Académique Documents
Professionnel Documents
Culture Documents
HIDROLOGIA ESTATÍSTICA 53
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
i. A1 & A2 x ) R 30 m 3 / s x 60 m 3 / s
ii. A2 & A3 x ) R 50 m 3 / s x 80 m 3 / s
iii. A1 & A3 x ) R 50 m 3 / s x 60 m 3 / s
iv. A1 ' A2 x ) R 0 m 3 / s x 80 m 3 / s
54 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
v. A2 ' A3 x ) R 30 m 3 / s x
vi. A1 ' A3 x ) R x ! 0 % S C
i. A1 & A2 & A3 x ) R 50 m 3 / s x 60 m 3 / s
HIDROLOGIA ESTATÍSTICA 55
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
56 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
HIDROLOGIA ESTATÍSTICA 57
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
58 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
HIDROLOGIA ESTATÍSTICA 59
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
ii. P(S) =1
iii. Para qualquer seqüência de eventos mutuamente excludentes E1, E2, ... ,
a probabilidade da união desses eventos é igual à soma das respectivas
probabilidades individuais, ou seja,
v. Se A1, A2, ... , Ak são eventos definidos em uma espaço amostral, então,
⎛k ⎞ k
⎜ U Ai ⎟ ∑
Ai . Essa é a chamada desigualdade de Boole.
⎝ i 1 ⎠ i 1
vi. Se A e B são dois eventos no espaço amostral, então,
A ' B
( A)
( B)
( A & B) . Essa é a chamada regra da adição
de probabilidades.
60 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
HIDROLOGIA ESTATÍSTICA 61
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
62 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
HIDROLOGIA ESTATÍSTICA 63
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
64 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
A Bj
Bj
Bi A k (3.8)
∑
A B
B
i i
i 1
HIDROLOGIA ESTATÍSTICA 65
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
66 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
ii. ∑p X
x 1
todos x
Inversamente, se uma função p X (x) possui essas propriedades, então ela pode
ser considerada uma função massa de probabilidades. Por outro lado, se a variável
aleatória X pode assumir qualquer valor real, ela é do tipo contínuo e, nesse caso, a
função equivalente à FMP é denominada função densidade de probabilidade (FDP).
Essa função não negativa, aqui denotada por f X (x) e ilustrada na Figura 3.7,
representa o caso limite de um polígono de freqüências para uma amostra de tamanho
infinito e, portanto, com as larguras dos intervalos de classe tendendo a zero. É
importante notar que f X ( x0 ) não fornece a probabilidade de X para o argumento x0
e, sim, a intensidade com que a probabilidade de não superação de x0 é alterada na
vizinhança do argumento indicado. A área entre dois limites a e b, no eixo dos argumentos
da variável aleatória, dá a probabilidade de X estar compreendida no intervalo, tal
como ilustrado na Figura 3.7. Portanto, para a FDP f X (x) , é válida a equação
b
a X b ∫ f X ( x ) dx (3.9)
a
HIDROLOGIA ESTATÍSTICA 67
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
(3.11)
A FAP de uma variável aleatória contínua é uma função não decrescente, sendo
válidas as expressões FX(- ) = 0 e FX(+ ) = 1.
68 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Exemplo 3.6 – Considere que a variável aleatória ‘vazão media diária máxima
anual’, em m3/s, em uma certa estação fluviométrica, seja representada por X e
que sua função densidade de probabilidade seja dada pela Figura 3.9. Pede-se
(a) P(X < 100 m3/s) e (b) P(X > 300 m3/s).
Solução: (a) Se fX(x) é uma função densidade de probabilidades, a área de
todo o triângulo deve ser igual a 1. Assim, (400y)/2 = 1, o que resulta em
y = 1/200. Logo, P(X < 100 m3/s), correspondente à área da do triângulo
até a abscissa 100, é (100y)/2 = 0,25.
HIDROLOGIA ESTATÍSTICA 69
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
(b) P(X > 300), ou [1- P(X < 300)], corresponde à área do triângulo à
direita da abscissa 300. A ordenada z pode ser calculada por semelhança
de triângulos, ou seja, (y/z) = 300/100, o que resulta em z = 1/600. Logo,
P(X > 300) = 0,083.
1 ⎛ x⎞
Exemplo 3.7 – A função definida por f X ( x) exp⎜⎝ ⎟⎠ , para x ! 0 e F
70 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
⎡ ⎛ 3 ⎞⎤
F X (3) 1 ⎢1 exp⎜ ⎟⎥ 0,2231 Figura 3.10 – FDP e FAP para a distribuição exponencial com parâmetro
⎣ ⎝ 2 ⎠⎦
HIDROLOGIA ESTATÍSTICA 71
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
(3.12)
72 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Pode-se generalizar a idéia de valor esperado para uma função g(X) da variável
aleatória X, ou seja, usar a ponderação de pX(x) ou f X (x) para calcular a chamada
esperança matemática de g(X) ou, simbolicamente, E[g(X)]. Em termos formais,
E g X ∑ g x p x
i X i (3.14)
todos xi
para uma variável aleatória discreta. No caso contínuo, E[g(X)] é definido por
E g X ∫ ∫ g x f
X
x dx (3.15)
HIDROLOGIA ESTATÍSTICA 73
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
X E X e 'k ∑x k
p X x i (3.16)
todos xi
1 0 e k ∑ x X
k
p X xi , se k ! 2 (3.18)
todos xi
∫ x f X x dx, k ! 2
k
1 0 e k X (3.19)
74 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
3.9, e u x ⇒ du dx . Na seqüência,
HIDROLOGIA ESTATÍSTICA 75
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
⎡ ⎛ x ⎞⎤
⎛ x⎞
∫0 u dv uv 0 ∫0 v du 0 ∫0 ⎢⎣ x exp ⎜⎝ ⎟⎠ exp⎜⎝ ⎟⎠⎥⎦ dx E X 2
2 2
3
E X X
3
(3.23)
X 3
X 3
4
E X X
4
(3.24)
X 4
X 4
Para distribuições simétricas, define-se o coeficiente de excesso de curtose
( - 3) para estabelecer uma medida em relação a uma distribuição perfeitamente
simétrica de referência, cujo valor de é 3.
76 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
E X 3 3E X 2 E X 2E X . Substituindo os momentos já
3
X 3
calculados, resulta =2. Do mesmo modo, o coeficiente de curtose pode
.
4
X 4
Com os momentos já calculados, = 9.
HIDROLOGIA ESTATÍSTICA 77
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
(3.25)
x
Exemplo 3.14 – A função massa de probabilidade pX x e , x 0,1,...
x!
é conhecida como distribuição de Poisson,com parâmetro > 0. Use a
função geratriz de momentos para calcular a média e a variância de uma
variável aleatória discreta de Poisson.
Solução: A equação 3.25, aplicada à FMP dada, resulta em
t E e t X ∑
e tx e x
e ∑
e t . Usando a identidade
x 0 x! x 0 x!
78 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
ak
∑ e a , escreve-se t e e exp t exp e t 1 . Derivando
k 0 k !
e
em relação a t, ' t et exp et 1
t e expe 1 e expe 1 . Para t = 0,
'' t 2 t t t
e E X 0 . Lembrando
2 '' 2
que
Var(X)=E[X ]-(E[X]) , conclui-se que X = Var(X) = .
2 2
t exp⎢
222
⎥ ∫exp⎢⎢ 1
2
2
⎣ ⎦ 2 2 ⎦⎥ ⎣ 2 2
Agora, podemos definir uma nova variável dada por Y x 1 2t
2 2
22
a qual também é normalmente distribuída, porém com parâmetros 1 22t e2
1
⎡ x 2t ⎤⎥ dx 1
2
Nesse caso,
2 2 ∫ ⎢⎢
exp 1
2
2 2
2
⎥⎦
e
⎣
⎡ 42t 2 21 22t ⎤
t exp ⎢ ⎥
⎣ 222 ⎦
HIDROLOGIA ESTATÍSTICA 79
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
⎣ 2 ⎦ ⎣ 2 ⎦ ⎣ 2 ⎦
No ponto t = 0,
' 0 1 ⇒ E X 1e '' 0 12 22 ⇒ E X 2 12 22
Lembrando que Var(X) = E[X2] - (E[X])2, conclui-se que
X 1 e Var X
2X 2 . Em decorrência desses resultados, a
função densidade da distribuição normal é geralmente expressa por:
1 ⎡ 1 ⎛ x
⎞
2
⎤
f X x exp ⎢ ⎜⎜ X
⎟⎟ ⎥
2
X ⎢⎣ ⎝
2
X ⎠ ⎥⎦
FX ,Y x , y⎫
⎬ X x ,Y y (3.28)
PX ,Y x , y ⎭
FX x X x X x ,Y FX ,Y x , (3.29)
Similarmente para Y,
80 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Como para qualquer função densidade de probabilidades, fX,Y(x,y) deve ser não
negativa. Da mesma forma, o volume compreendido entre sua superfície e o plano
XY deve ser igual a 1, ou seja,
∫ ∫ f x, y dx dy 1
X ,Y (3.32)
HIDROLOGIA ESTATÍSTICA 81
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
x y
FX x
∫ f x dx
X x e F ∫ f y dy
Y y
X Y
Y (3.36)
Essa mesma lógica pode ser estendida para as funções massa de probabilidades,
conjunta e marginais, das variáveis aleatórias discretas X e Y. Portanto, são válidas
as seguintes relações:
PX ,Y x , y
X x ,Y y ∑ ∑ p x , y X ,Y i j
(3.37)
xi x y j y
p X xi
X xi ∑ p X ,Y xi , y j (3.38)
j
pY y j
Y y j ∑ p x , y X ,Y i j (3.39)
i
PX x
X xi ∑ p x ∑∑ p x , y
X i X ,Y i j (3.40)
xi x xi x j
PY y
Y y j ∑ p y ∑∑ p x , y
Y j X ,Y i j (3.41)
yjy yjy i
p X ,Y x , y 0
pX (3.42)
pY y 0
Y y0
f X Y x y dx x X x dx y Y y dy A B (3.43)
Note que, nesse caso, somente X é uma variável aleatória, uma vez que Y
permaneceu fixa e contida no intervalo (y, y+dy), demonstrando que f X Y x y
é unidimensional. Ora, se, por decorrência da equação 3.3, a probabilidade
da ocorrência conjunta dos eventos A e B é dada por
A & B
A B
B f X ,Y x , y dx dy e se,
B
y Y y dy f Y y dy , então, define-se a função densidade
condicional f X Y x y por
f X ,Y x , y
f X Y x y (3.44)
f Y y
sendo válidas as mesmas propriedades de qualquer função densidade de
probabilidades. Usando o mesmo raciocínio anterior e o teorema da probabilidade
total, é fácil demonstrar que o teorema de Bayes, quando aplicado a variáveis
aleatórias contínuas, reduz-se a
f Y X y x f X x fY y x f x
f X Y x y ou f X Y x y
X X
(3.45)
fY y
∫ fY X
y x f x dx
X
Com referência à Figura 3.12 e à luz das novas definições, pode-se interpretar a
equação 3.44 como o quociente entre o volume do prisma fX,Y(x,y).dx.dy,
hachurado na figura, e o volume da faixa S contida pela superfície fX,Y(x,y) e o
intervalo (y, y + dy). Entretanto, existe também o caso especial em que X e Y são
variáveis aleatórias contínuas e que se quer conhecer a função densidade
condicional de X, dado que Y = y0; nesse caso, Y é um valor fixo, a faixa S passa
a ser uma fatia plana da superfície de fX,Y(x,y) e, portanto, ter uma área e não um
volume. A equação 3.44, para Y = y0, pode ser reescrita como
f X ,Y x , y 0
f X Y x Y y0 (3.46)
f Y y0
HIDROLOGIA ESTATÍSTICA 83
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
X x0 ,Y y 0 X x0 Y y 0 (3.47)
p X ,Y x , y p X x pY y (3.49)
f X ,Y x , y f X x f Y y (3.50)
∫ ∫ 4 xy dx dy 1 . Portanto, ∫ ∫ 4 xy dx dy 4∫ x dx ∫ y dy 1 e, de fato,
0 0 0 0 0 0
84 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
1
Marginal de Y: f Y y 4∫ xy dx 2 y . Portanto, como a densidade
0
Cov X ,Y X ,Y
X ,Y (3.53)
X Y X Y
A exemplo de sua estimativa amostral rX,Y, objeto do item 2.4.1 do capítulo 2, o
coeficiente de correlação populacional é um número limitado entre –1 e 1.
Novamente, se as variáveis X e Y são independentes, então X ,Y 0 ; a
recíproca, entretanto, não é necessariamente verdadeira, pois X e Y podem estar
associados por outra relação funcional, diferente da linear.
86 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
∑
p X ,Y x 0 , y j
E Y X x0 yj ∑y pY y x (3.55)
p X x 0
j X j 0
todos y j todos y j
f X ,Y x0 , y
E Y X x0 ∫y ∫ y f y x x (3.57)
f X x0 Y X 0
HIDROLOGIA ESTATÍSTICA 87
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Se X é uma variável aleatória discreta, com função massa de probabilidades dada por
pX(x), o objetivo é deduzir a função massa de Y, ou seja pY(y). Se a função Y = g (X)
é monótona crescente ou decrescente, existe uma relação biunívoca entre Y e X,
sendo válido escrever que a cada g (x) = y corresponde um x = g-1(y) e, portanto,
P(Y=y) = P[X= g-1(y)], ou, genericamente,
pY y p X g 1 y (3.58)
88 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Exemplo 3.21 – Suponha que X seja uma variável Normal com parâmetros
e . Defina uma nova variável Y = exp (X). Determine a função densidade
de probabilidades de Y.
Solução: A distribuição Normal (ver exemplo 3.15) é ilimitada à esquerda e
xf g1u,yv lnfy x u , v , y u , v J
U ,V X ,Y à direita. Quando X varia de - a + , Y irá variar de 0 a ; portanto, a
densidade de Y aplica-se apenas para y! 0. Com referência à equação 3.61,
a função inversa é e, portanto, J 1 y .
Substituindo essas funções na equação 3.61,
1 ⎡ ln y 2 ⎤
f Y y exp⎢ ⎥ , para y ! 0 . Essa distribuição é conhecida
y 2 ⎣ 22 ⎦
A transformação dada pela equação 3.61 pode ser estendida para o caso de
densidades bi-variadas. Para isso, considere a transformação de fX,Y(x,y) em
fU,V(u,v), onde U = u (X,Y) e V= v (X,Y) são funções biunívocas continuamente
diferenciáveis. Nesse caso, pode-se escrever
HIDROLOGIA ESTATÍSTICA 89
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
(3.63)
f U ,V u , v f X ,Y v ,u v (3.65)
90 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Para u > a, A = (u - a) e B = a, e
a
1 2a u
a equação 3.67 torna-se fU u
a2 ∫
u a
dx
a2
, para a u 2a.
HIDROLOGIA ESTATÍSTICA 91
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
Exercícios
1) Os valores possíveis dos níveis d’água H (com relação ao nível médio), em
cada um dos rios A e B, são: H = -3, -2, -1, 0, 1, 2, 3, 6 metros.
(a) Considere os seguintes eventos para o rio A : A1= {HA> 0}, A2= {HA= 0} e
A3= {HA 0}. Faça uma lista dos pares possíveis de eventos disjuntos entre A1 ,
A2 e A3 .
(b) Em cada rio considere os seguintes eventos: nível médio: M = {-1 H 1},
estiagem: E = {H < 1}e cheia: C = {H >1}. Ordene os pares (hA,hB) e identifique os
pontos amostrais que definem os níveis d’água emAe B, respectivamente; por exemplo,
(3,-1) define a condição simultânea hA= 3 e hB = -1. Determine os pontos amostrais
para os eventos MA MB e (CA EA ) MB.
92 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
4) O rio R perto da cidade C atinge ou supera o nível de cheia, a cada ano, com
probabilidade de 0,2. Algumas partes da cidade são inundadas a cada ano com
probabilidade 0,1. A observação mostra que quando o rio R se encontra em
níveis de enchente, a probabilidade da cidade C ser inundada aumenta para 0,2.
(a) calcule a probabilidade de ocorrer enchente ou no rio ou na cidade;
(b) calcule a probabilidade de ocorrer enchentes tanto no rio como na cidade.
6) O rio Blackwater, cuja bacia localiza-se na área central da Inglaterra, tem sido
constantemente monitorado para controle da poluição, através de 38 estações ao
longo do rio. A tabela abaixo lista uma das amostras para oxigênio dissolvido (OD) e
demanda bioquímica de oxigênio (DBO), ambos em mg/l, para as 38 estações (adap.
de Kottegoda e Rosso, 1997).
HIDROLOGIA ESTATÍSTICA 93
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
94 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
10) Numa bacia hidrográfica de pequeno porte, a probabilidade de que não chova
em um dia qualquer é 0,60. Dado que chove, a magnitude da precipitação é uma
variável exponencialmente distribuída com =10 mm. Dependendo das condições
antecedentes do solo, uma precipitação inferior a 20 mm pode ocasionar o
transbordamento de um riacho. A probabilidade desse evento é 0,10. Se chover
mais de 20 mm, a probabilidade de que o riacho transborde é 0,90. Sabendo-se
que o riacho transbordou, qual é a probabilidade de que tenha ocorrido uma
chuva superior a 20 mm?
!pf XX⎛xXx cp1X1⎞xp , ,1para
2 x 1
x x 1 1,2 ,3,... e 0 p 1
E ⎜⎜ ⎟⎟ 0 11) Determine a média e a variância de uma variável aleatória geométrica cuja
⎝ X ⎠
função massa de probabilidades é dada por
.
p X ( x) = p(1 − p) , para x = 1,2,3,... e 0 ≤ p ≤ 1
x −1
(a)
⎛ X X ⎞
(b) Var ⎜⎜ ⎟⎟ 1
⎝ X ⎠
⎛X Z ⎞
⎜ X Z ⎟
(c) X ,Z Cov⎜ , ⎟
⎝ X Z ⎠
HIDROLOGIA ESTATÍSTICA 95
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
a) calcule P(X<2|Y=3);
b) calcule P(Y > 3); e
c) determine E[X|Y=4].
96 HIDROLOGIA ESTATÍSTICA
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
HIDROLOGIA ESTATÍSTICA 97
CAPÍTULO 3 - TEORIA ELEMENTAR DE PROBABILIDADES
98 HIDROLOGIA ESTATÍSTICA