´

Aplicando-se o Teorema Fundamental do Calculo, obtemos

F'(x) = f(x)

´
Exemplo: Suponha que um v.a. continua X tenha f.d.a. dada por:

F(x) = 1  e-x para x  0

Determinar a f.d.p. f(x).

Sol: Neste caso, F'(x) = e-x para x  0

Logo, a f.d.p. de X sera´ f(x) = e-x se x  0

3.5 Esperanca
¸ de uma v.a.
~o: Seja X uma v.a. discreta assumindo os valores x , x , . . . , com funcao
Definiça ¸~ de
 
probabilidade p(xi ).
Denominamos Esperanca ´
¸ Matematica ´
(Media ou Valor Esperado) de X, denotada
por E(X), ao valor:

E(X) =  xi .p(xi )
i=1
 
´
desde que a serie  xi .p(xi ) covirja absolutamente, i.e.,
´  |xi |.p(xi )  
i=1 i=1

¸~ de probabilidades de uma v.a. X, dada a seguir;

Exemplo: Consideremos a distribuicao

X p(x)
-----------
0 1/4
1 1/2
2 1/4
-----------

Determinar a esperanca
¸ E(X) da v.a. X.

3
Sol: E(X) =  xi .p(xi ) = 0 . 1
4 +1. 1
2 +2. 1
4 = 1.
i=1

Portanto, X = 1 e´ o valor medio ¸~

´ da distribuicao.

29
 ~o: Seja X uma v.a. continua
Definiça ´ com f.d.p. f(x).
A Esperanca ´
¸ Matematica ´ ou Valor Esperado) de X e´ definida como
(Media


E(X) =  x.f(x).dx
-

´
NOTA: Pode acontecer que esta integral (impropria) ~ convirja. Consequentemente,
nao
diremos que E(X) existira´ se, e somente se,


E(X) =  x.f(x).dx  
-

Exemplo: Suponhamos que X seja o tempo (em minutos) durante o qual um equipamento
´
eletrico ´
seja utilizado em maxima ´
carga, em um certo periodo de tempo especificado.
´
Suponhamos que X seja uma v.a. continua com a seguinte f.d.p.


 1
se 0  x  1500
(1500) x
1
f(x) =  (1500)  (x  3000) se 1500  x  3000

 0 cc
Determinar E(X).

Sol:

 1500 3000
E(X) =  x.f(x).dx = 1
(1500) .  x.x.dx  1
(1500) .  (x  3000).dx = 1500 minutos
- 0 1500

PROPRIEDADES DE ESPERANÇA:

~
1) Se X = c , onde c e´ uma constante, entao E(X) = c ´ E(c) = c)
(i.e,

~
2) Seja X uma v.a. e c   uma constante, entao

E(c.X) = c.E(X)

30
 ~
3) a) Sejam X e Y duas v.a's. quaisquer, entao

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

~
b) Sejam X , X , . . . , Xn v.a's., entao

E(X + . . . + Xn ) = E(X ) + . . . + E(Xn )

~ v.a's. independentes entao

4) Se X e Y sao ~ E(X.Y) = E(X).E(Y)
´
prova: Provaremos apenas para o caso continuo.

  
1) E(X) =  x.f(x).dx =  c.f(x).dx = c. f(x).dx = c.1 = c
- - -
 
2) E(c.X) =  (c.x).f(x).dx = c. x.f(x).dx = c.E(X)
- -

¸~ de 3) a) e b) e 4) serao
3) As demonstracoes ~ vistas mais tarde.

^
3.6 Variancia de uma v.a.
~o: Seja X uma v.a..
Definiça
^
Definimos Variancia de X, var(X) ou X , por


var(X) = EX - E(X)

~ de X por X =  var(X)
Denominamos Desvio-Padrao

NOTA: O n-o var(X) e´ expresso por unidades quadradas de X, isto e,

´ se X for medida em
~ var(X) e´ expressa em (horas) .
horas, entao
~ ele e´ expresso na mesma
Este e´ um motivo para considerarmos o desvio-padrao;
unidade que X.


TEOREMA: var(X) = E(X ) - E(X)

 
prova: var(X) = EX - E(X) = EX  2.X.E(X) + E(X)  =
 
= E(X )  E2.X.E(X) + EE(X)  = E(X )  2.E(X).E(X) + E(X) =

= E(X )  E(X)

31
 ¸~ de probabilidade da v.a. X dada por
Exemplo Consideremos a distribuicao
------------
x p(x)
------------
0 1/4
1 1/2
2 1/4
-----------
Determinar var(X) e X .


Sol: var(X) = E(X ) - E(X)


NOTA: E(X ) =  xi .p(xi )
i=1

E(X) = 1
3
E(X ) =  xi .p(xi ) = 0 . 1
4 + 1 . 1
2 + 2 . 1
4 = 3
2 .
i=1
3 1
Portanto, var(X) = 2 -1= 2

1 + x se -1  x  0
Exemplo: Seja f(x) =
1  x se 0  x  1
Obter var(X).

Sol:


NOTA: E(X ) =  x .f(x).dx
-

Em virtude da simetria de f(x), E(X) = 0.

0 1
E(X ) =  x .(1 + x).dx +  x .(1 + x).dx = 1
6 .
-1 0

1 1
Logo, var(X) = 6  0= 6 .

32
 ^ NCIA:
PROPRIEDADES DE VARIA

~
1) Se c for uma constante, entao:

i) var(X + c) = var(X) ii) var(c.X) = c .var(X)

~
2) Sejam X e Y duas v.a's. quaisquer, entao

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

onde cov(X , Y) = E(X.Y)  E(X).E(Y)

~
3) a) Se X e Y forem v.a's. independentes, entao

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

~
b) Se X , X , . . . , Xn v.a's., independentes, entao

var(X + . . . + Xn ) = var(X ) + . . . + var(Xn )

prova:

  
1) var(X  c)  E(X  c)  E(X + c)  EX  c  E(X)  c  EX  E(X) 
var(X)

 
2) var(c.X) = E(c.X)  - E(c.X) = Ec .X  - c.E(X) = c .E(X ) -
 
c .E(X)  c E(X ) - E(X)  = c var(X)

¸~ de Variavel
3.7 Funcao ´ Aleatoria
´

Sejam  um espaco ´ definida em  .

´ aleatoria
¸ amostral e X uma variavel
~
Seja y = H(x) uma funcao
¸ real de x.
~ Y = H(X) tambem
Entao, ´ e´ uma variavel ´ definida em .
´ aleatoria

33
CASO 1) Seja X uma v.a. discreta com funcao¸~ de probabilidade p(xi ) e Y = H(X) uma
¸~ real de X. Neste caso Y tambem
funcao ´ sera´ uma v.a. discreta.

Sejam xi , xi2 , . . . ., xik , . . . os valores de X tais que H(xij ) = yj para todo j.
~ a funcao
Entao, ¸~ de probabilidade da v.a. Y e´ dada por;

q(yi ) = P{Y=yi } = p(xi ) + p(yi ) + . . .

´ para calcular a probabilidade do evento {Y=yi }, acha-se o evento equivalente em

isto e,
termos de X (no contradominio ´ RX ) e em seguida adicionam-se todas as probabilidades
correspondentes (veja a fig. abaixo).

´
Exemplo: Admita-se que X tenha os valores possiveis 1, 2, . . . , n . . .
n
Suponha-se que P{X = n} = (1/2) .
¸~ dada por,
Seja Y = H(X) uma funcao

1 se X for par
Y=
- 1 se X for ´impar

¸~ de probabilidades de Y.
Determinar a distribuicao

Sol: Y toma dois valores -1 e 1.

Desde que Y = 1 se, e somente se, X = 2 ou X = 4 ou X = 6, ou . . ., temos,

1 1 1 1
P{Y = 1} = P{X = 2} + P{X = 4} + P{X = 6} + . . . = 4 + 16 + 64 +...= 3

Consequentemente, P{Y = -1} = 1 - 31 = 32 .

¸~ de probabilidades para a v.a. Y,
Logo, obtemos a seguinte distribuicao

Y p(y)
-----------
-1 2/3
1 1/3
-----------

34
 ´
CASO 2) Seja X uma v.a. continua com f.d.p. f(x) e f.d.a. F(x).
¸~ continua
Seja H(x) uma funcao ´ ´
inversivel.
´
Consequentemente Y = H(X) sera´ uma v.a. continua, e nossa tarefa sera´ obter sua
f.d.p. g(y).

Procedimento Geral:

¸~ de distribuicao
a) Obter G, a funcao ¸~ acumulada de Y, na qual

G(y) = P{Y  y} = P{H(X)  y} = P{X  H- (y)} = F(H- (y))

¸~ a y, a fim de obter g(y).

b) Derivar G(y) em relacao

´ de Y, para os quais g(y)  0.

c) Determinar aqueles valores de y, no contradominio

2.x se 0  x  1
Exemplo: Suponhamos que X tenha f.d.p. f(x) =
0 ´
caso contrario

Seja H(x) = 3x + 1, obter a f.d.p. de Y = H(X).

Sol:

(y-1)/3 
y-1
G(y) = P{Y  y} = P{3X + 1  y} = PX  3  = F y 3- 1  =  2x.dx =  y 3- 1 
0

´
Dai, g(y) = G'(y) = 2
.(y - 1)
9

Desde que f(x)  0 para 0  x  1, encontramos que g(y)  0 para 1  y  4.

Teorema: Seja X uma v.a. continua´ com f.d.p. f(x), onde f(x)  0, para a  x  b.
Suponha que y = H(x) seja uma funcao ¸~ estritamente monotona
´ ´ para
e derivavel
~
todo x. Entao, a v.a. Y definida como Y = H(X) tem uma f.d.p. g(y) dada por

g(y) = f(x).  dx
dy 

onde x e´ expressa em termos de y.

¸~ estritamente crescente. Dai,

prova: a) Suponhamos que H seja uma funcao ´

35
 G(y) = P{Y  y} = P{H(X)  y} = P{X  H- (y)} = FH- (y)
¸~ a y, obteremos com o emprego da regra da
Derivando G(y) com relacao
¸~ de funcao
derivacao ¸~ composta,
dG(y) dG(y) dx
dy = dx . dy
Ou seja,
dF(x) dx
G'(y) = dx . dy = f(x). dx
dy , onde x = H- (y)

~
b) Se H for decrescente, entao,

G(y) = P{Y  y} = P{H(X)  y} = P{X  H- (y)} = 1  P{X  H- (y)} = 1  FH- (y)
´
Procedendo de forma analoga,

dG(y) d1  F(x)

G'(y) = dx . dx
dy = dx . dx
dy =  f(x). dx
dy , onde x = H- (y)

2.x se 0  x  1
Exemplo: Suponhamos que X tenha f.d.p. f(x) =
0 ´
caso contrario

Seja Y = e-x uma v.a. Determinar a f.d.p. de Y.

Sol: Por Teorema, g(y) = f(x).  dx

dy 

y = e-x  x =  ln y
dx 1
dy =  y

1
Logo, g(y) = 2.(-ln y). y
~
Entao,
-2.ln y
g(y) = y , e-  y  1

NOTA: Se Y = H(X) nao ~ for uma funcao ¸~ inversivel

´ ~ podemos aplicar o
de X, nao
procedimento acima. Em vez disso, procederemos como no exemplo a seguir.

1
2 se -1  x  1
Exemplo: Suponhamos que f(x) =
0 ´
caso contrario

Seja H(x) = x , determinar a f.d.p. g(y) da v.a. Y = H(X).

~ e´ uma funcao
Sol: Obviamente H(x) = x nao ¸~ inversivel
´ sobre o intervalo [-1, 1] (ver fig.
abaixo).

36
 Por isso, obteremos a f.d.p de Y = X do seguinte modo:
y
G(y) = P{Y  y} = P{X  y} = P -y  X  y = F(y ) - F(-  y) = 2 -
y
- 2  = y , para 0  y  1

1 se x  1
¸~ de distribuicao
¸~ acumulada da v.a. X.
x
onde F(x) = 2 se -1  x  1 e´ a funcao

0 se x  - 1

d 1
Logo, g(y) = G'(y) = dy
y = 2.y , 0  y  1.

3.8 Esperanca ¸~ de Variavel

¸ de Funcao ´ Aleatoria
´

¸~ de X.
TEOREMA: Sejam X uma v.a. e Y = H(X) uma funcao

¸~ de probabilidade p(x), entao

a) Se X e´ uma v.a. discreta com funcao ~


E(Y) = E(H(X)) =  H(xi ).p(xi )
i=1

´
b) Se X e´ uma v.a. continua ~
com f.d.p. f(x) , entao


E(Y) = E(H(X)) =  H(x).f(x).dx
-

¸~ de probabilidades dada por

Exemplo 1) Consideremos a distribuicao

X p(x)
------------
15 0.56
10 0.23
5 0.02
-5 0.19
------------

37
 ¸ E(W) da v.a. W = X .
Determinar a esperanca

Sol: 1o. modo: Calcularemos a esperanca ¸~

¸ de W pela definicao.
¸~ de probabilidade de W, como segue
Para isto determinemos a distribuicao

W p(w)
-------------
225 0.56
100 0.23
25 0.21
-------------
Observe que o evento W = 25 ocorre quando X = 5 ou X = -5; portanto P{W = 25}
= P{X = -5} + P{X = 5}.

¸ de W e´
A esperanca

3
E(W) =  wi .p(wi ) = 225 . 0,56 + 100 . 0,23 + 25 . 0,21 = 154,25.
i=1

2o. modo: Calculemos E(W) pelo Teorema:

4
E(W) =  xi .p(xi ) = 15 . 0,56 + 10 . 0,23 + 5 . 0,02 + (-5) . 0,19 = 154,25.
i=1

Exemplo 2) Seja V a velocidade do vento (em milhas por hora) e suponha-se que V~
U[0 , 10].
~ W (em libras/pe´ quadrado) na superficie
A pressao ~ e´ dada
´ da asa de um aviao
¸~ W = 0,003.V . Determine E(W).
pela relacao:

Sol: a) Empregando o Teorema,

 10
E(W) =  h(w).f(w).dw =  0,003.v . 10
1
.dv = 0,1 libras/pe´ quadrado.
- 0


¸~ de E(W), E(W) =  w.g(w).dw .
b) Empregando a definicao
-

Agora,
g(w) = f(v).  dv
dw


38
 ¸~ monotona
Observemos que w = 0,003.v e´ uma funcao ´ de v para v  0 e que

v =  1000
3.w  dv
dw = 1
2 . 0,003 1
w . 0,003
´
Dai,
1 1
g(w) = 10 . 2 . 1000
3.w

1 10
2 . 3.w se 0  w  0,3
g(w) =
0 ´
caso contrario

^
Em consequencia,
0.3
E(W) =  w.g(w).dw = 0,1
0

39