VariaveisAleatorias01 PDF

Variáveis Aleatórias
Conceitos, Discretas, Contínuas, Propriedades

Itens 5.1 e 6.1
1
BARBETTA, REIS e BORNIA – Estatística para Cursos de Engenharia e Informática. Atlas, 2004
Variável aleatória
• Uma variável aleatória pode ser entendida como uma

variável quantitativa, cujo resultado (valor) depende de
fatores aleatórios.
• Exemplos:
– número de coroas obtido no lançamento de 2 moedas;
– número de itens defeituosos em uma amostra retirada,
aleatoriamente, de um lote;
– número de defeitos em um azulejo que sai da linha de produção;
– número de pessoas que visitam um determinado site, num certo
período de tempo;
2
• Uma variável aleatória pode ser entendida como uma

variável quantitativa, cujo resultado (valor) depende de
fatores aleatórios.
• Exemplos:
– volume de água perdido por dia, num sistema de abastecimento;
– resistência ao desgaste de um certo tipo de aço, num teste
padrão;
– tempo de resposta de um sistema computacional;
– grau de empeno em um azulejo que sai da linha de produção.
3
• Formalmente, uma variável aleatória é uma função
que associa elementos do espaço amostral ao conjunto
de números reais.
X = número de coroas obtido no lançamento de 2 moedas

Ω = {(cara, cara), (cara, coroa), {coroa, cara), (coroa, coroa)}
X:
x
0 1 2
4
variável
aleatória
discreta contínua
os possíveis resultados estão os possíveis resultados

contidos em um conjunto abrangem todo um intervalo
finito ou enumerável de números reais
Ex. Ex.
0 1 2 3 4 ... 0
número de defeitos em ... tempo de resposta de ...
5
Variável aleatória discreta: função de
probabilidade
p( xi ) = P( X = xi )
satisfazendo:
p( xi ) ≥ 0
∑ p( x ) = 1
i
i
6
Variável aleatória discreta: função de
probabilidade
• X = número obtido no lançamento de um dado comum.
p(x) f(x)
área total = 1
x
1 2 3 4 5 6 x 1 2 3 4 5 6
7
Variável aleatória discreta: Função de
distribuição acumulada
F ( x) = P ( X ≤ x), ∀x ∈ ℜ
x
até x
8
Variável aleatória discreta: Função de
distribuição acumulada
• X = número obtido no lançamento de um dado comum.
⎧0 se x < 1
⎪1 se 1 ≤ x < 2
F(x)
⎪ 6
⎪2 se 2 ≤ x < 3
⎪⎪ 6
F ( x) = ⎨ 3 se 3 ≤ x < 4
6
⎪4
⎪ 6 se 4 ≤ x < 5
⎪5 se 5 ≤ x < 6
⎪ 6
⎪⎩1 se x ≥ 6
1 2 3 4 5 6 x
9
Variáveis aleatórias contínuas
– tempo de resposta de um sistema computacional;
– rendimento de um processo químico;
– tempo de vida de um componente eletrônico;
– resistência de um material; etc.
• Variáveis aleatórias discretas com grande número de
possíveis resultados (podem ser aproximadas para
contínuas):
– número de transações por segundo de uma CPU;
– número de defeitos numa amostra de 5.000 itens; etc.
10
Variável aleatória: discreta x contínua
Discreta
f(x)
p(x)
1 ½
½
área total = 1
2
1 2 x
1 2 x
8 setores
3 2 f(x)
4 1 1
8
5 8
6 7 x
1 2 3 4 5 6 7 8
11
Variável aleatória: discreta x contínua
Contínua
900
0
II 0 I f(x)
área total = 1
1800 x 00
1
360
III III
2700
0 360 x
12
Variável
90 0
aleatória contínua
0
II 0 I
1800 x 00
III III
f(x)
área = P( 0 ≤ X < 90)
2700
f(x)
área total = 1
0 90 360 x
1
360
evento {0 ≤ X < 90}
0 360 x
13
Variável aleatória contínua
• As probabilidades de eventos associados a uma variável aleatória
contínua X podem ser calculadas através de uma função densidade
de probabilidade f, que deve satisfazer:
f ( x) ≥ 0, ∀x ∈ ℜ e
+∞
∫−∞
f ( x)d ( x) = 1 f(x)
Se A = [a, b], então

b
P( A) = ∫ f ( x)d ( x) a b x
a
14
• Exemplo 6.3
f(t)
⎧ 2e −2t , para t ≥ 0 2
f (t ) = ⎨
⎩0, para t < 0
3 t
+∞
+∞ +∞ ⎡ 1 − 2t ⎤
P(T > 3) = ∫ f (t )dt = ∫ 2e dt = 2⎢− e ⎥ = 0 + e − 2(3) = e − 6
− 2t
3 3
⎣ 2 ⎦3
15
• Função de distribuição acumulada
x
F ( x) = P( X ≤ x) = ∫ f ( s)ds, ∀x ∈ ℜ
−∞
• Exemplo 6.3
F(t)
⎧1 − e −2t , para t ≥ 0
F (t ) = ⎨ 1
⎩ 0, para t < 0
16
Variável aleatória discreta: Valor esperado
Valores Probabi-
possíveis lidades
x1 p1 k
x2 p2
µ = E( X ) = ∑ x j p j
j =1
x3 p3
... ...
xk pk
Total 1
17
Variável aleatória discreta: Variância
k
Valores Probabi- σ = V ( X ) = ∑ (x j − µ)2 p j
2
j =1
possíveis lidades
Ou:
x1 p1 V ( X ) = E( X 2 ) − µ 2
x2 p2 k
x3 p3 onde: E ( X ) = ∑ x 2j p j
2
j =1
... ...
xk pk Desvio padrão:
Total 1 σ = DP ( X ) = Var ( X )
18
• Valor esperado e variância
+∞
µ = E ( X ) = ∫ xf ( x)dx
−∞
+∞
σ 2 = V ( X ) = ∫−∞ ( x − µ ) 2 f ( x)dx ou V ( X ) = E( X 2 ) − µ 2
+∞
onde: E ( X ) = ∫−∞ x 2 f ( x)dx
2
19
Propriedades do valor esperado e variância
a)E(c) = c a)V(c) = 0
b)E(X + c) = E(X) + c b)V(X + c) = V(X)
c) E(cX) = cE(X) c) V(cX) = c2V(X)
d)E(X + Y) = E(X) + E(Y) d)DP(cX) = |c|DP(X)
e) E(X – Y) = E(X) – E(Y)
20
Propriedades do valor esperado e variância
Distribuição de X
p(x)
x
E(X)
Distribuição de Y = X + c Distribuição de Z = cX
p(y) p(z)
y z
E(X) + c cE(X)
21
Variáveis aleatórias independentes
• X1, X2, ..., Xn podem ser consideradas variáveis

aleatórias independentes se o conhecimento de uma
não altera as distribuições de probabilidades das demais.
• Vale para variáveis aleatórias independentes:

V(X + Y) = V(X) + V(Y)
V(X – Y) = V(X) + V(Y)
22

VariaveisAleatorias01 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

VariaveisAleatorias01 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Variáveis Aleatórias

Conceitos, Discretas, Contínuas, Propriedades

• Uma variável aleatória pode ser entendida como uma

• Uma variável aleatória pode ser entendida como uma

X = número de coroas obtido no lançamento de 2 moedas

os possíveis resultados estão os possíveis resultados

Se A = [a, b], então

• X1, X2, ..., Xn podem ser consideradas variáveis

• Vale para variáveis aleatórias independentes:

Vous aimerez peut-être aussi