INF 162

Prof. Luiz Alexandre Peternelli

Pede-se:
a) Traar o grfico da distribuio de probabilidade de X.
b) Obter a funo de distribuio acumulada e traar seu grfico.

b) F(x) para X v.a.c.


Para X uma v.a.c. temos que:
x
F( x ) = P(X x ) = P( < X x ) = f ( t )dt

Temos ainda que,


d

P(c < X d ) = F(d ) F(c) = f ( x)dx .


c

V-se tambm que f ( x ) =

d F( x )
em todos os pontos de continuidade de f(x),
dx

isto , a derivada da funo de distribuio a funo densidade de probabilidade.

Exemplos:
1. Seja X uma v.a.c. com a seguinte f.d.p.:
1
x, para 0 x 2
f ( x) = 2
0, caso contrario.
Pede-se:
a) Traar o grfico da f.d.p.
b) Obter F(x) e traar seu grfico
c) Calcular P (X 1)
3

d) Calcular P 1 X

2
e) Qual o valor de X abaixo do qual existem 50% dos dados?
Respostas: c)1 4 ; d) 5 16 ; e)

2. Seja X uma v.a.c. com funo dada por:


se 0 x < 1
ax,
a,
se 1 x < 2

f ( x) =
ax + 3a , se 2 x 3
0,
se x < 0 ou x > 3
Pede-se:
a) Determine a constante a para que f(x) seja uma f.d.p.
b) Traar o grfico da f.d.p.
c) Obter F(x) e traar seu grfico
3

d) P 0 < X <

2
52

INF 162

Prof. Luiz Alexandre Peternelli

e) Se X1, X2 e X3 forem trs observaes independentes de X, qual ser a probabilidade


de, exatamente um desses trs nmeros ser maior do que 1?
f) Qual valor de X abaixo do qual existem 50% dos dados?
Resposta: a)1 2 ; d) 1 2 ; e) 9 64 ; f) 1,5.

Distribuies empricas
Geralmente quando temos um experimento envolvendo uma v.a.c. a verdadeira
funo densidade (f(x)) nos desconhecida. Para que adotemos uma f(x) razovel uma
boa anlise sobre todas as informaes disponveis se faz necessria. Essa anlise pode ser
feita com o uso de distribuies de frequncias relativas, em forma de tabelas ou grficos,
conforme descrito no capitulo 2. Distribuies assim obtidas permitem supor acerca da
verdadeira distribuio de probabilidades associada quela varivel aleatria. Supondose ento uma determinada distribuio de probabilidades v.a. em questo, outras
anlises mais avanadas podem ser realizadas (como os testes de hipteses para se testar
tais suposies). Exemplos desse tipo sero citados oportunamente.

Distribuies de probabilidades conjuntas


Vimos, anteriormente o caso de distribuies de probabilidades para o caso de
uma nica varivel aleatria. H casos, contudo, nos quais estamos interessados no estudo
de duas ou mais variveis aleatrias simultaneamente. Por exemplo, algum poderia estar
interessado na dureza (D) e na tenso de ruptura (T) de uma liga de cobre fornecendo
assim o resultdo (b,t).
Se X e Y so duas v.a., a distribuio de probabilidade para a sua ocorrncia
simultnea pode ser representada por f(x,y) para o caso em que (X,Y) uma v.a.
bidimensional contnua, e p(x,y) para o caso em que (X,Y) uma v.a. bidimensional
discreta.

Definio
Sejam E um experimento e S um espao amostral associado a E.
Sejam X = X(s) e Y =Y(s), duas funes, cada uma associando um nmero real a
cada resultado sS. Denominaremos (X,Y) uma varivel aleatria bidimensional.
Em determinadas situaes, X e Y no esto necessariamente ligadas a um mesmo
experimento, mas existe uma razo bastante definida para considerar X e Y
conjuntamente.
Para o nosso estudo vamos considerar que X e Y so ambas discretas ou
contnuas.
Do mesmo modo que no caso unidimensional (X,Y) deve ter associada, a cada
valor que pode assumir, uma probabilidade de sua ocorrncia. Assim precisamos definir a
distribuio de probabilidade da v.a. bidimensional (X,Y).

53

INF 162

Prof. Luiz Alexandre Peternelli

Distribuio conjunta de duas variveis aleatrias, distribuies


marginais e condicionais
a) (X, Y) v.a.d. bidimensional
(X,Y) ser uma v.a.d. bidimensional se os valores possveis de X e Y forem finitos
ou infinitos enumerveis. Isto , se os valores possveis de (X,Y) podem ser representados
por ( x , y ) i = 1, 2 ,..., r e j = 1, 2 ,..., s .
i j
a.1) Funo de probabilidade conjunta de X e Y
Chama-se de funo de probabilidade conjunta da v.a.d.bidimensional (X, Y) a
funo:
P(X=xi ; Y=yj) = P(xi; yj) = pij
que a cada valor de (xi; yj) associa sua probabilidade de ocorrncia.
Para que P(xi; yj) seja uma funo de probabilidade conjunta necessrio que
satisfaa s seguintes condies:
a ) P( x i , y j ) 0 , para todo par ( x i , y j )
b ) P(x i , y j ) = 1
i j
Distribuio de probabilidade conjunta
o conjunto {(xi; yj), P(xi; yj)} para i = 1, 2,..., r e j = 1, 2,..., s
a.2) Distribuies marginais
Dada uma distribuio conjunta de duas variveis aleatrias X e Y, podemos
determinar a distribuio de X sem considerar Y e a de Y sem considerar X. So as
chamadas distribuies marginais.
A distribuio marginal constituida pelos valores da varivel aleatria e suas
respectivas probabilidades marginais, que sero apresentadas na forma grfica ou tabular
conforme visto para v.a. unidimensionais. A probabilidade marginal para cada valor
obtida da seguinte forma:
s

para X: P ( X = x i ) = P ( x i ) = P ( x i , y j )
j =1
r

para Y: P ( Y = y j ) = P ( y j ) = P ( x i , y j )
i =1

a.3) Distribuies condicionais


Seja x i um valor de X, tal que P ( X = x i ) = P ( x i ) > 0
A probabilidade
P( X = xi , Y = y j )
P(Y = y j / X = xi ) =
P( X = xi )

54

INF 162

Prof. Luiz Alexandre Peternelli

denominada probabilidade condicional de Y = y j , dado que X=x i .


Assim, para x i fixado, os pares [ y j , P ( Y = y j / X = xi )] definem a distribuio
condicional de Y, dado que X = x i .
Analogamente para o X:
P( X = xi / Y = y j ) =

P( X = xi , Y = y j )
P(Y = y j )

b) (X, Y) v.a.c. bidimensional


A varivel (X, Y) ser uma v.a.c.bidimensional se (X, Y) puder assumir todos os
valores em algum conjunto no enumervel.
b.1) Funo densidade de probabilidade conjunta
Seja (X, Y) uma v.a.c.bidimensional. Dizemos que f(x, y) uma funo densidade
de probabilidade conjunta de X e Y, se satisfizer s seguintes condies:
a ) f ( x, y) 0, para todo ( x, y)

b)

f ( x, y)dxdy = 1

f(x,y) = 0 para (x,y) aos intervalos de x e y.


Temos ainda que:
d b

P(a X b, c Y d ) = f ( x, y)dxdy
c a

b.2) distribuies marginais


As f.d.p. marginais de X e Y so dadas por:
g( x ) =

f ( x, y)dy e h( y) =

f ( x, y)dx

respectivamente.

Temos ainda que:


b

P(a X b) = g( x)dx e
a

P(c Y d ) = h( y)dy
c

b.3) Distribuies condicionais


Sejam X e Y v.a.c. com f.d.p. conjunta f(x, y) e f.d.p. marginais dadas por g(x) e
h(y).
A f.d.p. condicional de X, dado que Y = y definida por:
f ( x / y) =

f ( x, y)
, h( y) > 0
h( y)

Analogamente, a f.d.p. condicional de Y, dado que X = x definida por:

55

INF 162

Prof. Luiz Alexandre Peternelli


f ( y / x) =

f ( x, y)
, g( x) > 0
g( x)

As f.d.p. condicionais acima, satisfazem a todas as condies impostas para uma


f.d.p. unidimensional.
Deste modo para y fixado, teremos:
a )f ( x / y) 0

b) f ( x / y)dx =

f ( x , y)
1
dx =
h ( y)
h ( y)

f ( x , y)dx =

h ( y)
=1
h ( y)

Variveis aleatrias independentes


a) (X, Y) uma v.a.d.bidimensional.
Definio 1 - Seja (X, Y) v.a.d.bidimensional. Dizemos que X e Y so
independentes se, e somente se, para todo par de valores ( x i , y j ) de X e Y, tem-se:
P ( X = x i , Y = y j ) = P ( X = x i ). P ( Y = y j )
Basta que esta condio no se verifique para um par ( x i , y j ) para que X e Y no
sejam independentes. Neste caso diremos que X e Y so dependentes.
Definio 2 - Seja (X, Y) uma v.a.d.bidimensional. Neste caso X e Y sero
independentes se, e somente se,
P ( X = x i / Y = y j ) = P ( X = x i ), para todo i e j.
ou equivalente se , e somente se:
P ( Y = y j / X = x i ) = P ( Y = y j ), para todo i e j.

b) (X, Y) uma v.a.c.bidimensional.


Definio 1 - Seja (X, Y) v.a.c.bidimensional. Diremos que X e Y so
independentes se, e somente se:
f(x, y) = g(x).h(y), para todo x e todo y
Definio 2 - Seja (X, Y) uma v.a.c.bidimensional. Neste caso X e Y sero
independentes se, e somente se:
f(x/y) = g(x). Nesse caso, evidente que f(y/x) = h(y).
OBS.: Todas as definies concernentes a duas v.a. podem ser generalizadas para o caso
de n v.a.
Exemplos:
1. Dada a distribuio de probabilidade conjunta de (X, Y) na Tabela abaixo
56

INF 162

Prof. Luiz Alexandre Peternelli


X Y
0
1
2

0
0,10
0,04
0,06

1
0,20
0,08
0,12

2
0,20
0,08
0,12

Pede-se:
a) Distribuio marginal de X e Y, distribuio de (X + Y) e de XY;
b) X eY so independentes ?
c) As distribuies condicionais de X dado que Y = 0 e Y dado que X = 1.
d) P ( X 1,Y 1)
e) P ( X 1 / Y = 0 )
f) Construir a distribuio conjunta a partir das distribuies marginais de X e de Y.
Resposta: d) 0,30; e) 0,70
2. Sejam X e Y v.a.c. com f.d.p. conjunta dada por:
2 x 6, 0 y 5
k (2 x + y),
f ( x , y) =
0, para outros valores de x e y
Pede-se:
a) O valor de k
b) P( X 3, 2 Y 4 )
c)P(Y < 2)
d) P(X > 4)
e) X e Y so v.a. independentes? Justifique
f) f(x/ y)
g) f(x/ Y = 1)
Resposta: a) 1 210 ; b) 16 210 ; c) 72 210 ; d) 125 210 ; e) No
Problemas propostos:
1) A funo de probabilidade conjunta da v.a.X e Y dada por
x
y
10 x y
10!
1 25 10
p(x,y) =

x ! y ! (10 x y) ! 36 36 36
para x = 0,1,2, , 10
y = 0,1,2, , 10
0 x + y 10
Calcule: a) P(X 2, Y 2); b) P(X + Y = 4)
Resposta: a) 0,00157; b) 0,0262
2) Sejam X, Y e Z trs v.a. independentes e cada uma com a funo densidade
e t para t 0
f (t) =
c.c.
0
Ache a P(X 3, 0,5 Y 2,5, Z > 1)
Resposta: 0,18332

57

INF 162

Prof. Luiz Alexandre Peternelli

Conceitos e Propriedades de esperana matemtica e varincia


de variveis aleatrias
a) Esperana matemtica (mdia ou valor esperado de uma v. a.)
Neste item vamos aprender a quantificar o parmetro mdia de uma populao. A
esperana matemtica de uma populao tambm denominada uma medida da tendncia
central.
Parmetro uma medida utilizada para descrever uma caracterstica de uma
populao e caracteriza a distribuio de probabilidade de uma varivel aleatria.
Sob o ponto de vista cientfico, a esperana matemtica corresponde ao que se
espera que acontea em mdia.
a.1) Caso em que X uma v.a.d.
Seja X uma v.a.d. com a seguinte distribuio de probabilidade:
xi
P(x i )

x1
P ( x1 )

x2
P ( x2 )

...
...

xn
P ( xn )

Total
1

Define-se a esperana matemtica de X por:


E( X) = x = = x 1 . P( x 1 ) + x 2 . P( x 2 ) +...+ x n . P( x n )
n

E ( X) = x i . P ( x i )
i =1

Exemplo: Um fabricante produz peas tais que 10% delas so defeituosas e 90% no so
defeituosas. Se uma pea defeituosa for produzida, o fabricante perde U$ 1,00, enquanto
uma pea no defeituosa lhe d um lucro de U$ 5,00. Seja a varivel aleatria X = {lucro
lquido por pea}. Calcular a mdia do lucro lquido por pea.
Resposta: ( ) = 4,40
a.2) Caso em que X uma v.a.c.
A esperana matemtica de uma v.a.c. X definida por:
E ( X) =

x f ( x)dx

Exemplo: Uma v.a.c. X apresenta a seguinte f.d.p.:


0,
x
f ( x) = ,
2
0,

para x < 0
para 0 x 2
para x > 2

Calcular E(X)
Resposta: 4 3
58

INF 162

Prof. Luiz Alexandre Peternelli

a.3) Propriedades da esperana matemtica


As propriedades a seguir apesar de estarem apenas demonstradas para quando X
uma v.a.c., valem tambm para quando X uma v.a.d..
P1) Se X uma v.a. com P(X = k) = 1, ento E(X) = k, sendo k uma constante (ou numa
linguagem mais simples mas menos rigorosa, pode-se dizer que a mdia de uma
constante a prpria constante).

Prova: E( X) =

kf ( x)dx = k f ( x)dx = k

E ( X) = k

P2) A esperana matemtica do produto de uma constante por uma varivel igual ao
produto da constante pela esperana matemtica da varivel, ou seja, multiplicandose uma varivel aleatria por uma constante, sua mdia fica multiplicada por essa
constante.

kxf ( x)dx = k xf ( x)dx = kE( X)

Prova: E( kX) =

P3) A esperana matemtica do produto de duas variveis aleatrias independentes igual


ao produto das esperanas matemticas das variveis, ou seja, a mdia do produto de
duas variveis aleatrias independentes o produto das mdias.
Prova: E( XY) =

xyf ( x, y)dxdy

Se X e Y so v.a. independentes, a f.d.p. conjunta pode ser fatorada no produto das


f.d.p. marginais de X e Y. Assim:
E( XY) =

xyg( x) h( y)dxdy =

xg( x)dx yh( y)dy

E( XY) = E( X) E(Y)
obs: E(XY) = E(X).E(Y) no implica que X e Y sejam variveis aleatrias independentes.
P4) A esperana matemtica da soma ou da subtrao de duas v.a. quaisquer igual a
soma ou a subtrao das esperanas matemticas das duas v.a., ou seja, a mdia da
soma ou da subtrao de duas v.a. igual a soma ou subtrao das mdias.
Prova:
E ( X Y) =

E ( X Y) =

( x y) f ( x, y)dxdy = x f ( x, y)dxdy y f ( x, y)dxdy

x g( x)dx y h( y)dy = E( X) E(Y)

P5) A esperana matemtica da soma ou subtrao de uma v.a. com uma constante igual
a soma ou subtrao da esperana matemtica com a constante, ou seja, somando-se
ou subtraindo-se uma constante a uma v.a., a sua mdia fica somada ou subtrada da
mesma constante.
Prova: E( X K) =

( x K) f ( x)dx = xf ( x)dx + Kf ( x)dx =E( X) K


59

INF 162

Prof. Luiz Alexandre Peternelli

P6) A mdia de uma v.a. centrada zero, ou seja, a mdia dos desvios dos valores da v.a.
em relao a sua mdia zero.
Obs: Dizemos que a v.a. est centrada quando todos os valores so expressos como
desvios em relao respectiva mdia, ( X x ).
Assim: E[ X x ] = E ( X ) E[ x ] = x x = 0

b) Varincia
a medida que quantifica a disperso dos valores em torno da mdia.
A varincia de uma v.a. X definida por:
V ( X ) = 2x = E[ X E ( X )]2 = E[ X x ]2
b.1.) Para X v.a.d.:

V( X) = ( x i x ) 2 P( x i )
i

b.2.) Para X v.a.c.:

V( X ) =

(x

) 2 f ( x) dx

Uma frmula mais prtica para calcular a varincia :


V ( X ) = E ( X 2 ) [ E ( X )]2 ,
pois,
V ( X ) = E[ X E ( X )]2
= {X 2 2 XE ( X ) + [ E ( X )]2 }
= E ( X 2 ) 2 E ( X ) E ( X ) + [ E ( X )]2
= E ( X 2 ) [ E ( X )]2
em que:
- para X v.a.d.:

E ( X 2 ) = x i2 P ( x i )
i

- para X v.a.c.:

E( X 2 ) =

f ( x)dx

b.3.) Propriedades da varincia:


Valem tanto para X v.a.d. quanto para X v.a.c.
P1) A varincia de uma constante igual a zero.
Prova: V( k ) = E[ K E ( K)]2 = E ( k k )2 = 0
P2) Somando-se ou subtraindo-se uma constante uma v.a., sua varincia no se altera.
Prova:

60

INF 162

Prof. Luiz Alexandre Peternelli

V( X k ) = E[( X k ) E ( X k )]2
= E[( X) E ( X) ( k k )]2
= E[ X E ( X)]2 = V( X)
V( X k ) = V( X)
P3) Multiplicando-se uma v.a. por uma constante, sua varincia fica multiplicada pelo
quadrado da constante.
Prova:
V ( kX ) = E[ kX E ( kX )]2
= E[ kX kE ( X )]2
= k 2 E[ X E ( X )]2
V ( kX ) = k 2 V ( X )
P4) A varincia da soma de duas v.a. independentes igual a soma das varincias das duas
variveis.
Prova:
V ( X + Y ) = E[ X + Y ]2 [ E ( X + Y )]2
= E ( X 2 + 2 XY + Y 2 ) [ E ( X ) + E ( Y )]2
= E ( X 2 ) + 2 E ( XY ) + E ( Y 2 ) {[ E ( X )]2 + 2 E ( X ) E ( Y ) + [ E ( Y )]2 }
= E ( X 2 ) + 2 E ( XY ) + E ( Y 2 ) [ E ( X )]2 2 E ( X ) E ( Y ) [ E( Y )]2
Se X e Y so independentes; E(XY) = E(X).E(Y), assim
V ( X + Y ) = {E ( X 2 ) [ E ( X )]2 } + {E ( Y 2 ) [ E ( Y )]2 }
V( X + Y) = V( X) + V(Y)
Do mesmo modo:
V(X - Y) = V(X) + V(Y)
OBS.1:Desvio padro da varivel X a raiz quadrada positiva da varincia de X.
x = V( X)
OBS.2: Sejam X e Y duas v.a.. A covarincia entre X e Y, denotada por Cov(X,Y)
definida por:
Cov(X,Y) = E{[X E(X)][Y E(Y)]}, ou, de forma alternativa,
Cov(X,Y) = E(X,Y) E(X)E(Y)
A covarincia nos d uma idia da relao de dependncia entre duas ou mais v.a.
Proposies teis:
a) Cov(X,Y) = Cov(Y,X)
b) Se V(X) = 0 ou V(Y) = 0 ento a Cov(X,Y) = 0
c) Cov(X,k) = Cov(k,Y) = 0
d) Cov(aX,bY) = abCov(X,Y), sendo a e b constantes
e) Cov(X + Z,Y) = Cov(X,Y) + Cov(Z,Y)
Resultado til: Se X e Y so duas variveis quaisquer
V(aX bY) = a2V(X) + b2V(Y) 2abCov(X,Y)

61

INF 162

Prof. Luiz Alexandre Peternelli

Exerccios propostos:
1. Sabendo-se que Y=3X-5 e que E(X)=2 e V(X)=1, calcule:
a)E(Y); b)V(Y); c)E(X+3Y); d)E(X2 + Y2 ); e)V(3X+2Y);
Resp.: 1; 9; 5; 15; 81
2. Uma urna contm 5 bolas brancas e 7 bolas pretas. Trs bolas so retiradas
simultaneamente dessa urna. Se ganharmos R$ 200,00 por bola branca retirada e
perdermos R$ 100,00 por bola preta retirada, qual seria o nosso lucro esperado? Resp.:
75
3. Uma moeda honesta lanada sucessivamente at sair cara ou at serem feitos 3
lanamentos. Obtenha a distribuio de X = nmero de lanamentos, e calcule sua
mdia e varincia. Resp.: E(X)=1,75; Moda=1; V(X)=11/16
4. Uma mquina de apostar tem 2 discos independentes. Cada disco tem 10 figuras: 4
mas, 3 bananas, 2 pras e 1 laranja. Paga-se 80 para acionar a mquina. Se
aparecerem 2 mas ganha-se 40; 2 bananas 80; 2 pras 140 e 2 laranjas 180. Qual o
resultado esperado aps inmeras jogadas? Resp.: E(X) = 59
5. Um determinado artigo vendido em caixas a preo de 8 U.M. por caixa. Sabe-se que
20% dos artigos vendidos apresentam algum defeito de fabricao. Um comprador faz
a seguinte proposta: Pede para poder amostrar, ao acaso, 10 artigos por caixa e pagar
por caixa 10 U.M. se nenhum dos artigos amostrados for defeituoso; 5 U.M. se um ou
dois artigos forem defeituosos e 4 U.M. se trs ou mais forem defeituosos.
O que melhor para o vendedor; manter o seu preo de 8 U.M. por caixa ou
aceitar a proposta do comprador? Mostre por qu.
Considere X = nmero de artigos defeituosos, com a seguinte distribuio de
probabilidade: (sugesto: utilize a varivel Y = valor pago por caixa)
xi
0
1
2
Total
3
P ( x i ) 0,1074 0,2684 0,3019 0,3223
1,00
Resp.: O vendedor deve manter o seu preo [E(Y) 5,21]
6. (X, Y) uma varivel aleatria bidimensional discreta com a seguinte distribuio
conjunta:
P( xi )
-3
2
4
X Y
1
0,1
0,2
0,2
0,5
3
0,3
0,1
0,1
0,5
P( y j )
0,4
0,3
0,3
1
Pede-se calcular:
a) E(X), V(X) e x
b) E(Y), V(Y) e y
c) E(X + Y)
d) X e Y so independentes ?
Resp.: a) 2; 1 e 1 b) 0,6; 9,24 e 3,04 c) 2,6 d) no so

62

INF 162

Prof. Luiz Alexandre Peternelli

7. Seja X uma v.a.c. com a seguinte f.d.p.:


2
x [0,1]
3,

2
f ( x) = (2 x), x [1,2]
3
caso contr rio
0,

Calcule:
a) A esperana matemtica de (X-1)2
b) O desvio padro de X
Resp.: a) 0,278 b) 0,478
8. Mostre que E{[X E(X)][Y E(Y)]}= E(X,Y) E(X)E(Y)

Universidade Federal de Viosa - CCE / DPI


INF 161 - Iniciao Estatstica / Inf 162 Estatstica I
Lista de Exerccios: Cap. 4 - Variveis Aleatrias
1. Uma v.a.c. X possui f.d.p. dada por :
6( x x 2 ) , 0 x 1
f ( x) =
, para outros valores de x
0
Calcular :
a) P [E( X) 2 X E ( X) + 2] , = V( X) , dado E( X 2 ) = 3 / 10
b) F(x), a Funo de distribuio acumulada

2. Suponha que X e Y tenham a seguinte distribuio conjunta :


X
Y
-2
0
3

-1
0,1
0,1
0,1

1
0,1
0,2
0,1

2
0
0,3
0

Sabendo-se que V(X) = 1,41 e E(Y) = 0,2 ; pede-se:


a) X e Y so v. a. independentes? Mostre.
1

b) E X 3Y 2 + 8
2

c)V X 3Y 2 + 8
2

63

INF 162

Prof. Luiz Alexandre Peternelli

3. Dada a funo densidade de probabilidade abaixo:


1

, se 0 x 1

1
f ( x) = ( x 3) , se 1 x 3
4
0
, para outros valores de x

Calcule :
a) V( 12X - 8 ), dado E ( X 2 ) = 127 / 6
b) A funo de distribuio acumulada
c) P( 0,5 < X < 1,5 )
4. Uma v. a. c. X possui a seguinte f. d. p. :

0
, se x < 1 ou x 4 / 3

1
f ( x) = (1 x 2 ) , se 1 x < 0
2
1
, se 0 x < 4 / 3
2
Determinar:
a) F(x), a funo de distribuio acumulada
b) P(0,5 x 0,5)
5.Dada a distribuio conjunta abaixo, parcialmente indicada:
X
-3
-2
-1
P(Y)
Y
-2
1/15
1/15
?
7/30
0
8/30
?
2/15
?
1
?
1/30
?
7/30
P(X)
6/15
7/30
?
Pede-se:
a) Verifique se X e Y so v. a. independentes.
X 2 2Y

10
b) E
5
3

c) V(8 15X)
6.Cite as propriedades de:
a) Esperana Matemtica.
b) Varincia.
7. Conceitue:
a) Varivel aleatria discreta
b) Varivel aleatria contnua

64

INF 162

Prof. Luiz Alexandre Peternelli

8.Uma v. a. c. dada por:


kx 2 , se 2 x < 5

f ( x) = k(8 x) , se 5 x 8

0 , se x assume outros valores

Determinar:
a) O valor da constante k para que f(x) seja uma f. d. p.
27
8
b) P X
2
2
9. Suponha que X e Y tenham a seguinte distribuio conjunta:
X
1
2
4
5
Y
2
0,2
0,1
0,1
0,2
3
0,1
0,1
0,1
0,1
Soma

Soma

Pede-se:
1
a) E X ; b) V(5X 3Y) ; c) X e Y so v. a. independentes? Mostre porque.
3
10. Sabendo-se que X e Y so variveis aleatrias independentes e que E(X) = 5, V(X) =
2, E(Y) = 8 e V(Y) = 3, calcule:
a) E( X - Y + 3 )

d) V(3Y + 2)

b) E[ ( X - Y ) 2 ]

c) V X Y

11. Seja ( X, Y ) uma varivel aleatria bidimensional discreta, com a seguinte funo de
probabilidade:
2x i + y j
, para x i = 0, 1, 2 e y j = 0, 1, 2, 3

P x i , y j = 42
0
, caso contr rio

Pede-se:
a) Dar a tabela da distribuio de probabilidade conjunta.
b) Dar a tabela da distribuio marginal de X e tambm a de Y.
c) E(X 2Y + 4)
12. Dada a seguinte funo:

K(2 x) , se 0 x < 1

f ( x) = K
, se 1 x 2
0
, caso contr rio

65

INF 162

Prof. Luiz Alexandre Peternelli

Determinar:
a) O valor de K para que f(x) seja uma f.d.p.
b) E X 3

( )

c) P X

d) P( X = 1)

14. Sejam X e Y v. a. c. com funo densidade de probabilidade conjunta dada por:


K( 2x + y) , se 2 x 6 e 0 y 5
f ( x , y) =
, c. c.
0
Pede-se:
a) O valor de K para que f ( x , y) seja uma f. d. p.
b) P(Y 2)
c) P( X > 3 / 0 Y 2)
d) X e Y so v. a. independentes? mostre.
15.A varivel aleatria contnua X tem f. d. p., f(x) = 3 x 2 , 1 x 0 . Se a for um
nmero que satisfaa a 1 a 0 , calcule:
a

P X > a X <

2
3 y
, se 0 y 2 e

16. Dado f ( x , y) = 16
0
, caso contr rio
Determinar:
a) As funes marginais de X e Y
b) Se X e Y so v. a. independentes.

0 x 4

17. Seja f(x, y) = 2(x + y - 2xy), para 0 x 1 e 0 y 1


quaisquer outros valores de x e de y. Pede-se:
a) Mostre que f(x, y) uma f.d.p.
b) Obtenha a f.d.p. marginal de X e a de Y.

f(x, y) = 0, para

18. Suponha que as dimenses, X e Y, de uma chapa retangular de metal, possam ser
consideradas variveis aleatrias contnuas independentes, com as seguintes f.d.p.:
x 1, 1< x 2

g ( x ) = x + 3 , 2 < x < 3
0 , para outros valores

1
, 2<y<4
h ( y) = 2
0 , para outros valores

Pede-se: Ache a f.d.p. da rea da chapa (A).

RESPOSTAS
1. a) 0,9855 b) 0 se x < 0 ; x 2 (3 2x) se 0 x < 1; 1 se x 1
66

INF 162

Prof. Luiz Alexandre Peternelli

2. a) no b) 0,55

c)119,57

3. a) 2879 b) 0 se x < 0;

x
1
se 0 x < 1; ( x 2 6x + 1) se 1 x < 3; 1 se x 3
2
8

c) 15/32
4.a) 0 se x < 1;

1
( x 3 + 3x + 2) se 1 x < 0;
6

1
( 2 + 3x) se 0 x < 4 / 3; 1 se x 4 / 3
6

b) 23/48
5. a) no b) -3723/450 c) 689/4
8. a) 2/87 b) 149/261
9. a) -1 b) 72,16

c) no

10. a) 0 b) 14 c) 7/3 d) 27
11. c) 70/42
12. a) 2/5 b) 81/50

c) 0,2 d) 0

14.a) 1/210 b) 72/210 c) 60/72 d) no


15.

7 a 3

(a

+8

1
, 0 x 4
16. a) g( x) = 4
0 , c. c.
1 1

17. a)

f ( x, y)dxdy = 1
0 0

1
(3 y) , 0 y 2
h( y ) = 4
0
, c. c
1, 0 x 1
b) g( x) =
e
0, c. c.

x 1
, para 1 < x < 2 e 2 < y < 4

2
x + 3
, para 2 < x < 3 e 2 < y < 4
18. f ( x, y) =
2

0 , fora destes int ervalos

67

b) sim

1, 0 y 1
h( y ) =
0, c. c.