Variveis Aleatrias

Henrique Dantas Neder

Instituto de Economia - Universidade Federal de Uberlndia

April 26, 2012

VARIVEL ALEATRIA DISCRETA

I O conceito de varivel aleatria est intrnsicamente
relacionado ao conceito de experimento aleatrio.

I Seja um experimento E, cujo espao amostral

para cada evento pertencente a

Podemos

relacionar um nmero X

pertencente ao conjunto dos nmeros reais.

I Uma varivel aleatria uma funo que relaciona um nmero

real a cada resultado no espao amostral de um experimento
aleatrio.

I Estamos restringindo as variveis aleatrias ao conjunto dos

nmeros reais. Mas nada impede, em princpio, que possamos
ter uma varivel aleatria denida mno conjunto dos nmeros
complexos.

I Esta relao deve ser tal que para dois eventos determinados
de

podemos ter um mesmo nmero relacionado e

pertencente a R. O contrrio no possvel (ou permitido

dentro desta denio): no podemos ter para um mesmo
evento de

dois nmeros distintos pertencentes a R.

I Ento podemos denir varivel aleatria X, uma varivel

pertencente a R tal que para cada evento de

existe um e

somente um nmero associado no espao dos nmeros reais R.

Vejamos um exemplo: seja o experimento aleatrio jogam-se
2 dados. Seja X, o nmero de caras do resultado. Ento para
cada evento de

temos uma e somente um nmero de caras.

Desta forma X uma varivel aleatria.

I Uma varivel aleatria denida como uma funo que

relaciona um valor numrico a cada ponto amostral do espao
amostral de um experimento. Cada realizao do experimento
gera um valor experimental da varivel aleatria. Este valor
experimental da varivel aleatria igual ao valor da varivel
aleatria associado ao ponto amostral que corresponde ao
resultado do experimento.

I Denio: Uma varivel aleatria discreta uma varivel que

pode assumir somente certos valores claramente separados (em
descontinuidade) resultantes, por exemplo, de uma contagem
de algum item de interesse.

I Exemplo: Seja X o nmero de caras quando uma moeda

jogada 3 vezes. Aqui os valores de X so 0,1,2 ou 3 (so

claramente separados, em descontinuidade).
Nota: uma varivel aleatria discreta no precisa necessariamente
assumir apenas valores inteiros. Poderia, por exemplo, ser uma
varivel que apresentasse os seguintes valores: 0, 23/7 , 72/25, etc.
A condio que deve ser cumprida seus valores sejam
descontnuos.

I Exemplo 1: Considere um experimento aleatrio no qual uma

moeda jogada 3 vezes. Seja X o nmero de caras. Seja H o
resultado cara e T o resultado coroa.

I O espao amostral para este experimento ser:

TTT, TTH, THT, THH, HTT, HTH, HHT, HHH

I Assim, os possveis valores de X (nmero de caras) sero: X =

0, 1, 2, 3.
Nota: Neste experimento, h 8 possveis resultados no espao
amostral. Desde que eles so todos igualemente provveis de
ocorrer, cada resultado tem uma probabilidade de 1/8 de ocorrer.

I A gura a seguir ilustra a associao existente entre resultados

do experimento (no espao amostral) e os valores assumidos
pela varivel X.

Distribuio de probabilidade
Uma distribuio de probabilidade atribuida a uma varivel
aleatria discreta uma associao que relaciona a cada valor da
varivel aleatria um nico valor de probabilidade. Assim no
exemplo de jogar duas moedas e contar o numero de caras, a
distribuio de probabilidade ser:
X

P(X)

1/4

1/2

1/4

Ento podemos dizer que uma funo de probabilidade uma

relao que estabelecemos entre cada valor da varivel aleatria e
suas respectivas probabilidades.Podemos dizer que uma distribuio
de probabilidade somente pode se referida em relao a uma
varivel aleatria discreta.

VARIVEL ALEATRIA CONTNUA

Denio: Uma varivel aleatria contnua uma varivel que

pode assumir um nmero innitamente grande de valores (com

certas limitaes prticas).

Exemplo: (a) Peso de um estudante (b) comprimento de um carro

Podemos tambm denir variveis aleatrias contnuas e um ponto
de vista terico. Esse o caso da variava aleatria normal, da
varivel aleatria uniforme contnua, da varivel t d e Student, da
varivel Qui-quadrado, etc.

Funo densidade de probabilidade

Para as variveis aleatrias discretas denimos o conceito de
distribuio de a probabilidade. E esta distribuio de probabilidade
s pode ser denida para uma varivel aleatria discreta. Para uma
varivel aleatria continua temos que denir uma funo de
densidade de probabilidade.
Seja f(x) uma funo densidade de probabilidade (ou simplemente
funo densidade). Ento esta funo dever cumprir as seguintes
propriedades.
1.
2.
3.

f (x ) 0 para qualquer x

P (a X b) = ab f (x )dx
+
f (x )dx = 1

Vejamos o exemplo da varivel aleatria contnua uniforme.

Dizemos que esta varuvel aleatria tem uma distribuio uniforme.

Ela pode ser denida como:

f (x ) = b a
1

para

aX

Uma caso particular desta distribuio seria:

f (x ) = = para 5 X 10

dx = X | =
P (7 X 9 ) =
1
10 5

1
5

9 1
7 5

9
5 7

9
5

7
5

2
5

O Valor Esperado (mdia) de uma

Distribuio de Probabilidade Discreta
I Como vimos, uma varivel aleatria qualquer varivel cujo
valor no pode ser predito exatamente.

I Uma varivel aleatria discreta aquela que tem um conjunto

especco de possveis valores.

I Um exemplo de varivel aleatria discreta o valor da soma

quando se jogam dois dados.

I Um exemplo de varivel aleatria contnua a temperatura

que ser observada em um determinado dia do ano.

I O valor esperado de uma varivel discreta a mdia

ponderadaa de todos os seus possveis valores considerando-se

como peso os valores das probabilidades de cada resultado.

I Esta mdia ponderada pode ser calculada atravs da soma

acumulada (somatrio) do produto dos valores (resultados)
por suas respectivas probabilidades.

I Em termos matemticos, se a varivel aleatria denotada por

X e seu valor esperado simbolizado por E(X), temos:

EP(X ) = x P (X = x
n x P (X = x )
i
i= i
1

) + x2 P (X = x2 ) + ... + xn P (X = xn ) =

I Vejamos o exemplo do experimento dos dois dados. Neste

caso, a varivel aleatria discreta associada a este experimento
pode assumir os valores X=1,2,...,12 com distribuio de
probabilidade dada por:

P(

2
3
4
5
6
7
8
9
10
11
12
soma

= xi )
1
36
2
36
3
36
4
36
5
36
6
36
5
36
4
36
3
36
2
36
1
36

xi P (X

= xi )

2
36
6
36
12
36
20
36
30
36
42
36
40
36
32
36
30
36
22
36
12
36
252
36

E (X ) =

=7

I Interpretao do valor esperado (ou esperana matemtica) de

uma varivel aleatria discreta: o valor esperado a mdia de
longo prazo - a mdia dos resultados de uma varivel
aleatria se pudssemos realizar o experimento um nmero
innito de vezes.

A Varincia e o Desvio Padro de uma

Distribuio de Probabilidade Discreta
I A varincia mede a quantidade de disperso ou variabilidade
de uma distribuio. Ela denotada pela letra grega

2 (sigma

ao quadrado).

I O desvio padro obtido atravs da raiz quadrada de

2.

I A varincia de uma distribuio de probabilidade discreta

calculada atravs da frmula:

V (X ) = X
2

P
(X )2 P (X )

I Outra expresso para a varincia de uma varivel aleaatria

discreta dada por:

P
P
V (X ) = X2 = P
(X )2 P (X ) = (X 2P
2X + 2 )P (X ) =
P
2
2
X P (X ) 2 XP (X ) + P (X ) = X 2 P (X ) 2
Exemplo
Uma empresa especializa-se no aluguel de carros para famlias que
necessitam de um carro adicional para um perodo curto de tempo.
O presidente da empresa tem estudado seus registros para as

ltimas 20 semanas e apresentou os seguintes nmeros de carros

alugados por semana.
X

f (semanas)

P(X)

XP(X)

10

11

12

13

5
20
6
20
7
20
2
20

50
20
66
20
84
20
26
20

Soma

20

Var (X ) = E (X

1
E (X ) = 11, 3
) 2 = 128, 6 11, 32 = .91

X P (X )

100
121
144
169

5
20
= 500
20
6
121
= 726
20
20
1008
7
=
144
20
20
2
169
= 338
20
20
128, 6

100

Alguns teoremas para a esperana

matemtica (mdia) e para a varincia

E (cX ) = cE (X )

1. Se c uma constante, ento:

2. Se X e Y so quaiquer variveis aleatrias,

E (X + Y ) = E (X ) + E (Y )

ento:

3. Se X e Y so variveis aleatrias independentes,

E (XY ) = E (X )E (Y )

ento:

4. Se c uma constante, ento:

var (cX ) = c var (X )

2

5. A quantidade

E (X a )

mnima quando:

a = = E (X )

6. Se X e Y so variveis aleatrias independentes, ento:

var (X + Y ) = var (X ) + var (Y ) e

var (X Y ) = var (X ) + var (Y )

Exemplo: Sejam X e Y variveis aleatrias associadas ao

experimento jogar dois dados e ver o resultado de ambos. X o
resultado do primeiro dado e Y o resultado do segundo dado.
Calcule o valor esperado e a varincia de X+Y e de X-Y.

xi

1
6

1
6

1
6

1
6

1
6

1
6

P (X = xi )
P
E (X ) = E (Y ) = XP (X ) = 3, 5
VAR (X ) = VAR (Y ) = E (X ) X
2

91
6

3, 52 = 2, 9167

Portanto:

E (X + Y ) = 3, 5 + 3, 5 = 7 ; E (X Y ) = 3, 5 3, 5 =
VAR (X + Y ) = VAR (X Y ) = 2, 9167 2 = 5, 8334

0;

Veja que no podemos usar o teorema 4 para calcular

V (X + Y )como sendo var (X + X ) = var (2X ) porque X no

indendente dela mesma. desta froma, o clculo produz resultado
incorreto:

var (X + X ) = var (2X ) = 2

o 2, 9167 = 11, 6788

Covarincia de duas variveis aleatrias

discretas
I Sejam X e Y duas variveis aleatrias. Dene-se covarincia de
X e Y como sendo:

cov (X , Y ) = E [(X x )(Y y )] = E (XY ) E (X )E (Y )

I Duas variveis aleatrias tem covarincia positiva quando as
mesmas covariam no mesmo sentido, ou seja, quando a
primeira se eleva a outra tambm se eleva e quando a primeira
se reduz, a segunda tambm se reduz. Duas variveis aleatrias
tem covarincia negativa quando as mesmas covariam em
sentidos opostos, ou seja, quando a primeira se eleva a outra
se reduz e quando a primeira se reduz, a segunda se eleva.

I Quando duas variveis aleatrias X e Y no so independentes,

ento:

var (X + Y ) = var (X ) + var (Y ) + 2cov (X , Y )

Exemplo: Seja o experimento aleatrio joga-se um dado e
observa-se o nmero de sua face. Seja X, o nmero da face e
Y=2X+3. Ento temos:

P(X)

1
6
1
6
1
6
1
6
1
6
1
6

soma

XY

14

27

11

44

13

65

15

90

1
2
3
4
5

soma

X+Y

12

11

15

13

18

15

21

X P (X )

Y P (Y )

1
6
1
6
1
6
1
6
1
6
1
6

1
6
1
6
1
6
1
6
1
6
1
6

1
1 = 6
2
2 = 6
3
3 = 6
4
4 = 6
5
5 = 6
6
6 = 6
E (X ) = 21
6

XY P (XY )
1
5 6
1
14 6
1
27 6
1
44 6
1
65 6
1
90 6

5
7
9
11
13
15

=
=
=
=
=
=

(X + Y ) P (X + Y )

5
6
7
6
9
6
11
6
13
6
15
6

1
6 6
1
9 6
1
12 6
1
15 6
1
18 6
1
21 6

E (Y ) = 10

E (X

5
6
= 14
6
= 27
6
= 44
6
= 65
6
= 90
6
E (XY ) = 245
6

I Vemos pela tabela acima que

E (X ) + E (Y ) =

21
6

+ 10 =

E (X + Y ) =
= E (X + Y ).

81
6

81
6

e que

6
6
= 69
= 12
6
= 15
6
= 18
6
= 21
6
+ Y ) = 81
6

I Tambm podemos calcular a covarincia de X e Y:

cov (X , Y ) = E (XY ) E (X ) E (Y ) =

245
6

21
6

10 =

35
6

I Agora vamos calcular as varincias em outro quadro:

X

X+Y

12

11

15

13

18

15

21

soma

X 2 P (X )
2

1
1
6 = 6
1
4
2 6 = 6
2
1
9
3 6 = 6
2
1
16
4 6 = 6
2
1
25
5 6 = 6
2
1
36
6 6 = 6
E (X 2 ) = 916

Y 2 P (Y )
2

25
6
49
7 = 6
2
81
9 = 6
2
121
11 = 6
2
169
13 = 6
2
225
15 = 6
E (Y 2 ) = 670
6

1
6
1
6
1
6
1
6
1
6
1
6

(X + Y )2 P (X + Y )
2

36
6
81
9 = 6
2
144
12 = 6
2
225
15 = 6
2
324
18 = 6
2
441
21 = 6
E ((X + Y )2 ) = 1251
6

1
6
1
6
1
6
1
6
1
6
1
6

I Podemos calcular a varincia de X + Y de duas formas. A

primeira a forma direta:

var (X + Y ) = E ((X + Y )

) E (X + Y )2 =

1251
6

( 81
)2 = 26, 25
6

I A segunda forma atravs de:

var (X + Y ) = var (X ) + var (Y ) + 2cov (X , Y ) =

E (X ) E (X ) + E (Y ) E (Y ) + 2cov (X , Y ) =
2

91
6

21 2
6

( ) +

670
6

(10)2 + 2

35
6

= 26, 25

I No caso deste exemplo a covarincia entre X e Y positiva e

no poderia ser de outra forma j que o coeciente angular da
reta y=2X+3 postivo e igual a 2.

I Poderiamos aproveitar esta expresso e fazer os seguintes

clculos:

var (X + Y ) = var (X + 2X + 3) = var (3X + 3) = var (3X ) =

9var (X ) = 9 (
( ) ) = 26, 25
cov (X , Y ) = cov (X , 2X + 3) = E (X (2X + 3)) E (X )E (2X + 3) =
E (2X + 3X ) E (X )(2E (X ) + 3) =
21 2
6

91
6

91
6

+3

21
6

21
6

(2

21
6

+ 3) =

35
6