Professional Documents
Culture Documents
Matemtica VIII
Unidade 7 Variveis Aleatrias
Muitos experimentos aleatrios produzem resultados nonumricos. Antes de analis-los, conveniente transformar seus
resultados em nmeros, o que feito atravs da varivel aleatria, que
uma regra de associao de um valor numrico a cada ponto do espao
amostral.
Portanto, variveis aleatrias so variveis numricas s quais
iremos associar modelos probabilsticos.
7.1 Conceito
Sejam E um experimento e S o espao associado ao experimento.
Uma funo X, que associe a cada elemento s S um nmero real X(s)
denominada varivel aleatria.
X
R
s
Varivel
Aleatria
X(s)
E ( X 2 ) = x 2 p( x)
e de desvio padro de X a
DP( X ) = Var ( X )
x 2 = 0 (fracasso)
ou
p(x 2 ) = 1 p = q
e
P(x = 1 ) = p
Principais caractersticas:
Mdia : E ( X ) = xi P( xi ) = 0.q + 1. p = p
i =0
Varincia:
Var ( X ) = E ( X 2 ) [ E ( X )]2
1
E ( X 2 ) = xi2 P ( xi ) = 0 2 q + 12 p = p
i =0
Var ( X ) = p p 2 = p (1 p) = pq
2 Distribuio Binomial
Uma varivel aleatria tem distribuio binomial quando o
experimento ao qual est relacionada apresentam apenas dois resultados
(sucesso ou fracasso). Este modelo fundamenta-se nas seguintes
hipteses:
a) n provas independentes e do mesmo tipo so realizadas;
b) cada aprova admite dois resultados Sucesso ou Fracasso;
c) a probabilidade de sucesso em cada prova p e de fracasso 1- p = q
Define-se a Varivel X que conta o nmero de sucesso nas n realizaes
do experimento .
( X pode assumir os valores 0, 1, 2, 3, ......., n.)
Fazendo sucesso corresponder a 1 e fracasso a 0, temos:
n
P( X = x) = p x q n x
x
Expresso geral da
distribuio Binomial
Principais caractersticas:
Mdia : E ( X ) = n. p
3 Distribuio de Poisson
Consideremos a probabilidade de ocorrncia de sucessos em um
determinado intervalo. A probabilidade da ocorrncia de um sucesso no
intervalo proporcional ao intervalo. A probabilidade de mais de um
sucesso nesse intervalo bastante pequena com relao probabilidade
de um sucesso.
Seja X o nmero de sucessos no intervalo, ento:
e .k
P( X = k ) =
k!
onde a mdia.
Mdia : E ( X ) =
Varincia : Var ( X ) =
= np
Exemplo: Em mdia h 2 chamadas por hora num certo telefone.
Calcular a probabilidade de se receber no mximo 3 chamadas em 2 horas
e a probabilidade de nenhuma chamada em 90 minutos
f ( x)dx = 1
caracterizar uma v.a. contnua.
Dada a v.a. contnua X, assumindo os valores no intervalo entre a e
b, chamamos valor mdio ou esperana matemtica de X ao valor
b
E ( X ) = x f ( x)dx
a
Var ( X ) = E ( X 2 ) [ E ( X )] 2
onde
b
E ( X 2 ) = x 2 f ( x)dx
a
e de desvio padro de X a
DP ( X ) = Var ( X )
F ( x) = P ( X x) =
f (t )dt
Distribuio Normal
A distribuio normal a mais importante das distribuies de
probabilidades. Conhecida como a curva em forma de sino, a
distribuio normal tem sua origem associada aos erros de mensurao.
sabido que, quando se efetuam repetidas mensuraes de determinada
grandeza com um aparelho equilibrado, no se chega ao mesmo resultado
todas as vezes; obtm-se, ao contrrio, um conjunto de valores que
oscilam, de modo aproximadamente simtrico, em torno do verdadeiro
valor. Construindo-se o histograma desses valores, obtm-se uma figura
com forma aproximadamente simtrica. Gauss deduziu matematicamente
a distribuio normal como distribuio de probabilidade dos erros de
observao, denominando-a ento lei normal dos erros.
Inicialmente se supunha que todos os fenmenos da vida real
devessem ajustar-se a uma curva em forma de sino; em caso contrrio,
suspeitava-se de alguma anormalidade no processo de coleta de dados.
Da a designao de curva normal.
A observao cuidadosa subseqente mostrou, entretanto, que essa
pretensa universalidade da curva, ou distribuio normal, no
correspondia realidade. De fato, no so poucos os exemplos de
fenmenos da vida real representados por distribuies no normais,
curvas assimtricas, por exemplo. Mesmo assim, a distribuio normal
desempenha papel preponderante na estatstica, e os processos de
inferncia nela baseados tm larga aplicao.
(x )2
exp
2 2
< x <
: mdia
: desvio padro
B
A
-3
-2
+2
+3
Portanto, 68,26% dos valores populacionais caem entre os limites definidos como
mdia mais ou menos um desvio padro ( 1); 95,46% dos valores caem entre
mdia mais ou menos dois desvios padro ( 2); e 99,73% dos valores caem
entre mdia mais ou menos trs desvios padro ( 3).
A distribuio normal padro
X
-3
-2
+2
+3
X-
-3
-2
-1
Z
1
3
2
10
P(X<200)
180
190
200
210
220
230
240
-2
P(Z<-2)
-6
-4
Para clculo dessa probabilidade utilizamos a tabela III. Observe que a tabela traz
apenas a P(Z<z) para z no negativo (z0). As propriedades que seguem podem ser
deduzidas da simetria da densidade em relao mdia 0, e so teis na obteno
de outras reas no tabuladas.
P(Z>z) = 1 - P(Z<z)
P(Z<-z) = P(Z>z)
P(Z>-z) = P(Z<z).
1 - P(Z < z)
-z
11