T.E.A.

II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Varivel Aleatria (V.A.)

2. VARIVEIS
ALEATRIAS

Uma varivel aleatria (v.a.) uma

representao numrica dos resultados
possveis de um experimento aleatrio.

(UNIDIMENSIONAIS)

S (espao amostral):
(Co,Co,Co)
(Ca,Co,Co)
(Co,Ca,Co)
(Co,Co,Ca)
(Ca,Ca,Co)
(Ca,Co,Ca)
(Co,Ca,Ca)
(Ca,Ca,Ca)

Valores de X:
0

Exemplo 2.1 - Seja o experimento

do exemplo 1.3 (lanar trs moedas
e observar o nmero de caras). A v.a.
adequada : X = nmero de caras observadas.

De uma maneira mais formal, uma v.a.

uma funo real definida da seguinte forma:
S
| X(),

1
2
3

V.A.`s Discretas x Contnuas

A v.a. do exemplo anterior assume
valores que so contveis (0, 1, 2 e 3).
Este tipo de v.a. chamada discreta.

em que um ponto que pertence a S.

A v.a. X associa, a cada ponto
em S, um nmero real x = X().

Distribuio de Probabilidade
Discreta (Funo de Probabilidade)
uma funo P(X=x) que associa,
a cada valor possvel x de uma v.a.
discreta X, a sua probabilidade.
Propriedades de uma distribuio discreta:

Uma v.a. que assuma valores em um

intervalo contnuo chamada contnua.

1) P( X = x ) 0, x
2) P ( X = x ) = 1
x

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Exemplo 2.2 - Na situao do exemplo 2.1,

qual a distribuio de probabilidade de X?

Distribuio de Probabilidade
Contnua (Funo de Densidade)

Soluo - a distribuio de probabilidade de X :

Uma distribuio contnua f(x)

uma funo que permite calcular
a probabilidade de que uma v.a.
contnua pertena a um intervalo.

P(X=x)

1/8

3/8

3/8

1/8

P(aXb) a rea sob o grfico de f(x)

que corresponde ao intervalo [a,b].

Exemplo 2.3 - Seja X = peso de um

carregamento em Kg, com distribuio:
f(x)

O clculo desta rea

envolve uma integral:
8.000

f ( x )dx

6.000

Propriedades de uma funo de densidade:

1) f(x) 0, para todo x.

2) A rea total sob o grfico igual a 1.
3) P(X=x) = 0, para todo x.

A figura mostra: P(6.000X8.000).

Exemplo 2.4 - Seja X uma v.a.

contnua com a seguinte distribuio:
f(x) = cx2, 0<x<2.
a) Qual o valor da constante c?

Valor Esperado
O valor esperado de uma v.a. X, E(X),
a mdia dos valores que X assumiria
em infinitas repeties do experimento.

Voc tem que igualar a integral a 1.

b) Calcule P(X>1).
R: a) 3/8 b) 7/8.

Frmula para o caso discreto:

E (X ) = xP( X = x ).
x

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Exemplo 2.5 - Considere a distribuio:

P(X=0) = 1/2
P(X=1) = 1/3
P(X=2) = 1/6.
Calcule o valor esperado de X.
Soluo:
E(X) = 0*1/2 + 1*1/3 + 2*1/6 = 2/3.

Frmula do valor esperado

para o caso contnuo:

Observaes:
1 - E(X) tambm chamado mdia de X.
2 - E(X) no um valor que se espera que
ocorra, podendo ser (e em geral ) um
valor que no ocorre, como neste caso!
3 - E(X) pode ser interpretado como o
ponto de equilbrio da distribuio, em
que as probabilidades so os pesos.

Exemplo 2.6 - Calcule E(X),

sendo X a v.a. definida no exemplo 2.4.
f(x)
2

E(X) = x f ( x )dx.

3
E(X) = x x 2 dx =
0 8
2

32 3
3 x4
3
x dx =
= .

80
8 4 0 2

Moda de uma V.A.

O valor esperado ou mdia uma
das possveis medidas de posio
ou tendncia central de uma v.a..

No caso discreto, o valor que ocorre com

maior probabilidade. No caso contnuo,
definida como x tal que f(x) seja mxima.
Mediana de uma V.A.

Existem outras duas medidas que

tambm so bastante importantes:
a moda e a mediana.

o valor que divide a distribuio em 2

intervalos com probabilidades iguais (0,5).
No caso contnuo, divide f(x) em 2 reas iguais.

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Exerccio 2.1 - Calcule a mediana

da v.a. definida no exemplo 2.6.
Soluo:

3 2
3k 2
x dx = 0,5 x dx = 0,5
80
08
3
k
= 0,5 k 3 = 4 k = 3 4.
8

Valor Esperado de uma Funo g(X):

E[g( X)] = g ( x )P (X = x )
x

E[g(X )] = g ( x )f ( x )dx
O caso mais importante do da funo
g(X) = [X-E(X)]2, que define a varincia.

A varincia pode ser

calculada da seguinte forma equivalente:
V(X) = E(X2) - E2(X)

Medidas de Disperso de V.A.`s

Uma medida de posio no informa nada
sobre a disperso dos valores da v.a..
Esta informao importante, notadamente
em situaes que envolvem risco.
As medidas de disperso mais populares
so a varincia e o desvio padro.

Varincia de uma V.A.

A varincia de uma v.a. X o
valor esperado de g(X) = [X-E(X)]2.
Exemplo 2.7 - Calcule V(X),
sendo X a v.a. definida no exemplo 2.5.

R : V (X ) = [ x E(X )]2 P(X = x ) = 5 / 9.

x

Exemplo 2.7 (cont.) - Recalcule V(X),

usando a forma equivalente do slide anterior.
Soluo:

Sendo:

E (X ) = x P(X = x ), no caso discreto

2

E(X2) = 02*1/2 + 12*1/3 + 22*1/6 = 1.

e
E (X 2 ) = x 2 f(x) dx, no caso contnuo.

V(X) = E(X2) - E2(X) = 1-(2/3)2 = 1 - 4/9 = 5/9.

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Exemplo 2.8 - Calcule V(X),

sendo X a v.a. definida no exemplo 2.4.
2

3
E (X ) = x x 2 dx =
8
0
2

5 2

f(x)

A varincia possui uma limitao prtica:

serve apenas para comparar disperses,
mas no possui interpretao direta.

3 4
3x
x dx =
80
8 5

Isto devido ao fato dela ser expressa no

quadrado da varivel original, que em geral
torna-se uma unidade que sequer faz sentido.

12
.
5
2

12 3
3
V(X) = E(X ) E (X) = = .
5 2
20

Por esta razo o desvio padro, apresentado

a seguir, adotado com maior frequncia.

Desvio Padro

Algumas Propriedades Importantes

do Valor Esperado e da Varincia

a raiz quadrada da varincia:

DP(X ) = V(X)
Possui a vantagem de ser expresso
na mesma unidade de X, e de possuir
interpretao direta, baseada na distribuio
Normal (como ser visto no captulo 6).

Exemplo 2.9 - Seja um produto importado

cujo preo, em dlares, apresenta, ao longo
de um perodo, mdia 80 e desvio padro 8.
a) Se a taxa de cmbio for 2 R$/Dlar,
calcule o valor esperado, a varincia
e o desvio padro do preo em R$.
b) Se o preo do produto aumenta 10 dlares,
calcule a mdia, a varincia e o desvio padro
do preo (em dlares), aps o aumento.

(1) Se b uma constante, e Y = b:

E(Y) = b e V(Y) = 0.
(2) Se a uma constante, e Y = aX:
E(Y) = aE(X) e V(Y) = a2V(X).
(3) Se a e b so constantes, e Y = aX + b:
E(Y) = aE(X) + b e V(Y) = a2V(X).

Soluo do item a:
a) Seja X o preo do produto em dlares.
Ento: E(X) = 80, DP(X) = 8 e V(X) = 64.
Seja Y o preo do produto em R$.
Ento: Y = 2X. Logo, E(Y) = 2E(X)
= R$ 160, V(Y) = 22V(X) = 4*64
= 256 R$2 e DP(Y) = R$ 16.

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Soluo do item b:
b) Seja Z o preo em dlares aps o
aumento. Ento: Z = X + 10.

Padronizando uma V.A.

Seja X uma v.a. tal que E(X) = e
V(X) = 2. Seja Z = (X-
)/
. Ento:
E(Z) = 0 e V(Z) = 1.

Logo, E(Z) = E(X) + 10 = 90 dlares,

V(Z) = V(X) = 64 dlares2 e
DP(Z) = 8 dlares.

Demonstrao:
Z pode ser escrito da seguinte forma:
aX+b, sendo a = 1/ e b = -/.
Agora basta usar as propriedades:
E(aX+b) = aE(X) + b e V(aX+b) = a2V(X).
Assim:
E(Z) = E(X)/ - / = 0 e
V(Z) = (1/)2V(X) = 1, C.Q.D..

Coeficiente de Variao (CV)

Medida de disperso relativa,
definida da seguinte forma:

CV( X) =

DP(X)
.
E(X)

A idia expressar o desvio padro em

relao mdia, sendo uma medida til para
comparar conjuntos de dados com mdias
muito diferentes, ou unidades diferentes.

Isto se chama padronizar a v.a. X (ou seja,

transform-la em uma nova v.a., chamada
de Z, que possui mdia zero e varincia 1).

A varincia e o desvio padro so as medidas

de disperso mais famosas, mas no as nicas.
Por exemplo, estas no sero adequadas
quando quisermos comparar a variabilidade de
variveis aleatrias com diferentes magnitudes.
Neste caso, a medida adequada calcula a
disperso em relao a E(X) (= disperso
relativa), e chama-se coeficiente de variao.

O CV costuma ser expresso em termos

percentuais. Por exemplo, se DP(X) = 100
e E(X) = 500, ento CV(X) = 0,2 = 20%.
Quando uma v.a. possui menor CV do que
outra, dizemos que sua distribuio mais
homognea. A outra dita mais heterognea.
O CV invariante a mudanas de escala
(calcule-o para o item a) do exemplo 2.9,
antes e depois da transformao Y = 2X).

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Funo de Distribuio
Acumulada (F.D.A.)

Soluo:
Para x < 0, F(x) = 0.

Funo F(x) que associa, a cada valor

x
,
a probabilidade de que X seja
menor ou igual a x, isto : P(X
x).
Exemplo 2.10 - Ache a f.d.a. da distribuio
do exemplo 2.5 (relembrando a distribuio:
P(X=0) = 1/2, P(X=1) = 1/3, P(X=2) = 1/6).

Exemplo 2.11 - Considere a distribuio de

probabilidade: f(x) = 2x, 0<x<1. Ache F(x).

Para 0 x < 1, F(x) = 1/2.

Para 1 x < 2, F(x) = 1/2 + 1/3 = 5/6.
Para x 2, F(x) = 1/2 + 1/3 + 1/6 = 1.

Propriedades da F.D.A.:
1. Lim F( x ) = 0 e Lim F( x ) = 1.
x

Soluo:

2. No caso discreto, F(x) contnua

direita. No caso contnuo, contnua.

Para x < 0, F(x) = 0.

Para 0 x < 1:
x

F( x ) = P( X x ) = f ( x )dx = 2 xdx = x 2 .

Para x 1, F(x) = 1.

3. No caso contnuo, possvel, a partir

da f.d.a., obter a funo de densidade f(x)
original, derivando F(x) com respeito a x:

f (x) =

dF( x )
.
dx

Quartis

Assimetria

So medidas Q1, Q2 e Q3 que

dividem a distribuio em 4 partes iguais.

dados
simtricos

dados com
assimetria positiva
ou direita

Dados com
assimetria negativa
ou esquerda

T.E.A. II (Curso Preparatrio para o Exame da ANPEC)

Disciplina: Estatstica - Professor: Eduardo Lima Campos

Desigualdade de Markov
Seja X uma v.a. no negativa c/ valor
esperado E(X), finito, e seja k um
nmero arbitrrio.

Aplicando a desigualdade de Markov para

[X-c]2, e fazendo k = 2, obtemos a
desigualdade de Chebyshev/Tchebysheff.

A desigualdade de Markov :

P( X k )

E(X)
.
k

Desigualdade/Teorema de Chebyshev
(forma geral, menos conhecida)
Seja X uma v.a. e seja c uma
constante finita tais que E(X-c)2 < .
Ento, para arbitrrio > 0:

E ( X c) 2
ou
2
E ( X c) 2
P[ X c < ] 1
.
2

P[ X c ]

Exemplo 2.12 - O nmero de itens produzidos

por uma fbrica durante uma semana
uma varivel aleatria com mdia 50.
a) O que se pode afirmar sobre a
probabilidade de que em uma semana
sejam produzidos 75 itens ou mais?
b) Se a varincia da produo em uma
semana 25, o que se pode afirmar sobre a
probabilidade da produo em uma semana
qualquer estar situada entre 40 e 60 itens?
R: a) no mximo 2/3 b) no mnimo 3/4.

Desigualdade/Teorema de Chebyshev
(forma mais conhecida, com c = )
Seja X uma v.a. c/ valor esperado
e varincia 2, ambos finitos.
Ento, para arbitrrio > 0:

2
2
P[ X ] 2 ou P[ X < ] 1 2

Desigualdade de Jensen
Se g(.) uma funo estritamente convexa:

E[g (X)] > g[E(X)].

Se g(.) uma funo estritamente cncava:

E[g(X)] < g[E (X)].