BNDES Matfin Estatistica Guilhermeneves Aula 05 - Parte 02

MATEMTICA FINANCEIRA E ESTATSTICA PARA BNDES
PROFESSOR: GUILHERME NEVES

Prof. Guilherme Neves www.pontodosconcursos.com.br 1
Aula 5 Parte 2
Variveis Aleatrias.................................................................................................................................... 2
Esperana de variveis aleatrias discretas..................................................................................... 5
Propriedades da Esperana Matemtica......................................................................................................... 17
Varincia e desviopadro de uma varivel aleatria ..................................................................................... 19
Propriedades da Varincia............................................................................................................................... 24
Covarincia ...................................................................................................................................................... 26
Propriedades da Covarincia........................................................................................................................... 28
Varincia da Soma e da Diferena................................................................................................................... 28
Relao das questes comentadas ................................................................................................................. 39
Variveis Aleatrias
As variveis aleatrias so a base no estudo da Estatstica Inferencial. Vamos
trabalhar com o exemplo mais clssico e simples que o lanamento de um
dado honesto. Como todos bem sabem, so seis possveis resultados no
lanamento de um dado, a saber: 1, 2, 3, 4, 5 e 6.
O dado que estamos trabalhando honesto, ou seja, estamos partindo do
pressuposto que todas as faces tm a mesma probabilidade de sair. Ok?
No caso, P(1) = P(2) = P(S) = P(4) = P(S) = P(6) = 16.
E o que significa esta probabilidade 1/6?
Significa que se pudssemos lanar este dado uma infinidade de vezes, o
esperado que em 1/6 das vezes sasse o nmero 1, em 1/6 das vezes sasse
o nmero 2, e assim por diante.
S para exemplificar, se pudssemos lanar o dado 6.000 vezes, esperamos
que o nmero 1 saia em torno de 1.000 vezes. No estamos dizendo que sair
exatamente 1.000 vezes, mas como o dado honesto, bem provvel que
cada um dos nmeros saia 1.000 vezes (ou algo bem prximo disso).
Este um exemplo de varivel aleatria. Ela pode assumir valores de uma
maneira completamente aleatria, ou seja, no temos como prever o seu
resultado. Por outro lado, podemos associar valores de probabilidade a cada
um dos possveis resultados.
Como outro exemplo, considere o peso do carregamento de garrafas de gua
mineral. Esses pesos variam aleatoriamente de 5 a 22 kg. Os pesos reais das
garrafas so os valores da varivel aleatria peso.
Esses dois exemplos mostram que as variveis aleatrias podem ser discretas
ou contnuas. Uma varivel aleatria discreta pode assumir apenas certos
valores, usualmente nmeros racionais, e resultam basicamente de contagens.
Os possveis resultados no lanamento de um dado so limitados e servem
como exemplo de varivel aleatria discreta. Os valores das variveis esto
restritos a apenas certos nmeros: 1, 2, 3, 4, 5 e 6.
Uma varivel aleatria contnua resulta de uma medida e pode assumir
qualquer valor dentro de um dado intervalo. No exemplo do carregamento
de garrafas de gua, os pesos podem assumir qualquer valor no intervalo de 5
a 22 kg.
No caso de estarmos trabalhando com uma varivel aleatria contnua, ns
no poderemos atribuir probabilidades a valores especficos. S poderemos
atribuir probabilidades a intervalos de valores.
Por qu?
Porque no caso da varivel contnua existe uma infinidade de possibilidades.
Vejamos um exemplo prtico: considere a cidade do Recife. Qual a
probabilidade de a temperatura no dia 25/03/2014 s 6h da manh ser
EXATAMENTE 27,53235778 C?
Esta probabilidade igual a 0. Isto porque h um caso favorvel e uma
infinidade de casos possveis.
Agora, poderamos calcular, por exemplo, a probabilidade de a temperatura
assumir valores entre 20C e 25C. Esta probabilidade certamente no igual
a 0.
Resumo
Varivel aleatria (v.a.) uma varivel que associada a uma distribuio de
probabilidade.
So exemplos de variveis aleatrias: o valor de uma ao ao final do dia de
amanh, a altura de uma criana daqui a 1 ano,... Todas essas variveis
podem assumir diferentes valores, valores estes que, por sua vez, esto
associados a probabilidades.
No so variveis aleatrias: o valor de uma ao no final do prego de
ontem, o nmero de pontos de um time de futebol em um campeonato que j
acabou, a altura de um homem de 40 anos daqui a 2 dias, a rea til de uma
sala,... Todas essas variveis tm valores fixos, ou seja, no mudam.
Eu falei sobre distribuio de probabilidade, mas ainda no a defini.
Distribuio de probabilidades uma lista de todos os resultados possveis de
um experimento e tambm das probabilidades associadas a cada um dos
resultados. Obviamente, a soma de todas as probabilidades ser sempre igual
a 1.
No nosso exemplo do dado honesto:
X
P(X
)
1 16
2 16
S 16
4 16
S 16
6 16
P(X
)
6
=1
= 1
Aqui na estatstica inferencial, a probabilidade associada a um valor da varivel
aleatria ter um papel muito parecida com a frequncia relativa da estatstica
descritiva.
Como j falei anteriormente, qual o significado da probabilidade igual a 1/6?
Significa que, se voc lanar o dado honesto muitas e muitas vezes, seria bem
provvel que cada um dos nmeros sasse em 1/6 das vezes.
Temos muito mais coisas a fazer do que ficar lanando dados, no mesmo?
para isso que serve o Excel. Fiz uma simulao e lancei o dado 60.000
vezes (usando a funo =ALEATRIOENTRE). De acordo com as probabilidades
da distribuio acima, esperamos que cada face saia em torno de 10.000
vezes.
Pois bem, mandei o Excel contar os nmeros (usando a funo =cont.se) e
obtive os seguintes valores:
Nmero da face Frequncia absoluta
1 9.917
2 9.958
3 10.126
4 10.090
5 10.003
6 9.906
Muito bom!!
Vamos calcular a mdia aritmtica desse experimento?
Para isto, vamos multiplicar cada valor da face pela sua frequncia, somar tudo
e dividir por 60.000.
Nmero da face Frequncia absoluta X
1 9.917 1 9.917 = 9.917

2 9.958 2 9.9S8 = 19.916
3 10.126 S 1u.126 = Su.S78
4 10.090 4 1u.u9u = 4u.S6u
5 10.003 S 1u.uuS = Su.u1S
6 9.906 6 9.9u6 = S9.4S6
Assim, a mdia ser igual a:
X
=
9.917 +19.916 +Su.S78 +4u.S6u +Suu1S +S94S6
6u.uuu
=
21u.u22
6u.uuu
X
= S,SuuS6666666
Feito isto, vamos falar na esperana de uma varivel aleatria.
Esperana de variveis aleatrias discretas
A esperana matemtica (tambm chamada de expectncia, valor mdio ou
mdia) , por definio, o nmero
p = E(X) = X
P(X
)
n
=1
O que significa esta expresso?
Significa que, para calcular a esperana de uma varivel aleatria, devemos
multiplicar cada valor da varivel pela sua respectiva probabilidade e depois
somar tudo. S isso!!!
Repita:
i) Multiplicamos cada valor da varivel pela sua probabilidade
ii) Soma tudo!!
Muito fcil!!!
Vejamos o exemplo do dado. Tnhamos a seguinte distribuio de
probabilidades:
X
P(X
)
1 16
2 16
S 16
4 16
S 16
6 16
P(X
)
6
=1
= 1
Para calcular a esperana, multiplicamos cada valor da varivel pela sua
probabilidade, ou seja, multiplicamos X
por P(X
). Depois somamos tudo.

X
P(X
) X
P(X
)
1 16
1
1
6
=
1
6
2 16
2
1
6
=
2
6
S 16
S
1
6
=
S
6
4 16
4
1
6
=
4
6
S 16
S
1
6
=
S
6
6 16
6
1
6
=
6
6
P(X
)
6
=1
= 1
Vamos somar tudo agora?
p = E(X) =
1
6
+
2
6
+
S
6
+
4
6
+
S
6
+
6
6
=
1 +2 +S +4 +S +6
6
=
21
6
p = E(X) = S,Su
Epaaa, Guilherme!! Aquele exemplo que voc fez no Excel... A mdia tinha
dado S,SuuS6666666!!!! coincidncia isso?
No, meu amigo!! Graas a Deus que voc percebeu isto.
Esse o esprito da Esperana Matemtica.
Se fosse possvel lanar o dado infinitas vezes e calcular a mdia aritmtica, o
resultado seria exatamente a esperana da varivel aleatria. Est vendo como
a matemtica bela?
Por enquanto vamos nos restringir ao estudo da esperana de variveis
aleatrias discretas. Em um momento posterior estudaremos a esperana de
variveis contnuas.
Vamos resolver alguns exerccios para treinar estes conceitos iniciais?
01. (Administrador DNOCS 2010/FCC) Em uma loja, as unidades vendidas por
dia de um determinado eletrodomstico apresentam a seguinte distribuio de
probabilidades de ocorrncia de venda:
A probabilidade de que em um determinado dia tenham sido vendidas mais
que uma unidade do eletrodomstico igual a
(A) 87,5%.
(B) 80,0%.
(C) 75,0%.
(D) 60,0%.
(E) 50,0%.
Resoluo
O somatrio de todas as probabilidades deve ser igual a 1. Desta forma:
P +P +SP +2P +P = 1
8P = 1
P =
1
8
SP +2P +P = 6P = 6
1
8
=
6
8
=
S
4
= u,7S = 7S%
Letra C
02. (TRF 4 Regio 2010/FCC) O nmero de televisores vendidos diariamente
em uma loja apresenta a seguinte distribuio de probabilidades.
A probabilidade de que, em um determinado dia, no seja vendido nenhum
televisor igual a 10% e de que seja vendido mais que 3 igual a 30%.
Ento, a probabilidade de que em um determinado dia sejam vendidos 2
televisores de
(A) 10%.
(B) 12%.
(C) 15%.
(D) 18%.
(E) 20%.
Resoluo
Quando o problema enuncia que a probabilidade de que, em um determinado
dia, no seja vendido nenhum televisor igual a 10%, isto significa que
x = 1u% = u,1.
O enunciado ainda afirma que a probabilidade de que seja vendido mais que 3
televisores igual a 30%. Ou seja:
2y +x = Su%
2y +u,1 = u,S
2y = u,2
y = u,1
Como a soma de todas as probabilidades deve ser igual a 1, ento:
x +Sy +z +z +2y +x = 1
2x +Sy +2z = 1
2 u,1 +S u,1 +2z = 1
u,7 +2z = 1
2z = u,S
z = u,1S
A probabilidade de que sejam vendidos 2 televisores de z = u,1S = 1S%.
Letra C
03. (Tcnico de Controle Externo Economia TCE/MG 2007/FCC) O nmero
de unidades vendidas, mensalmente, de um produto em uma determinada loja
uma varivel aleatria (X) com a seguinte distribuio de probabilidades:
Sabe-se que somente em 10% dos meses so vendidos mais que 3 unidades.
Ento, se em um determinado ms a venda realizada no foi nula, tem-se que
a probabilidade dela ter sido inferior a 4
(A) 70,0%
(B) 75,0%
(C) 80,0%
(D) 87,5%
(E) 90,0%
Resoluo
O texto fala que somente em 10% dos meses so vendidos mais que 3
unidades. Ora, vender mais que 3 unidades, de acordo com a tabela, significa
vender exatamente 4 unidades. Conclumos que m = 1u% = u,1 .
O somatrio de todas as probabilidades deve ser igual a 1, portanto:
2m +n +2n +n +m = 1
2 u,1 +n +2n +n +u,1 = 1
u,2 +4n +u,1 = 1
4n = u,7
n = u,17S = 17,S%
Vamos reconstruir a distribuio de probabilidades com os valores obtidos?
X P(X)
0
1
2m = 2 1u% = 2u%
n = 17,S%
2 2n = 2 17,S% = SS%
3 n = 17,S%
4 m = 1u%
Fazendo uma limpeza no visual...
X P(X)
0 2u%
1 17,S%
2 SS%
3 17,S%
4 1u%
Se em um determinado ms a venda realizada no foi nula, tem-se que a
probabilidade dela ter sido inferior a 4 ...
Se a venda realizada no foi nula, podemos riscar a primeira linha da nossa
tabela. Isto significa que o nosso total agora 100% - 20% = 80%.
X P(X)
1 17, 5%
2 35%
3 17, 5%
4 1u%
Queremos calcular a probabilidade de ela ter sido inferior a 4.
A probabilidade pedida
P =
17,S%+SS%+17,S%
8u%
=
7u%
8u%
=
7
8
= u,87S = 87,S%
Letra D
04. (MEC 2009 CESGRANRIO) Uma empresa considera fazer um investimento
que tem probabilidade igual a 0,2 de produzir um lucro de R$ 20.000,00 e
probabilidade igual a 0,5 de produzir um lucro de R$ 8.000,00; caso contrrio,
o investimento trar um prejuzo de R$ 15.000,00. O valor esperado do
retorno do investimento, em reais,
(A) 3.500,00
(B) 4.000,00
(C) 4.500,00
(D) 5.000,00
(E) 5.500,00
Resoluo
Vamos construir a distribuio de probabilidades.
X P(X)
2u.uuu,uu u,2
8.uuu,uu u,S
- 1S.uuu,uu u,S
Para calcular o valor esperado, devemos multiplicar cada valor da varivel pela
sua respectiva probabilidade e somar tudo.
X P(X) X P(X)
2u.uuu,uu u,2 2u.uuu u,2 = 4.uuu,uu
8.uuu,uu u,S 8.uuu u,S = 4.uuu,uu
- 1S.uuu,uu u,S -1S.uuu u,S = -4.Suu,uu
Dessa forma, o valor esperado ser 4.000 + 4.000 4.500 = 3.500
Letra A
05. (MPOG 2006 ESAF) Suzana e Sandra jogam, cada uma, uma moeda. Se do
lanamento dessas duas moedas resultar duas caras, Suzana paga a Sandra
R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00.
Supondo que ambas as moedas sejam estatisticamente honestas, o valor
esperado, em reais, dos ganhos de Sandra (considerando- se como ganhos
negativos os valores que ela paga Suzana) igual a
a) 1,5.
b) -0,75.
c) 0,75.
d) -1,5.
e) 2,5.
Resoluo
O problema pede para calcular o valor esperado. Valor esperado a mesma
coisa que esperana matemtica (ou expectncia ou mdia).
Queremos calcular os ganhos de Sandra.
Se do lanamento dessas duas moedas resultar duas caras, Suzana paga a
Sandra R$ 6,00. Ou seja, se o resultado for cara-cara (probabilidade igual a
1/4), Sandra GANHA R$ 6,00.
Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00.
Quais so os outros possveis resultados? Cara-coroa, coroa-cara ou coroa-
coroa. A probabilidade disto ocorrer igual a .
Eis a distribuio de probabilidades.
X P(X)
+6,uu
1
4
-4
S
4
Para calcular a esperana devemos seguir dois passos.
i) Multiplicar cada valor da varivel pela sua respectiva probabilidade.
ii) Somar tudo.
X P(X) X P(X)
+6,uu
1
4
+6
1
4
= +1,Su
-4
S
4
-4
S
4
= -S,uu
A esperana igual a:
p = E(X) = +1,Su -S,uu = -1,Su
Isto significa que, se Sandra e Suzana realizassem este experimento uma
infinidade de vezes, Sandra perderia R$ 1,50 por jogo em mdia.
Letra D
06. (MPU 2004 ESAF) O preo de determinada ao fica constante, aumenta
ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente.
Assinale a opo que d o valor esperado do preo da ao amanh se seu
preo hoje R$ 8,00.
a) R$ 7,90
b) R$ 8,00
c) R$ 7,00
d) R$ 9,00
e) R$ 8,50
Resoluo
A probabilidade de o preo da ao no variar (permanecer constante) igual
a 0,3. Assim, a probabilidade de o preo da ao continuar R$ 8,00 0,3.
A probabilidade de o preo da ao aumentar R$ 1,00 (ou seja, ficar igual a R$
9,00) igual a 0,3.
A probabilidade de o preo da ao diminuir R$ 1,00 (ou seja, ficar igual a R$
7,00) igual a 0,4.
Eis a distribuio de probabilidades.
X P(X)
7,uu u,4
8,uu u,S
9,uu u,S
Queremos calcular o valor esperado. Para tanto, multiplicamos cada valor da
varivel pela sua respectiva probabilidade e depois somamos tudo.
X P(X) X P(X)
7,uu u,4 7,uu u,4 = 2,8u
8,uu u,S 8,uu u,S = 2,4u
9,uu u,S 9,uu u,S = 2,7u
E(X) = 2,8u +2,4u +2,7u = 7,9u
Letra A
07. (Estatstico TCE/RO 2007/CESGRANRIO) O retorno mensal de certo
investimento de risco pode ser modelado pela varivel aleatria W, com funo
de probabilidade dada a seguir.
O retorno esperado :
(A) 0,5%
(B) 0,5%
(C) 1,5%
(D) 5%
(E) 7,5%
Resoluo
O retorno esperado o mesmo que esperana.
Basta multiplicar cada valor da varivel W pela sua respectiva probabilidade e
somar tudo.
E(w) = -S% u,4 +u% u,1S +S% u,2S +1u% u,1S +1S% u,uS
E(w) -2%+u%+1,2S%+1,S%+u,7S%
E(w) = 1,S%
Letra C
08. (Analista BACEN 2010 CESGRANRIO) Sobre variveis aleatrias, considere
as afirmaes a seguir.
I - Para toda e qualquer varivel aleatria, sua funo de densidade de
probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel
aleatria considerada, exceto no caso de variveis aleatrias contnuas, para
as quais a probabilidade de ocorrncia de um valor especfico zero.
II - A esperana matemtica (expectncia) de uma varivel aleatria discreta,
ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida
como um n-avos do somatrio dos valores possveis dessa varivel
multiplicados por suas respectivas probabilidades.
III - A distribuio binomial uma extenso direta da Distribuio de Bernoulli,
uma vez que o experimento aleatrio que caracteriza a binomial nada mais
do que um Experimento de Bernoulli repetido n vezes.
correto APENAS o que se afirma em
(A) II.
(B) III.
(C) I e II.
(D) I e III.
(E) II e III.
Resoluo
Vamos analisar cada um dos itens:
I Verdadeiro.
Ao contrrio de uma varivel aleatria discreta, uma varivel aleatria
contnua pode assumir qualquer valor dentro de um intervalo definido de
valores. Desta maneira, para distribuies de probabilidade, no se consegue
enumerar todos os possveis valores de uma varivel aleatria contnua com os
valores de probabilidades correspondentes. Em lugar disso, a abordagem mais
conveniente construir uma funo densidade de probabilidade, baseada na
funo matemtica correspondente.
Para definir uma funo de probabilidade contnua, necessrio utilizar
critrios diferentes das variveis discretas, isto porque X dever estar
compreendido entre dois valores diferentes (em se considerando uma varivel
aleatria contnua), sendo que em geral a probabilidade de x assumir um
determinado valor 0.
No caso de variveis contnuas, as probabilidades so especificadas em termos
de intervalos, pois a probabilidade associada a um nmero especfico zero.
II Falso
A esperana matemtica (expectncia) de uma varivel aleatria discreta, ou
seja, seu valor esperado, a mdia dessa varivel aleatria, que definida
como um n- avos do somatrio dos valores possveis dessa varivel
A parte em negrito vermelho est errada!!
E(X) = X
P(X
)
n
=1
O texto correto seria A esperana matemtica (expectncia) de uma varivel
aleatria discreta, ou seja, seu valor esperado, a mdia dessa varivel
aleatria, que definida como somatrio dos valores possveis dessa varivel
III Verdadeiro
Ainda no estudamos a distribuio binomial, mas vou fazer um resuminho s
para responder a questo (no se preocupem!! Vamos estudar detalhadamente
tudo sobre a distribuio binomial posteriormente.)
A distribuio binomial uma distribuio discreta de probabilidade, aplicvel
sempre que o experimento do tipo do de Bernoulli. O experimento de
Bernoulli se caracteriza pela existncia de apenas dois eventos, mutuamente
exclusivos, que denominaremos sucesso e fracasso. Se a probabilidade de
sucesso p, a probabilidade de fracasso 1-p.
Caractersticas de um experimento de Bernoulli
i) Em cada tentativa existem dois resultados possveis,
mutuamente exclusivos. Eles so chamados, por convenincia,
sucesso e fracasso.
ii) As sries de observaes so constitudas de eventos
independentes.
iii) As probabilidades de sucesso e fracasso permanecem
constantes de tentativa para tentativa.
Exemplos de experimentos de Bernoulli:
Jogamos uma moeda no-viciada e pomos sucesso = cara, fracasso =
coroa.
Jogamos um dado no-viciado e pomos sucesso = o resultado 1 ou
2, fracasso = o resultado 3, 4, 5 ou 6.
De uma urna que contm 8 bolas verdes e 4 bolas amarelas, sacamos
uma bola e pomos sucesso = a bola verde, fracasso = a bola
amarela.
A distribuio binomial nada mais do que a generalizao da distribuio
de Bernoulli. H um sucesso, com probabilidade p, e um fracasso, com
probabilidade q, tal que p+q=1, mas o nmero de experimentos pode ser
qualquer um.
Letra D
Propriedades da Esperana Matemtica
Apesar de ainda no ter explicado o processo do clculo da Esperana no caso
de variveis contnuas, as propriedades apresentadas a seguir so vlidas
tanto para variveis discretas como para variveis contnuas.
Vamos considerar que X e Y so duas variveis aleatrias quaisquer e que k
seja uma constante qualquer (um nmero).
i) E(k X) = k E(X)
Ou seja, se multiplicamos uma varivel aleatria por k, a sua esperana fica
multiplicada por k. Lembra da propriedade da mdia aritmtica em Estatstica
Descritiva? Aqui fica igualzinho.
Por exemplo, se dobramos os valores da varivel aleatria, a sua mdia
(esperana) tambm dobra.
Vamos ver um exemplo bem prtico. Lembra que levando em considerao um
dado honesto de 6 faces (as faces sendo 1,2,3,4,5,6), a esperana tinha dado
3,50?
Vamos dobrar os valores das faces. Considere, portanto, um dado cujas faces
so iguais a 2,4,6,8,10,12. Qual o valor da esperana neste caso?
Ora, como multiplicamos cada valor da varivel por 2, a esperana tambm
ser multiplicada por 2. Assim, a esperana neste caso igual a S,Su 2 = 7.
ii) E(X +k) = E(X) +k
Se adicionamos uma constante k a todos os valores de uma varivel aleatria,
tambm adicionamos k unidades sua esperana.
Voltemos novamente ao exemplo do dado. Imagine que eu vou adicionar 20
unidades a cada face. Ou seja, minhas novas faces sero iguais a 21, 22, 23,
24, 25, 26. Qual o novo valor da esperana?
Ora, se eu adiciono 20 unidades a cada valor da varivel, a esperana tambm
aumentar 20 unidades. Assim, a nova esperana igual a 3,50 + 20 = 23,50.
iii) E(X +) = E(X) +E()
Podemos ler a propriedade acima da seguinte maneira: a esperana da soma
de duas variveis igual soma das esperanas das variveis.
iv) E(k) = k
Esta propriedade muito fcil de entender. Ela diz que a esperana de uma
constante igual prpria constante.
Imagine um dado em que todas as faces so iguais a 4. Qual a esperana
neste caso?
Ou seja, se voc fosse lanar este dado infinitas vezes e calculasse a mdia,
qual seria este valor?
Quatro!
v) Se X e Y so variveis aleatrias independentes, ento
E(X) = E(X) E()
Observe que voc s poder utilizar esta propriedade se o problema
garantir que as variveis so independentes, ok?
E um fato muito importante que costumam perguntar nas provas.
Acabamos de falar que SE (e este um grande SE) as variveis aleatrias X
e Y so independentes, ento E(X) = E(X) E().
Porm, se voc sabe que E(X) = E(X) E() voc NO PODE GARANTIR QUE
AS VARIVEIS SO INDEPENDENTES.
Se as variveis X e Y so independentes, ento F(XY) = F(X) F(Y).
Se F(XY) = F(X) F(Y), as variveis X e Y podem ser independentes ou dependentes.
Vou resolver uma parte de uma questo do TCE-RS 2011. Na realidade a
questo pedia para o candidato analisar trs afirmativas. Como estamos no
incio da aula, vamos analisar apenas uma delas. Depois responderemos a
questo completamente.
(Economista TCE/RS 2011/FMP) Considere X e Y duas variveis aleatrias
quaisquer e as afirmativas abaixo:
I. Se Z = 8X + 9Y, ento VAR(Z) = 8VAR(X) + 9VAR(Y) + 2 COV(X,Y).
II. Se W = 8X + 9Y + 10, ento E(W) = 8E(X) + 9E(Y) + 10.
III. Se COV(X,Y) = 0, ento X e Y so independentes.
correto afirmar que:
(A) apenas I est correta.
(B) apenas II est correta.
(C) apenas III est correta.
(D) apenas I e II esto corretas.
(E) apenas II e III esto corretas.
No presente momento, s temos condio de analisar a assertiva II.
Queremos calcular a esperana da varivel W = 8X + 9Y + 10.
E(w) = E(8X +9 +1u) = .
A esperana da soma igual soma das esperanas. Assim, podemos
desmembrar a expresso acima.
E(w) = E(8X +9 +1u) = E(8X) +E(9) +E(1u)
Quando multiplicamos a varivel X por 8, sua esperana fica multiplicada por
8. Portanto, E(8X) = 8 E(X).
Quando multiplicamos a varivel Y por 9, sua esperana fica multiplicada por
9. Portanto, E(9Y)=9 E(Y).
10 uma constante. Vimos que a esperana de uma constante igual
prpria constante. Portanto, E(10) = 10.
E(w) = E(8X) +E(9) +E(1u) = 8 E(X) +9 E() +1u
A assertiva II est correta.
Varincia e desviopadro de uma varivel aleatria
J aprendemos a calcular a mdia (esperana) de uma varivel aleatria
discreta. Vamos aprender agora a calcular a varincia (e, consequentemente, o
desvio-padro) de uma varivel aleatria.
Por definio, a varincia de uma varivel aleatria X, de populao infinita,
o
2
= I(X) = Ior(X) = E(X -E(X))
2
Lembrando que E(X) tambm pode ser representada por p, a varincia pode
assim ser escrita:
o
2
= E(X -p)`
Vamos desenvolver esta expresso?
Primeiro devemos desenvolver o produto notvel:
(X -p)
2
= X` -2Xp +p`
Portanto:
o
2
= E(X -p)
2
= E(X
2
-2Xp +p
2
)
o
2
= E(X
2
) -E(2Xp) +E(p
2
)
Lembre-se que p a mdia da varivel X. Assim, p uma constante. Sendo
uma constante, podemos inferir que E(p
2
) = p
2
e que E(2Xp) = 2pE(X).
o
2
= E(X
2
) -2pE(X) +p
2
Como E(X) = p,ento:
o
2
= E(X
2
) -2p p +p
2
o
2
= E(X
2
) -2p` +p
2
o
2
= E(X
2
) -p` ou o
2
= E(X
2
) -|E(X)]`
Esta frmula mais fcil de trabalhar.
Varincia de uma varivel aleatria
o
2
= E(X -p)`
o
2
= E(X
2
) -p`
Vamos praticar um pouco?
Vamos considerar um tetraedro regular (poliedro com 4 faces triangulares).
Nas faces temos os nmeros 2, 4, 6 e 8. O resultado a face que fica voltada
para baixo.
Como o poliedro regular, vamos supor que cada face tem a mesma
probabilidade de sair. Assim:
Eis a sua distribuio de probabilidade.
P(2) = P(4) = P(6) = P(8) =
1
4
X P(X)
2 14
4 14
6 14
8 14
Para calcular a esperana, devemos multiplicar cada valor da varivel pela sua
respectiva probabilidade e depois somar tudo.
X P(X) X P(X)
2 14
2
1
4
=
2
4
4 14
4
1
4
=
4
4
6 14
6
1
4
=
6
4
8 14
8
1
4
=
8
4
Agora somamos tudo.
p =
2
4
+
4
4
+
6
4
+
8
4
p = S
Isto significa que se fssemos jogar este tetraedro uma infinidade de vezes, a
mdia seria igual a 5.
Vamos agora calcular a varincia?
D uma olhadinha na frmula:
o
2
= E(X
2
) -p`
Como j sabemos o valor de p, automaticamente j sabemos que p` = S` = 2S.
Precisamos calcular E(X
2
).
Guilherme, qual o significado da expresso E(X
2
).
Veja, meu amigo. Voc lembra do processo para calcular a esperana de
alguma coisa? Devemos multiplicar cada valor da varivel em questo pela sua
respectiva probabilidade e depois somar tudo.
No caso, queremos calcular a esperana da varivel X. Assim, vamos elevar
ao quadrado cada valor da varivel X, depois multiplicar pelas probabilidades e
somar tudo.
X P(X) X P(X) X`
2 14
2
1
4
=
2
4
2` = 4
4 14
4
1
4
=
4
4
4` = 16
6 14
6
1
4
=
6
4
6` = S6
8 14
8
1
4
=
8
4
8` = 64
Agora vamos multiplicar cada valor de X` pelas respectivas probabilidades.
X P(X) X P(X) X` X` P(X)
2 14
2
1
4
=
2
4
2` = 4
4
1
4
= 1
4 14
4
1
4
=
4
4
4` = 16
16
1
4
= 4
6 14
6
1
4
=
6
4
6` = S6
S6
1
4
= 9
8 14
8
1
4
=
8
4
8` = 64
64
1
4
= 16
Somando tudo...
E(X
2
) = 1 +4 +9 +16 = Su
Agora podemos calcular a varincia.
o
2
= E(X
2
) -p` = Su -S` = 2S
09. (AFRFB 2009/ESAF) A tabela mostra a distribuio de frequncias relativas
populacionais (f) de uma varivel X:
X '
-2 6o
1 1o
2 So
Sabendo que a um nmero real, ento a mdia e a varincia de X so,
respectivamente:
a)
b)
p
X
= -u,S c o
X
2
= S,4S
c)
p
X
= u,S c o
X
2
= -S,4S
d)
p
X
= u c o
X
2
= 1
e)
p
X
= -u,S c o
X
2
= S,7
p
X
= u,S c o
X
2
= S,7
Resoluo
O enunciado da ESAF foi meio impreciso ao falar em frequncia relativa. O
correto mesmo seria probabilidade.
O somatrio de todas as probabilidades deve ser igual a 1. Portanto:
6o +1o +So = 1
1uo = 1
o = u,1
Vamos substituir este valor na distribuio de probabilidades.
X '
-2 u,6
1 u,1
2 u,S
Para calcular a mdia (esperana), vamos multiplicar cada valor da varivel
pela sua probabilidade e somar tudo.
p
X
= -2 u,6 +1 u,1 +2 u,S = -1,2 +u,1 +u,6 = -u,S
Poderamos ter feito isto na tabela.
X ' X '
-2 u,6 -2 u,6 = -1,2
1 u,1 1 u,1 = u,1
2 u,S 2 u,S = u,6
Assim, p
X
= -1,2 +u,1 +u,6 = -u,S.
Vamos agora calcular a varincia.
o
2
= E(X
2
) -p`
J sabemos o valor de p, portanto p` = (-u,S)
2
= u,2S.
Vamos calcular E(X
2
). Para tanto, devemos elevar os valores de X ao
quadrado, depois multiplicar pela probabilidades e somar tudo.
X ' X ' X` X` '
-2 u,6 -2 u,6 = -1,2 (-2)
2
= 4 4 u,6 = 2,4
1 u,1 1 u,1 = u,1 1` = 1 1 u,1 = u,1
2 u,S 2 u,S = u,6 2` = 4 4 u,S = 1,2
Somando tudo...
E(X
2
) = 2,4 +u,1 +1,2 = S,7
Agora podemos calcular a varincia.
o
2
= E(X
2
) -p` = S,7 -u,2S = S,4S
Letra A
Propriedades da Varincia
Veremos agora duas propriedades (muito parecidas com as propriedades da
Estatstica Descritiva). Considere que X uma varivel aleatria e que k uma
constante real.
I(X +k) = I(X)
I(k X) = k` I(X)
Vamos analisar cada uma separadamente.
i) I(X +k) = I(X)
Isto significa que se voc adicionar uma constante a todos os valores da
varivel, a varincia no se altera.
ii) I(k X) = k` I(X)
Se voc multiplicar todos os valores da varivel por uma constante k, a
varincia ficar multiplicada pelo quadrado desta constante.
10. (PETROBRAS 2006 Administrador Pleno CESGRANRIO) Se Y = 2X+1 e
a varincia de X vale 2, a varincia de Y igual a:
(A) 2
(B) 4
(C) 5
(D) 8
(E) 9
Resoluo
Poderamos raciocinar da seguinte maneira:
Como chegamos varivel Y a partir da varivel X? Multiplicamos os valores
de X por 2 e em seguida adicionamos 1 ao resultado encontrado.
Assim, a varincia (que igual a 2) multiplicada por 4 igual a 8.
Letra D
11. (CGU 2008 Estatstica e Clculos Atuariais/ESAF) Seja X uma varivel
aleatria com mdia 1 e varincia 2. Qual a varincia da varivel Y = 2X + 4?
a) 2
b) 4
c) 6
d) 8
e) 12
Resoluo
No precisamos da mdia da varivel X para calcular a varincia de Y.
O raciocnio o mesmo da questo anterior.
Como chegamos varivel Y a partir da varivel X? Multiplicamos os valores
de X por 2 e em seguida adicionamos 4 ao resultado encontrado.
Assim, a varincia (que igual a 2) multiplicada por 4 igual a 8.
Letra D
Covarincia
Por definio, dadas duas variveis aleatrias, X e Y, a covarincia entre X e Y

co:(X, ) = E(X -p
X
)( -p
)
A covarincia pode ser entendida como uma varincia conjunta entre duas
variveis.
Vamos desenvolver a expresso acima para que possamos encontrar uma
forma mais fcil de calcular a covarincia.
co:(X, ) = E(X -p
X
)( -p
) = E(X -Xp
-p
X
+p
X
p
)
Vamos desmembrar esta expresso.
co:(X, ) = E(X -Xp
-p
X
+p
X
p
)
co:(X, ) = E(X) -E(Xp
) -E(p
X
) +E(p
X
p
)
Lembre-se que p
X
a mdia da varivel X e que p
a mdia da varivel Y.
So, portanto, constantes. A esperana de uma constante igual prpria
constante, assim, E(p
X
p
) = p
X
p
.
co:(X, ) = E(X) -p
E(X) -p
X
E() +p
X
p
Pessoal, E(X) a mesma coisa que p

X
e E(Y) a mesma coisa que p
.
co:(X, ) = E(X) -p
p
X
-p
X
p
+p
X
p
co:(X, ) = E(X) -p
p
X
Portanto, podemos escrever a covarincia assim:
co:(X, ) = E(X) -p
X
p
ou co:(X, ) = E(X) -E(X) E()

O passo a passo o seguinte:
i) Calculamos a esperana de X, obtendo p
X
= E(X).
ii) Calculamos a esperana de Y, obtendo p
= E().
iii) Multiplicamos a varivel X pela varivel Y obtendo a varivel XY.
iv) Calculamos a esperana de XY, obtendo E(X).
v) Aplicamos a frmula da covarincia.
Na verdade, o que aparece mais so os aspectos tericos sobre a covarincia.
Para responder as questes de covarincia, voc precisa saber a frmula e dois
detalhes que vou explicar agora.
Voc lembra que quando as variveis X e Y so independentes,
E(X) = E(X) E().
Pois bem, suponha que as variveis X e Y so independentes. O que ocorre
com a covarincia?
Ora, sendo independentes, conclumos que E(X) = E(X) E(). Assim:
co:(X, ) = E(X) -E(X) E()
co:(X, ) = E(X) E() -E(X) E()
co:(X, ) = u
ISTO MUITO IMPORTANTE!!!!!!
Agora, se a covarincia igual a 0, voc no pode concluir que as variveis
so independentes.
Resumindo:
Se as variveis X e Y so independentes, ento cov(X,Y) = 0.
Se cov(X,Y)=0, as variveis podem ser independentes ou dependentes.
Amigos, isso cai muito nas provas. Memorizem!!!!
Propriedades da Covarincia
Considere que X,Y e Z so variveis aleatrias e que k uma constante
qualquer. possvel demonstrar as seguintes relaes:
i) co:(X, ) = co:(, X)
ii) cuu(X, X) = uar(X)
iii) co:(k, X) = co:(X, k) = u
iv) co:(X +, Z) = co:(X, Z) +co:(, Z)
v) co:(kX, ) = co:(X, k) = k co:(X, )
A sentena i) afirma que a covarincia entre X e Y igual covarincia entre Y
e X.
A sentena ii) afirma que a varincia de X , na realidade, a covarincia entre
X e X.
A sentena iii) afirma que a covarincia entre uma varivel aleatria e uma
constante sempre igual a 0.
A sentena iv) nos ensinar a desmembrar uma soma dentro da covarincia.
A sentena v) afirma que se uma constante estiver multiplicando uma das
variveis, ela pode sair multiplicando a covarincia.
Daqui a pouquinho vamos treinar isto em exerccios.
Varincia da Soma e da Diferena
Este conceito muito cobrado em provas. Agora que j estudamos a
covarincia, podemos mostrar a frmula da varincia e a da diferena de
variveis aleatrias. Ei-las:
I(X +) = I(X) +I() +2 co:(X, )
I(X -) = I(X) +I() -2 co:(X, )
Note como estas expresses so muito parecidas s formas dos produtos
notveis (x +y)
2
= x` +y` +2xy e (x -y)
2
= x` +y` -2xy. Basta fazer a varincia
anloga ao quadrado e a covarincia anloga ao produto.
Vamos exercitar?
12. (SEFAZ-RJ 2008/FGV) Sejam X e Y duas variveis aleatrias quaisquer.
Ento:
(A) VAR (X Y) = VAR (X) VAR (Y).
(B) VAR (X Y) = VAR (X) + VAR (Y) COV (X, Y).
(C) VAR (X Y) = VAR (X) + VAR (Y) 2 COV (X, Y).
(D) VAR (X Y) = VAR (X) + VAR (Y) + COV (X, Y).
(E) VAR (X Y) = VAR (X) + VAR (Y) + 2 COV (X, Y).
Resoluo
Vocs acreditam que caiu uma questo assim? Sem comentrios, basta
assinalar a frmula que acabamos de ver.
Gabarito: C
13. (Economista TCE/RS 2011/FMP) Considere X e Y duas variveis
aleatrias quaisquer e as afirmativas abaixo:
Resoluo
Vamos aplicar a frmula da varincia da soma de duas variveis.
Ior (Z) = Ior(8X +9) = Ior(8X) +Ior(9) +2 co:(8X, 9)
Observe que se multiplicamos a varivel X por 8, a sua varincia ser
multiplicada por 8 = 64. Se multiplicamos a varivel Y por 9, a sua varincia
ser multiplicada por 9 = 81.
Ior (Z) = 64 Ior(X) +81 Ior() +2 co:(8X, 9)
Professor, ainda precisamos desenvolver a expresso da covarincia!
Para isto, vamos utilizar uma outra frmula.
Se m e n so constantes, ento co: (mA, nB) = mn co:(A, B).
Ento ficamos assim:
Ior (Z) = 64 Ior(X) + 81 Ior() +2 co:(8X, 9)
Ior(Z) = 64 Ior(X) +81 Ior() +2 8 9 co:(X, )
Ior(Z) = 64 Ior(X) +81 Ior() +144 co:(X, )
O item I est errado.
Queremos calcular a esperana da varivel W = 8X + 9Y + 10.
E(w) = E(8X +9 +1u) = .
A esperana da soma igual soma das esperanas. Assim, podemos
desmembrar a expresso acima.
E(w) = E(8X +9 +1u) = E(8X) +E(9) +E(1u)
Quando multiplicamos a varivel X por 8, sua esperana fica multiplicada por
8. Portanto, E(8X) = 8 E(X).
Quando multiplicamos a varivel Y por 9, sua esperana fica multiplicada por
9. Portanto, E(9Y)=9 E(Y).
10 uma constante. Vimos que a esperana de uma constante igual
prpria constante. Portanto, E(10) = 10.
E(w) = E(8X) +E(9) +E(1u) = 8 E(X) +9 E() +1u
O item II est certo.
Est uma casca de banana e aparece em MUITAS provas de
estatstica inferencial.
Na verdade, a propriedade diz que se X e Y so variveis aleatrias
independentes, ento a covarincia nula, ou seja, COV(X,Y) = 0.
Agora, se COV(X,Y) = 0, nada podemos afirmar sobre a (in)dependncia entre
as variveis envolvidas.
Ok?
Grave bem....SE AS VARIVEIS SO INDEPENDENTES, A COVARINCIA
NULA!!
SE A COVARINCIA NULA, ELAS PODEM SER INDEPENDENTES OU
DEPENDENTES!!!
Assim, o item III est errado.
Letra B
14. (Analista BACEN 2010 CESGRANRIO) Se X e Y so duas variveis
aleatrias, para as quais so definidas: E(X) e E(Y), suas esperanas
matemticas (expectncias); Var(X) e Var(Y), suas respectivas varincias, e
Cov(X, Y), a covarincia entre X e Y, quaisquer que sejam as distribuies de X
e Y, tem-se que
(A) E(XY) = E(X) + E(Y) 2Cov(X, Y)
(B) E(X) . E(Y) = E(XY) Cov(X, Y)
(C) E(3X + 2Y) = 9E(X) + 4E(Y)
(D) Var(X + 5) = Var(X) + 5
(E) Cov(X, Y) = Var(X) . Var(Y)
Resoluo
A alternativa A completamente absurda. Ele tenta confundir a frmula da
varincia da diferena com estas expresses envolvendo esperanas.
Vejamos a alternativa B.
Sabemos que a covarincia calculada da seguinte maneira:
co:(X, ) = E(X) -E(X) E()
Vamos transportar E(X).E(Y) que est negativo no segundo membro para o
primeiro membro.
E(X) E() +co:(X, ) = E(X)
Agora vamos transportar cov(X,Y) para o segundo membro.
E(X) E() = E(X) -co:(X, )
exatamente a alternativa B! Este o gabarito.
Vamos analisar as outras alternativas.
(C) E(3X + 2Y) = 9E(X) + 4E(Y)
E(SX +2) = E(SX) +E(2) = SE(X) +2E()
A alternativa C est errada.
(D) Var(X + 5) = Var(X) + 5
Vimos que Var (X+ k) = Var(X). Ou seja, se adicionamos uma constante a uma
varivel aleatria, a sua varincia no se altera.
A alternativa D est errada.
A alternativa E completamente absurda.
Gabarito: B
15. (Estatstico SEAD AM 2005 CESGRANRIO) Se var(X) = 4, var(Y) = 2 e
cov(X,Y) = -1, ento var(2X Y) igual a:
a) 10
b) 12
c) 18
d) 22
e) 24
Resoluo
Uma questo muito interessante que vamos aproveitar para revisar as
propriedades da varincia e da covarincia. Vamos relembrar as propriedades
da varincia.
i) Somando-se ou subtraindo-se uma constante qualquer a uma
varivel aleatria, a varincia no se altera.
ii) Se multiplicarmos ou dividirmos uma constante qualquer a uma
varivel aleatria, a varincia ficar multiplicada ou dividida pelo
quadrado dessa constante.
E quanto covarincia? vlida a seguinte relao:
co:(oX, b) = o b co:(X, )
E, alm disso, so vlidas tambm as seguintes relaes:
I(X +) = I(X) +I() +2 co:(X, )
I(X -) = I(X) +I() -2 co:(X, )
Estude bem essas relaes!!
Bom, vamos voltar ao problema. Queremos calcular var(2X Y) sabendo que
var(X) = 4, var(Y) = 2 e cov(X,Y) = -1.
De acordo com a relao I(X -) = I(X) +I() -2 co:(X, ),
:or(2X -) = :or(2X) +:or() -2 co:(2X, )
(BASTA TROCAR O X DA FRMULA POR 2X!!!)
Vamos analisar cada componente dessa relao!
:or(2X) = 2` :or(X) = 2` 4 = 16
:or() = 2
co:(2X, ) = 2 co:(X, ) = 2 (-1) = -2
Assim,
:or(2X -) = :or(2X) +:or() -2 co:(2X, )
:or(2X -) = 16 +2 -2 (-2) = 22
Letra D
16. (Estatstico ENAP 2006/ESAF) Sabe-se que X e Y so variveis aleatrias
independentes. Dado que Z = 2 X Y, ento pode-se afirmar que
a) a varincia de Z nunca poder ser superior varincia de X.
b) a varincia de Z nunca poder ser inferior varincia de Y.
c) a varincia de Z poder se diferente de 2 X - Y.
d) o valor esperado de Z igual a 2.
e) a varincia de Z igual a zero.
Resoluo
Como o problema j afirma que as variveis X e Y so independentes,
podemos concluir que co:(X, ) = u.
Assim,
:or(2X -) = :or(2X) +:or() -2 co:(2X, )
:or(2X -) = 2` :or(X) +:or() -2 2 co:(X, )
:or(2X -) = 4 :or(X) +:or() -4 u
:or(Z) = 4 :or(X) +:or()
Como a varincia sempre um nmero no negativo, a varincia de Z nunca
poder ser inferior varincia de Y.
Letra B
17. (MPE RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito
da esperana e da varincia de duas variveis aleatrias X e Y.
I - Se X e Y so independentes, ento var(X + Y) = var(X) + var(Y).
II - Se var(X + Y) = var(X) + var(Y), ento X e Y so independentes.
III - Se X e Y so independentes, ento E(X + Y) = E(X) + E(Y).
IV - Se E(X + Y) = E(X) + E(Y), ento X e Y so independentes.
Est(o) correta(s) a(s) afirmativa(s):
(A) II, somente.
(B) I e III, somente.
(C) I e IV, somente.
(D) II e IV, somente.
(E) I, II, III e IV
Resoluo
I Verdadeiro
Sabemos que :or(X +) = :or(X) +:or() +2 co:(X, ),.
Se X e Y so independentes, ento cov(X,Y) = 0. Portanto, se X e Y so
independentes, ento
:or(X +) = :or(X) +:or() +2 u = :or(X) +:or()
II Falso
Duas variveis independentes tm covarincia zero, mas a recproca no
verdadeira. Ou seja, se a covarincia zero, as variveis podem ser
independentes ou no.
III Verdadeiro
Sejam X e Y duas variveis quaisquer, sempre verdade que
E(X + Y) = E(X) + E(Y). No interessa se as variveis so ou no
independentes, sempre ser verdade E(X+Y)=E(X)+ E(Y).
IV Falso
E(X + Y) = E(X) + E(Y) verdade para duas variveis quaisquer. Portanto, X e
Y podem ser independentes ou no.
Letra B
18. (Estatstico Pref. Manaus 2004 CESGRANRIO) Analise as afirmativas a
seguir, a respeito de duas variveis aleatrias X e Y.
I Se X e Y so independentes, ento Cov(X,Y) = 0.
II Se Cov(X,Y) = 0, ento X e Y so independentes.
III Se X e Y so independentes, ento E(XY) = E(X).E(Y).
IV Se E(XY) = E(X).E(Y), ento X e Y so independentes.
(A) I, somente.
(E) I, II, III e IV
Resoluo
I Verdadeiro
Duas variveis independentes tm covarincia zero, mas a recproca no
verdadeira. Ou seja, se a covarincia zero, as variveis podem ser
independentes ou no.
II - Falso
A frase II falsa pelo mesmo motivo da frase I.
III Verdadeiro
Se X e Y so duas variveis independentes, ento E(XY) = E(X).E(Y). A
recproca no verdadeira.
IV Falso
A frase IV falsa pelo mesmo motivo da frase III.
Letra B
19. (Fiscal de Rendas-MS 2006/FGV) Analise as afirmativas a seguir, a respeito
de duas variveis aleatrias X e Y:
I se X e Y so independentes, ento Cov(X,Y) = 0.
II se Cov(X,Y) = 0, ento X e Y so independentes;
III se X e Y so independentes, ento E(XY) = E(X).E(Y)
IV se E(XY) =E(X).E(Y), ento X e Y so independentes.
Assinale:
a) se nenhum alternativa estiver correta
b) se somente as alternativas I e III estiverem corretas
c) se somente as alternativas I e IV estiverem corretas
d) se somente as alternativas II e IV estiverem corretas
e) se todas as alternativas estiverem corretas.
Resoluo
Muito criativa a questo, no?
IDNTICAS. No vou nem copiar os comentrios.
Letra B
20. (BNDES 2011/CESGRANRIO) As variveis aleatrias X e Y tm varincias
iguais e possuem coeficiente de correlao igual a 0,2. O coeficiente de
correlao entre as variveis aleatrias X e 5X 2Y
(A) 0,35
(B) 0,2
(C) 0,1
(D) 0,56
(E) 0,92
Resoluo
Ns ainda no estudamos o coeficiente de correlao. Mas no tem problema.
Podemos resolver esta questo (difcil, por sinal) com as propriedades da
varincia e da covarincia. Para tanto, deixe-me apresentar-lhes a frmula do
coeficiente de correlao.
O coeficiente de correlao p(X, ) dado por:
p(X, ) =
co:(X, )
Ior(X) Ior()
O problema informa que Var(X) = Var(Y). Para simplificar, utilizarei a letra m
para representar estes valores.
Ior(X) = m Ior() = m
Assim,
p(X, ) =
co:(X, )
m m
Como o coeficiente de correlao igual a 0,2, ento:
u,2 =
co:(X, )
m
co:(X, ) = u,2 m
Vamos agora aplicar a definio do coeficiente de correlao para as variveis
X e 5X 2Y.
p(X, SX -2) =
co:(X, SX -2)
Ior(X) Ior(SX -2)
Utilizemos as propriedades de varincia e covarincia:
Ior(SX -2) = Ior(SX) +Ior(2) -2 co:(SX, 2)
Ior(SX -2) = S Ior(X) +2 Ior() -2 S 2 cuu(X, Y)
Ior(SX -2) = 2Sm +4m -2u , 2m = 2Sm
Ior(SX -2) = 2Sm
co:(X, SX -2) = co:(X, SX) +co:(X, -2) = Scuu(X, X) -2 co:(X, )
Lembrando que co:(X, X) = :or(X)
co:(X, SX -2) = S uar(X) -2 co:(X, )
co:(X, SX -2) = Sm -2 u,2 m
co:(X, SX -2) = 4,6 m
Substituindo estes valores na frmula:
p(X, SX -2) =
co:(X, SX -2)
Ior(X) Ior(SX -2)
=
4,6m
m 2Sm
=
4,6m
Sm
=
4,6
S
= u,92
Letra E

Relao das questes comentadas
01. (Administrador DNOCS 2010/FCC) Em uma loja, as unidades vendidas por
dia de um determinado eletrodomstico apresentam a seguinte distribuio de
probabilidades de ocorrncia de venda:
(A) 87,5%.
(B) 80,0%.
(C) 75,0%.
(D) 60,0%.
(E) 50,0%.
02. (TRF 4 Regio 2010/FCC) O nmero de televisores vendidos diariamente
em uma loja apresenta a seguinte distribuio de probabilidades.
A probabilidade de que, em um determinado dia, no seja vendido nenhum
televisor igual a 10% e de que seja vendido mais que 3 igual a 30%.
Ento, a probabilidade de que em um determinado dia sejam vendidos 2
televisores de
(A) 10%.
(B) 12%.
(C) 15%.
(D) 18%.
(E) 20%.
03. (Tcnico de Controle Externo Economia TCE/MG 2007/FCC) O nmero
de unidades vendidas, mensalmente, de um produto em uma determinada loja
uma varivel aleatria (X) com a seguinte distribuio de probabilidades:
Sabe-se que somente em 10% dos meses so vendidos mais que 3 unidades.
Ento, se em um determinado ms a venda realizada no foi nula, tem-se que
a probabilidade dela ter sido inferior a 4
(A) 70,0%
(B) 75,0%
(C) 80,0%
(D) 87,5%
(E) 90,0%
04. (MEC 2009 CESGRANRIO) Uma empresa considera fazer um investimento
que tem probabilidade igual a 0,2 de produzir um lucro de R$ 20.000,00 e
probabilidade igual a 0,5 de produzir um lucro de R$ 8.000,00; caso contrrio,
o investimento trar um prejuzo de R$ 15.000,00. O valor esperado do
retorno do investimento, em reais,
(A) 3.500,00
(B) 4.000,00
(C) 4.500,00
(D) 5.000,00
(E) 5.500,00
05. (MPOG 2006 ESAF) Suzana e Sandra jogam, cada uma, uma moeda. Se do
lanamento dessas duas moedas resultar duas caras, Suzana paga a Sandra
R$ 6,00. Dando qualquer outro resultado, Sandra paga a Suzana R$ 4,00.
Supondo que ambas as moedas sejam estatisticamente honestas, o valor
esperado, em reais, dos ganhos de Sandra (considerando- se como ganhos
negativos os valores que ela paga Suzana) igual a
a) 1,5.
b) -0,75.
c) 0,75.
d) -1,5.
e) 2,5.
06. (MPU 2004 ESAF) O preo de determinada ao fica constante, aumenta
ou diminui R$ 1,00 por dia com probabilidades 0,3, 0,3 e 0,4 respectivamente.
Assinale a opo que d o valor esperado do preo da ao amanh se seu
preo hoje R$ 8,00.
a) R$ 7,90
b) R$ 8,00
c) R$ 7,00
d) R$ 9,00
e) R$ 8,50
07. (Estatstico TCE/RO 2007/CESGRANRIO) O retorno mensal de certo
investimento de risco pode ser modelado pela varivel aleatria W, com funo
de probabilidade dada a seguir.
O retorno esperado :
(A) 0,5%
(B) 0,5%
(C) 1,5%
(D) 5%
(E) 7,5%
08. (Analista BACEN 2010 CESGRANRIO) Sobre variveis aleatrias, considere
as afirmaes a seguir.
I - Para toda e qualquer varivel aleatria, sua funo de densidade de
probabilidade fornece a probabilidade de ocorrncia de cada valor da varivel
aleatria considerada, exceto no caso de variveis aleatrias contnuas, para
as quais a probabilidade de ocorrncia de um valor especfico zero.
II - A esperana matemtica (expectncia) de uma varivel aleatria discreta,
ou seja, seu valor esperado, a mdia dessa varivel aleatria, que definida
como um n-avos do somatrio dos valores possveis dessa varivel
III - A distribuio binomial uma extenso direta da Distribuio de Bernoulli,
uma vez que o experimento aleatrio que caracteriza a binomial nada mais
do que um Experimento de Bernoulli repetido n vezes.
correto APENAS o que se afirma em
(A) II.
(B) III.
(C) I e II.
(D) I e III.
(E) II e III.
09. (AFRFB 2009/ESAF) A tabela mostra a distribuio de frequncias relativas
populacionais (f) de uma varivel X:
X '
-2 6o
1 1o
2 So
Sabendo que a um nmero real, ento a mdia e a varincia de X so,
respectivamente:
a)
b)
p
X
= -u,S c o
X
2
= S,4S
c)
p
X
= u,S c o
X
2
= -S,4S
d)
p
X
= u c o
X
2
= 1
e)
p
X
= -u,S c o
X
2
= S,7
p
X
= u,S c o
X
2
= S,7
10. (PETROBRAS 2006 Administrador Pleno CESGRANRIO) Se Y = 2X+1 e
a varincia de X vale 2, a varincia de Y igual a:
(A) 2
(B) 4
(C) 5
(D) 8
(E) 9
11. (CGU 2008 Estatstica e Clculos Atuariais/ESAF) Seja X uma varivel
aleatria com mdia 1 e varincia 2. Qual a varincia da varivel Y = 2X + 4?
a) 2
b) 4
c) 6
d) 8
e) 12
12. (SEFAZ-RJ 2008/FGV) Sejam X e Y duas variveis aleatrias quaisquer.
Ento:
(A) VAR (X Y) = VAR (X) VAR (Y).
(B) VAR (X Y) = VAR (X) + VAR (Y) COV (X, Y).
(C) VAR (X Y) = VAR (X) + VAR (Y) 2 COV (X, Y).
(D) VAR (X Y) = VAR (X) + VAR (Y) + COV (X, Y).
(E) VAR (X Y) = VAR (X) + VAR (Y) + 2 COV (X, Y).
13. (Economista TCE/RS 2011/FMP) Considere X e Y duas variveis
aleatrias quaisquer e as afirmativas abaixo:
14. (Analista BACEN 2010 CESGRANRIO) Se X e Y so duas variveis
aleatrias, para as quais so definidas: E(X) e E(Y), suas esperanas
matemticas (expectncias); Var(X) e Var(Y), suas respectivas varincias, e
Cov(X, Y), a covarincia entre X e Y, quaisquer que sejam as distribuies de X
e Y, tem-se que
(A) E(XY) = E(X) + E(Y) 2Cov(X, Y)
(B) E(X) . E(Y) = E(XY) Cov(X, Y)
(C) E(3X + 2Y) = 9E(X) + 4E(Y)
(D) Var(X + 5) = Var(X) + 5
15. (Estatstico SEAD AM 2005 CESGRANRIO) Se var(X) = 4, var(Y) = 2 e
cov(X,Y) = -1, ento var(2X Y) igual a:
a) 10
b) 12
c) 18
d) 22
e) 24
16. (Estatstico ENAP 2006/ESAF) Sabe-se que X e Y so variveis aleatrias
independentes. Dado que Z = 2 X Y, ento pode-se afirmar que
a) a varincia de Z nunca poder ser superior varincia de X.
b) a varincia de Z nunca poder ser inferior varincia de Y.
c) a varincia de Z poder se diferente de 2 X - Y.
d) o valor esperado de Z igual a 2.
e) a varincia de Z igual a zero.
17. (MPE RO 2005 CESGRANRIO) Analise as afirmativas a seguir, a respeito
da esperana e da varincia de duas variveis aleatrias X e Y.
I - Se X e Y so independentes, ento var(X + Y) = var(X) + var(Y).
II - Se var(X + Y) = var(X) + var(Y), ento X e Y so independentes.
III - Se X e Y so independentes, ento E(X + Y) = E(X) + E(Y).
IV - Se E(X + Y) = E(X) + E(Y), ento X e Y so independentes.
(A) II, somente.
(E) I, II, III e IV
18. (Estatstico Pref. Manaus 2004 CESGRANRIO) Analise as afirmativas a
seguir, a respeito de duas variveis aleatrias X e Y.
I Se X e Y so independentes, ento Cov(X,Y) = 0.
II Se Cov(X,Y) = 0, ento X e Y so independentes.
III Se X e Y so independentes, ento E(XY) = E(X).E(Y).
IV Se E(XY) = E(X).E(Y), ento X e Y so independentes.
(A) I, somente.
(E) I, II, III e IV
19. (Fiscal de Rendas-MS 2006/FGV) Analise as afirmativas a seguir, a respeito
de duas variveis aleatrias X e Y:
I se X e Y so independentes, ento Cov(X,Y) = 0.
II se Cov(X,Y) = 0, ento X e Y so independentes;
III se X e Y so independentes, ento E(XY) = E(X).E(Y)
IV se E(XY) =E(X).E(Y), ento X e Y so independentes.
Assinale:
a) se nenhum alternativa estiver correta
b) se somente as alternativas I e III estiverem corretas
c) se somente as alternativas I e IV estiverem corretas
d) se somente as alternativas II e IV estiverem corretas
e) se todas as alternativas estiverem corretas.
20. (BNDES 2011/CESGRANRIO) As variveis aleatrias X e Y tm varincias
iguais e possuem coeficiente de correlao igual a 0,2. O coeficiente de
correlao entre as variveis aleatrias X e 5X 2Y
(A) 0,35
(B) 0,2
(C) 0,1
(D) 0,56
(E) 0,92

BNDES Matfin Estatistica Guilhermeneves Aula 05 - Parte 02

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

BNDES Matfin Estatistica Guilhermeneves Aula 05 - Parte 02

Uploaded by

Copyright:

Available Formats

MATEMTICA FINANCEIRA E ESTATSTICA PARA BNDES

PROFESSOR: GUILHERME NEVES

1 9.917 1 9.917 = 9.917

). Depois somamos tudo.

Pessoal, E(X) a mesma coisa que p

ou co:(X, ) = E(X) -E(X) E()

You might also like