Captulo 6 Variveis Aleatrias Discretas

Seo 6.1 Introduo

O autor apresenta a motivao do que foi apresentado no captulo anterior: modelo probabilstico simples para facilitar a compreenso da noo de probabilidade. Para descrever outros tipos de variveis mais complexas, sero necessrios modelos probabilsticos mais sofisticados. Nos demais pargrafos, ele apresenta o seu plano para tal: tratamento de variveis discretas neste captulo, variveis contnuas no prximo, e vrias varives no seguinte. Variveis contnuas exigem uma variao do conceito de histograma para serem tratadas. Ele cita que como h mais recursos para se estudar variveis quantitativas que qualitativas, uma estratgia recorrente a converso desta ltima nas primeiras. Mas creio que s.

Seo 6.2 O Conceito de Varivel Aleatria Discreta

O autor preferiu introduzir a noo de varivel aleatria atravs de exemplos. No exemplo 6.1, ele ilustra o caso de uma firma que ir produzir uma pea atravs da montagem de uma esfera em um cilindro. O objetivo determinar a distribuio de lucro por pea montada para estudar a viabilidade do empreendimento. Na tabela 6.1 est registrada a distribuio de produo das fbricas fornecedoras das peas. A distribuio de frequncias correspondente depender de suposies, tanto melhores quanto mais realistas. O espao amostral ilustrado atravs de um diagrama de rvore na figura 6.1 e na tabela 6.2 apresentada a distribuio de probabilidade. A moral da histria que o autor associou a cada ponto do espao amostral (constitudo no caso por cada possvel combinao dentre esferas e cilindros bons, curtos e longos) um nmero; a saber o lucro correspondente (por isto importante a determinao do espao amostral), e dada esta associao; a cada lucro foi associada uma probabilidade (dada a distribuio de frequncias dos pontos amostrais). Esta a importncia de se estabelecer um espao amostral. A suposio a qual o autor se referiu foi a de que os eventos so independentes, e isto possibilita a determinao da probabilidade da montagem de cada pea. A associao de cada valor assumido pela varivel aleatria a uma probabilidade denominada de funo de probabilidade da varivel aleatria. No exemplo 6.2, o autor trata do mesmo sistema, mas com uma varivel aleatria diferente: desta vez os pontos amostrais so associados ao custo de recuperao de cada pea. Novamente, a hiptese a ser feita para determinao da probabilidade de que os eventos so independentes. No exemplo 6.3, a ilustrao da varivel aleatria X: nmero de bolas vermelhas obtidas nas duas extraes, e no exemplo 6.4, Y: nmero de caras obtidas nmero lanamento de duas moedas. O autor conclui esta seo definindo o que varivel aleatria e a funo de probabilidade de varivel aleatria. A notao compacta que pode ser usada para definir a varivel aleatria X xi (xi ); ou a convencional, X : R/X(i) = xi. A probabilidade de um evento dada por : P ( X = x i )= P ( A) . Neste caso, A tal que A={ i }/i A X (i )= x i. A definio de funo de probabilidade da varivel aleatria discreta simples: a funo p ( x i )= P ( X = x i )= pi.

Seo 6.3 Valor Mdio de Uma Varivel Aleatria Discreta

O autor introduziu o conceito atravs do exemplo 6.5 (baseado no exemplo 6.1) e a seguir, apresentou a definio: E ( x )= xi P ( X = x i )= x i pi .
i=1 i =1 n n

Na sequncia, apresentou a definio de varincia de varivel aleatria: Var ( X )= [ x i E ( X )]2 p i ;

i =1 n

e o desvio padro correspondente, que a raiz quadrada da varincia. Como observao, ressaltou que h casos em que a varivel aleatria assume uma infinidade de valores, porm sendo um conjunto enumervel, sendo neste caso a soma das infinitas probabilidades deve ser normalizada e os conceitos de valor mdio e varincia adaptados para serem somas infinitas convergentes.

Seo 6.4 Algumas Propriedades do Valor Mdio

O autor ilustra algumas propriedades do valor mdio atravs de exemplos. Nmero exemplo 6.7, ele ilustra como se calcula o valor mdio de uma varivel aleatria que foi multiplicada por 2 e logo em seguida, de uma que foi elevada ao quadrado. Aps isto, ele define o valor mdio de uma transformao de varivel aleatria: E ( X )=i h ( x i) p ( x i ) . Por fim, apresenta as propriedades (a) e (b): ( a ) E ( aX + b )=aE ( X )+ b ; ( b ) Var ( aX + b )= a 2 Var ( X ) .

Seo 6.5 Funes de Distribuio Acumulada

Nesta breve seo, o autor registrou a definio de funo de distribuio acumulada de uma varivel acumulada, dada pela soma das frequncias dos pontos amostrais correspondentes ao valor da v.a. menores ou iguais ao desejado. O conhecimento da f.d.a implica no conhecimento da f.p. de X, bastando para isto fazer a diferena dentre o valor desejado da varivel e o do seu limite lateral a esquerda.

Seo 6.6 Alguns Modelos Probabilsticos para Variveis Aleatrias Discretas

Nesta seo, o autor apresentou uma motivao do estudo de alguns modelos de variveis discretas. Ele ressaltou que podem ser aplicveis em vrios casos, sendo muito teis para modelar o sistema e extrair dele as informaes estatsticas de interesse. interessante ressaltar: em cada seo, deve aparecer sob que condies cada modelo pode ser aplicado.

Seo 6.6.1 Distribuio Uniforme Discreta

O autor apresentou o modelo mais simples de todos, no qual o espao amostral equiprovvel, decorrendo disto as seguintes propriedades: 1 Funo de distribuio de probabilidades : ( x , p ( x ))/ p ( x i )= , k =# {} , k 1 E ( X )= i x i , k 1 2 Var ( X )= i x 2 i E ( X ) , k 1 F ( X xi )= n ( x ) , n ( x )=X x 1. k

Seo 6.6.2 Distribuio de Bernoulli

A seguir, o autor apresentou a distribuio a ser aplicada no caso da varivel aleatria ser

dicotmica, ou seja, assumir apenas dois valores; a saber 1, associado a probabilidade p, atribuda quando um determinado atributo est presente (como por exemplo uma pea produzida por uma fbrica ser defeituosa); e 0, associados a probabilidade 1 - p, atribuda a ausncia do atributo. usual denotar os dois eventos atravs dos termos sucesso e fracasso. As propriedades matemticas deste modelo registradas no texto so: E ( X )= p , Var ( X )= p ( 1 p ) , 0, se x i < 0 F ( X x i)= 1 p , se 0 x i< 1 . p , se x i=1

Seo 6.6.3 Distribuio Binomial

O autor apresentou a distribuio binomial como uma extenso do ensaio de Bernoulli. Ela se aplica a n ensaios de Bernoulli, ou em uma amostra simultnea de n deles, ou um ensaio repetido n vezes. Os eventos tem que ser independentes e a probabilidade de sucesso tem que se manter invarivel. Nestes casos, somente importa o nmero k de sucessos, e dados os parmetros tamanho da amostra n e probabilidade de ocorrncia de sucesso p, vale que P ( X =k )= n pk q n k . k Tambm se usa a notao b(k; n, p) e X ~ b(n, p) para a funo de distribuio de probabilidade binomial e para a prpria distribuio binomial, respectivamente. O autor no demonstrou e eu no o farei aqui, pois o senhor Reif j registrou tal demonstrao em sua obra (que envolve o conceito de derivadas) e por isto, remeto para aquela obra a tarefa de verificar se verdade que E(X) = np e Var(X) = npq.

()

Seo 6.6.4 Distribuio Hipergeomtrica

Para casos em que a varivel dicotmica e no h reposio, a distribuio hipergeomtrica a indicada. Sejam N objetos de dois tipos de atributos, digamos A e B, r dos quais so do tipo A, e N r so do tipo B. Se um grupo de n elementos extrado ao acaso, a probabilidade de que k deles sejam do tipo A dada pelo princpio multiplicativo: r N r k n k pk = . N n

( )( ) ( )

Os pares (k, pk) constituem a distribuio hipergeomtrica de probabilidades. A v.a. X nmero de elementos da amostra que tem o atributo A descrita por P(X = k) = pk. E(X) = np, e Var(X) = np(1 p)(N n)/(N-1), sendo p = r/N. Para valores de N muito grandes, a no reposio no faz diferena, e os resultados desta distribuio convergem para os mesmos resultados da distribuio binomial, ou seja, a distribuio binomial oferece uma descrio muito boa do sistema. Notao: X ~ hip(N, r, n)

Seo 6.6.5 Distribuio de Poisson

Esta distribuio pode ser aplicada nos mesmos casos em que os a distribuio binomial possa ser, desde que o nmero n de elementos do espao amostral muito grande. Em especial, a convergncia tanto melhor quanto menor for o produto npk. Neste caso, a distribuio binomial converge para a de Poisson. enp ( np )k e () k P ( N = k )= = . k! k! Nesta expresso, o nmero mdio de eventos. Denota-se a varivel aleatria N com distribuio de Poisson de parmetro por N ~ Pois().