Академический Документы
Профессиональный Документы
Культура Документы
Revis ao de Probabilidade
1 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 2 / 79
3 4
5 6 7 8 9
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 3 / 79
3 4
5 6 7 8 9
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 5 / 79
3 4
5 6 7 8 9
Probabilidade
A teoria das probabilidades est a enraizada em fen omenos que, expl cita ou implicitamente, podem ser modelados por uma experi encia com um resultado que est a sujeito ao acaso. Al em disso, se a experi encia for repetida, o resultado poder a diferir devido a inu encia de fen omeno aleat orio. Essa experi encia denominase experimento aleat orio. Um experimento aleat orio precisa de tr es caracter sticas:
1 2 3
O experimento pode ser repetido sob condi c oes id enticas. Em uma u nica tentativa, o resultado e imprevis vel. Para um grande n umero de tentativas no experimento, os resultados exibem regularidade estat stica; ou seja, um padr ao m edio denido de resultados ser a observado se o experimento for repetido muitas vezes.
Revis ao de Probabilidade
6 / 79
Considere que um evento A indique um dos resultados poss veis de um experimento aleat orio. Suponha que em n tentativas do experimento, o evento A ocorra Nn (A) vezes. Pode-se atribuir a rela c ao Nn (A)/n ao evento A. Essa rela c ao e denominada frequ encia relativa do evento A, e satisfaz 0 Nn (A) 1. n
Dizemos que um experimento exibe regularidade estat stica se, para qualquer sequ encia de n tentativas, a frequ encia relativa Nn (A)/n convergir para o mesmo limite ` a medida que n se torna grande. Dessa forma, parece natural que denamos a probabilidade do evento A como
n
Prof. Rodrigo G. Cavalcante (IFBA)
lim
Nn (A) n
.
Revis ao de Probabilidade 7 / 79
Axiomas de probabilidade
Probabilidade
O k - esimo resultado de um experimento, indicado por sk , e chamado de ponto amostral. A totalidade dos pontos amostrais correspondentes ao conjunto de todos os resultados poss veis de um experimento denomina-se espa co amostral, o qual indicamos por S. Um sistema de probabilidade consiste no triplo:
1 2 3
Um espa co amostral S de eventos elementares (resultados). Uma classe E de eventos que e um subconjunto de S. Uma medida de probabilidade P () atribu da a cada evento A da classe E , a qual tem as seguintes propriedades:
i) P (S) = 1 ii) 0 P (A) 1 iii) Se A + B e a uni ao de eventos mutuamente exclusivos (A B = ) da classe E , ent ao P (A + B ) = P (A) + P (B )
Revis ao de Probabilidade
8 / 79
Axiomas de probabilidade
Probabilidade
Propriedade 1
P (A) = 1 P (A) onde A e o complementar do evento A.
Propriedade 2
Se M eventos mutuamente exclusivos A1 , A2 , . . . , AM t em a propriedade exclusiva A1 + A2 + + AM = S, ent ao Ai Aj = , i = j = 1, 2, . . . , M
Quando os M eventos s ao igualmente prov aveis (t em a mesma probabilidade de ocorr encia), ent ao a equa c ao acima e simplicada como 1 P (Ai ) = , i = 1, 2, . . . , M M
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 9 / 79
Axiomas de probabilidade
Probabilidade
Propriedade 3
Quando os eventos A e B n ao s ao mutuamente exclusivos, a probabilidade do evento A ou B (uni ao) e igual a P (A + B ) = P (A) + P (B ) P (AB ) onde P (AB ) e a probabilidade do evento conjunto A e B .
Exemplo 1
Qual e a probabilidade de que o n umero total de caras em 3 lan camentos de uma moeda honesta seja mpar? Em 4 lan camentos? Em 5 lan camentos? A resposta em cada caso e 1/2. Mostre que a probabilidade de um n umero mpar de caras em qualquer n umero de lan camentos e 1/2.
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 10 / 79
Axiomas de probabilidade
Probabilidade
Exemplo 2
Um experimento aleat orio tem um espa co amostral S = {a , b , c } e probabilidades pa = 1/7, pb = 2/7 e pc = 4/7. Descreva um experimento usando uma urna de maneira que possa ser usado para simular esse experimento aleat orio.
Exerc cio 1
Dez chas numeradas 1 at e 10 s ao misturadas em uma urna. Duas chas numeradas (X , Y ), s ao extra das da urna, sucessivamente e, sem reposi c ao. Qual e a probabilidade de que seja X + Y = 10?
Revis ao de Probabilidade
11 / 79
Axiomas de probabilidade
Probabilidade
Exerc cio 2
Dentre os n umeros 0, 1, 2, . . . , 9 s ao escolhidos ao acaso r n umeros (0 < r < 10). Qual e a probabilidade de que n ao ocorra n umeros iguais?
Exerc cio 3
Um lote cont em n pe cas, das quais r s ao defeituosas. Se a ordem da inspe c ao das pe cas se zer ao acaso, qual a probabilidade de que a pe ca inspecionada em k - esimo lugar (k r ) seja a u ltima pe ca defeituosa contida no lote?
Exerc cio 4
Uma vara de 1 metro de comprimento e quebrada em dois pontos escolhidosao acaso . Formule um modelo probabil stico adequado a esta situa c ao. De acordo com seu modelo, qual e a probabilidade de que se possa formar um tri angulo com os tr es peda cos resultantes?
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 12 / 79
Probabilidade condicional
Probabilidade
Suponha um experimento que envolva um par de eventos A e B . P (B |A) indica a probabilidade do evento B , dado que o evento A tenha ocorrido, ou, probabilidade condicional de B dado A. A probabilidade P (B |A) e denida por P (B |A) = P (AB ) , P (A) P (A) = 0
onde P (AB ) e a probabilidade conjunta de A e B . Se A e B forem independentes, ent ao P (AB ) = P (A)P (B ) e P (A|B ) = P (A)
Regra de Bayes
P (B |A) =
Prof. Rodrigo G. Cavalcante (IFBA)
P (A|B )P (B ) , P (A)
P (A) = 0
Revis ao de Probabilidade 13 / 79
Probabilidade condicional
Probabilidade
Uma parti c ao e uma poss vel divis ao do espa co amostral, de forma que os conjuntos dessa fam lia sejam disjuntos ou mutualmente exclusivos (isto e, n ao possuem elementos em comum). Se um evento B S for denido em uma parti c ao (A1 , A2 , . . . , An ) de S, ent ao
n n
P (B ) =
i =1
P (BAi ) =
i =1
P (B |Ai )P (Ai )
P (B |Ai )P (Ai )
i =1
Revis ao de Probabilidade
14 / 79
Probabilidade condicional
Probabilidade
Exemplo 3
Um assinante a de uma central A pode comunicar-se com um assinante b de uma central B atrav es de dois percursos T1 e T2 , conforme mostra a gura abaixo.
T1 T2
Central A
Central B
A probabilidade de congestionamento em T1 (impedindo que a atinja b por este percurso) e 0.05. A probabilidade de congestionamento em T2 vale 0.02. Al em disso, sabendo-se que se T1 est a congestionado a probabilidade de T2 estar tamb em congestionado e 0.15. Determine a probabilidade de que a consiga comunicar-se com b .
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 15 / 79
Probabilidade condicional
Probabilidade
Exerc cio 5
Suponha que um equipamento possua N v alvulas, todas necess arias para seu funcionamento. A m de localizar uma v alvula com mau funcionamento, faz-se a substitui c ao de cada v alvula, sucessivamente, por uma v alvula nova. Calcule a probabilidade de que seja necess ario trocar as N v alvulas, se a probabilidade de uma v alvula estar defeituosa e p.
Exerc cio 6
Quatro sinais de r adio s ao emitidos sucessivamente. Se a recep c ao de cada um for independente da recep c ao de outro, e se essas probabilidades forem 0.1, 0.2, 0.3 e 0.4, respectivamente, calcule a probabilidade de que k sinais venham a ser recebidos para k = 0, 1, 2, 3, 4.
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 16 / 79
Probabilidade condicional
Probabilidade
Exemplo 4
A gura abaixo mostra um canal de comunica c oes cuja entrada x pode assumir os valores0 ,1e2, e cuja sa da y tamb em pode assumir os valores 0 , 1 e 2 . Considere a experi encia que consiste em observar os valores da entrada x e da sa da y resultante. Sabe-se que P (x = 0) = 0.4 e P (x = 1) = 0.1. Determine:
a) o n umero total de pontos no espa co amostral S;
Probabilidade condicional
Probabilidade
Exerc cio 7
A gura abaixo mostra um canal de comunica c oes cuja entrada x pode assumir os valores0 ,1e2, e cuja sa da y tamb em pode assumir os valores 0 , 1 e 2 . Considere a experi encia que consiste em observar os valores da entrada x e da sa da y resultante. Sabe-se que P (x = 0) = 0.4 e P (x = 1) = 0.1. Determine:
a) P (x = 1|y = 1); b) P (x = 0|y = 1);
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 19 / 79
3 4
5 6 7 8 9
a fun c ao distribui c ao FX (x ) limita-se entre zero e um, isto e 0 FX (x ) 1. a fun c ao distribui c ao FX (x ) e uma fun c ao n ao-decrescente de x, ou seja, FX (x1 ) FX (x2 ) , se x1 < x2
Revis ao de Probabilidade
21 / 79
a qual e denominada fun c ao densidade de probabilidade (fdp) da vari avel aleat oria X . O nome, fun c ao densidade, prov em do fato de que a probabilidade do evento x1 X x2 ocorrer, ser igual a P (x1 < X < x2 ) = P (X x2 ) P (X x1 ) = FX (x2 ) FX (x1 )
x2
=
x1
fX (x ) dx
A probabilidade de um intervalo e, portanto, a area sob a fun c ao densidade de probabilidade nesse intervalo.
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 22 / 79
FX (x ) =
fX ( ) d ,
al em disso,
fX (x ) dx = 1
Como a fun c ao distribui c ao e sempre n ao-decrescente, ent ao a fun c ao densidade de probabilidade e sempre n ao-negativa. Para uma fdp a seguinte propriedade e v alida:
x
P (X > x ) =
x
Prof. Rodrigo G. Cavalcante (IFBA)
fX (x ) dx = 1
fX (x ) dx = 1 P (X x )
Revis ao de Probabilidade 23 / 79
se se se se
x x x x
=0 =1 =2 =3
FX (x)
7 8
Revis ao de Probabilidade
24 / 79
fX (x ) =
1 , se a x b ba 0, se x > b
FX ( x )
f X (x )
1 b a
a
Prof. Rodrigo G. Cavalcante (IFBA)
x
Disciplina: Processos Estoc asticos
b
Revis ao de Probabilidade
x
25 / 79
Exerc cio 8
Suponha que a m aquina 1 produza (por dia) o dobro das pe cas que s ao produzidas pela m aquina 2. No entanto, 4% das pe cas fabricadas pela m aquina 1 tendem a ser defeituosas, enquanto que a m aquina 2 produz somente cerca de 2% de pe cas defeituosas. Admita que a produ c ao di aria das duas m aquinas seja misturada. Uma amostra aleat oria de 10 pe cas e extra da da produ c ao total. Qual ser a a probabilidade de que essa amostra contenha 2 pe cas defeituosas?
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 26 / 79
Exerc cio 9
A raz ao entre os desvios no comprimento e na largura de pastilhas de sil cio tem a seguinte fdp fX (x ) = a , 1 + x2 < x < .
Calcule o valor de a e encontre a fdc de X . Ache a probabilidade de que X esteja no intervalo (1, 1).
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 27 / 79
Exerc cio 11
Um ponto e escolhido ao acaso sobre uma reta de comprimento L. Qual e a probabilidade de que o quociente do segmento mais curto para o mais longo seja menor que 1/4?
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 28 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 29 / 79
3 4
5 6 7 8 9
x = E [X ] =
x fX (x ) dx ,
onde E [] indica o operador de expectativa estat stica ou operador esperan ca. O valor x indica o centro de gravidade da area sob a curva da densidade de probabilidade da vari avel aleat oria X . No caso particular em que X seja uma vari avel aleat oria discreta S = {x1 , x2 , . . . , xn }, ent ao o c alculo da m edia (amostral) e simplicado para
n
E [X ] =
i =1
xi pi ,
Exerc cio 12
O tempo de espera de um cliente em uma ag encia banc aria possui a seguinte fdp fX (x ) = 1.2 e 2x , x 0 . Determine o tempo m edio de espera de um cliente.
Exerc cio 13
Um cliente pode fazer as opera c oes dep osito=3 min, retirada=2 min ou ambas=4 min em uma ag encia, com probabilidade 0.4, 0.4, 0.2, respectivamente. Qual o tempo m edio de opera c ao de um cliente?
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 31 / 79
y = E [ Y ] =
y fY (y ) dy ,
y = E [g (X )] =
g (x ) fX (x ) dx .
Revis ao de Probabilidade 32 / 79
Exerc cio 14
Um sinal x (t ), com distribui c ao uniforme variando de (, ), passa por um circuito com resposta dada por y (t ) = sin(x (t )). Calcule a fdp e a m edia do sinal y (t ).
Exerc cio 15
Um sinal x (t ), com distribui c ao uniforme variando de (1, 1), passa por um circuito com resposta dada por y (t ) = x (t )2 . Calcule a fdp de y (t ).
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 33 / 79
Exerc cio 16
Suponha que a vari avel aleat oria cont nua X tenha a fdp fX (x ) = 2xe x , Seja Y = X 2 . Calcule E[Y ]: a) diretamente, sem primeiro obter a fdp de Y . b) primeiramente, obtendo a fdp de Y .
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 34 / 79
2
x 0.
Momentos
M edias estat sticas
Para o caso especial de g (X ) = X n , obtemos o n- esimo momento da distribui c ao de probabilidade da vari avel aleat oria X , ou seja,
E [X ] =
x n fX (x ) dx .
Sem d uvida, os momentos mais importantes de X s ao os dois primeiros, onde n = 1 e a m edia e n = 2 e o valor quadr atico m edio (eqm)
E [X 2 ] =
x 2 fX (x ) dx .
Tamb em, pode-se denir os momentos centrais, os quais s ao simplesmente os momentos da diferen ca entre uma vari avel aleat oria X e sua m edia x .
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 35 / 79
Momentos
M edias estat sticas
E [(X x ) ] =
(x x )n fX (x ) dx .
Para n = 1, o momento central e zero, ao passo que para n = 2, o segundo momento central e chamado de vari ancia da vari avel aleat oria X , a qual e escrita como
var[X ] = E [(X x ) ] =
(x x )2 fX (x ) dx .
2. A vari ancia de uma vari avel aleat oria X e comumente indicada por x
A raiz quadrada da vari ancia, x , denomina-se desvio padr ao da vari avel aleat oria X .
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 36 / 79
Momentos
M edias estat sticas
2 de uma vari A vari ancia x avel aleat oria X , de certo modo, e uma medida da aleatoriedade da vari avel. 2 , restringe-se signicativamente a largura Ao especicar a vari ancia x efetiva da fun c ao densidade de probabilidade fX (x ) da vari avel aleat oria X nas vizinhan cas do valor m edio x .
Uma formula c ao precisa desta restri c ao se deve a Chebyshev. A desigualdade de Chebyshev arma que, para qualquer n umero positivo , tem-se que 2 P (|X x | > ) x . A partir dessa desigualdade, nota-se que o valor m edio e vari ancia de uma vari avel aleat oria fornecem uma descri c ao parcial de sua distribui c ao de probabilidade, da o uso dessas medidas na pr atica.
Revis ao de Probabilidade
37 / 79
Momentos
M edias estat sticas
Exemplo 10
Uma vari avel aleat oria X e uniformemente distribu da no intervalo (a , b ). Encontre uma express ao adequada para os n - esimos momentos e momentos centrais de X .
Exerc cio 17
A raz ao entre os desvios no comprimento e na largura de pastilhas de sil cio tem a seguinte fdp fX (x ) = a , 1 + x2 < x < .
Revis ao de Probabilidade
38 / 79
Outra deni c ao estat stica importante e a fun c ao caracter stica X ( ) da distribui c ao de probabilidade da vari avel aleat oria X , a qual e denida como a expectativa da fun c ao exponencial complexa e j X , como mostrado por
X ( ) = E [e
j X
]=
fX (x ) e j x dx ,
onde e real e j =
Observe que menos de uma mudan ca de sinal no expoente e fazendo = 2 f e x = t , a fun c ao caracter stica e a transformada de Fourier da fun c ao densidade de probabilidade. Logo, 1 fX (x ) = 2
Prof. Rodrigo G. Cavalcante (IFBA)
X ( ) e j x d .
Revis ao de Probabilidade 39 / 79
Todos os momentos de uma vari avel aleat oria X podem ser obtidos da fun c ao caracter stica por deriva c ao sucessiva E [X n ] = 1 dn X ( ) j n d n .
=0
Exemplo 11
Encontre a fun c ao caracter stica e os dois primeiros momentos de uma vari avel aleat oria X com a seguinte distribui c ao de probabilidade x fX (x ) = e u (x ) , > 0 .
Exerc cio 18
Encontre a fun c ao caracter stica e os dois primeiros momentos de uma vari avel aleat oria X com a seguinte distribui c ao de probabilidade n n k fX (x ) = p (1 p )n k (x k ) . k
k =0
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 40 / 79
Em problemas onde as vari aveis aleat orias s ao n ao-negativas, e mais conveniente usar a transformada-z ou a transformada de Laplace para caracterizar a fun c ao caracter stica das vari aveis aleat orias. No caso de uma vari avel aleat oria N que assume valores inteiros n aonegativos, pode-se denir a fun c ao geratriz GN (z )
GN (z ) = E[z ] =
k =0
fN (k )z k
Note que a fun c ao caracter stica de N e dada por N ( ) = GN (e j ). Usando uma deriva c ao pode-se mostrar que a fdp de N e dada por fN (k ) = 1 dk GN (z ) k ! dz k
z =0
Revis ao de Probabilidade
41 / 79
Em teoria de las, alguns par ametros como tempo de servi co, tempo de espera, e atrasos s ao vari aveis aleat orias cont nuas n ao-negativas. Neste caso, o uso da transformada de Laplace da fdp e mais adequado.
X (s ) =
0
fX (x )e sx dx = E[e sX ].
O m etodo de obten c ao dos momentos tamb em pode ser aplicado ` a X (s ): dk E[X n ] = (1)n n X (s ) ds s =0
Revis ao de Probabilidade
42 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 43 / 79
3 4
5 6 7 8 9
Revis ao de Probabilidade
44 / 79
A vari avel aleat oria de Bernoulli e o valor da fun c ao indicadora IA para algum evento A; X = 1 se IA ocorre e X = 0 caso contr ario. S = {0, 1} p0 = q = 1 p p1 = p , E [X ] = p var [X ] = p (1 p ) GX (z ) = (q + pz ) onde z = e j X e GX (z ) e a fun c ao geratriz (caracter stica X ( )). 0p1
Revis ao de Probabilidade
45 / 79
X representa o somat orio de sucessos em uma sequ encia de n eventos independentes de Bernoulli. S = {0, 1, . . . , n } n k pk = p (1 p )n k , k E [X ] = n p var [X ] = np (1 p ) GX (z ) = (q + pz )n
k = 0, 1, . . . , n
Revis ao de Probabilidade
46 / 79
X e n umero de falhas antes do primeiro sucesso em uma sequ encia de eventos independentes de Bernoulli. S = {0, 1, 2, . . . } pk = p (1 p )k , k = 0, 1, . . . E [X ] = (1 p )/p var [X ] = (1 p )/p 2 p GX (z ) = 1 qz
Revis ao de Probabilidade
47 / 79
Exemplo 18
Em um teste de integridade de circuitos existe a probabilidade p de que cada circuito seja rejeitado. Seja Y igual ao n umero de testes at e que uma rejei c ao seja descoberta. Qual e a fun c ao distribui c ao de probabilidade de Y ?
Exemplo 18
Suponha que testamos n circuitos e cada circuito e rejeitado com probabilidade p independente dos resultados dos outros testes. Seja K igual ao n umero de rejei c oes em n testes. Encontre PK (k )
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 48 / 79
X e n umero de tentativas at e que o r - esimo sucesso de uma sequ encia de eventos independentes de Bernoulli.
S = pk E [X ] var [X ] GX (z ) = = = = {r , r + 1, . . . } k 1 r p (1 p )k r , r 1 r /p r (1 p )/p 2 r p 1 qz
k = r , r + 1, . . .
Revis ao de Probabilidade
49 / 79
X e n umero de falhas antes do primeiro sucesso em uma sequ encia de eventos independentes de Bernoulli. Essa distribui c ao aproxima a distribui c ao Binomial para = np , quando n for grande.
S = {0, 1, 2, . . . } k e , k = 0, 1, . . . pk = k! E [X ] = var [X ] GX (z ) = = e (z 1)
e >0
Revis ao de Probabilidade
50 / 79
Exemplo 18
Suponha que voc e teste o circuito at e encontrar k rejei c oes. Seja L igual o n umero de testes. Qual e a distribui c ao de probabilidade de L?
Revis ao de Probabilidade
51 / 79
Exemplo 17
A probabilidade de erro de bit em um canal de comunica c oes e 103 . Encontre a probabilidade que um bloco de 1000 bits tenha 5 ou mais erros. Use a distribui c ao Binomial e a distribui c ao de Poisson.
Revis ao de Probabilidade
52 / 79
Exerc cio 19
Um determinado telefone recebe liga c oes a uma taxa chamadas por segundos. Sabe-se que o n umero de chamadas em um intervalo de tempo e uma vari avel aleat oria de Poisson. Encontre a probabilidade de n ao existir chamadas em 1 segundo. Encontre tamb em a probabilidade de existirem n ou mais chamadas em 1 segundo.
Exerc cio 20
Chamadas chegam em um tempo aleat orio em um comutador telef onico com m edia = 0.25 chamadas/segundo. Determine a fdp para intervalos de 2 e 20 segundos. A fdp seria diferente se fosse a unidade fosse chamadas/minuto?
Revis ao de Probabilidade
53 / 79
S = [a , b ] 1 fX (x ) = , ax b ba a +b E [X ] = 2 (b a )2 var [X ] = 12 e j b e j a X ( ) = j (b a )
f X (x )
1 b a
FX ( x )
a
Prof. Rodrigo G. Cavalcante (IFBA)
x
54 / 79
Revis ao de Probabilidade
A vari avel aleat oria exponencial e uma vari avel aleat oria cont nua com a propriedade de ser sem mem oria. S = [0, ) fX (x ) = e x , E [X ] = 1/ var [X ] = 1/2 X ( ) = j x 0 e >0
Revis ao de Probabilidade
55 / 79
Exemplo 19
A probabilidade que uma chamada telef onica n ao dura mais que t minutos e modelada como uma exponencial fdc. FT (t ) = 1 e t /3 , t 0 0, caso contr ario.
Qual e a fdp da dura c ao em minutos da conversa c ao do telefone? Qual e a probabilidade de que a conversa c ao dure entre 2 e 4 minutos?
Revis ao de Probabilidade
56 / 79
X pode ser usada para aproximar o somat orio de um grande n umero de vari aveis aleat orias independentes. S = (, ) 1 2 2 fX (x ) = e (x ) /2 , 2 E [X ] = var [X ] = 2 X ( ) = e j
2 2 /2
< x <
e >0
Revis ao de Probabilidade
57 / 79
Na Engenharia El etrica tem-se o costume de trabalhar com a fun c ao Q (x ), a qual e denida como 1 Q (x ) = 2
x
e t
2 /2
dt ,
onde x = (x )/ , e representa a probabilidade da cauda da fdp Gaussiana, isto eX >x . A fun c ao Q (x ) possui as seguintes propriedades: Q (0) = 1/2 e Q (x ) = 1 Q (x ).
A fun c ao Q (x ) pode ser aproximada com uma boa precis ao pela express ao 1 1 2 e x /2 , Q (x ) 2 2 (1 a )x + a x + b onde a = 1/ e b = 2
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 58 / 79
A distribui c ao de Rayleigh e derivada de X = Y 2 + Z 2 , onde Y e Z s ao gaussianas independentes de mesmas m edia e vari ancia. S = [0, ) x x 2 /22 fX (x ) = , e E [X ] = /2 var [X ] = (2 /2)2
x 0
e >0
Revis ao de Probabilidade
59 / 79
S = (, ) |x | fX (x ) = e , 2 E [X ] = 0 var [X ] = 2/2 2 X ( ) = 2 2
Revis ao de Probabilidade
60 / 79
Exemplo 20
a) Mostre que a integral de a da fun c ao densidade de probabilidade Gaussiana e igual a 1. b) Mostre que a fun c ao de probabilidade cumulativa de uma vari avel aleat oria de Poisson soma 1.
Exerc cio 21
Um sistema de comunica c oes aceita uma tens ao V positiva como entrada e como sa da uma tens ao Y = V + N , onde = 102 e N e uma vari avel aleat oria Gaussiana com par ametros = 0 e = 2. Encontre o valor de V tal que P (Y < 0) = 106 . Use Q (4.753) = 106 .
Revis ao de Probabilidade
61 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 62 / 79
3 4
5 6 7 8 9
exista e seja cont nua em todo o dom nio da fun c ao. Ent ao, denominase a fun c ao fX ,Y (x , y ) a fun c ao densidade de probabilidade conjunta das vari aveis aleat orias X e Y . A fun c ao distribui c ao conjunta FX ,Y (x , y ) e n ao-decrescente tanto em x como em y . Portanto, a fun c ao densidade de probabilidade conjunta fX ,Y (x , y ) e sempre n ao-negativa. Al em disso, o volume total sob o gr aco de uma fun c ao densidade de probabilidade deve ser a unidade, como mostrado por
fX ,Y (, ) d d = 1 ,
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 64 / 79
FX (x ) =
fX ,Y (, ) d d .
fX (x ) =
fX ,Y (x , ) d ,
Dessa forma, a fun c ao densidade de probabilidade marginal fX (x ) e obtida da fun c ao densidade de probabilidade conjunta FX ,Y (x , y ).
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 65 / 79
fY (y |x ) 0
fY (y |x ) dy = 1 .
Se as vari aveis aleat orias X e Y forem estatisticamente independentes, ent ao o conhecimento do resultado de x n ao poder a de forma alguma, afetar a distribui c ao de y . Como consequ encia, fY (y |x ) = fY (y )
Prof. Rodrigo G. Cavalcante (IFBA)
e fX ,Y (x , y ) = fX (x )fY (y ) .
Revis ao de Probabilidade 66 / 79
Exerc cio 22
Para o exemplo acima encontre P [X + Y 1]. Resposta: P [X + Y 1] = 1 2e 1
Exerc cio 23
Sejam X e Y as vari aveis aleat orias introduzidas no exemplo acima. Encontre FX (x |y ) e FY (y |x ).
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 67 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 68 / 79
3 4
5 6 7 8 9
Momentos Conjuntos
Considere o seguinte par de vari aveis aleat orias X e Y . As m edias estat sticas importantes para essas vari aveis s ao os momentos conjuntos,
E X Y
x i y k fX ,Y (x , y )dx dy ,
onde i e k podem assumir quaisquer valores inteiros positivos. Um momento conjunto de especial import ancia e a correla c ao denida por E [XY ]. A correla c ao das vari aveis aleat orias centralizadas X x Y y , ou seja, cov[XY ] = E [(X x )(Y y )] = E [XY ] x y , denomina-se covari ancia de X e Y .
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos Revis ao de Probabilidade 69 / 79
Momentos Conjuntos
2 e 2 indiquem as vari Admita que x ancias de X e Y , respectivay mente. Ent ao, a covari ancia de X e Y , normalizada em rela c ao a x y , denomina-se coeciente de correla c ao de X e Y :
x ,y =
cov[XY ] . x y
Dizemos que duas vari aveis aleat orias X e Y s ao n ao-correlacionadas se e somente se a sua covari ancia for zero. Dizemos que elas s ao ortogonais se e somente se sua correla c ao for zero. Note que se uma das vari aveis aleat orias X e Y ou ambas tiverem valores m edios iguais a zero e forem ortogonais, ent ao elas ser ao n aocorrelacionadas, e vice-versa.
Revis ao de Probabilidade
70 / 79
Momentos Conjuntos
Observe tamb em que se X e Y forem estatisticamente independentes, elas ser ao n ao-correlacionadas; entretanto, o inverso dessa arma c ao n ao e necessariamente verdadeiro.
Exemplo 22
Seja uniformemente distribuida no intervalo (0, 2 ). Considere, X = cos e Y = sin .
Exerc cio 24
Sejam X e Y vari aveis aleat orias discutidas no exemplo anterior. Encontre E [XY ], cov[XY ] e x ,y
Revis ao de Probabilidade
71 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 72 / 79
3 4
5 6 7 8 9
fX (x )fY (z x )dx ,
fZ (z ) =
|y |fX ,Y (y z , y )dy .
fX,Y (x, y )
(x, y ) (x + dx, y ) (u, v )
fU,V (u, v )
x
Prof. Rodrigo G. Cavalcante (IFBA) Disciplina: Processos Estoc asticos
u
Revis ao de Probabilidade 74 / 79
fU ,V (u , v ) =
Exerc cio 25
Sejam X e Y duas vari aveis aleat orias com distribui c ao uniforme em (0, 1). Determine a fdp da vari avel aleat oria Z = X + Y .
Encontre a distribui c ao de Rayleigh, isto e, Z = X 2 + Y 2 onde X e Y s ao vari aveis aleat orias independentes Gaussianas de mesmas m edias e vari ancias.
Exerc cio 26
Revis ao de Probabilidade
76 / 79
1 2
Modelos (Determin stico Probabil stico) Probabilidade Abordagem da frequ encia relativa Axiomas de probabilidade Probabilidade condicional Vari aveis aleat orias M edias estat sticas Momentos Fun c ao Caracter stica Algumas vari aveis aleat orias importantes Vari aveis Aleat orias Conjuntas Momentos Conjuntos Fun co es de v arias vari aveis aleat orias Teorema do Limite Central
Disciplina: Processos Estoc asticos Revis ao de Probabilidade 77 / 79
3 4
5 6 7 8 9
Sn n n
z
e x
2 /2
dx
Revis ao de Probabilidade 78 / 79
Exemplo 24
Suponha que os valores dos pedidos de um restaurante sejam vari aveis aleat orias iid com = $8 e = $2. Estime a probabilidade que os primeiros 100 clientes gastem um total de mais do que $840. Encontre tamb em a probabilidade que os primeiros 100 clientes gastem um total entre $780 e $820.
Exerc cio 27
O tempo entre eventos de um certo experimento aleat orio e uma vari avel aleat oria exponencial iid com m edia m segundos. Encontre a probabilidade que o mil esimo evento ocorra em um intervalo de tempo de (1000 50)m .
Revis ao de Probabilidade
79 / 79