Raciocínio Lógico - Aula 09

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em
Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

Profs. Alexandre Lima e Moraes Junior
Aula 9 - Questes Comentadas e Resolvidas
Varivel Aleatria Bivariada: funo de probabilidade conjunta, funo
de probabilidade marginal, funo de probabilidade condicional.
Variveis aleatrias independentes. Esperanas envolvendo duas ou
mais variveis: correlao e covarincia. Introduo Regresso
Linear.
1. (Analista da SUSEP/Aturia/2001/ESAF) Uma loja vende lavadoras e
secadoras de roupa. A distribuio conjunta do nmero N1 de secadoras e do
nmero N2 de lavadoras vendidas num mesmo dia dada na tabela abaixo.
Assinale a opco que d a probabilidade de que a venda, num mesmo dia, de
lavadoras seja igual de secadoras.
N1 N2
0
1
2
3
0
0,25
0,15
0,08
0,01
1
0,13
0,11
0,06
0,01
2
0,04
0,02
0,05
0,01
3
0,02
0,01
0,02
0,03
(A) 0,54
(B) 0,50
(C) 0,49
(D) 0,44
(E) 0,19
Resoluo
REVISO DA NOO DE FUNO DE PROBABILIDADE CONJUNTA

Na aula anterior, estudamos distribuies de probabilidade para uma nica
varivel aleatria. Entretanto, em muitas situaes prticas, atribumos a um
mesmo ponto amostral os valores de duas ou mais variveis aleatrias ao
descrevermos
os
resultados
de
um
experimento.
Nesta
aula,
nos
concentraremos no caso de um par de variveis aleatrias.
Exemplo: Considere o lanamento simultneo de duas moedas no viciadas.
Os resultados desse experimento aleatrio so cara-cara (CC), cara-coroa
(CK), coroa-cara (KC) e coroa-coroa (KK). Logo, o espao amostral
CK, KC, KK}. Defina as variveis aleatrias X=0 se pelo menos uma das
moedas der cara (X=1 para os demais casos) e Y=-1 se der uma cara e uma
coroa (Y=+1 para os demais casos). Ento
www.pontodosconcursos.com.br

P[X=0] = P[CC] + P[CK] + P[KC] = 1/4 + 1/4 + 1/4 = 3/4,
P[X=1] = P[KK] = 1/4 = 1 - P[X=0],
P[Y=-1] = P[CK] + P[KC] = 1/2 e
P[Y= + 1] = P[CC] + P[KK] = 1/2 = 1 - P[Y=-1].
Considere o evento resultante da interseo dos eventos obter pelo menos
uma cara e no obter uma cara e uma coroa, ou seja, {(CC u CK u KC) n (CC
u KK)} = {CC}. Esse evento pode ser representado pela notao compacta
(X=0,Y= + 1). Como P(CC) = 1/4, temos que P(X=0,Y= + 1) = 1/4. O evento
(X=0,Y= + 1) dito conjunto porque envolve as variveis X e Y.
Os demais eventos conjuntos so: (X=0,Y=-1), (X=1,Y= + 1) e (X=1,Y=-1).
Diz-se que o par (X,Y) uma varivel aleatria bivariada ou
bidimensional.
Exemplo: A varivel aleatria contnua X representa o comprimento de uma
dimenso de uma pea moldada por injeo, enquanto a varivel aleatria
contnua Y denota o comprimento de outra dimenso. Estamos interessados
em probabilidades que possam ser escritas em termos de X e Y. Suponha que
as especificaes para X e Y sejam (3,95 a 4,05) e (8,10 a 8,20) milmetros,
respectivamente. Ento podemos estar interessados na probabilidade de uma
pea satisfazer as duas especificaes simultaneamente, ou seja, P[(3,95 < X
< 4,05) e (8,10 < Y < 8,20)].
Variveis Discretas
Sejam X e Y variveis aleatrias discretas, como no primeiro exemplo dado.
Ento a funo discreta de probabilidade conjunta (ou distribuio
conjunta) de X e Y, denotada por f(x,y), satisfaz
Exemplo 1 : Um total de 15.064.859 alunos est matriculado no ensino

superior, divididos entre cursos com durao de 4 anos, de 2 anos e de menos
de 2 anos. A matrcula, separada por sexo, mostrada na tabela a seguir.
HILL, R. Carter; GRIFFITHS, William E.; JUDGE, George G. Econometria. 2. ed. So Paulo:
Saraiva, 2006.
2

Homens
Mulheres
Fonte:
4 anos
4.076.416
4.755.790
2 anos
2.437.905
3.310.086
Digest of Educational Statistics 1997, Tabela
Menos de 2 anos
172.874
311.788
170.
Nessa populao, as probabilidades aproximadas de matrcula em um dos tipos

de instituio de ensino superior, por sexo, so
Homens
Mulheres
4 anos
0,27
0,32
2 anos
0,16
0,22
Menos de 2 anos
0,01
0,02
Considere o experimento de extrair aleatoriamente um estudante matriculado

dessa populao. Defina a varivel aleatria X = 0, se um homem
selecionado, e X = 1, se uma mulher selecionada. Defina a varivel aleatria
Y = 1, se o estudante escolhido de um curso de 4 anos, Y = 2, se o
estudante escolhido de um curso de 2 anos e Y = 3, se de um curso de
menos de 2 anos.
Seja f(x,y) a funo discreta de probabilidade conjunta da populao de
homens e mulheres da questo. Sendo assim, temos as seguintes
probabilidades conjuntas:
P(homens matriculados em cursos de 4 anos)
P(homens matriculados em cursos de 2 anos)
P(homens matriculados em cursos < 2 anos)
P(mulheres matriculadas em cursos de 4 anos)
P(mulheres matriculadas em cursos de 2 anos)
P(mulheres matriculadas em cursos < 2 anos)
Note que
a probabilidade do evento certo.

Variveis Contnuas
Sejam X e Y duas variveis aleatrias contnuas. Neste caso, a distribuio
conjunta das duas variveis caracterizada por uma funo f(x,y) chamada
funo de densidade conjunta de X e Y, que satisfaz

(2)
(3)
A relao (2) nos diz que o volume sob a superfcie representada por f(x,y)
igual a 1. A figura abaixo mostra uma funo de densidade conjunta.
A equao (3) d a probabilidade do par (x,y) estar num retngulo de lados ba e d-c.
Exemplo:
e a probabilidade
Exemplo: Suponha que a varivel aleatria

distribuda no quadrado da figura abaixo.
(X,Y)
esteja
uniformemente

contrrio. A figura a seguir ilustra a densidade conjunta uniforme ( a

superfcie delimitada pelo permetro azul). Sabemos que o volume do cubo
deve ser 1 x 1 x K = 1, pois o volume delimitado por uma densidade de
probabilidade conjunta igual a 1 por definio. Logo, K =1 a altura do cubo.
GABARITO: D
Julgue os itens a seguir.
2. Seja a distribuio conjunta de X e Y
Ento, a densidade marginal f X (x) dada por

Resoluo
Como f X (x) uma funo exponencial de x, e no de y, temos que o item est

errado.
REVISO DA NOO DE FUNO DE PROBABILIDADE MARGINAL
Dada uma funo densidade de probabilidade conjunta, pode-se obter a funo
densidade de probabilidade de cada uma das variveis aleatrias individuais.
Sejam X e Y variveis aleatrias contnuas com densidade conjunta f(x,y).
Ento fX(x) e fY(y) so denominadas densidades marginais de X e Y,
respectivamente, se so obtidas de f(x,y) por meio das expresses
Note que as funes de densidade de probabilidade marginal fX(x) e fY(y)

correspondem s funes de densidade de probabilidade individuais de X e Y,
respectivamente.
Pode-se obter resultados similares para variveis aleatrias discretas. Dada a
funo discreta de probabilidade conjunta f(x i ,y k ), as funes discretas de
probabilidade marginal so dadas por

Exemplo: Considere a tabela abaixo (exemplo visto na resoluo do exerccio
1).
Homens (X=0)
Mulheres (X=1)
A
probabilidade
4 anos
(Y=1)
0,27
0,32
P[X = 0]
2 anos
(Y=2)
0,16
0,22
(probabilidade
Menos de 2 anos
(Y=3)
0,01
0,02
de
estudante
escolhido
aleatoriamente ser homem) igual probabilidade marginal fX (x) no ponto x
probabilidade
P[X = 1],
probabilidade
de
estudante
selecionado
aleatoriamente ser mulher, igual probabilidade marginal fX (x) no ponto x

=1. Ento
Note que fX(x=0) + fX(x=1) = 0,44 + 0,56 = 1, e isto acontece porque a soma
das probabilidades de uma funo discreta de probabilidades unitria, por
definio.
A probabilidade P[Y = 1], que representa a probabilidade de o estudante
escolhido ao acaso estar matriculado em um curso de 4 anos, igual
probabilidade marginal fY (y) no ponto y =1, dada por
soma da 1 a coluna da tabela.

A probabilidade P[Y = 2] a probabilidade de o estudante estar matriculado em
um curso de 2 anos e igual probabilidade marginal fY (y) no ponto y =2:

Finalmente, a probabilidade P[Y = 3] denota a probabilidade de o estudante

estar matriculado em um curso com durao menor que 2 anos e corresponde
probabilidade marginal fY (y) no ponto y =3:
soma da 3 a coluna da tabela.

No por acaso, temos que
= 1.
Y=1
0,27
0,32
0,59
X=0
X=1
fY(y)
Y=2
0,16
0,22
0,38
Y=3
0,01
0,02
0,03
fX(x)
0,44
0,56
1
A tabela acima mostra que as probabilidades marginais f X (x) e f Y (y) so

obtidas somando as linhas e colunas, respectivamente (memorize para a
prova!).
GABARITO: Errado
3. Sejam X e Y variveis aleatrias discretas com a seguinte distribuio
conjunta:
Y=1
0,27
0,32
X=0
X=1
Y=2
0,16
0,22
Y=3
0,01
0,02
Ento a tabela abaixo especifica a distribuio condicional de X dado que Y=1:

x
fX|Y(x y=1)
0
0,458
1
0,542
Resoluo
As
probabilidades
condicionais
especificam
a
distribuio
Da definio de
condicional de X dado que Y=1, denotada por
probabilidade condicional, obtemos

Assim,
P(X=0|Y=1) = P(X=0,Y=1)/P(Y=1) = 0,27/0,59 = 0,458
e
P(X=1|Y=1) = P(X=1,Y=1)/P(Y=1) = 0,32/0,59 = 0,542.
Note que P(X=0|Y=1) + P(X=1|Y=1) = 0,458 + 0,542 = 1. O item est certo.
COMENTRIOS ADICIONAIS
A mdia da distribuio condicional de X, dado que Y=1,
E(X|Y=1) = (0 x 0,458) + (1 x 0,542) = 0,542.
As
probabilidades
condicionais
P(Y=y|X=1)
condicional de Y dado que X=1. Aplicando
obtemos
especificam
a
a probabilidade
distribuio
condicional,
P(Y=1|X=1) = P(Y=1,X = 1)/P(X=1) = 0,32/0,56 = 0,571,

P(Y=2|X=1) = P(Y=2,X = 1)/P(X=1) = 0,22/0,56 = 0,393,
P(Y=3|X=1) = P(Y=3,X = 1)/P(X=1) = 0,02/0,56 = 0,036.
De modo que a distribuio condicional de Y, dado que X=1, denotada por
est na tabela abaixo:
A mdia da distribuio condicional de Y, dado que X=1, igual a

E(Y|X=1) = (1 x 0,571) + (2 x 0,393) + (3 x 0,036) = 1,465.
Formalizemos o que foi visto acima. Sejam X e Y variveis aleatrias discretas
com funo de probabilidade conjunta f(x i ,y k ). Ento as funes discretas de
probabilidade condicional (ou distribuies condicionais)
so definidas como

De (1) e (2) resulta que

(3)
A esperana condicional de X, dado que Y = yj, dada por
(4)
Uma definio anloga vale para

Podemos definir as densidades condicionais associadas a duas variveis
aleatrias contnuas X e Y (com densidade conjunta
e densidades
marginais
de forma similar. A densidade condicional de Y dado o
resultado X = x definida por
(5)
e a densidade condicional de X dado o resultado Y = y como

(6)
A frmula (3) tambm vlida para o caso de variveis contnuas.

A interpretao de (5) e (6) a seguinte. Seja a densidade conjunta
= 0 caso contrrio
representada na figura a seguir. Considere o plano paralelo ao plano xz que
passa por
Esse plano determina na superfcie
a densidade
condicional
Por exemplo, suponha que X denote o salrio de
uma populao e que Y represente o consumo da mesma populao. Ento,
fixado o consumo
a densidade condicional
representa a
densidade dos salrios para o nvel
de consumo.
10

As
densidades
condicionais
tambm
caracterizadas por meio de suas mdias, varincias, etc.
podem
ser
A esperana condicional de Y, dado que X=x, dada por
(7)
Definio anloga pode ser dada para E(X|y). Observe que E(Y|x) uma
funo de x, isto , E(Y|x) = f(x), sendo denominada curva de regresso
de Y sobre x. A regresso ser vista em detalhes mais adiante.
Exemplo: Seja a densidade condicional
A esperana condicional E(Y|x) dada por
Note que E(Y|x) , de fato, uma funo de x.

GABARITO: Certo
4. Considere a funo de distribuio conjunta
11

Pode-se afirmar que X e Y so variveis aleatrias independentes.

Resoluo
Vimos que as densidades marginais da densidade conjunta
x>0, y>0
so dadas por
Como
independentes.
conclumos
que
so
REVISO DA NOO DE VARIVEIS ALEATRIAS INDEPENDENTES

Quando X e Y so variveis aleatrias independentes a funo de
probabilidade conjunta igual ao produto das funes marginais de
probabilidade, ou seja
Podemos generalizar a frmula acima. Sejam

variveis
aleatrias independentes com funo de probabilidade conjunta
Ento vlida
e funes marginais de probabilidade
a expresso
densidade conjunta igual ao
produto das densidades marginais.
Se X e Y so independentes; ento a densidade condicional de X, dado
que Y = y ,
distribuio condicional de X dado Y
no depende da varivel Y; funo somente de X.
e a densidade condicional de Y, dado que X = x ,
12

distribuio condicional de Y dado X
no depende da varivel X; funo somente de Y.
GABARITO: Certo
5. As variveis aleatrias X e Y so independentes. Ento vlida a expresso
Resoluo
Provaremos que E[XY] = E[X]E[Y] supondo que X e Y sejam variveis contnuas.
Prova similar pode ser dada se as variveis forem discretas (tente voc mesmo
fazer aps estudar a nossa soluo para variveis contnuas).
Primeiramente, lembre que
pois X e Y so independentes.
Aplicando esse conceito na integral de E[XY], obtemos
Note que variveis independentes so no correlacionadas, uma vez que

a covarincia entre X e Y nula:
REVISO DOS CONCEITOS DE CORRELAO E COVARINCIA

Introduo
muito
duas ou
funes
discretas
variveis
comum estarmos interessados no comportamento conjunto de

mais variveis aleatrias. Apresentamos para voc os conceitos de
de probabilidade conjunta, marginal e condicional para variveis
e contnuas. Tambm estudamos a noo de independncia entre
aleatrias.
Aqui, daremos continuidade ao estudo da associao entre variveis.

Frequentemente, estamos interessados em saber se existe uma associao
entre duas variveis. Considere, por exemplo, a Economia. Em geral, estamos
13

interessados em investigar as relaes que possam existir entre variveis
econmicas. Por exemplo: quo estreitamente caminham duas variveis
preo? Veremos que os conceitos de covarincia e correlao nos ajudam a
responder a essa pergunta.
Correlao e Covarincia
Seja uma amostra de dez
altura (cm) e o peso
respectivamente. Para cada
y). Teremos ento n = 10
ser representadas em um
diagrama de disperso.
pessoas adultas, do sexo masculino, e sejam a

(kg) dessas pessoas denotadas por X e Y,
elemento da amostra, temos um par ordenado (x,
pares de valores das duas variveis, que podero
diagrama cartesiano bidimensional denominado
Pessoa
1
2
3
4
5
6
7
8
9
10
Tabela
Altura (cm)
174
161
171
181
182
165
155
168
176
175
Peso (kg)
74
68
63
92
80
73
61
64
90
81
Suponha que tenham sido obtidos os valores apresentados na tabela acima. O

diagrama de disperso correspondente o da prxima figura. A vantagem do
diagrama de disperso est em que, muitas vezes, sua simples observao j
nos d uma boa ideia de como as duas variveis se correlacionam, isto ,
qual a tendncia de variao conjunta que apresentam.
14

Observando o diagrama de disperso acima com ateno, constatamos que
existe, para maiores valores de X (altura), uma tendncia a obter maiores
valores de Y (peso) e vice-versa. Quando isso ocorre, diz-se que h
correlao linear positiva entre X e Y.
Entretanto, tambm podemos ter casos em que o diagrama de disperso
apresenta o aspecto da figura que se segue, indicando que, para maiores
valores de X, a tendncia observarem-se menores valores de Y e vice-versa.
Diz-se que nesse caso a correlao negativa. Por exemplo, a renda per
capita de pases e o ndice de analfabetismo so variveis negativamente
correlacionadas.
claro que tambm pode ocorrer o caso em que as variveis so no

correlacionadas. Neste caso, o aspecto do diagrama de disperso o da
prxima figura.
15

Vimos que o sinal da correlao indica a tendncia da variao conjunta das

duas variveis. Alm disso, devemos considerar tambm a intensidade ou o
grau da correlao. A correlao linear (em valor absoluto) entre X e Y na
figura em que a correlao negativa mais intensa do que a da figura em
que a correlao positiva, pois os pontos da primeira apresentam uma
tendncia mais acentuada de se colocarem segundo uma reta do que os da
ltima.
Sejam X e Y variveis aleatrias. Ento a covarincia de X e Y definida por
(1)
em que
Se X e Y so variveis aleatrias discretas e
probabilidade conjunta, a covarincia entre X e Y dada por
sua
funo
de
(2)
Caso X e Y sejam variveis aleatrias contnuas com funo densidade de

probabilidade conjunta f(x,y), a covarincia calculada pela integral
(3)
A covarincia mede a intensidade da correlao linear existente entre

duas variveis. Alm disso, ela tambm nos d o sinal da correlao, se
positivo ou negativo. Suponha que tenhamos uma amostra de n pares
ordenados (x,y). Neste caso, a covarincia pode ser estimada pela estatstica
16

Observe que a covarincia depende das unidades de medida das

variveis X e Y. Percebe-se mais claramente o significado da covariao
dividindo-se a covarincia entre X e Y por seus respectivos desvios-padro.
Define-se a razo resultante como a correlao entre as variveis aleatrias X
e Y, denotada pela letra grega
(5)
denotam os desvios-padro de X e Y, respectivamente.
em que
A correlao estimada pela estatstica denominada

correlao
linear de
Pearson, ou,
simplesmente,
correlao, definido por
coeficiente
coeficiente
de
de
(6)
em que s xy a covarincia amostral de X e Y (4), sx o desvio-padro

amostral de X
(7)
desvio-padro amostral de Y
(8)
Substituindo (4), (7) e (8) em (6), obtemos
17

(9)
em que
S x y = n.covarincia amostrai
Sxx = n.varincia amostral de X

e
S yy = n.varincia amostral de Y
A representao abreviada dos somatrios de (9) por meio de
til e importante para a prova. No difcil mostrar que
Sxy = "soma dos produtos entre X
(10)
e Y" ou simplesmente "soma dos produtos"
(11)
Sxx = "soma dos quadrados de X"
(12)
Syy = "soma dos quadrados de Y"
As frmulas (10), (11) e (12) devem ser memorizadas porque so

importantes para a prova.
O coeficiente de correlao tem as importantes propriedades
adimensional e de variar entre -1 e +1 , o que no ocorre
covarincia. A vantagem de ser adimensional est no fato de seu valor
afetado pelas unidades adotadas. Por outro lado, o fato de se ter
com que um dado valor de R seja facilmente interpretado. Note que
corresponde ao caso de correlao linear negativa perfeita e R
corresponde ao caso de correlao linear positiva perfeita.
de ser
com a
no ser
R = -1
= +1
18

Ressaltamos que ; i correlao nula, isto , p = 0, significa que no h
associao linear entre X e Y. Mesmo que X e Y tenham covarincia zero,
elas podem ter uma associao no linear, como em
(equao de
uma circunferncia centrada em (0,0) e de raio 1).
Uma importante consequncia da independncia estatstica a seguinte:
- se X e Y so variveis aleatrias independentes, ento a covarincia e a
correlao entre elas nula (memorize para a prova!).
GABARITO: B
6. (Fiscal de Rendas-MS/2006/FGV) Analise as afirmativas a seguir, a
respeito de duas variveis aleatrias X e Y:
I.
II.
III.
IV.
se
se
se
se
X e Y so independentes, ento Cov(X,Y) = 0;

Cov(X,Y) = 0, ento X e Y so independentes;
X e Y so independentes, ento E(XY) = E(X).E(Y);
E(XY) = E(X).E(Y), ento X e Y so independentes.
Assinale:
(A) se nenhuma afirmativa estiver correta.
(B) se somente as afirmativas I e III estiverem corretas.
(C) se somente as afirmativas I e IV estiverem corretas.
(D) se somente as afirmativas II e IV estiverem corretas.
(E) se todas as afirmativas estiverem corretas.
Resoluo
Sejam X e Y variveis aleatrias. Ento a covarincia de X e Y definida como
Se X e Y so variveis aleatrias
independentes, ento a covarincia entre elas nula (o que indica que
no h associao linear entre elas!), ou seja,
Cov(X,Y) = 0 (p/ X e Y independentes)
Diz-se que X e Y so no correlacionadas quando Cov(X,Y) = 0.
A relao recproca no verdadeira: se X e Y so no correlacionadas no
podemos afirmar que X e Y sejam independentes. Porm, a no
correlao entre X e Y implica independncia estatstica somente
19

quando X e Y tm distribuio conjunta normal, ou seja, quando tm
distribuio normal bidimensional, a qual ser apresentada mais adiante,
aps a anlise das afirmativas.
Anlise das afirmativas:
I. "se X e Y so independentes, ento Cov(X,Y)
definio.
Verdadeira,
por
II. "se Cov(X,Y) = 0, ento X e Y so independentes"

Falsa, pois a relao
recproca no verdadeira: se X e Y so no correlacionadas no podemos
afirmar que X e Y sejam independentes.
III. "se X e Y so independentes, ento E(XY) = E(X).E(Y)"
Cov(X,Y) = 0 implica E(XY) = E(X).E(Y).
Verdadeira, pois
IV. "se E(XY) = E(X).E(Y), ento X e Y so independentes"

correlao no implica independncia.
Falsa, pois a no
COMENTRIOS ADICIONAIS
Distribuio Normal Bidimensional
A distribuio normal bivariada ou bidimensional um modelo importante para
variveis aleatrias contnuas bidimensionais.
A varivel (X,Y) tem
conjunta for dada por
distribuio
normal
bidimensional
se sua
densidade
20

A normal bidimensional possui as seguintes propriedades:

(a)
As
distribuies
unidimensionais:
marginais
de
(b)
As distribuies condicionais so normais, com
so
normais
Se X e Y so conjuntamente normais e no correlacionadas (p=0),

podemos escrever a densidade conjunta como
ou seja, a densidade conjunta o produto das duas marginais, que so

normais. Isto quer dizer que X e Y so independentes no caso em que X e Y
tiverem densidade conjunta normal com p=0 (memorize para a prova!)
Ateno: a no correlao entre X e Y implica independncia estatstica
somente quando X e Y so variveis aleatrias conjuntamente
21

normais. Isto no verdade quando X e Y tem distribuio conjunta
diferente da normal bidimensional.
GABARITO: B
Resoluo
A mdia condicional
uma funo linear de y, ou seja E(X|y) = g(y). Desta forma, E(X|Y=y) a

regresso de X em Y e isso implica que as opes A e B poderiam ser
descartadas logo de incio, pois ambas so funes da varivel x.
A opo D contm a expresso correta.
GABARITO: D
8.
(Analista da SUSEP/Aturia/2010/ESAF) A partir de uma amostra

foram obtidas as estatsticas:
Qual a reta de regresso estimada de Y em X?
22

Resoluo
A reta a estimar
em que o parmetro b (estimativa da declividade) dado por
e o parmetro a (estimativa do intercepto) por
Observe que estamos usando uma notao diferente do

quantidade S xy definida acima no a covarincia entre X e Y.
enunciado:
Vimos que
s xy = S xy / n (covarincia amostral = soma dos produtos - n)
e que
sx = S xx /n (varincia amostral de X = soma dos quadrados de X - n)
Logo, se dividirmos o numerador e o denominador da frmula de b dada acima
por n, poderemos reescrev-la da seguinte maneira:
b = covarincia amostral - varincia amostral de X

Ou seja, b pode ser calculado, de forma alternativa, pela razo entre a
covarincia amostral Sxy (estamos usando uma notao diferente da do
23

enunciado, mas que est coerente com a vista no texto!) e a varincia
. Logo,
Deste modo, a reta de regresso estimada de Y em X

REVISO DA NOO DE REGRESSO LINEAR SIMPLES
Seja Y a varivel dependente e X a varivel suposta sem erro, ou seja, no
aleatria. A regresso linear simples pressupe que seja adotado o modelo
(1)
em que
o intercepto,
da variao de Y (
a declividade e
denota a componente aleatria
uma varivel aleatria).
razovel supor que a varivel aleatria

tenha mdia nula, a fim de que
toda a variao explicada de Y fique em torno da reta de regresso. Isso
implica que a reta de regresso fornece a mdia de Y para cada valor de x
considerado.
Uma outra suposio bsica que pode ser adotada a de que a variao
residual da varivel Y seja independente de x. Ou seja, usualmente
admite-se que a variao de Y em torno da linha terica de regresso pode ser
descrita por um desvio padro residual que independe do ponto em
considerao.
Por fim, admitiremos que a variao de Y em torno da linha terica de
regresso se d segundo distribuies normais independentes, para
qualquer valor de x; o que implica dizer que as variaes residuais em
relao reta de regresso so independentes e normalmente distribudas 2
(vide figura a seguir).
Os professores esto cientes do fato de que os resduos do modelo ajustado nem sempre seguem
uma distribuio normal. Contudo, o importante ter em mente que as variaes residuais em
relao reta de regresso so independentes e normalmente distribudas por hiptese. Isto no
implica dizer que os resduos, de fato, sejam normalmente distribudos. Acredite: h muitos dados
empricos que violam a hiptese de normalidade!
24

Suponhamos que a reta estimativa de (1) seja

(2)
em que
denota os valores dados pela reta estimativa,
a estimativa do
tambm denominado coeficiente de regresso linear, a

parmetro
estimativa do parmetro
Existem diversos mtodos de estimao da reta de regresso. Podemos at
mesmo estimar a reta visualmente. O mtodo de ajuste visual consiste em
traar diretamente a reta, com auxlio de uma rgua, no diagrama de
disperso, procurando fazer, da melhor forma possvel, com que essa reta
passe por entre os pontos. Esse procedimento, por ser subjetivo, somente ser
razovel se a correlao linear for muito forte, caso contrrio levar a
resultados pobres.
Por outro lado, o ajuste
quadrados, segundo o qual
torna mnima a soma dos
experimentais i em que a
considerao como ilustrado
a
reta
para
qual
se
pode ser feito pelo mtodo dos mnimos

a reta a ser adotada dever ser aquela que
quadrados das distncias da reta aos pontos
distncia igual ao erro aleatrio no ponto em
pela prxima figura). Ou seja, devemos procurar
consiga
minimizar
ideia
central
desse
procedimento simplesmente a de minimizar a variao residual em torno da

reta estimativa.
25

Tendo em vista a expresso (2), devemos, portanto, impor a condio

(3)
De acordo com o Clculo, os parmetros a e b que minimizam (3) sero

aqueles que anulam as derivadas parciais de (3)
(4)
No difcil chegar s expresses

(5)
(6)
as quais fornecem o seguinte sistema de duas equaes a duas incgnitas:
(7)
26

Os pontos (x,y) fornecem os elementos para a montagem de (7), cuja soluo
forneceria os coeficientes a e b. Entretanto, mais fcil considerar de uma vez
a soluo analtica do sistema, segundo a qual
(8)
GABARITO: C
9.
(Tcnico
de
Defesa
Area
e
Controle
de
Trfego
Areo/Estatstica/2009/CESGRANRIO) Um pesquisador estudou a relao
entre o tempo, medido em segundos, que um inspetor leva para reagir a um
estmulo visual (Y) e a idade (X), medida em anos completos. Os dados de 25
inspetores foram coletados e obtidas as seguintes informaes:
As estimativas dos mnimos quadrados, para o coeficiente linear e a inclinao

da reta, respectivamente, so:
(A) 80 e 3,25
(B) 50 e 2,85
(C) 30 e 2,50
(D) 20 e 4,0
(E) 10 e 3,62
Resoluo
O modelo de regresso linear simples
Pede-se os valores de a e b, respectivamente.
27

Logo,
em que b a inclinao da reta ajustada. Como a nica opo em que a

inclinao 2,50 o item (C), na prova j marcaramos essa opo sem
continuar os clculos.
No obstante, calcularemos o coeficiente linear (ou intercepto)
Assim, encontramos a reta ajustada y = 30 + 2,5x.

GABARITO: C
10. (ICMS-SP/2009/FCC) O grfico abaixo demonstra a evoluo da receita
tributria anual no estado de So Paulo desde 1999, com os valores
arrecadados em bilhes de reais.
28

dos mnimos quadrados, com base nas observaes de 1999 a 2008, obteve-se
para a estimativa de
A previso da receita tributria para 2009, em bilhes de reais, em funo da

equao obtida pelo mtodo dos mnimos quadrados igual a
Resoluo
Logo,
GABARITO: B
11. (APOFP-SP/2009/ESAF) Uma amostra aleatria simples (X1,Y0,
(X 2 ,Y 2 ), ..., (X n ,Y n ) de duas variveis aleatrias X e Y forneceu as seguintes
quantidades:
29

Calcule o valor mais prximo do coeficiente de determinao da regresso

linear de Y em X.
(A) 0,85
(B) 0,83
(C) 0,80
(D) 0,88
(E) 0,92
Resoluo
PRELIMINARES
O Coeficiente de Determinao R 2
Considere as equaes
reta estimativa da regresso linear simples
e
estimativas da declividade (b) e do intercepto (a)
Ento podemos escrever que

(1)
Se considerarmos a mdia
entre os valores
de todos os valores y i e tomarmos as diferenas
teremos
Usando as frmulas das somas
e a frmula do coeficiente b,
obtemos
(2)
30

em que a soma de quadrados
calculada com base nos desvios
da reta de mnimos quadrados em relao horizontal
como ilustrado pela
figura a seguir.
Considerando as diferenas residuais, podemos escrever
Distribuindo o somatrio acima e usando a frmula de a, chega-se expresso

(3)
Substituindo
(4)
31

usual escrever (4) usando a notao
(5)
SQT = SQE + SQR,
em que
soma dos quadrados total (variao total),
soma
dos
quadrados
dos
erros
(variao
residual) e
soma dos quadrados da regresso (variao
explicada).
variao total = variao residual +variao explicada
A soma de quadrados SQT mede a variao total de Y independentemente de
X, a soma de quadrados SQE mede a variao residual e a soma de
quadrados SQR mede o desvio da reta de mnimos quadrados em relao
mdia
( a variao "explicada" pela reta de regresso).
Dividindo ambos os membros da equao (5) por SQT, temos
(6)
Podemos querer saber quanto representa proporcionalmente a parcela da
variao total de Y que explicada pela reta de regresso, ou seja, quanto
vale a razo SQR/SQT. Utilizando (2), podemos escrever
(7)
Substituindo
em (7) obtemos
(8)
ou
32

(9)
A frmula (8) mostra que o coeficiente R 2 de uma regresso linear simples

exprime a porcentagem da variao total de Y (SQT) que explicada
pela reta de regresso ajustada. Essa grandeza chamada coeficiente de
determinao 1-R 2 o coeficiente de indeterminao). O R 2 quantifica o
grau de ajuste de um conjunto de dados reta de regresso estimada.
Quanto mais prximo de 1 estiver R 2 melhor ter sido nosso trabalho para
explicar a variao em y, com
e maior ser a capacidade de
previso de nosso modelo sobre todas as observaes amostrais.
Observe que o coeficiente de determinao igual ao quadrado do
coeficiente de correlao linear de Pearson R.
adimensional).
No caso de ajuste perfeito, temos R 2 = 1, e no h variao residual, pois
todos os pontos esto alinhados. Se, por exemplo, R = 0,7, teremos um
coeficiente de determinao igual a 0,49, significando que a reta de regresso
no consegue explicar nem mesmo a metade da variao de Y. Para
a reta de regresso explicar mais de 80% da variao total de Y.
Voltemos resoluo.
Apreendemos que
Temos que
Logo,
O valor mais prximo 0,80 (C).

33

GABARITO: C
12. (ICMS-SP/2006/FCC) Em um determinado pas, deseja-se determinar a
relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C),
tambm em bilhes de dlares. Foi utilizado o modelo linear simples
em que Ci o consumo no ano i, Yi o valor da renda disponvel no
o erro aleatrio com as respectivas hipteses para a regresso linear
o parmetros desconhecidos, cujas estimativas foram obtidas
atravs do mtodo dos mnimos quadrados. Para obteno desta relao
considerou-se ainda as seguintes informaes colhidas atravs da observao
nos ltimos 10 anos:
Para o clculo do coeficiente de correlao de Pearson (R), usou-se a frmula:

em que Cov(Y,C) a covarincia de Y e C, DP(Y) o desviopadro de Y e DP(C) o desvio-padro de C.
Ento,
(A) o coeficiente de explicao (R 2 ) correspondente igual a 64%.
(B) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados,
tem-se que, em um ano, caso a renda disponvel seja igual a 15 bilhes de
dlares, o consumo ser igual a 13 bilhes de dlares.
(C) obtendo para um determinado ano uma previso para o consumo de 10
bilhes de dlares, significa que a renda disponvel considerada foi de 12,5
bilhes de dlares.
(D) o valor da estimativa encontrado para o parmetro
(E) o valor da estimativa encontrado para o parmetro
Resoluo
Ateno: a varivel independente
dependente C (consumo).
(renda
disponvel)
Seja um conjunto de n pares ordenados

variveis Y e C. Vimos que
34

Essa quantidade denominada coeficiente de correlao quando Y e C so

tratadas como variveis aleatrias. O quadrado da mesma quantidade
chamado coeficiente de determinao. No contexto da regresso linear
simples, uma das variveis considerada determinstica ou no estocstica (na
questo, a varivel independente ou explicativa Y) e a outra (a varivel
dependente C) considerada aleatria.
O problema da regresso consiste em determinar a relao funcional entre as
variveis dependente e explicativa.
A funo de regresso C = a + by nos d o valor mdio de uma das variveis
( C ) em funo do valor observado da outra ( y ) , isto , E[C|y] = C.
Anlise das alternativas:
Logo,
VERDADEIRA
(C) FALSA (vide item B).
(D) FALSA (vide item B).
35

(E) FALSA (vide item B).
GABARITO: B
13. (ICMS-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) - 2COV(X,Y)
D) VAR(X-Y) = VAR(X) + VAR(Y) + COV(X,Y)
E) VAR(X-Y) = VAR(X) + VAR(Y) + 2COV(X,Y)
Resoluo
Sejam a e b constantes. Ento
VAR(aX + bY) = a 2 VAR(X) + b 2 VAR(Y) + 2abCOV(X,Y).
Nesta questo, a =1 e b = -1. Logo,
VAR(X-Y) = VAR(X) + VAR(Y) - 2COV(X,Y).
Obs.: leia a reviso de conceitos a seguir caso voc no tenha entendido a
resoluo deste exerccio.
REVISO: MDIA E VARINCIA
VARIVEIS ALEATRIAS
DE
UMA
COMBINAO
LINEAR DE
Sejam X e Y variveis aleatrias e Z=g(X,Y) uma funo dessas variveis.

Vamos admitir que essa funo tenha a forma
(1)
Z = aX + bY
em que a e b so constantes. Essa expresso uma combinao linear (ou

soma ponderada). A esperana de (1) dada por
(2)
A Eq. (2) nos diz que o valor esperado de uma combinao linear de
duas variveis aleatrias a combinao linear de seus respectivos
valores esperados. Essa regra pode ser generalizada para um nmero
arbitrrio de variveis aleatrias, quer elas sejam discretas ou continuas.
As seguintes regras relativas varincia so vlidas:
1.
Se X, Y e Z so variveis aleatrias e a, b e c so constantes, ento
36

(3)
Note que
2.
Se X, Y e Z so independentes ou no correlacionadas
(4)
Se fizermos
obtemos
(5)
A expresso (5) nos diz que a varincia da soma de variveis aleatrias
independentes igual soma das varincias (memorize para a prova!).
W
As regras sobre a varincia de trs

generalizadas para n variveis aleatrias.
variveis
aleatrias
podem
ser
GABARITO: C
14. (Analista Tcnico da SUSEP/2006/ESAF) Sendo X uma v. a. d. varivel aleatria discreta e sendo Y = aX + b, pode concluir-se que var (aX +
b) igual a:
Resoluo
Var(aX + b) = a 2 Var(X)
GABARITO: D
15. (AFRF/2005/ESAF) Para uma amostra de dez casais residentes em um
mesmo bairro, registram-se os seguintes salrios mensais (em salrios
mnimos):
37

1
2
4
7
Identificao do casal
3
5
6
8
9
10
Salrio do marido (Y) 30 25 18 15 20 20 21 20 25 27
Salrio da esposa (X) 20 25 12 10 10 20 18 15 18 13
Sabe-se que:
Assinale a opo cujo valor corresponda correlao entre os salrios dos

homens e os salrios das mulheres.
A) 0,72
B) 0,75
C) 0,68
D) 0,81
E) 0,78
Resoluo
Logo,
GABARITO: B
16. (Analista do BACEN/rea 3/2006/FCC) Sejam X e Y duas variveis
aleatrias e
38

I.
E(X) e E(Y) as expectncias de X e Y, respectivamente;
II.
Var(X) e Var(Y) as varincias de X e Y, respectivamente;
III.
Cov(X,Y) a covarincia de X e Y.
Tem-se, em qualquer situao,

A) E(X).E(Y) = E(XY) - Cov(X,Y)
B) Cov(X,Y) = Var(X).Var(Y)
C) E(2X+5) = 4E(X)
D) Se E(XY) = E(X).E(Y), ento X e Y so independentes.
E) Var(X+10) = Var(X) + 10
Resoluo
Sabemos que
em que
Portanto, a alternativa correta a (A).
A alternativa (B) est errada porque no est de acordo com a definio de

covarincia.
A alternativa (C) no verdadeira, pois E(2X+5) = 2E(X) + 5.
A alternativa (D) incorreta porque E(XY) = E(X).E(Y) (variveis X e Y no
correlacionadas) no implica independncia (mas a recproca verdadeira, ou
seja, independncia implica a no correlao).
A alternativa (E) falsa porque Var(X+10) = Var(X).
GABARITO: A
17.
(AFRF/2009/ESAF)
Na
anlise
de
regresso
linear
simples,
as
obtidas pelo mtodo de Mnimos Quadrados.

Nesse caso, os valores dessas estimativas so obtidos atravs de uma amostra
Yi com (i =1, 2, ...,n) pode-se estabelecer o desvio ou resduo - aqui denotado

por e-t - entre a reta de regresso Y-, e sua estimativa Y i . Sabe-se que o
Mtodo
de
Mnimos Quadrados consiste em
adotar como
estimativas dos
39

os valores que minimizam a soma dos quadrados dos desvios
Desse modo, o Mtodo
expresso dada por:
de
Mnimos
Quadrados
consiste
em
minimizar a
Resoluo
A questo forneceu todas as informaes necessrias para a resoluo.
Pelo Mtodo dos Mnimos Quadrados temos que minimizar a soma dos
quadrados das diferenas entre os valores de Y-t e as respectivas estimativas
por meio da reta de regresso. Logo teramos:
Logo alternativa correta a "B".

alternativa "A", mas est errado.
gabarito
oficial
preliminar indicou
GABARITO: B
O enunciado a seguir refere-se s questes de nmeros 18 e 19.
A funo densidade de probabilidade conjunta de duas variveis aleatrias
discretas dada pela tabela a seguir:
2
4
6
1
1/8
1/4
1/8
Y
3
1/24
1/4
1/24
9
1/12
0
1/12
40

18. A covarincia entre X e Y
A) 1
B) 3
C) 4
D) 12
E) 0
Resoluo
A covarincia
expresso
entre as variveis
aleatrias
discretas X
e Y dada
pela
Antes, preciso calcular os valores das mdias

em que g x (x) a funo de probabilidade marginal de X,
dada por
a funo de probabilidade marginal de Y,

dada por
Agora j podemos calcular a covarincia, pois temos os valores de

Sendo assim,
41

Cov(X, Y) = 1/2 + 0 -1 + 0 + 0 + 0 - 1 / 2 + 0 +1 = 0
Logo, X e Y so variveis no correlacionadas.
Voc tambm chegaria ao mesmo resultado se usasse a frmula equivalente
Confirme voc mesmo que E[XY ] = 12. Portanto,

Cov(X, Y) = 12 - 4 x 3 = 0
GABARITO: E
19. Assinale a alternativa correta.
A) X e Y no so independentes.
B) X e Y so independentes.
C) X e Y so correlacionadas.
D) X e Y tm distribuio conjuntamente normal.
E) X e Y tm distribuies marginais normais.
Resoluo
(A) Se X e Y so independentes, deve valer
f(x i , y d ) = gX (xi) x hY (yd) para quaisquer valores de X e Y.
Entretanto, observe que
Logo, X e Y no so independentes, apesar de serem no correlacionadas

^ alternativa CORRETA.
42

(B) Alternativa INCORRETA, haja vista o explicado acima.
(C) Alternativa INCORRETA, pois X e Y so no correlacionadas.
(D) Nada se pode afirmar sobre a distribuio conjunta de X e Y ^ alternativa
INCORRETA.
(E) Nada se pode afirmar sobre
alternativa INCORRETA.
as distribuies
marginais
de X
e Y ^
GABARITO: A
Considere as variveis aleatrias
independentes
X l3 X 2 ,...,X n .
Suponha
que
essas n variveis possuam a mesma distribuio de probabilidades com mdia

^ e varincia a 2 . Seja
20. Podemos afirmar que o valor esperado de
Resoluo
GABARITO: C
21. Podemos afirmar que a varincia de
43

Resoluo
Observao: os resultados obtidos so conseqncia da Lei (fraca) dos

Grandes Nmeros. Por exemplo, assuma que voc tenha registrado o
de uma varivel aleatria X com mdia
conjunto de observaes
(desconhecida) e varincia
tambm desconhecida). Suponha que n seja
um nmero suficientemente grande. Ento a mdia
pode ser estimada pela
mdia amostral
As
duas
questes
desejadas para
posterior).
mostram
qualquer
que
estimador
estimador
(este
assunto
ser
no
visto
viesado
em
aula
GABARITO: B
22. (Analista do BACEN/rea 3/2006/FCC) Uma empresa, com a
finalidade de determinar a relao entre os gastos anuais com propaganda (X),
em R$ 1 000,00, e o lucro bruto anual (Y), em R$1.000,00, optou por utilizar o
Considerou,
para o estudo,
as seguintes
observaes nos ltimos 10 anos da empresa:
informaes
referentes
44

Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que, caso haja um gasto anual com propaganda de 80 mil reais, a previso
do lucro bruto anual, em mil reais, ser de
A) 84
B) 102,5
C) 121
D) 128,4
E) 158
Resoluo
Fazendo os clculos, temos que
Logo,
A equao da reta de mnimos quadrados
Substituindo o valor x = 80 na equao acima obtemos

45

GABARITO: B
23. (INDITA) Considere os dados da questo 22. O coeficiente de correlao
de
A) 0
B) 2,5
C) 1,25
D) 0,88
E) 0,63
Resoluo
GABARITO: D
24. (ICMS-RJ/2008/FGV) Sejam X, Y e Z trs variveis com correlaes de
Pearson expressas pela matriz abaixo:
X
Y
Z
X
1,000
0,800
0,000
1,000
-0,500
1,000
Pode-se, ento, afirmar que:

A) X e Z so independentes.
B) a correlao parcial entre X e Y, aps a correo para Z, negativa.
C) o coeficiente de determinao da regresso de Y em X maior do que 60%.
D) a correlao entre
negativa.
46

E) a covarincia entre X e Y igual a 0,64.
Resoluo
(A) "X e Z so independentes."
A tabela indica que X e Z so no correlacionadas, pois RXZ = 0. Contudo, a
no correlao no implica independncia ^ alternativa INCORRETA.
(B) "a correlao parcial entre X e Y, aps a correo para Z, negativa."
A tabela indica que a correlao ente X e Y igual a 0,8 (positiva) ^
alternativa INCORRETA.
(C) "o coeficiente de determinao da regresso de
60%."
Y em X maior do que
A tabela indica que a correlao ente X e Y R = 0,8. Logo o coeficiente de

determinao R 2 = 0,8 2 = 0,64 = 64% (maior do que 60%) ^ alternativa
CORRETA.
d<0 negativa."
Note que V e W so funes lineares de X e Z, respectivamente. Se a
correlao entre X e Z nula, ento a correlao entre V e W tambm nula
^ alternativa INCORRETA.
(E) "a covarincia entre X e Y igual a 0,64."
Aprendemos que R = s xy /(sxsy), em que sxy a covarincia amostral entre X e
Y, s x denota o desvio-padro amostral de X e s y denota o desvio-padro
amostral de Y. Como no foram dados os valores de sx e de sy, nada se pode
afirmar sobre o valor da covarincia entre X e Y ^ alternativa INCORRETA.
GABARITO: C
47

Assinale:
A) se somente a afirmativa I for verdadeira.
B) se somente as afirmativas I e II forem verdadeiras.
C) se somente as afirmativas I e III forem verdadeiras.
D) se somente as afirmativas II e II forem verdadeiras.
E) se todas as afirmativas forem verdadeiras.
Resoluo
Anlise das afirmativas:

(I) VERDADEIRA, pois a 2 = 10a1, conforme demonstrado acima.
(II) FALSA, dado que b 2 = 10b! +100 .
(III) Dados:
- aplicao da transformao linear ^ = 10y + 100 resulta no coeficiente de
Vimos que a correlao amostral R dada por
Ento,
48

Conclui-se que a transformao

qualidade da regresso original
linear
Y' = 10Y + 100
no altera
Portanto, a assertiva (III) VERDADEIRA.

(*) Esta propriedade vlida para qualquer transformao que seja linear.
GABARITO: C
para os demais valores de x. Suponha que X 1 e X 2 sejam variveis aleatrias

independentes, cada uma delas com a funo densidade de probabilidade f(x).
Ento podemos afirmar que a funo densidade de probabilidade conjunta
f(x1,x2)
49

Resoluo
para os demais valores de xj.

Logo,
caso contrrio.
GABARITO: D
27. (Fiscal de Rendas do Municpio do RJ/2010/ESAF) A partir de uma
amostra aleatria simples formada por 22 observaes das variveis X e Y
calculou-se
Obtenha a reta de regresso linear de Y em X.
Resoluo
Modelo de regresso linear simples:
o intercepto,
denota a componente aleatria
da variao de Y (s uma varivel aleatria).
denota os valores dados pela reta estimativa,

a estimativa do parmetro
a estimativa do
50

Dados:
- cov. amostral
- (desvio padro amostral de X) 2
- mdia de Y =
- mdia de X =
Logo,
Reta estimativa:
(opo E).
GABARITO: E
28. (Fiscal de Rendas do Municpio do RJ/2010/ESAF) Com os dados da
questo anterior, calcule o valor mais prximo do coeficiente de determinao
R 2 da regresso linear de X em Y.
A) 0,65
B) 0,81
C) 0,85
D) 0,91
E) 0,88
Resoluo
Nunca podemos esquecer os conceitos fundamentais.
Lembre que a
correlao entre as variveis aleatrias X e Y, denotada por p(X,Y), dada
por:
51

= covarincia/(desvio padro de X . desvio padro de Y)
O mdulo da correlao sempre menor ou igual a

A correlao amostral ou coeficiente de correlao linear de Pearson
(R) o estimador da correlao p(X,Y), sendo dada por:
R = cov. amostral/(desv. padro amostral de X . desv. padro amostral de Y)
ou
NOTA: no confunda correlao amostral R com correlao p(X,Y)! A primeira

uma estimativa da segunda. A correlao um momento estatstico. S
conseguimos calcular a correlao p(X,Y) quando conhecemos a distribuio
conjunta de probabilidade de X e Y, ou seja, quando sabemos quem a funo
f(X,Y).
GABARITO: C
29. (ICMS-RJ/2011/FGV)
variveis, X e Y.
A tabela
X
4
4
3
2
abaixo
mostra
os valores
de
duas
Y
4,5
5
5
5,5
Sabe-se que
52

O valor de b na regresso simples Y = a + bX

A) 11/5
B) -3/8
C) -4/11
D) -4/17
E) -11/65
Resoluo
O valor de b na regresso simples dado por
Lembre que
A tabela tem n = 4 pares de dados (X,Y). Agora podemos efetuar as contas:
53

GABARITO: C
30. (ICMS-RJ/2011/FGV) Para duas variveis populacionais, X e Y, o
desvio-padro de X 40, o desvio-padro de Y 20 e a covarincia entre Y e X
-100. Assim, o coeficiente de correlao entre X e Y
A) -0,5.
B) 2
C) -0,25
D) -0,125
E) 0,125
Resoluo
Questo imediata. Sabemos que
GABARITO: D
31.
(Economista-CODEBA/2010/FGV)
Sejam
aleatrias para uma amostra de tamanho N.

Defina a Mdia amostral
avalie as afirmativas abaixo:

I. O valor esperado da mdia amostral
II. A varincia da mdia amostral
III. O valor esperado de
Assinale
A) se apenas as afirmativas I e II estiverem corretas.
B) se apenas as afirmativas I e III estiverem corretas.
54

C) se apenas as afirmativas II e III estiverem corretas.
D) se todas as afirmativas estiverem corretas.
E) se nenhuma das afirmativas estiver correta.
Resoluo
Apesar de o enunciado ter sido omisso quanto independncia das variveis
aleatrias X13 X 2, X 3,..., X N , razovel assumir que elas sejam independentes
(*).
Vimos que
afirmativa I est correta.
afirmativa II est correta.

Alm disso,
afirmativa III est correta.

(*) Entendemos que o enunciado no preciso, haja vista que as observaes
de uma amostra nem sempre so independentes. Por exemplo, isso ocorre em
algumas sries financeiras do mundo real, em que as amostras podem
apresentar um alto grau de correlao.
GABARITO: D
Exerccios de Reviso
(AFTM-SP/2007/FCC/Adaptada) Instrues: para responder prxima
questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se Z
tem distribuio normal padro, ento:
P(0< Z < 1) = 0,341, P(0< Z < 1,6) = 0,445, P(0< Z < 2) = 0,477
32. Os depsitos efetuados no Banco B, num determinado ms, tm
distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um
55

depsito selecionado ao acaso dentre todos os referentes ao ms em
questo. A probabilidade de que o depsito exceda R$ 6.000,00 de
A) 97,7%
B) 94,5%
C) 68,2%
D) 47,7%
E) 34,1%
Resoluo
Dados: X uma varivel aleatria normal com
Normal padro:
P(Z > -2,0) = P(Z < 2,0) = 0,5 + P(0,0 < Z < 2,0) = 0,5 + 0,477 = 0,977 =
97,7%
GABARITO: A
33. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com
A) 0,5
B) 0
C) 2/3
D) 1
E) 1/3
Resoluo
56

O grfico da figura acima ilustra a forma da funo densidade de probabilidade

de X, denotada por f(x). Como f(x) simtrica em relao a zero, temos
que a mdia de X zero (opo B). Repare que resolvemos a questo sem
fazer nenhuma conta! Bastou saber esboar o grfico de f(x).
Por completeza, calculemos o valor da constante "c". Sabemos que a rea sob
f(x) unitria. Ento,
2 x (rea do tringulo retngulo delimitado por 0<x<1/c) = 1
2 x (base x altura)/2 = 1
base x altura = 1
A figura a seguir mostra o grfico de f(x).
GABARITO: B
34. (AFTE-RS/2009/Fundatec) Seja Z uma varivel aleatria contnua
normalmente distribuda com mdia zero e desvio padro um. Seja
Seja X uma varivel aleatria contnua
normalmente distribuda
P(180<X<240), :
com
mdia
200
desvio
padro
20,
ento
A) 0,9772
B) 0,8413
C) 0,3413
D) 0,8185
E) 0,4772
Resoluo
57

Dados: X1 = 180, X2 = 240, P(Z < - 1 ) = 0,1587 e P(Z > 2) = 0,0228.
Z1 = (180 - 200)/20 = -1
Z2 = (240 - 200)/20 = 2
Pede-se P(180<X<240) = P(-1<Z<2).
P(-1<Z<2) = P(-1<Z<0) + P(0<Z<2)
Mas P(-1<Z<0) = 0,5 - P(Z<-1) e P(0<Z<2) = 0,5 - P(Z>2). Logo,
P(-1<Z<2) = 0,5 - P(Z<-1) + 0,5 - P(Z>2) = 0,5 - 0,1587 + 0,5 - 0,0228 =
0,8185 (opo D).
GABARITO: D
Abraos e at a prxima aula.

Bons estudos!
Moraes Junior
moraesjunior@pontodosconcursos.com.br
Alexandre Lima
ablima@ablima.pro.br
58

Questes Comentadas e Resolvidas Nesta Aula
1. (Analista da SUSEP/Aturia/2001/ESAF) Uma loja vende lavadoras e
secadoras de roupa. A distribuico conjunta do nmero N1 de secadoras e do
nmero N2 de lavadoras vendidas num mesmo dia dada na tabela abaixo.
Assinale a opco que d a probabilidade de que a venda, num mesmo dia, de
lavadoras seja igual de secadoras.
N1 N2
0
1
2
3
1
0,13
0,11
0,06
0,01
0
0,25
0,15
0,08
0,01
2
0,04
0,02
0,05
0,01
3
0,02
0,01
0,02
0,03
(A) 0,54
(B) 0,50
(C) 0,49
(D) 0,44
(E) 0,19
Julgue os itens a seguir.
2. Seja a distribuio conjunta de X e Y
f(x,y) = e -x-y ,
x>0, y>0.
Ento, a densidade marginal f X (x) dada por

f x (x) = e -y , para x>0.
3. Sejam X e Y variveis aleatrias discretas com a seguinte distribuio
conjunta:
Y=1
0,27
0,32
X=0
X=1
Y=2
0,16
0,22
Y=3
0,01
0,02
Ento a tabela abaixo especifica a distribuio condicional de X dado que Y=1:

x
f X |Y(x y=1)
0
0,458
1
0,542
4. Considere a funo de distribuio conjunta

f(x,y) = e -x-y ,
x>0, y>0.
59

Pode-se afirmar que X e Y so variveis aleatrias independentes.
5. As variveis aleatrias X e Y so independentes. Ento vlida a expresso
(A) E[XY] = E[X 2]E[Y2]
(B) E[XY] = E[X]E[Y]
(C) E[XY ] = E[X]/ E[Y]
(D) E[XY] = Cov(X, Y)
(E) E[XY] = (E[X]E[Y])2
6. (Fiscal de Rendas-MS/2006/FGV) Analise as afirmativas a seguir, a
respeito de duas variveis aleatrias X e Y:
I.
II.
III.
IV.
se
se
se
se
X e Y so independentes, ento Cov(X,Y) = 0;

Cov(X,Y) = 0, ento X e Y so independentes;
X e Y so independentes, ento E(XY) = E(X).E(Y);
E(XY) = E(X).E(Y), ento X e Y so independentes.
Assinale:
(A) se nenhuma afirmativa estiver correta.
(B) se somente as afirmativas I e III estiverem corretas.
(C) se somente as afirmativas I e IV estiverem corretas.
(D) se somente as afirmativas II e IV estiverem corretas.
(E) se todas as afirmativas estiverem corretas.
7. (Analista da SUSEP/Aturia/2010/ESAF). Y e X so variveis aleatrias
com distribuio normal conjunta com E(Y) = |jY, E(X) = j X , e Cov(Y,X) =
pa Y a X , onde a Y e G x so os desvios padres de Y e X, respectivamente, e p o
coeficiente de correlao entre Y e X. Qual a expresso da regresso de X em
Y, E(X|Y=y)?
8. (Analista da SUSEP/Aturia/2010/ESAF) A partir de uma amostra

aleatria (X 1 ,Y 1 ), (X 2 ,Y 2 ),..., (X 20 ,Y 20 ) foram obtidas as estatsticas:
60

Qual a reta de regresso estimada de Y em X?
9.
(Tcnico
de
Defesa
Area
e
Controle
de
Trfego
Areo/Estatstica/2009/CESGRANRIO) Um pesquisador estudou a relao
entre o tempo, medido em segundos, que um inspetor leva para reagir a um
estmulo visual (Y) e a idade (X), medida em anos completos. Os dados de 25
inspetores foram coletados e obtidas as seguintes informaes:
As estimativas dos mnimos quadrados, para o coeficiente linear e a inclinao

da reta, respectivamente, so:
(A) 80 e 3,25
(B) 50 e 2,85
(C) 30 e 2,50
(D) 20 e 4,0
(E) 10 e 3,62
10. (ICMS-SP/2009/FCC) O grfico abaixo demonstra a evoluo da receita
tributria anual no estado de So Paulo desde 1999, com os valores
arrecadados em bilhes de reais.
61

(Fonte: Secretaria da Fazenda do Estado de So Paulo - Histrico da

receita tributria)
Para
estimar a
receita
tributria
em
um
determinado
ano
com
base no
comportamento sugerido pelo grfico, adotou-se o modelo

1, 2, 3, ..., sendo Yt = ln(RT t ), em que RTt a receita tributria no ano
(1998+t) em bilhes de reais e ln o logaritmo neperiano
parmetros desconhecidos e
o erro aleatrio com as respectivas hipteses
consideradas para o modelo de regresso linear simples. Utilizando o mtodo
dos mnimos quadrados, com base nas observaes de 1999 a 2008, obteve-se
valor de 0,12, sabendo-se que:
para a estimativa de
A previso da receita tributria para 2009, em bilhes de reais, em funo da

equao obtida pelo mtodo dos mnimos quadrados igual a
11.
(APOFP-SP/2009/ESAF) Uma amostra aleatria simples

de duas variveis aleatrias X e Y forneceu as seguintes
quantidades:
62

Calcule o valor mais prximo do coeficiente de determinao da regresso
linear de Y em X.
(A) 0,85
(B) 0,83
(C) 0,80
(D) 0,88
(E) 0,92
12. (ICMS-SP/2006/FCC) Em um determinado pas, deseja-se determinar a
relao entre a renda disponvel (Y), em bilhes de dlares, e o consumo (C),
tambm em bilhes de dlares. Foi utilizado o modelo linear simples
em que Ci o consumo no ano i, Yi o valor da renda disponvel no
o erro aleatrio com as respectivas hipteses para a regresso linear
simples.
so parmetros desconhecidos, cujas estimativas foram obtidas
atravs do mtodo dos mnimos quadrados. Para obteno desta relao
considerou-se ainda as seguintes informaes colhidas atravs da observao
nos ltimos 10 anos:
Para o clculo do coeficiente de correlao de Pearson (R), usou-se a frmula:

em que Cov(Y, C) a covarincia de Y e C, DP(Y) o desviopadro de Y e DP(C) o desvio-padro de C.
Ento,
(A) o coeficiente de explicao (R 2 ) correspondente igual a 64%.
(B) utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados,
tem-se que, em um ano, caso a renda disponvel seja igual a 15 bilhes de
dlares, o consumo ser igual a 13 bilhes de dlares.
(C) obtendo para um determinado ano uma previso para o consumo de 10
bilhes de dlares, significa que a renda disponvel considerada foi de 12,5
bilhes de dlares.
(D) o valor da estimativa encontrado para o parmetro
(E) o valor da estimativa encontrado para o parmetro
63

13. (ICMS-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) - 2COV(X,Y)
D) VAR(X-Y) = VAR(X) + VAR(Y) + COV(X,Y)
E) VAR(X-Y) = VAR(X) + VAR(Y) + 2COV(X,Y)
14. (Analista Tcnico da SUSEP/2006/ESAF) Sendo X uma v. a. d. varivel aleatria discreta e sendo Y = aX + b, pode concluir-se que var (aX +
b) igual a:
A) = var X.
B) = E(X 2 ) - (EX) 2 .
C) = E(X - E(X)) 2 .
D) = a 2 var X.
E) = a 2 var X - b.
15. (AFRF/2005/ESAF) Para uma amostra de dez casais residentes em um
mesmo bairro, registram-se os seguintes salrios mensais (em salrios
mnimos):
Identificao do casal
Salrio do marido (Y)
Salrio da esposa (X)
1
30
20
2
25
25
3
18
12
4
15
10
5
20
10
6
20
20
7
21
18
8
20
15
9
25
18
10
27
13
Sabe-se que:
Assinale a opo cujo valor corresponda correlao entre os salrios dos

homens e os salrios das mulheres.
A) 0,72
B) 0,75
C) 0,68
D) 0,81
E) 0,78
64

16. (Analista do BACEN/rea 3/2006/FCC) Sejam X e Y duas variveis
aleatrias e
I.
E(X) e E(Y) as expectncias de X e Y, respectivamente;
II.
Var(X) e Var(Y) as varincias de X e Y, respectivamente;
III.
Cov(X,Y) a covarincia de X e Y.
Tem-se, em qualquer situao,

A) E(X).E(Y) = E(XY) - Cov(X,Y)
B) Cov(X,Y) = Var(X).Var(Y)
C) E(2X+5) = 4E(X)
D) Se E(XY) = E(X).E(Y), ento X e Y so independentes.
E) Var(X+10) = Var(X) + 10
17.
(AFRF/2009/ESAF)
Na
anlise
estimativas
de
regresso
linear
simples,
as
da reta de regresso podem ser
obtidas pelo mtodo de Mnimos Quadrados.

Nesse caso, os valores dessas estimativas so obtidos atravs de uma amostra
de n pares de valores Xi Y com (i =1, 2, ....,n), obtendo-se:
a estimativa de
Para cada par de valores Xi
Yi com (i =1, 2, ...,n) pode-se estabelecer o desvio ou resduo - aqui denotado

por ei - entre a reta de regresso Yi e sua estimativa
Sabe-se que o
Mtodo de Mnimos Quadrados consiste em adotar como estimativas dos

os valores que minimizam a soma dos quadrados dos desvios
parmetros
ei.
Desse modo, o Mtodo

expresso dada por:
de
Mnimos
Quadrados
consiste
em
minimizar a

65

A funo densidade de probabilidade conjunta de duas variveis aleatrias
discretas dada pela tabela a seguir:
2
4
6
Y
3
1/24
1/4
1/24
1
1/8
1/4
1/8
9
1/12
0
1/12
18. A covarincia entre X e Y

A) 1
B) 3
C) 4
D) 12
E) 0
19. Assinale a alternativa correta.
A) X e Y no so independentes.
B) X e Y so independentes.
C) X e Y so correlacionadas.
D) X e Y tm distribuio conjuntamente normal.
E) X e Y tm distribuies marginais normais.
Considere
as
variveis
aleatrias
independentes
Xl,X2,...,Xn.
Suponha
que
essas n variveis possuam a mesma distribuio de probabilidades com mdia
20. Podemos afirmar que o valor esperado de
66

21. Podemos afirmar que a varincia de
22. (Analista do BACEN/rea 3/2006/FCC) Uma empresa, com a

finalidade de determinar a relao entre os gastos anuais com propaganda (X),
em R$ 1 000,00, e o lucro bruto anual (Y), em R$1.000,00, optou por utilizar o
modelo linear simples
o valor do lucro bruto
auferido no ano i, X i o valor gasto com propaganda no ano
aleatrio com as respectivas hipteses consideradas para a regresso linear
simples
so parmetros desconhecidos).
Considerou,
para o estudo,
as seguintes
observaes nos ltimos 10 anos da empresa:
informaes
referentes
Utilizando a equao da reta obtida pelo mtodo dos mnimos quadrados, temse que, caso haja um gasto anual com propaganda de 80 mil reais, a previso
do lucro bruto anual, em mil reais, ser de
A) 84
B) 102,5
C) 121
D) 128,4
E) 158
23. (INDITA) Considere os dados da questo 22. O coeficiente de correlao
de
A) 0
B) 2,5
C) 1,25
D) 0,88
67

E) 0,63
24. (ICMS-RJ/2008/FGV) Sejam X, Y e Z trs variveis com correlaes de
Pearson expressas pela matriz abaixo:
X
Y
Z
X
1,000
0,800
0,000
1,000
-0,500
1,000
Pode-se, ento, afirmar que:

A) X e Z so independentes.
B) a correlao parcial entre X e Y, aps a correo para Z, negativa.
C) o coeficiente de determinao da regresso de Y em X maior do que 60%.
D) a correlao entre V = a + b.X e W = c + d.Z, com a ^ 0, c ^ 0, b>0 e d<0
negativa.
E) a covarincia entre X e Y igual a 0,64.
25. (ICMS-RJ/2009/FGV) Utilizando uma anlise de regresso linear
simples, um pesquisador obteve um ajuste Y = aX + bi e um coeficiente de
determinao R 2 . Um segundo pesquisador analisou os mesmos dados, mas
antes aplicou a cada observao de Y a transformao Y' = 10Y + 100, obtendo
um outro ajuste Y' = a2x + b2, com um coeficiente de determinao R 2 . Considere
as afirmativas abaixo, relativas comparao entre os valores obtidos nas
duas anlises:
Assinale:
A) se somente a afirmativa I for verdadeira.
B) se somente as afirmativas I e II forem verdadeiras.
C) se somente as afirmativas I e III forem verdadeiras.
D) se somente as afirmativas II e II forem verdadeiras.
E) se todas as afirmativas forem verdadeiras.
26. Seja a funo densidade de probabilidade
para os demais valores de x. Suponha que X1 e X2 sejam variveis aleatrias
independentes, cada uma delas com a funo densidade de probabilidade f(x).
68

Ento podemos afirmar que a funo densidade de probabilidade conjunta
f(x1,x2)
27. (Fiscal de Rendas do Municpio do RJ/2010/ESAF) A partir de uma

amostra aleatria simples formada por 22 observaes das variveis X e Y
calculou-se
Obtenha a reta de regresso linear de Y em X.
28. (Fiscal de Rendas do Municpio do RJ/2010/ESAF) Com os dados da

questo anterior, calcule o valor mais prximo do coeficiente de determinao
R 2 da regresso linear de X em Y.
A) 0,65
B) 0,81
C) 0,85
D) 0,91
E) 0,88
69

29. (ICMS-RJ/2011/FGV)
variveis, X e Y.
A tabela
abaixo
X
4
4
3
2
mostra
os valores
de
duas
Y
4,5
5
5
5,5
Sabe-se que
O valor de b na regresso simples Y = a + bX

A) 11/5
B) -3/8
C) -4/11
D) -4/17
E) -11/65
30. (ICMS-RJ/2011/FGV) Para duas variveis populacionais, X e Y, o
desvio-padro de X 40, o desvio-padro de Y 20 e a covarincia entre Y e X
-100. Assim, o coeficiente de correlao entre X e Y
A) -0,5.
B) 2
C) -0,25
D) -0,125
E) 0,125
31.
(Economista-CODEBA/2010/FGV)
Sejam
X, X2, X3,..., X N
variveis
aleatrias para uma amostra de tamanho N.

Defina a Mdia amostral
avalie as afirmativas abaixo:

70

I. O valor esperado da mdia amostral
II. A varincia da mdia amostral
III. O valor esperado de
Assinale
A) se apenas as afirmativas I e II estiverem corretas.
B) se apenas as afirmativas I e III estiverem corretas.
C) se apenas as afirmativas II e III estiverem corretas.
D) se todas as afirmativas estiverem corretas.
E) se nenhuma das afirmativas estiver correta.
Exerccios de Reviso
(AFTM-SP/2007/FCC/Adaptada) Instrues: para responder prxima
questo, utilize, dentre as informaes abaixo, as que julgar adequadas. Se Z
tem distribuio normal padro, ento:
P(0< Z < 1) = 0,341, P(0< Z < 1,6) = 0,445, P(0< Z < 2) = 0,477
32. Os depsitos efetuados no Banco B, num determinado ms, tm
distribuio normal com mdia R$ 9.000,00 e desvio padro R$ 1.500,00. Um
depsito selecionado ao acaso dentre todos os referentes ao ms em
questo. A probabilidade de que o depsito exceda R$ 6.000,00 de
A) 97,7%
B) 94,5%
C) 68,2%
D) 47,7%
E) 34,1%
33. (AFTE-RS/2009/Fundatec) Seja X uma varivel aleatria contnua, com
funo densidade de probabilidade dada por
O valor da mdia de X
A) 0,5
B) 0
C) 2/3
D) 1
E) 1/3
34.
(AFTE-RS/2009/Fundatec)
Seja
uma
varivel
aleatria
contnua
71

normalmente distribuda com mdia zero e desvio padro um. Seja
P(Z < - 1 ) = 0,1587 e P(Z > 2) = 0,0228 . Seja X uma varivel aleatria contnua
normalmente distribuda
P(180<X<240), :
com
mdia
200
desvio
padro
20,
ento
A) 0,9772
B) 0,8413
C) 0,3413
D) 0,8185
E) 0,4772
72

Raciocínio Lógico - Aula 09

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

Raciocínio Lógico - Aula 09

Uploaded by

Copyright:

Available Formats

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exerccios, incluindo Matemtica, Matemtica Financeira e Estatstica

REVISO DA NOO DE FUNO DE PROBABILIDADE CONJUNTA

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exemplo 1 : Um total de 15.064.859 alunos est matriculado no ensino

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Digest of Educational Statistics 1997, Tabela

Nessa populao, as probabilidades aproximadas de matrcula em um dos tipos

Considere o experimento de extrair aleatoriamente um estudante matriculado

a probabilidade do evento certo.

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Exemplo: Suponha que a varivel aleatria

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

contrrio. A figura a seguir ilustra a densidade conjunta uniforme ( a

Ento, a densidade marginal f X (x) dada por

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Como f X (x) uma funo exponencial de x, e no de y, temos que o item est

Note que as funes de densidade de probabilidade marginal fX(x) e fY(y)

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

aleatoriamente ser homem) igual probabilidade marginal fX (x) no ponto x

aleatoriamente ser mulher, igual probabilidade marginal fX (x) no ponto x

soma da 1 a coluna da tabela.

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Finalmente, a probabilidade P[Y = 3] denota a probabilidade de o estudante

soma da 3 a coluna da tabela.

A tabela acima mostra que as probabilidades marginais f X (x) e f Y (y) so

Ento a tabela abaixo especifica a distribuio condicional de X dado que Y=1:

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

P(Y=1|X=1) = P(Y=1,X = 1)/P(X=1) = 0,32/0,56 = 0,571,

A mdia da distribuio condicional de Y, dado que X=1, igual a

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

De (1) e (2) resulta que

Uma definio anloga vale para

e a densidade condicional de X dado o resultado Y = y como

A frmula (3) tambm vlida para o caso de variveis contnuas.

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

A esperana condicional de Y, dado que X=x, dada por

A esperana condicional E(Y|x) dada por

Note que E(Y|x) , de fato, uma funo de x.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Pode-se afirmar que X e Y so variveis aleatrias independentes.

REVISO DA NOO DE VARIVEIS ALEATRIAS INDEPENDENTES

Podemos generalizar a frmula acima. Sejam

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

Aplicando esse conceito na integral de E[XY], obtemos

Note que variveis independentes so no correlacionadas, uma vez que

REVISO DOS CONCEITOS DE CORRELAO E COVARINCIA

comum estarmos interessados no comportamento conjunto de

Aqui, daremos continuidade ao estudo da associao entre variveis.

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

pessoas adultas, do sexo masculino, e sejam a

Suponha que tenham sido obtidos os valores apresentados na tabela acima. O

Profs. Alexandre Lima e Moraes Junior

Curso Online - Raciocnio Lgico-Quantitativo para Traumatizados em

claro que tambm pode ocorrer o caso em que as variveis so no