MOQ 13

PROBABILIDADE E
ESTATSTICA
Professor: Rodrigo A. Scarpel
rodrigo@ita.br
www.mec.ita.br/~rodrigo
Programa do curso:
Regresso linear simples e correlao.
Aplicaes de modelos de regresso linear.
15 e 16
Prova 14
Feriado (4/6) 13
Testes no-paramtricos (associao, independncia e de aderncia).
12
Testes de Hipteses. Inferncia baseada em 2 amostras (entre parmetros de populaes distintas).
11
Intervalos de confiana (estimao por intervalo). Tamanho da amostra. Princpios de testes de hipteses.
10
Estimador, estimativa e propriedades dos estimadores. Estimao pontual de parmetros (Mtodos dos
momentos e da mxima verossimilhana).
9
Princpios de estatstica. Amostras aleatrias. Distribuies amostrais. Teorema do limite central. 8
Prova 7
Variveis aleatrias conjuntas, funo distribuio conjunta e marginal. Independncia estatstica. Covarincia
e Coeficiente de Correlao.
6
Feriado (2/4) 5
Principais distribuies de probabilidade contnuas (Exponencial negativa e Normal). 4
Valor esperado e varincia. Momentos de uma varivel aleatria. Funo geradora de momentos. Principais
distribuies de probabilidade discretas (Bernoulli, Binomial e Poisson).
3
Teorema da probabilidade total e teorema de Bayes. Variveis aleatrias. Distribuies de probabilidade.
Funes massa, densidade, e distribuio acumulada. Funes de variveis aleatrias.
2
Introduo probabilidade (eventos, espao amostral, axiomas, propriedades, probabilidade condicional e
independncia).
1
Contedo Semanas
MOQ 13
VARIVEIS
ALEATRIAS
UNIDIMENSIONAIS
Professor: Rodrigo A. Scarpel
rodrigo@ita.br
www.mec.ita.br/~rodrigo
As variveis aleatrias e suas distribuies de probabilidade so
freqentemente caracterizadas por um pequeno nmero de parmetros,
os quais tambm tm uma interpretao prtica.
Exemplo: Valor mdio da varivel aleatria
Matematicamente, isto conhecido como o problema (generalizado) dos
momentos: para uma dada classe de variveis aleatrias X, encontre
uma coleo de funes, {f
i
(X)} tais que os valores esperados E[f
i
(X)]
caracterizem completamente a distribuio da varivel aleatria X.
Def: Momentos de uma varivel aleatria: seja X uma varivel aleatria
caracterizada por uma funo distribuio de probabilidade f(x). Para
k=1,2,3, seu k-simo momento dados por E[X
k
].
Momentos de uma varivel aleatria:
Parmetro de posio: valor esperado
O valor esperado o primeiro momento de uma v. aleatria (k=1, E[X])
Tambm conhecido por esperana ou mdia da v.aleatria.
Caracteriza o centro (centro de massa) da distribuio da v.aleatria.
CASO DISCRETO:
CASO CONTNUO:
Propriedades do valor esperado:
( ) ( )

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

+

= = dx x f x X E .
E [K] = K
E [ax+b] = a.E[x]+b
E [x y] = E[x] E[y]
Caracteriza o momento de inrcia baricntrico de uma distribuio.
CASO DISCRETO:
CASO CONTNUO:
Parmetro de disperso: varincia
Desvio-padro: (x) = = (
2
)

Propriedades da varincia:
2
(k) = 0

2
(k.x) = k
2
.
2
(x)

2
(x+k) =
2
(x)
( ) ( ) ( ) [ ] ( ) ( )
2 2 2 2
X E X E X E X X VAR = = =
( ) ( ) ( )

=
i
i i
x P x X Var .
2

( ) ( ) ( )

+

= dx x f x X Var .
2

Dada uma varivel aleatria X e sua distribuio de probabilidade,

em que Mx(t) sua funo geradora de momentos. Desta forma, fazendo
Para t=0, obtm-se E[X
k
]
Funo geradora de momentos:
( )
( )
( )

= =

x
tX
x
tX
tX
contnua a v uma X se dx x f e
discreta a v uma X se x p e
e E t Mx
. . ,
. . ,
) (
( )
( )

x
tX k
x
tX k
k
k
contnua a v uma X se dx x f e x
discreta a v uma X se x p e x
dt
t Mx d
. . ,
. . ,
) (
MOQ 13
PRINCIPAIS
DISTRIBUIES
DISCRETAS
Professor: Rodrigo A. Scarpel
rodrigo@ita.br
www.mec.ita.br/~rodrigo
Tipos de variveis:
VARIVEL
QUALITATIVA
QUANTITATIVA
NOMINAL
ORDINAL
DISCRETA
CONTNUA
- BERNOULLI
- BINOMIAL
- POISSON
1. f(x) ou P(x)
2. F(x)
3. E(x)
4. Var(x)
5. Utilidade
O QUE ESTUDAR UMA
VARIVEL ALEATRIA?
Distribuio de Bernoulli [x~Ber(p)]:
Def: Se uma varivel aleatria X assumir apenas 2 valores (ex:
sucesso ou fracasso, 0 ou 1,) com distribuio de probabilidade:
p(1)=p e p(0)=1-p, essa chamada varivel aleatria de Bernoulli.
Assim: = {A,} X(w) =
0, w= (se o resultado for fracasso)
1, w= A (se o resultado for sucesso)
1-p , para x=0
p , para x=1
0 , caso contrrio
f(x) =
0 , se x < 0
1-p , se 0 x < 1
1 , se x 1
F(x) =
E(X) = p
Var(X) = p(1-p)
Distribuio Binomial [x~Bin(n,p)]:
Def: Experimento Binomial:
H um fenmeno do tipo fracasso (0) e sucesso (1)
So feitas n observaes deste fenmeno
A probab. de sucesso emcada uma das n obs. igual a p
As observaes so independentes entre si
Def: Se X uma varivel aleatria que igual ao nmero de
sucessos nas n observaes de um experimento binomial, ela
chamada varivel aleatria binomial (ou que segue uma
distribuio binomial).
Distribuio Binomial [x~Bin(n,p)]:
{ }
( ) { }

|
|

\
|

= = =

n x p p
x
n
n x
x X P x f
x n x
, , 1 , 0 , 1
, , 1 , 0 , 0
) ( ) (
K
K
Funo de Distribuio de Probabilidade de X:
Funo de Distribuio Acumulada de X:
( )

<
|
|

\
|
<
= =

=

, 1
, 1
0 , 0
) ( ) (
0
n x
n x p p
j
n
x
x X P x F
x
j
j n j
E(X) = n.p
Var(X) = n.p.(1-p)
No caso da distribuio binomial (e das outras estudadas at
agora), a varivel de interesse o nmero de sucessos em um
intervalo discreto (n observaes ou repeties). Muitas vezes,
entretanto, o interesse o nmero de sucessos em um intervalo
contnuo - Exemplos:
Em um call center chegam, em mdia, 3 ligaes por minuto;
Em um determinado processo de fabricao de cabos, em
mdia, aparece 1 falha a cada 400 metros.
Def: Se X uma v.a. que igual ao nmero de sucessos em um
intervalo contnuo, ento diz-se que esta segue uma distribuio de
Poisson.
Distribuio de Poisson [x~Poi( ), >0]:
Funo de Distribuio de Probabilidade de X:
Funo de Distribuio Acumulada de X:
E(X) =
Var(X) =
Distribuio de Poisson [x~Poi( ), >0]:

=
= = =
contrrio , 0
, , 1 , 0 ,
!
e
) ( ) (
-
caso
n x
x
x X P x f
x
K

<
= =

=

0 ,
!
e
0 , 0
) ( ) (
x
1 j
-
x
j
x
x X P x F
j

Def: Quando a varivel aleatria de interesse conta o nmero de

ocorrncias do evento ao longo do tempo, tm-se um processo de
Poisson.
Suposies do processo de Poisson:
As ocorrncias so independentes e estacionrias ( :constante);
O nmero de ocorrncias proporcional ao tamanho do intervalo;
Em intervalos muito pequenos, a probabilidade de ocorrer mais de
um sucesso desprezvel.
Processo de Poisson:
Neste caso:
( )
!
e
) (
-
k
t
k X P
k t

= =
E(X) = t
Var(X) = t
O clculo das probabilidades binomiais quando p pequeno e n
grande pode ser feito aproximadamente pela distribuio de Poisson
fazendo:
Valores de p < 0,10 fornecem boas aproximaes.
Exemplo:
Se retirarmos 50 peas defeituosas de uma mquina que produz 2%
das peas com defeito, a probabilidade de encontrarmos 2 peas
defeituosas ser:
Aproximao da Binomial pela Poisson:
E(X) = n.p = t
( ) ( ) 1857 , 0 98 , 0 02 , 0
2
50
) 2 (
48 2
=
|
|

\
|
= = X P
1839 , 0
! 2
1 e
) 2 (
2 -1
= = = X P E(X) = n.p = 0,02. 50 = 1
No Experimento Binomial, a probabilidade de sucesso em cada
uma das n observaes igual a p. Assim, h 2 possibilidades:
Os experimentos feitos so com reposio;
A populao to grande que a extrao no altera o valor de p.
Nos casos em que as extraes devem ser feitas sem reposio e
a populao no suficientemente grande, a distribuio adequada
a Hipergeomtrica.
Def: Consideremos um conjunto de N elementos, r dos quais tm
uma determinada caracterstica (r N). Sero extrados n elementos
sem reposio. Se X uma v.a. que igual ao nmero de elementos
com a referida caracterstica que estaro entre os n retirados, ela
chamada hipergeomtrica (ou que segue essa distribuio).
Distribuio Hipergeomtrica [x~Hip(N,r,n)]:
Distribuio Hipergeomtrica [x~Hip(N,r,n)]:
Funo de Distribuio de Probabilidade de X:
Funo de Distribuio Acumulada de X:
E(X) = n.p
Var(X) = n.p.(1-p).[(N-n)/ // /(N-1)]

=
|
|

\
|
|
|

\
|

|
|

\
|
= = =
contrrio , 0
, , 1 , 0 ,
) ( ) (
caso
n x
n
N
x n
r N
x
r
x X P x f
K

<
|
|

\
|
|
|

\
|

|
|

\
|
<
= =

=

, 1
,
0 , 0
) ( ) (
0
n x
n x
n
N
j n
r N
j
r
x
x X P x F
x
j
Distribuio multinomial:
O experimento binomial se torna multinomial se
deixarmos que cada tentativa tenha mais de dois
resultados possveis.
Distribuio binomial negativa:
A varivel aleatria X o nmero de tentativas para se
obter k sucessos.
Distribuio geomtrica:
A varivel aleatria X o nmero da tentativa na qual o
primeiro sucesso ocorre.
Outras distribuies discretas notveis:
Para casa:
Lista de Exerccios 3 (site: www.mec.ita.br/~rodrigo/)
Leitura: Devore cap. 3: Variveis aleatrias discretas
Walpole et al. caps. 3 e 5 (Algumas dist. prob. Discretas)