Capítulo 5 Variáveis aleatórias - Anderson R. Silva
Cap¨ªtulo 5
Vari¨¢veis aleat¨®rias
5.1
Introdu??o
Em experimentos aleat¨®rios cujo espa?o amostral cont¨¦m alguns eventos
de interesse ¨¦, em geral, mais f¨¢cil lidar como uma vari¨¢vel aleat¨®ria, isto ¨¦, ¨¦
mais f¨¢cil sumarizar a informa??o do espa?o amostral em valores associados
a eventos. Por exemplo, em um estudo ecol¨®gico pode haver o interesse em
determinar se certa esp¨¦cie vegetal est¨¢ ou n?o presente em n locais de um
continente Atribuindo 1 ¨¤ presen?a e 0 ¨¤ aus¨ºncia, o espa?o amostral teria 2n
elementos. N?o obstante, se a informa??o de interesse for o n¨²mero de locais
que cont¨¦m a esp¨¦cie, ent?o poderia ser definida a vari¨¢vel X representando
o n¨²mero de locais onde a esp¨¦cie est¨¢ presente, captando assim a ess¨ºncia
do problema.
Considere ainda o exemplo a seguir: Tome o ato de identificar o sexo
de duas crias de uma ¨¦gua como sendo um experimento aleat¨®rio. O espa?o
amostral associado ¨¦ definido por S = {M M, M F, F M, F F }. Seja X a
vari¨¢vel aleat¨®ria que representa o n¨²mero de machos obtidos nas duas crias
Tem-se ent?o que: X(M M ) = 2, X(M F ) = 1, X(F M ) = 1 e X(F F ) = 0.
Ao especificar a quantidade X, definimos uma transforma??o a partir
de cada elemento A pertencente ao espa?o amostral S para um novo espa?o
amostral R, um conjunto de n¨²meros reais (no ¨²ltimo exemplo: 0, 1, 2). Essa
fun??o a partir do espa?o amostral nos reais ¨¦ o que chamamos de vari¨¢vel
aleat¨®ria, como ilustra a Figura 5.1.
Probabilidades podem ent?o ser associadas aos valores ou intervalo de
valores de uma vari¨¢vel aleat¨®ria, constituindo assim a distribui??o de probabilidades dessa vari¨¢vel. Muitas das t¨¦cnicas estat¨ªsticas s?o baseadas em
modelos de distribui??o de probabilidades, os quais podem, obviamente, serem utilizados para calcular probabilidades de interesse. Um exemplo cl¨¢ssico
39
40
Figura 5.1: Ilustrando a defini??o de vari¨¢vel aleat¨®ria, dom¨ªnimo (S) e contradom¨ªnio (R)
.
dessa aplica??o ¨¦ o c¨¢lculo do valor-p nos testes de hip¨®teses.
O uso de vari¨¢veis aleat¨®rias equivale a descrever os resultados de um
experimento aleat¨®rio por meio de valores num¨¦ricos ao inv¨¦s de palavras, o
que nos permite um melhor tratamento matem¨¢tico.
Uma vari¨¢vel aleat¨®ria quantitativa pode ser discreta ou cont¨ªnua.
5.2
Vari¨¢vel aleat¨®ria discreta
Uma vari¨¢vel aleat¨®ria X ¨¦ considerada discreta se o conjunto de valores
dessa vari¨¢vel, seu espa?o amostral, for enumer¨¢vel. Em geral, os valores
assumidos s?o n¨²meros inteiros, por exemplo: n¨²mero de animais doentes,
n¨²mero de insetos praga por planta, tamanho da leitegada etc.
A distribui??o de probabilidades de uma vari¨¢vel aleat¨®ria discreta X
pode ser caracterizada pela sua fun??o de probabilidade (f.p.), de modo que
a probabilidade de X assumir um certo valor x ¨¦ determinada pela f.p.,
denotada por PX (X = x) ou simplesmente PX (x).
A fun??o PX ¨¦ dita f.p. de X se e somente se satisfizer:
1. PX (X = x) ¡Ý 0 ? x;
2.
q
x
PX (X = x) = 1.
Formalmente, denominamos distribui??o de probabilidades da v.a.d. a
cole??o de pares [xi , PX (xi )], i = 1, 2, ..., n, que pode ser apresentada por
meio de tabelas ou gr¨¢ficos.
Revisitando o exemplo das duas crias de uma ¨¦gua, poder¨ªamos definir
a seguinte distribui??o de probabilidades (tabela 5.1) da vari¨¢vel discreta X,
o n¨²mero de machos.
Assim, podemos calcular probabilidades do tipo P (X ¡Ý 1), ao menos 1
macho:
41
Tabela 5.1: Distribui??o de probabilidades de X, o n¨²mero de machos em
dois partos de uma ¨¦gua.
Xi
0
P (Xi ) 1/4
1
2
1/2
1/4
P (X ¡Ý 1) = PX (X = 1) + PX (X = 2)
= 1/2 + 1/4
= 3/4
Calcule P (X > 1).
M¨¦dia e vari?ncia
O valor esperado ou m¨¦dia e a vari?ncia de uma vari¨¢vel aleat¨®ria discreta
s?o obtidos fazendo
E(X) =
q
x
xPX (X = x)
V ar(X) = E[X ? E(X)]2
= E(X 2 ) ? [E(X)]2
Para a distribui??o de probabilidades apresentada na tabela 5.1, temos:
E(X) =
q
x
xPX (X = x)
= x1 P (x1 ) + x2 P (x2 ) + x3 P (x3 )
= 0 ¡Á 1/4 + 1 ¡Á 1/2 + 2 ¡Á 1/4
= 1
e tamb¨¦m,
V ar(X) = E(X 2 ) ? [E(X)]2
= [x21 P (x1 ) + x22 P (x2 ) + x23 P (x3 )] ? 12
= [02 ¡Á 1/4 + 12 ¡Á 1/2 + 22 ¡Á 1/4] ? 1
= 1/2
42
5.3
Vari¨¢vel aleat¨®ria cont¨ªnua
Uma vari¨¢vel aleat¨®ria ¨¦ do tipo cont¨ªnua se puder assumir todo e qualquer valor em algum intervalo [a, b]. Em geral, tais valores s?o obtidos por
um processo de medi??o, por exemplo: altura das plantas (em cm), peso dos
animais (em kg), rendimento de gr?os (em kg/ha) etc.
A distribui??o de probabilidades de uma vari¨¢vel aleat¨®ria cont¨ªnua X
pode ser caracterizada pela sua fun??o densidade de probabilidade (f.d.p.),
denotada por fX , de modo que probabilidades de X assumir valores num
dado intervalo podem ser determinadas integrando fX .
A fun??o fX com dom¨ªnio real e contradom¨ªnio no intervalo [0, ¡Þ) ¨¦
dita f.d.p. de X se e somente se satisfizer
1. fX (x) ¡Ý 0 ? x;
2.
s¡Þ
?¡Þ
fX (x)dx = 1;
3. PX (a ¡Ü X ¡Ü b) =
sb
a
fX (x)dx.
Exemplo: Seja a vari¨¢vel aleat¨®ria cont¨ªnua X denotada pela fun??o
densidade de probabilidade a seguir, representada na figura 5.2:
f (x) =
?
?
?
?
?
3x2 ,
0,
se 0 ¡Ü x < 1
para outros valores de x
3.0
2.5
f(x) = 3x2
f(x)
2.0
1.5
1.0
0.5
f(x) = 0
f(x) = 0
0.0
0.0
0.5
1.0
x
Figura 5.2: Fun??o densidade de probabilidade de X.
43
Com f (x) podemos calcular, por exemplo,
P (X > 0, 5) =
s1
fX (x)dx
=
s1
3x2 dx
0,5
0,5
= 7/8
A figura 5.3 indica a ¨¢rea sob a curva referente a esta probabilidade.
3.0
2.5
f(x)
2.0
1.5
1.0
P(X > 0.5)
0.5
0.0
0.0
0.5
1.0
x
Figura 5.3: P (X > 0, 5).
Calcule P (0, 3 ¡Ü X < 0.5).
Observa??es
? Se X ¨¦ vari¨¢vel aleat¨®ria cont¨ªnua no intervalo [a, b], ent?o PX (X =
x) = 0 ? x ¡Ê [a, b], isto ¨¦, probabilidades pontuais s?o consideradas
nulas. Assim, por exemplo, P (X ¡Ý 2) = P (X > 2).
? Diferentemente do caso discreto, a f.d.p. n?o determina probabilidades
diretamente, como ocorre com a f.p.
................
................
In order to avoid copyright disputes, this page is only a partial summary.
To fulfill the demand for quickly locating and searching documents.
It is intelligent file search solution for home and business.
Related download
- capítulo 5 variáveis aleatórias anderson r silva
- en busca de los doce apóstoles tyndale house
- ejercicios capitulo 9 gujarati porter 2010
- economía ambiental por juan carlos mendieta
- octava ediciÓn mi d b
- matemáticas de las c c sociales m exámenes caphorta
- 519 har 1 universidad rafael belloso chacín
- programa presupuesto 2016 ajustado conforme a la solicitud
- 5 exponentes racionales y funciones radicales mx epstein
- capÍtulo 1 direito individual do trabalho introduÇÃo