Aula 8 Probabilidade e Estatística

Probabilidade e Estatı́stica
Prof. Josuel Kruppa Rogenski
1o /2017
1
R ELEMBRANDO ...
Exercı́cio 1. Determine o valor de c de modo que a função
possa servir como distribuição de probabilidade.
f (x) = c(x2 + 4), x = 0, 1, 2, 3
Exercı́cio 2. Suponha que o erro de medição X de uma

quantidade fı́sica seja determinada pela função de densidade
k(3 − x2 ), −1 ≤ x ≤ 1

f (x) =
0, caso contrário.
(a) calcule o valor de k que torna f (x) uma função de densidade

válida. (b) determine a probabilidade de que o erro aleatório
seja menor que 1/2.
2
E SPERANÇA MATEM ÁTICA
Exemplo 1. Considere a situação de que duas moedas sejam

lançadas 16 vezes. Tome como variável aleatória o número de
caras que ocorrem por jogada.
X pode assumir os valores 0, 1 e 2.
Considere que o experimento resulta em nenhum cara, uma
cara e duas caras em 4, 7 e 5 vezes do total.
O número médio de caras por jogada das duas moedas é:
(0)(4) + (1)(7) + (2)(5)

= 1, 06
16
Observação: Note que o valor médio obtido não é
necessariamente um valor possı́vel para o experimento.
3
Podemos reescrever a média anterior como

4 7 5
(0) + (1) + (2) = 1, 06
16 16 16
Nesse caso, os números representam frações do total de

jogadas. Representam ainda, frequências relativas. O uso
dessas frequências relativas possibilita o cálculo da média sem
o conhecimento do número total de jogadas.
Esse valor médio calculado em função dos valores e
frequências relativas é definido como média da variável X ou
valor esperado ou esperança matemática.
4
Definição 1. Seja X uma variável aleatória com distribuição de

probabilidade f (x). A esperança E(X) de X, é
X
E(X) = xf (x)
x
se X for discreta e
Z ∞
E(X) = xf (x)dx,
−∞
se X for contı́nua.
5
E SPERANÇA MATEM ÁTICA - VARI ÁVEL ALEAT ÓRIA
DISCRETA
Exemplo 1. Um lote com sete componentes é analisado pelo

inspetor de qualidade; o lote contém quatro componentes em
bom estado e três componentes defeituosos. Uma amostra de
três é retirada pelo inspetor. Determine a esperança do número
de componentes em bom estado nessa amostra.
OBS: Se muitas amostras de três elementos são retiradas
aleatoriamente na situação descrita, a esperança representaria
quantos produtos em média estariam em bom estado.
6
DISCRETA
Exercı́cio 4. Uma biblioteca tem um limite máximo de seis

livros que podem ser emprestados por indivı́duo. Considere
apenas situações onde houve empréstimo e considere X a
quantidade de livros emprestados. A distribuição de
probabilidade é dada por
x 1 2 3 4 5 6
p(x) 0,30 0,25 0,15 0,05 0,10 0,15
Calcule a esperança de X.
7
CONT ÍNUA
Exemplo 2. Seja X a variável aleatória que denota a vida, em

horas, de certo equipamento eletrônico. A função de densidade
de probabilidade é:
20000
x3
, x > 100
f (x) =
Determine a esperança de vida desse equipamento.
8
CONT ÍNUA
Exercı́cio 5. A função densidade de probabilidade das vendas

semanais de cascalho X é
3 2
f (x) = 2 (1 − x ), 0 ≤ x ≤ 1
Determine a esperança de vendas.
9
Considere uma nova variável aleatória g(X), que depende de X.

Exemplo 3. Considere g(X) = X2 . Se X é uma variável aleatória
discreta com distribuição f (X), x = −1, 0, 1, 2, temos:
P[g(X) = 0] = P(X = 0) = f (0)
P[g(X) = 1] = P(X = −1) + P(X = 1) = f (−1) + f (1)
P[g(X) = 4] = P(X = 2) = f (2)
10
Na forma de tabela
g(x) 0 1 4
P[g(X) = g(x)] f (0) f (−1) + f (1) f (2)
Pela definição de esperança, temos
E[g(x)] = 0f (0) + 1[f (−1) + f (1)] + 4f (2)

= (−1)2 f (−1) + (0)2 f (0) + (1)2 f (1) + (2)2 f (2)
X
= g(x)f (x)
x
11
Teorema 1. Seja X a variável aleatória com distribuição de

probabilidade f (X). O valor esperado da variável aleatória g(X)
é: X
E[g(X)] = g(x)f (x)
x
se X for discreta e
Z ∞
E[g(X)] = g(x)f (x)dx
−∞
12
Exemplo 4. Suponha que o número de carros X que passam

por uma dada rodovia entre 17h e 18h tem a seguinte
distribuição de probabilidade
x 4 5 6 7 8 9
P(X = x) 1/12 1/12 3/12 3/12 2/12 2/12
Seja g(X) = 2X − 1 a quantia paga à uma prestadora de serviço
para segurança da via. Determine os ganhos esperados para a
prestadora no perı́odo em questão.
13
Exemplo 5. Seja X a variável aleatória com função de densidade

x2
f (x) = 3 , −1 < x < 2
Determine o valor esperado de g(X) = 4X + 3
14
Exercı́cio 6. O custo de um teste de diagnóstico de um

determinado veı́culo depende da quantidade de cilindros X no
motor do veı́culo. Suponha que a função custo seja dada por
h(X) = 20 + 3X + 0, 5X2 . Visto que X é variável aleatória dada
por
x 4 6 8
P(X = x) 0,5 0,3 0,2
Determine a esperança do custo.
15
Exercı́cio 7. Uma variável aleatória continua X tem função de

densidade −x
e , x>0
f (x) =
Determine a esperança de g(X) = e2X/3 .
16
VARI ÂNCIA DE VARI ÁVEIS ALEAT ÓRIAS
A esperança de uma variável aleatória X descreve onde a

distribuição de probabilidade está centrada.
Visando analisar a variabilidade da variável aleatória,
consideremos
g(X) = (X − E(X))2
17
Definição 2: Seja X uma variável aleatória com distribuição de

probabilidade f (X) e média E(X). A variância de X é:
X
σ 2 = E[(X − E(X))2 ] = (x − E(X))2 f (x),
x
se X for discreta e
Z ∞
2 2
σ = E[(X − E(X)) ] = (x − E(X))2 f (x)dx,
−∞
A raiz quadrada da variância é o desvio padrão de X.
18
Exemplo 6: Seja a variável X o número de automóveis usados
com propósitos comerciais durante um dia de trabalho. A
distribuição de probabilidade para a empresa A é
x 1 2 3
f (x) 0,3 0,4 0,3
Para a empresa B é
x 0 1 2 3 4
f (x) 0,2 0,1 0,3 0,3 0,1
Mostre que a variância da distribuição de probabilidade da

empresa B é maior do que a da empresa A.
19
Teorema 2: A variância de uma variável aleatória X é:
σ 2 = E(X2 ) − E(X)2
20
Exemplo 7: Seja a variável aleatória X, o número de partes

defeituosas em uma máquina quando três partes são
amostradas da linha de produção e testadas. Temos, a seguir, a
distribuição de probablidade:
x 0 1 2 3
f (x) 0,51 0,38 0,1 0,01
Calcule a variância utilizando o teorema anterior.
21
Exercı́cio 9. A demanda semanal por um refrigerante, em

milhares de litros, de uma rede de lojas de conveniência local é
a variável aleatória contı́nua X, que tem como densidade de
probabilidade

2(x − 1), 1 < x < 2
f (x) =
Determine a variância de X.
22
Teorema 3: Seja X uma variável aleatória com distribuição de

probabilidade f (X). A variância da variável aleatória g(X) é
X
E{{g(X) − E[g(X)]}2 } = {g(x) − E[g(X)]}2 f (x)
x
se X é discreta e
Z ∞
2
E{{g(X) − E[g(X)]} } = {g(x) − E[g(X)]}2 f (x)
−∞
23
Exemplo 8: Calcule a variância de g(X) = 2X + 3, onde X é a

variável aleatória com distribuição de probabilidade
x 0 1 2 3
f (x) 2/8 1/8 4/8 1/8
24
Exemplo 9: Seja X a variável aleatória com a função de

densidade dada
x2
f (x) = 3 , −1 < x < 2
Determine a variância da variável aleatória g(X) = 4X + 3.
25
P ROPRIEDADES DA E SPERANÇA MATEM ÁTICA
Teorema 4: Se a e b são constantes, então
E(aX + b) = aE(X) + b
Teorema 5: A esperança da soma ou diferença de duas ou mais

funções de uma variável aleatória X é a soma ou a diferença
das esperanças das funções.
26
Exemplo 10: Aplicando as propriedades já apresentadas,

calcule a esperança de g(X) = 4X + 3 para o Exemplo 9.
27
Exemplo 11: A demanda semanal de certa bebida, em milhares

de litros, em uma rede de lojas de conveniência é a variável
contı́nua g(X) = X2 + X − 2, onde X tem função de densidade

2(x − 1), 1 < x < 2
f (x) =
Determine a esperança para a demanda semanal da bebida.
28
P ROPRIEDADES DA VARI ÂNCIA
Teorema 6: Se a e b são constantes, então

2
σ(aX+b) = a2 σX2
29

Aula 8 Probabilidade e Estatística

Diunggah oleh

Informasi Dokumen

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Aula 8 Probabilidade e Estatística

Diunggah oleh

Hak Cipta:

Format Tersedia

Probabilidade e Estatı́stica

Prof. Josuel Kruppa Rogenski

f (x) = c(x2 + 4), x = 0, 1, 2, 3

Exercı́cio 2. Suponha que o erro de medição X de uma

(a) calcule o valor de k que torna f (x) uma função de densidade

Exemplo 1. Considere a situação de que duas moedas sejam

(0)(4) + (1)(7) + (2)(5)

Podemos reescrever a média anterior como

Nesse caso, os números representam frações do total de

Definição 1. Seja X uma variável aleatória com distribuição de

Exemplo 1. Um lote com sete componentes é analisado pelo

Exercı́cio 4. Uma biblioteca tem um limite máximo de seis

Exemplo 2. Seja X a variável aleatória que denota a vida, em

Exercı́cio 5. A função densidade de probabilidade das vendas

Considere uma nova variável aleatória g(X), que depende de X.

P[g(X) = 0] = P(X = 0) = f (0)

P[g(X) = 1] = P(X = −1) + P(X = 1) = f (−1) + f (1)

P[g(X) = 4] = P(X = 2) = f (2)

Pela definição de esperança, temos

E[g(x)] = 0f (0) + 1[f (−1) + f (1)] + 4f (2)

Teorema 1. Seja X a variável aleatória com distribuição de

Exemplo 4. Suponha que o número de carros X que passam

Exemplo 5. Seja X a variável aleatória com função de densidade

Exercı́cio 6. O custo de um teste de diagnóstico de um

Exercı́cio 7. Uma variável aleatória continua X tem função de

A esperança de uma variável aleatória X descreve onde a

Definição 2: Seja X uma variável aleatória com distribuição de

Mostre que a variância da distribuição de probabilidade da

Teorema 2: A variância de uma variável aleatória X é:

Exemplo 7: Seja a variável aleatória X, o número de partes

Calcule a variância utilizando o teorema anterior.

Exercı́cio 9. A demanda semanal por um refrigerante, em

Teorema 3: Seja X uma variável aleatória com distribuição de

Exemplo 8: Calcule a variância de g(X) = 2X + 3, onde X é a

Exemplo 9: Seja X a variável aleatória com a função de

Teorema 4: Se a e b são constantes, então

Teorema 5: A esperança da soma ou diferença de duas ou mais

Exemplo 10: Aplicando as propriedades já apresentadas,

Exemplo 11: A demanda semanal de certa bebida, em milhares

Teorema 6: Se a e b são constantes, então

Anda mungkin juga menyukai