Capítulo 5 Variáveis aleatórias - Anderson R. Silva

Cap?tulo 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?ncia, o espa?o amostral teria 2n elementos. N?o obstante, se a informa??o de interesse for o n?mero de locais que cont?m a esp?cie, ent?o poderia ser definida a vari?vel X representando o n?mero de locais onde a esp?cie est? presente, captando assim a ess?ncia 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?mero 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?meros reais (no ?ltimo 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?sticas 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?nimo (S) e contradom?nio (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?nua.

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?meros inteiros, por exemplo: n?mero de animais doentes, n?mero 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) 0 x;

2. 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?amos definir a seguinte distribui??o de probabilidades (tabela 5.1) da vari?vel discreta X, o n?mero de machos.

Assim, podemos calcular probabilidades do tipo P (X 1), ao menos 1 macho:

41

Tabela 5.1: Distribui??o de probabilidades de X, o n?mero de machos em dois partos de uma ?gua.

Xi 0 1 2 P (Xi) 1/4 1/2 1/4

P (X 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) = x xPX(X = x) V ar(X) = E[X - E(X)]2

= E(X2) - [E(X)]2 Para a distribui??o de probabilidades apresentada na tabela 5.1, temos:

e tamb?m,

E(X) = x xPX(X = x) = x1P (x1) + x2P (x2) + x3P (x3) = 0 ? 1/4 + 1 ? 1/2 + 2 ? 1/4 =1

V ar(X) = E(X2) - [E(X)]2 = [x21P (x1) + x22P (x2) + x23P (x3)] - 12 = [02 ? 1/4 + 12 ? 1/2 + 22 ? 1/4] - 1 = 1/2

42

5.3 Vari?vel aleat?ria cont?nua

Uma vari?vel aleat?ria ? do tipo cont?nua 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?nua 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?nio real e contradom?nio no intervalo [0, ) ? dita f.d.p. de X se e somente se satisfizer

1. fX(x) 0 x;

2.

-

fX

(x)dx

=

1;

3.

PX(a X b) =

b a

fX

(x)dx.

Exemplo: Seja a vari?vel aleat?ria cont?nua X denotada pela fun??o densidade de probabilidade a seguir, representada na figura 5.2:

3x2,

se 0 x < 1

f (x) =

0,

para outros valores de x

f(x)

3.0 2.5 2.0 1.5 1.0 0.5

f(x) = 0

0.0 0.0

f(x) = 3x2

0.5 x

f(x) = 0

1.0

Figura 5.2: Fun??o densidade de probabilidade de X.

43 Com f (x) podemos calcular, por exemplo,

P (X > 0, 5) =

1 0,5

fX

(x)dx

=

1 0,5

3x2dx

= 7/8

A figura 5.3 indica a ?rea sob a curva referente a esta probabilidade.

f(x)

3.0

2.5

2.0

1.5

1.0

0.5

P(X > 0.5)

0.0

0.0

0.5

1.0

x

Figura 5.3: P (X > 0, 5).

Calcule P (0, 3 X < 0.5).

Observa??es

? Se X ? vari?vel aleat?ria cont?nua no intervalo [a, b], ent?o PX(X = x) = 0 x [a, b], isto ?, probabilidades pontuais s?o consideradas nulas. Assim, por exemplo, P (X 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.

Google Online Preview   Download