UNIVERSIDADE FEDERAL DO MARANHO

CENTRO DE CINCIAS EXATAS E TECNOLOGIA

DEPARTAMENTO DE ENGENHARIA DE ELETRICIDADE

CURSO: ENGENHARIA ELTRICA
_______________________________________________________


DISCIPLINA: PROCESSOS ESTOCSTICOS











_______________________________________________________

Funes de Variveis Aleatrias
2.9.1 Caso Unidimensional
2.9.2 Caso Multidimensional
_______________________________________________________





Obs.: Em sala de aula, estamos usando a sigla do Ingls
pdf ("probability density function").
Variveis Aleatrias 57
onde g(X) alguma funo de X. Chamemos a fdp desejada de f
Y
(y).
Teorema 2.13. Sejam duas v.a.s X e Y , com Y = g(X). Nestas condies, a fdp
de Y dada por
f
Y
(y) =
f
X
(x)
|g

(X)|

x=g
1
(y)
Demonstrao. Inicialmente, vamos analisar os grcos da Figura 2.11.
a)
b)
c)
X X Y
Y
x y
Y = g(X)
f
X
(x) X f
Y
(y) Y
Figura 2.11: a) Dependncia entre X e Y, b) f
X
(x), e c) f
Y
(y).
Se X sofre uma variao X 0, e a variao correspondente em Y dada por
Y , ento bvio que a probabilidade de observar X no intervalo [x, x+x] a mesma
de observar Y no intervalo [y, y+y]. Mas estas probabilidades so dadas por f
X
(x)x
e f
Y
(y)y, respectivamente. Portanto
lim
x0
f
X
(x)x = f
Y
(y)y (2.48)
Propriamente falando a equao acima deveria ser expressa como
lim
x0
f
X
(x)|x| = f
Y
(y)|y| (2.49)
pois as probabilidades so iguais s magnitudes das reas sob X e Y , respectiva-
mente. Desta forma
f
Y
(y) =
f
X
(x)

dY
dX

=
f
X
(x)
|g

(X)|
(2.50)
Observe que f
Y
(y) uma funo de y. Desta forma, no lado direito da equao
acima, a varivel x deve ser expressa em termos de y. Assumindo que y = g(x) tem
uma inversa x = g
1
(y), temos
f
Y
(y) =
f
X
(x)
|g

(X)|

x=g
1
(y)
(2.51)
58 Variveis Aleatrias
Exemplo 2.11. A funo densidade de probabilidade de uma varivel aleatria X
dada por
f
X
(x) =
_
_
_
x
2
81
, 3 < x < 6
0, caso contrrio
Calcule a funo densidade de probabilidade da varivel aleatria U =
1
3
(12 x).
Soluo. Neste caso, g(x) = 1/3(12 x). Assim, a derivada e a inversa de g(x) so
dadas por:
g

(x) =
1
3
(0 1) =
1
3
g
1
(U) = 12 3U
Aplicando o Teorema 2.13, temos:
f
U
(u) =
X
2
81

1
3

g
1
(U)
=
x
2
27

g
1
(U)
=
(4 U)
2
3
Ainda, para X variando no intervalo (3, 6), U varia no intervalo (2, 5), e a soluo
nal ento dada por:
f
U
(u) =
_
_
_
(4 u)
2
3
, 2 < u < 5
0, caso contrrio
Exemplo 2.12. Considere a v.a. Y denida como Y = aX + b, a > 0. Se X tem fdp
dada por f
X
(x), encontre a fdp de Y em termos da fdp de X.
Soluo. Na Figura 2.12a) tem-se o mapeamento de X contra Y . Notamos que este
mapeamento linear e monotnico. Sejam F
X
(x) e F
Y
(y) as fdcs para X e Y , respec-
tivamente. Ento
F
Y
(y) = P[Y y] = P[aX+b y] = P
_
X
y b
a
_
=
_ yb
a

f
X
(x)dx = F
X
_
y b
a
_
Derivando a equao acima em relao a y, obtemos a relao entre as respectivas
fdps
f
Y
(y) =
1
a
f
X
_
y b
a
_
Ou seja, se a fdp de X da forma da Figura 2.12b), a fdp de Y ser aquela mostrada
na Figura 2.12c).
Uma outra forma de resolver este problema aplicando diretamente o Teorema 2.13.
Neste caso, temos:
Obs.: Em sala de aula, estamos usando a sigla do
Ingls cdf ("cumulative distribution function").
Variveis Aleatrias 59
a) b)
c)
X
Y
x y -1
0 1
1
f
X
(x)
f
Y
(y)
b a b b + a
Y = aX + b, a > 0
1
a
Figura 2.12: Uma transformao da v.a. X e um exemplo das fdps correspondentes de
X e Y .
f
Y
(y) =
f
X
(x)
g

(x)

x=g
1
(y)
=
f
X
(x)
a

x=(yb)/a
=
1
a
f
X
_
y b
a
_
At agora assumiu-se implicitamente que existe uma correspondncia biunvoca en-
tre X e Y ou seja, existe apenas um valor de X para um dado Y , e vice-versa. Se, por
outro lado, para um dado valor de Y existir mais de um valor de X, as equaes acima
devem ser modicadas. O seguinte corolrio trata deste caso:
Corolrio 2.14. Quando a equao Y = g(X) tem duas razes, x
1
e x
2
, a fdp f
Y
(y)
dada por
f
Y
(y) =
f
X
(x
1
)
|g

1
(x
1
)|

x
1
=g
1
1
(y)
+
f
X
(x
2
)
|g

2
(x
2
)|

x
2
=g
1
2
(y)
Demonstrao. Considere a relao Y = g(X) mostrada na Figura 2.13.
x
y
g
1
(x
1
)
g
2
(x
2
)
y
x
1 x
2
x
1 x
2
Figura 2.13: Funo de uma v.a. com duas razes.
Nesta Figura, para um dado valor de Y existem dois valores correspondentes para
X. Ento a equao Y = g(X) tem duas razes, x
1
e x
2
. Vamos quebrar esta funo
em duas outras, cada qual com uma nica raiz: Y = g
1
(X
1
) e Y = g
2
(X
2
).
Note que agora temos uma correspondncia unvoca entre X e Y em cada uma
destas funes. Ento x
1
e x
2
so funes de y com uma nica raiz. Chamemos as
60 Variveis Aleatrias
relaes inversas de x
1
= g
1
1
(y) e x
2
= g
1
2
(y).
Da Figura 2.13 temos que Y est no intervalo (y, y+y) quando x
1
est no intervalo
(x
1
, x
1
+ x
1
) ou quando x
2
est no intervalo (x
2
, x
2
+ x
2
). Os dois ltimos eventos
so mutuamente exclusivos, pois X pode assumir o valor x
1
ou o valor x
2
mas no
ambos. Desta forma, temos
f
Y
(y)|y| = lim
x
1
0
x
2
0
(f
X
(x
1
)|x
1
| + f
X
(x
2
)|x
2
|) (2.52)
f
Y
(y) =
f
X
(x
1
)
|g

1
(x
1
)|

x
1
=g
1
(y)
+
f
X
(x
2
)
|g

2
(x
2
)|

x
2
=g
1
(y)
(2.53)
Se existirem n valores de X para um dado valor de Y , podemos estender este resul-
tado para o seguinte corolrio:
Corolrio 2.15. Quando a equao Y = g(X) tem n razes, x
1
, . . . , x
n
, a fdp f
Y
(y)
dada por
f
Y
(y) =
f
X
(x
1
)
|g

1
(x
1
)|

x
1
=g
1
1
(y)
+ +
f
X
(x
n
)
|g

n
(x
n
)|

xn=g
1
n
(y)
onde x
1
, x
2
, . . . , x
n
so os valores de X quando Y = y.
Exemplo 2.13. Considere a v.a. Y denida como Y = aX
2
+b, a > 0. Se X tem fdp
dada por f
X
(x), encontre a fdp de Y em termos da fdp de X.
Soluo. Na Figura 2.14 temos o mapeamento de Y em relao a X.
Figura 2.14: Uma transformao quadrtica da v.a. X.
Para determinar a fdc de Y , observamos que
F
Y
(y) = P[Y y] = P[aX
2
+b y] = P[|X|
_
y b
a
]
e ento
Variveis Aleatrias 61
F
Y
(y) = F
X
_
_
y b
a
_
F
X
_

_
y b
a
_
Derivando a equao acima em relao a y, obtemos a fdp de Y em termos da fdp de X
f
Y
(y) =
f
X
_
_
yb
a
_
2a
_
yb
a
+
f
X
_

_
yb
a
_
2a
_
yb
a
Utilizando agora o Corolrio 2.9.1, temos: a equao g(X) = aX
2
+ b = y tem duas
solues reais x
1
=
_
yb
a
e x
2
=
_
yb
a
, e portanto, f
Y
(y) consiste de dois termos
correspondentes a estas duas solues
f
Y
(y) =
f
X
_
x
1
=
_
yb
a
_

X
_
x
1
=
_
yb
a
_

+
f
X
_
x
2
=
_
yb
a
_

X
_
x
2
=
_
yb
a
_

=
f
X
_
_
yb
a
_
2a
_
yb
a
+
f
X
_

_
yb
a
_
2a
_
yb
a
2.9.2 Caso Multidimensional
Teorema 2.16. Considere duas v.a.s X e Y e sua fdp conjunta f
XY
(x, y). Sejam
U e V outras duas v.a.s relacionadas a X e Y por U = U(X, Y ) e V = V (X, Y ).
Suponha que tanto U como V assumem valores nicos para valores particulares de X
e Y , e vice-versa. Ento
f
UV
(u, v) =
f
XY
(x, y)
J
_
u, v
x, y
_
Demonstrao. Considere duas v.a.s X e Y e sua fdp conjunta f
XY
(x, y). Sejam U e
V outras duas v.a.s relacionadas a X e Y por U = U(X, Y ) e V = V (X, Y ). Suponha
que tanto U como V assumem valores nicos para valores particulares de X e Y , e vice-
versa. Similarmente ao caso unidimensional, para obter f
UV
(u, v) a partir de f
XY
(x, y),
observe que
f
UV
(u, v)|dudv| = f
XY
(x, y)|dxdy| (2.54)
Portanto
f
UV
(u, v) =
f
XY
(x, y)

dudv
dxdy

(2.55)
A relao entre os dois elementos de rea nos dois sistemas de coordenadas pode ser
expressa em termos do Jacobiano como
62 Variveis Aleatrias
dudv = J

u, v
x, y

dxdy (2.56)
onde J o Jacobiano da transformao, dado pelo determinante
J

u, v
x, y

u
x
u
y
v
x
v
y

(2.57)
Portanto
f
UV
(u, v) =
f
XY
(x, y)
J

u, v
x, y
(2.58)
Note que para que o Jacobiano exista as derivadas parciais de u e v em relao a x
e a y devem tambm existir.
Teorema 2.17. Se X e Y so funes de mltiplos valores, isto , se
(x
1
, y
1
), (x
2
, y
2
), . . . , (x
n
, y
n
) so as solues das equaes U = U(X, Y ) e V =
V (X, Y ) ento
f
UV
(u, v) =
f
XY
(x
1
, y
1
)

u, v
x
1
, y
1

+
f
XY
(x
2
, y
2
)

u, v
x
2
, y
2

+ +
f
XY
(x
n
, y
n
)

u, v
x
n
, y
n

(2.59)
O resultado acima pode ser estendido a qualquer nmero de variveis. Suponha
que temos n v.a.s X
1
, X
2
, . . . , X
n
com uma fdp conjunta f
X
1
X
2
Xn
(x
1
, x
2
, . . . , x
n
).
Desejamos encontrar a fdp conjunta f
Y
1
Y
2
Yn
(y
1
, y
2
, . . . , y
n
) de n v.a.s relacionadas
com X
1
, X
2
, . . . , X
n
por
Y
i
= Y
i
(X
1
, X
2
, . . . , X
n
), i = 1, 2, . . . , n
X
j
= X
j
(Y
1
, Y
2
, . . . , Y
n
), j = 1, 2, . . . , n
Assume-se que todas essas funes sejam de valor nico e com derivadas parciais
contnuas em todos os pontos. Assim, temos
f
Y
1
Y
2
Yn
(y
1
, y
2
, . . . , y
n
)|dy
1
, dy
2
, . . . , dy
n
| =
f
X
1
X
2
Xn
(x
1
, x
2
, . . . , x
n
)|dx
1
, dx
2
, . . . , dx
n
| (2.60)
Portanto
Variveis Aleatrias 63
f
Y
1
Y
2
Yn
(y
1
, y
2
, . . . , y
n
) =
f
X
1
X
2
Xn
(x
1
, x
2
, . . . , x
n
)

dy
1
, dy
2
, . . . , dy
n
dx
1
, dx
2
, . . . , dx
n

(2.61)
A razo dos elementos de rea dada pelo Jacobiano da transformao J

y
1
,...,yn
x
1
,...,xn

dy
1
, dy
2
, . . . , dy
n
= J

y
1
, y
2
, . . . , y
n
x
1
, x
2
, . . . , x
n

dx
1
, dx
2
, . . . , dx
n
(2.62)
onde
J

y
1
, y
2
, . . . , y
n
x
1
, x
2
, . . . , x
n

y
1
x
1
y
1
x
2
. . .
y
1
x
n
y
2
x
1
y
2
x
2
. . .
y
2
x
n
.
.
.
.
.
.
.
.
.
.
.
.
y
n
x
1
y
n
x
2
. . .
y
n
x
n

(2.63)
Portanto
f
Y
1
Y
2
Yn
(y
1
, y
2
, . . . , y
n
) =
f
X
1
X
2
Xn
(x
1
, x
2
, . . . , x
n
)
J

y
1
, y
2
, . . . , y
n
x
1
, x
2
, . . . , x
n
(2.64)
Pode-se mostrar que
J

y
1
, y
2
, . . . , y
n
x
1
, x
2
, . . . , x
n

=
1
J

x
1
, x
2
, . . . , x
n
y
1
, y
2
, . . . , y
n
(2.65)
Se Y
1
, Y
2
, . . . , Y
n
so funes de mltiplos valores de X
1
, X
2
, . . . , X
n
, uma equao
similar a (2.59) deve ser utilizada. (Qual ?)
Exemplo 2.14. Para ilustrar o exemplo de transformao de uma fdp de segunda or-
dem, considere o caso do arremesso de um dardo. Assuma que ambas as variveis X e Y
que descrevem as coordenadas de um ponto onde o dardo atinge o alvo so independentes
e tem fdps normais (gaussianas)
f
X
(x) =
1

2
2
e
x
2
2
2
e f
Y
(y) =
1

2
2
e
y
2
2
2
Encontre a fdp f
R
(r, ) onde R a distncia do ponto origem e o ngulo do
ponto em relao ao eixo x. As relaes entre as variveis so as seguintes:
R =

X
2
+ Y
2
e = arctg

Y
X

Soluo.
J

R,
X, Y

R
X
R
Y

64 Variveis Aleatrias
Assim, a fdp f
R
(r, ) pode ser escrita como
f
R
(r, ) =
f
XY
(x, y)

r,
x,y

=
r
2
2
e

x
2
+y
2
2
2
=
r
2
2
e

r
2
2
2
A varivel no aparece na equao acima. Isto quer dizer que as variveis R e
so independentes e f

() precisa ser uma constante. Desde que varia no intervalo

[0, 2], evidente que f

() uma constante de modo a termos

2
0
f

()d = 1.
Portanto
f
R
(r, ) =

1
2

2
e

r
2
2
2

= f
R
(r)f

()
onde
f

() =

1
2
, 0 < < 2
0, caso contrrio
f
R
(r) =
r

2
e

r
2
2
2
f
R
(r) conhecida como funo densidade de Rayleigh.
r 0
f
R
(r)
-
6
............................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................... .............
.............
.............
.............
.............
.............
.............
.............
.............
Figura 2.15: Funo densidade de probabilidade de Rayleigh.
2.10 Exerccios
1. A funo densidade de probabilidade da amplitude de um certo sinal (em volts)
dada por
f
X
(x) = xe
x
u(x)
(a) Qual a probabilidade da amplitude do sinal ser maior que 1 volt?
(b) Qual a probabilidade de observar a amplitude do sinal na faixa de 1 a 2
volts?
Resp: a) 2e
1
b) 2e
1
3e
2
64 Variveis Aleatrias
Assim, a fdp f
R
(r, ) pode ser escrita como
f
R
(r, ) =
f
XY
(x, y)

r,
x,y

=
r
2
2
e

x
2
+y
2
2
2
=
r
2
2
e

r
2
2
2
A varivel no aparece na equao acima. Isto quer dizer que as variveis R e
so independentes e f

() precisa ser uma constante. Desde que varia no intervalo

[0, 2], evidente que f

() uma constante de modo a termos

2
0
f

()d = 1.
Portanto
f
R
(r, ) =

1
2

2
e

r
2
2
2

= f
R
(r)f

()
onde
f

() =

1
2
, 0 < < 2
0, caso contrrio
f
R
(r) =
r

2
e

r
2
2
2
f
R
(r) conhecida como funo densidade de Rayleigh.
r 0
f
R
(r)
-
6
.
.
..
..
....
.
..
.....
....
.
...
....
..
.
..
....
...
.
...
..
.
....
....
....
....
....
......
....
.
.
..
..
.
...
..................................................
.......
....
.............
....
...
.............
................................................................................................................ ..
...
.
..
...
.
..
...
.
..
...
.
..
.
..
...
.
..
..
..
..
..
..
..
..
..
..
Figura 2.15: Funo densidade de probabilidade de Rayleigh.