sdade84@gmail.com
cachimo.assane@uem.mz
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de variáveis aleatórias
Definição: Uma variável aleatória (v.a.) é uma função que associa um número
real a cada resultado do espaço amostral de um experimento aleatório.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de variáveis aleatórias
Exemplo: Considere um experimento em que cada um de três veículos que
trafegam em uma determinada estrada siga pela saída à esquerda (E) ou à
direita (D) no final da rampa de saída.
Ω = {EEE , DEE , EDE , EED, EDD, DED, DDE , DDD}
Seja X o número de veículos que sigam à direita;
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de variáveis aleatórias
Exemplo: Considere um experimento em que cada um de três veículos que
trafegam em uma determinada estrada siga pela saída à esquerda (E) ou à
direita (D) no final da rampa de saída.
Ω = {EEE , DEE , EDE , EED, EDD, DED, DDE , DDD}
Seja X o número de veículos que sigam à direita;
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de variáveis aleatórias
Exemplo: Considere um experimento em que cada um de três veículos que
trafegam em uma determinada estrada siga pela saída à esquerda (E) ou à
direita (D) no final da rampa de saída.
Ω = {EEE , DEE , EDE , EED, EDD, DED, DDE , DDD}
Seja X o número de veículos que sigam à direita;
Definições:
Uma variável aleatória X é discreta se ela pode assumir valores em um conjunto
finito ou infinito, porém enumerável.
Função de probabilidade de uma v.a. discreta X
É uma função que associa a cada valor assumido pela v.a. X a probabilidade
do evento correspondente, ou seja, xi → p(xi ) = P(X = xi ), i = 1, 2, . . . , n
de tal forma que:
i) p(xi ) ≥ 0, ∀i, i = 1, 2, . . . , n
Xn
ii) p(xi ) = 1
i=1
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo: Num determinado bairro, 25% das famílias não têm filhos, 50% têm
um filho e 25% das famílias têm dois filhos.
o
Seja X o n de filhos de uma família sorteada ao acaso nesse bairro.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo: Num determinado bairro, 25% das famílias não têm filhos, 50% têm
um filho e 25% das famílias têm dois filhos.
o
Seja X o n de filhos de uma família sorteada ao acaso nesse bairro.
Exemplo (Cont.):
Portanto, a função de distribuição de X é:
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo (Cont.):
Portanto, a função de distribuição de X é:
0 x <0
1
0≤x <1
F (x ) = 4
3
4 1≤x <2
1 2≤x
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo (Cont.): Gráfico da função de distribuição de X
P(X = j) = (8/7)(1/2)j , j = 1, 2, 3.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo 1: Considere a seguinte função:
P(X = j) = (8/7)(1/2)j , j = 1, 2, 3.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. discreta
Exemplo 1: Considere a seguinte função:
P(X = j) = (8/7)(1/2)j , j = 1, 2, 3.
X 1 2 3
4 2 1
P(X) 7 7 7
3
X
i) P(X = j) = 1. Portanto, p(x ) é uma f.p. de X .
j=1
Resolução (cont.):
X 1 2 3
4 2 1
P(X) 7 7 7
0 x <1
4
1≤x <2
F (x ) = 7 .
6
7 2≤x <3
1 3≤x
4
iv) F (1, 99) = P(X ≤ 1, 99) = P(X ≤ 1) = F (1) = 7 e
6
F (2, 5) = P(X ≤ 2, 5) = P(X ≤ 2) = F (2) = 7
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
P(a ≤ X ≤ b) = F (b) − F (a − 1)
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
i) P(X ≤ 12) =
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Obtenção da fmp a partir da função de distribuição
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Média e Variância de uma v.a discreta X
A média e variância são frequentemente usados para resumir a distribuição de
probabilidade de uma v.a.
Definição: Seja X uma v.a. discreta que assume os valores x1 , x2 , . . . , xn com
probabilidades p(x1 ), p(x2 ), . . . , p(xn ), respectivamente. A média, valor
esperado ou esperança matemática ou valor esperado de X , denotado por
E (X ) ou µx , é
Xn
E (X ) = µx = xi p(xi )
i=1
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Média e Variância de uma v.a discreta X
A média e variância são frequentemente usados para resumir a distribuição de
probabilidade de uma v.a.
Definição: Seja X uma v.a. discreta que assume os valores x1 , x2 , . . . , xn com
probabilidades p(x1 ), p(x2 ), . . . , p(xn ), respectivamente. A média, valor
esperado ou esperança matemática ou valor esperado de X , denotado por
E (X ) ou µx , é
Xn
E (X ) = µx = xi p(xi )
i=1
i) E (k) = k, K : constante.
ii) E (k · X ) = k · E (X )
iii) E (X ± Y ) = E (X ) ± E (Y )
( n ) n
X X
iv) E Xi = {E (Xi )}
i=1 i=1
v) E (aX ± b) = aE (X ) ± b, a e b constantes.
vi) E (X − µx ) = 0
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Variância de uma v.a. discreta
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Variância de uma v.a. discreta
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Variância de uma v.a. discreta
Var (X ) = E (X 2 ) − {E (X )}2 = 2, 1 − 1, 12 = 0, 89
√
σx = 0, 89 = 0, 943 filhos (desvio médio em relação a média)
0,943
CV (X ) = 1,1 = 0, 857
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Propriedades da variância
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Observe que, para quaisquer dois números a e b com a ≤ b,
Z b
P(a ≤ X ≤ a) = f (x )dx
a
significa que a P(X ∈ [a, b]) é a área contida entre o intervalo e abaixo da
curva da função de densidade.
Por outro lado, se X é uma v.a. contínua, então para qualquer c, P(X = c) =
0, i.e. Z c
f (x )dx = 0
c
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Exemplo 1: Um professor de faculdade nunca finaliza sua aula antes do final do
horário e sempre termina dentro de dois minutos após o horário. Seja X : “tempo
entre o fim do horário e o fim da aula”, e suponha que a fdp de X seja
3 2
f (x ) = 8x , 0 ≤ x ≤ 2
0, caso contrário.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Exemplo 1: Um professor de faculdade nunca finaliza sua aula antes do final do
horário e sempre termina dentro de dois minutos após o horário. Seja X : “tempo
entre o fim do horário e o fim da aula”, e suponha que a fdp de X seja
3 2
f (x ) = 8x , 0 ≤ x ≤ 2
0, caso contrário.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Exemplo 2: Suponha que X seja uma variável aleatória contínua cuja função
densidade de probabilidade é dada por
C (4x − 2x 2 ), 0 < x < 2
f (x ) =
0, caso contrário.
i) Qual é o valor de C ?;
ii) Determine P(X > 1)
Solução:
i) Uma vez que f é uma função densidade de probabilidade, então
Z +∞
f (x )dx = 1, o que implica;
−∞
Z 2
C (4x − 2x 2 )dx =1
0
2x 3 x =2
2
C 2x − =1
3
x =0
3
C=
8
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Conceitos e notações de v.a.’s contínuas
Resolução (Cont.):
3
ii) Calculamos P(X > 1) substituindo C = 8 na f.d.p. Ou seja,
Z ∞
P(X > 1) = f (x )dx
1
3 2
Z
= (4x − 2x 2 )dx
8 1
2x 3 x =2
3 2 3 16 2 1
= 2x − = 6−( − ) =
8 3 8 3 3 2
x =1
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de distribuição de uma v.a. contínua
A função de distribuição, F (x ), da v.a. contínua é análoga a da v.a. discreta.
Envolve a substituição do somatório pelo símbolo de integral;
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Propriedades da função F (x ) para v.a. contínua
i) F é uma função contínua.
ii) F é uma função não decrescente, ou seja, x < y implica F (x ) ≤ F (y )
iii) lim F (x ) = 0; e lim F (x ) = 1;
x →−∞ x →+∞
iv) Se a < b, P[a < X < b] = F (b) − F (a)
Exemplo 3: De novo, X : “tempo entre o fim do horário e o fim da aula”. Ao
calcularmos F (x ), observamos que:
1) Para x < 0 ou x > 2, f (x ) = 0 e
Z x Z x
F (x ) = P(X ≤ x ) = f (t) = 0dt = 0
−∞ −∞
2) Parae 0 ≤ x ≤ 2,
Z 0 Z x
3 2
F (x ) = 0dt + t dt
−∞ 0 8
3 1 t=x 1
= · t 3 = x3
8 3 t=0 8
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Propriedades da função F (x ) para v.a. contínua
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Uso de F (x ) para Calcular as Probabilidades
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Uso de F (x ) para Calcular as Probabilidades
Exemplo 4: Ainda sobre X : “tempo entre o fim do horário e o fim da aula”.
3 2
f (x ) = 8x , 0 ≤ x ≤ 2
0, caso contrário.
0, se x < 0
1 3
F (x ) = 8 x , se 0 ≤ x ≤ 2
1, se x > 2.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Uso de F (x ) para Calcular as Probabilidades
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Uso de F (x ) para Calcular as Probabilidades
i) P(X > 0, 3) (vender pelo menos trezentos quilos):
Proposição: Se X for uma v.a. contínua com fdp f (x ) e f.d. F (x ) então, para
qualquer x em que a derivada F 0 (x ) existir,
F 0 (x ) = f (x )
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Função de de risco de uma v.a. contínua
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Valor esperado e variância de v.a.’s contínuas
Para v.a.’s contínuas, as definições de E (X ) e Var (X ) são análogas às do caso
discreto, sendo a soma substituída pela integral e a fmp pela fdp.
Definição: O valor médio ou esperado de uma v.a. contínua X com fdp f (x ) é
Z +∞
µx = E (X ) = x · f (x )dx
−∞
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Valor esperado e variância de v.a.’s contínuas
Para v.a.’s contínuas, as definições de E (X ) e Var (X ) são análogas às do caso
discreto, sendo a soma substituída pela integral e a fmp pela fdp.
Definição: O valor médio ou esperado de uma v.a. contínua X com fdp f (x ) é
Z +∞
µx = E (X ) = x · f (x )dx
−∞
Z +∞ Z 1
3
E (X ) = x · (1 − x 2 )dx
x · f (x )dx =
−∞ 0 2
Z 1 2
x 4 x =1
3 3 3 x 3
= (x − x )dx = − =
2 0 2 2 4 8
x =0
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Valor esperado e variância de v.a.’s contínuas
Definição: A variância de uma v.a. contínua X com fdp f (x ) e média µ é
Z +∞
σx2 = Var (X ) = (x − µ)2 · f (x )dx ou
−∞
Var (x ) =E (X 2 ) − [E (X )]2
Z +∞
onde E (X ) = 2
x 2 · f (x )dx
−∞
p
O desvio padrão de X é σX = Var (X )
3
Exemplo 6: Para X = venda semanal de pedra brita, calculamos E (X ) = 8.
Como
Z +∞ Z 1
3
E (X 2 ) = x 2 · f (x )dx = x 2 · (1 − x 2 )dx
−∞ 0 2
Z 1 3
x 5 x =1
3 2 4 3 x 1
= (x − x )dx = − =
2 0 2 3 5 5
x =0
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM
Valor esperado e variância de v.a.’s contínuas
Então a variância de X é
Var (x ) =E (X 2 ) − [E (X )]2
2
1 3 19
= − = = 0, 059
5 8 320
√
O desvio padrão de X é σX = 0, 059 = 0, 244.
Docentes: Dr. Saide Dade/Dr. Cachimo Assane Estatística Refreshment do MCA 3a Edição - FACECO/UEM