VARIVEIS ALEATRIAS VARIVEIS ALEATRIAS UNDIMENSIONAIS: Em muitas situaes experimentais precisamos atribuir um nmero real x a todo o elemento do espao

amostras. Ento, h necessidade de definir uma funo que chamada varivel aleatria. O domnio de uma varivel aleatria o espao amostral. O contradomnio o conjunto de todos os valores possveis de X, os X(s). Seja X uma varivel aleatria, se o nmero de valores possveis da varivel X for finito ou infinito numervel, denomina-se X de varivel aleatria discreta. Se o contradomnio de X um intervalo, ou uma coleco de intervalos, denominaremos X de varivel aleatria contnua.

Varivel Aleatria Discreta Seja X uma varivel aleatria. Se o nmero de valores possveis de X (isto o seu contradomnio) for finito ou infinito enumervel, denominaremos X de varivel aleatria discreta, assim, os valores possveis de X so x1, x2, ...., xn. No caso finito a lista de valores de x acaba e no caso infinito enumervel, a lista continua indefinidamente. Em geral uma varivel aleatria obtida mediante alguma forma de contagem. - Funo probabilidade: A funo de probabilidade (f.p ou f.m.p) associada a uma v.a. discreta X uma funo f (xi ) que a cada valor xi da varivel associa a probabilidade de X ser igual a xi , e aos restantes valores associa o valor zero. F(x) = P (X = xi) = P (xi) Esta funo tem como propriedades:

A representao grfica da funo probabilidade :

Pg. 1

ou

- Funo distribuio: A funo distribuio (f.d) associada a uma v.a. discreta X uma funo F(x) que a cada valor x real faz corresponder a probabilidade de X ser menor ou igual a x: F(x) = P (X x) As propriedades desta funo:

OBS: A funo distribuio uma funo acumulada, isso porque em um ponto x soma as probabilidades dos valores xi menores ou iguais a x. Se X assume somente um nmero finito de valores de x1, x2, ..., xn ento sua funo de distribuio dada por:

A representao grfica desta funo :

Pg. 2

Varivel Aleatria Contnua Seja X uma varivel aleatria (v.a.). Se o nmero de valores possveis de X (isto o seu contradomnio) for infinito no-enumervel como, por exemplo, um intervalo, X ser denominada de varivel aleatria contnua. Nota bem: Como uma varivel aleatria contnua pode assumir uma infinidade de valores em um intervalo real, ou seja, o conjunto de valores que a varivel pode assumir infinito no-enumervel, a cada um dos infinitos valores da recta real atribuda probabilidade nula. Portanto, no faz sentido fazer uma soma das probabilidades de cada um dos valores como no caso das variveis aleatrias discretas, mas sim fazer a soma das probabilidades dos valores em intervalos da recta real. Nesse caso, o que generaliza o conceito de somatrio o de . - Funo densidade de probabilidade (f.d.p.): Como para varivel aleatria contnua a probabilidade de cada um dos infinitos valores na recta real igual a zero, no se tem uma funo de probabilidade F(x) = P (X = xi) = P (xi) como para varivel aleatria discreta. Nesse caso, as probabilidades de ocorrncia de cada um dos possveis resultados do experimento aleatrio so determinadas por uma funo contnua f(x) denominada funo densidade de probabilidade (f.d.p.), que satisfaa as seguintes condies:

A probabilidade do espao amostral 1, isto , a probabilidade de ocorrncia dos resultados dentro do intervalo sempre 100% possvel.

Pg. 3

A probabilidade de que a varivel aleatria assuma valores em um intervalo a rea sob a curva da funo densidade probabilidade no intervalo entre a e b. importante ressaltar que, no clculo da probabilidade de um intervalo, este pode ser fechado ou aberto, pois a incluso ou no dos extremos a e b do intervalo no altera o valor desse clculo, visto que a probabilidade de um ponto nula. OBS: A f(x) de uma v. a c., funo de densidade probabilidade, no probabilidade. Esta caracteriza como as probabilidades se distribuem num intervalo contnuo. Somente quando a funo for integrada entre dois limites, ela produzir uma probabilidade, que ser a rea sob a curva da funo X = a e X = b, a < b, ou seja, a probabilidade de x em intervalo entre a e b da recta real. Ou seja, a funo densidade a funo integrando da funo distribuio. - A funo distribuio A funo de distribuio de uma v.a.c. X definida por:

As propriedades da funo distribuio so:

Nota bem: Seja X uma v.a. contnua em um espao de probabilidade com funo de distribuio FX e funo densidade f X. Ento:

Pg. 4

Concluso: Forma alternativa para caracterizar a distribuio de probabilidades de uma varivel aleatria (discreta ou contnua).

Momentos de uma distribuio

Valor esperado ou mdia de uma varivel aleatria: Seja X uma varivel aleatria em um espao de probabilidade, com funo de probabilidade P. O valor esperado de X, ou simplesmente esperana de X, denotada por E(X), definida por:

As propriedades do valor esperado so:

Pg. 5

Varincia de uma v.a. unidimensional X: Seja X uma varivel aleatria em um espao de probabilidade. A varincia de X, denotada por V(X), definida por:

Matematicamente mais conveniente trabalhar com a seguinte igualdade:

Ou ainda, podemos:

As propriedades:

Quantil: O quantil de ordem p o valor xp que acumula sua esquerda probabilidade p.

Pg. 6

Moda: Para se identificar o valor mais frequente:

Desvio Padro: O desvio padro calculado:

Coeficiente de variao: O coeficiente calculado:

Coeficiente de assimetria: A distribuio de uma v.a. X simtrica em relao a um ponto se P (X a - x) = P (X a + x). O coeficiente calculado:

Se o resultado for:

Nota bem:

VARIVEIS ALEATRIAS BIDIMENSIONAIS: Seja E um experimento aleatrio e S um espao amostral associado a E. Seja X uma varivel aleatria e Y outra varivel aleatria e X(a) e Y(a) so duas funes, cada uma associando um nmero real a cada resultado de a S, ento determinaremos (X,Y) uma varivel aleatria bidimensional. Na prtica, significa que para um determinado experimento aleatrio, cada resultado proveniente da avaliao simultnea de duas variveis. Do mesmo modo que no caso unidimensional (X,Y) deve ter associada a cada valor que pode assumir uma

Pg. 7

probabilidade de sua ocorrncia. Assim, so definidas as funes e distribuies de probabilidades da v.a. bidimensional (X,Y). Varivel aleatria discreta bidimensional Se os valores possveis da varivel (X,Y) forem finitos ou infinitos enumerveis, esta ser uma v.a. discreta bidimensional. Assim, os valores possveis de (X,Y) podem ser representados por (xi, y j). - Funo de probabilidade conjunta de X e Y: dada por:

Em que a cada valor de (xi, yi) associa-se a sua probabilidade de ocorrncia. Para que P(xi, yi) seja uma funo de probabilidade conjunta necessrio que satisfaa s seguintes condies:

- Funo distribuio conjunta de X e Y: Seja (X, Y) uma varivel aleatria bidimensional discreta. Ento diz-se a funo distruibuio conjunta de (X, Y):

A partir da distribuio conjunta das duas variveis aleatrias X e Y podemos determinar a distribuio de X sem considerar Y e a de Y sem considerar X. So as chamadas distribuies marginais. -Funes de probabilidade marginais: constituda pelos valores da varivel aleatria e suas respectivas probabilidades marginais. A probabilidade marginal para cada valor obtida da seguinte forma:

Ou seja, a marginal de X a funo de probabilidade da v.a. X sem considerar a v.a.Y,e a marginal de Y a funo de probabilidade da v. a. Y sem considerar a v.a.X. Com as probabilidades marginais para cada valor, podemos construir a distribuio marginal para a varivel aleatria:

Pg. 8

- Funes distribuies marginais: Dada uma funo de probabilidade conjunta f (x, y) das variveis aleatrias discretas X e Y, a distribuio de probabilidade marginal de X (g(x)) obtida pela soma dos valores de f (x, y) ao longo de Y. Do mesmo modo, a distribuio de probabilidade marginal de Y (h(y)) dada pela soma dos valores de f(x, y) ao longo de x. Assim,

Independncia Duas variveis aleatrias, X e Y, dizem-se independentes se para todo A, B os acontecimentos X A e Y B so independentes, isto , se P (X A, Y B) = P (X A)* P (Y B).

Valor esperado ou valor mdio: O valor esperado calculado:

Covarincia entre X e Y uma medida de associao entre variveis aleatrias. A covarincia entre duas v. a. X e Y o produto dos desvios das variveis (medida de discrepncia), qual seja:

Pg. 9

As propriedades:

Como a covarincia , por definio, a mdia dos produtos dos desvios (X -x) por (Y y), a covarincia ser positiva se ocorrerem desvios do mesmo sinal com maior probabilidade, e negativa se correrem, com maior probabilidade, desvios com sinais contrrios. Ou seja,

Assim, o sinal da covarincia indica a relao entre as variveis: - Se Cov (X,Y) = 0, as variveis X e Y no possuem dependncia linear, ou seja, so independentes; - Se Cov (X,Y) > 0, as variveis X e Y possuem uma relao linear de dependncia, cuja variao ocorre no mesmo sentido, ou seja, medida que uma varivel aumenta a outra tambm aumenta, ou medida que uma varivel diminui a outra tambm diminui; - Se Cov (X,Y) < 0, as variveis X e Y possuem uma relao linear de dependncia, cuja variao ocorre no sentido contrrio, ou seja, medida que uma varivel aumenta a outra diminui e vice-versa. Nota bem:

Coeficiente de correlao Uma vez que a covarincia varia de - a +, difcil determinar a intensidade da relao linear entre as duas variveis observando simplesmente a partir do valor da covarincia, pois a mesma apenas indica o sentido da relao. Para contornar essa dificuldade, Karl Pearson props uma verso padronizadada covarincia (caracterizada pela diviso da covarincia pelos desvios-padro de X e Y), que o coeficiente de correlao linear de Pearson, representado por:

Pg. 10

A covarincia apenas indica a existncia ou no de relao linear entre as variveis e, se existir, se essa positiva ou negativa. O coeficiente de correlao por sua vez, alm de fazer as mesmas indicaes que a covarincia sobre a relao linear entre as variveis, ainda a quantifica. Nota bem: O coeficiente usado para expressar o quanto os pontos se aproximam de uma recta imaginria. Um coeficiente prximo da unidade positiva ou negativa significa uma grande concentrao dos pontos em torno da recta, enquanto que um coeficiente menor significa maior disperso em relao a esta recta. Valores positivos indicam a tendncia de uma varivel aumentar quando a outra aumenta, ou diminuir quando a outra diminui. Quando o coeficiente de correlao negativo significa que a tendncia de uma varivel aumentar enquanto a outra diminui e vice-versa. Concluso: Ponto 1:

Ponto 2:

Pg. 11