Professional Documents
Culture Documents
Bidimensionais
Alberto Barros
4
Variáveis Aleatórias
Bidimensionais
Definição 2:
(X,Y) será uma variável aleatória discreta
bidimensional se os possíveis valores de (X,Y)
forem finitos ou infinitos enumeráveis.
(X,Y) será uma variável aleatória contínua
bidimensional se (X,Y) puder tomar todos os
valores em algum conjunto não numerável do
plano euclidiano.
(Por exemplo, se (X,Y) tomar todos os valores no
retângulo {(x,y) | a ≤ x ≤ b, c ≤ y ≤ d} ou todos os valores
no círculo {(x,y) | x2+y2 ≤ 1}, poderemos dizer que (X,Y)
5
é uma variável aleatória bidimensional contínua).
Variáveis Aleatórias Bidimensionais
Definição 3 (a):
Seja (X,Y) uma variável aleatória discreta
bidimensional. A cada resultado possível (xi,
yj), associaremos um número p(xi,yj)
representando P(X=xi, Y=yj) e satisfazendo às
seguintes condições:
(1) p(x i , y j ) ≥ 0 para todo (x, y)
∞ ∞
(2) ∑∑ p(x , y ) = 1
j=1 i =1
i j
6
Variáveis Aleatórias Bidimensionais
Definição 3 (b):
Seja (X,Y) uma variável aleatória contínua
tomando todos os valores em alguma região R
do plano euclidiano. A função densidade de
probabilidade conjunta f é uma função que
satisfaz às seguintes condições:
2 xy
x + , se 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
f(x, y) = 3
0, para quaisquer outros valores
∫ ∫ f(x, y)dxdy
-∞ -∞
= ∫ ∫ f(x, y)dxdy + ∫ ∫ f(x, y)dxdy + ∫ ∫ f(x, y)dxdy
− ∞− ∞ 0 0 2 1
21
2 xy ( já que f(x, y) = 0 para
= ∫∫x + dxdy
00
3 x ∉ [0,1] ou y ∉ [0 , 2] )
1
2 xy
Precisamos primeiramente resolver a integral ∫ x + dx
0
3
1 1 1 3 1 1
2 xy xy x y
∫0 x + 3 dx = ∫0 x dx + ∫0 3 dx = 3 + ∫ xdx
2
0
30
2 1
1 y x 1 y 1 y
= − 0 + ⋅ = + − 0 = +
3 3 2 0
3 6 3 6 14
Solução do Exemplo 2a
2
1 y
Agora, precisamos resolver a integral ∫ + dy
0
3 6
2 2 2 2 2 2
1 y 1 y y 1 y
∫0 3 6 ∫0 3 ∫0 6
+ dy = dy + dy = + ⋅
30 6 2 0
2 4 2 1
= − 0 + − 0 = + = 1
3 12 3 3
15
Solução do Exemplo 2b
1 1− y
2 xy
y P(B) = 1 − P( B) = 1 − ∫ ∫ x + dxdy
0 0 3
1− y
xy
(0,2) Resolvendo ∫ x 2 + dx
0
3
B
1− y
1− y 3 1− y
2 xy
2
x yx
(0,1) ∫
0
x + dx =
3 3
+
3 2
0 0
∫0 3 + 6 dy =
∫1 3
− du + ∫1 −
6
du
4 0 0
1 u 1
=− − ∫ ( u 2 − u 3 )du
3 4 1
6 1
1 1 u 3
u
4
0
1 1 1 1
= 0 − − −
−
= − 0 − −
12 6 3 4 1 12 6 3 4
1 1 4 − 3 1 1 6 +1 7
= − − = + = =
12 6 12 12 72 72 72
Portanto,
7 72 − 7 65
P(B) = 1 − P( B) = 1 − = =
72 72 72 17
Distribuição de Probabilidade Marginal
Caso Discreto: Seja p(xi,yj) a função de
probabilidade conjunta de uma variável discreta
bidimensional (X,Y). Então, a probabilidade
marginal de X, denotada por p(xi), é dada por:
p(x i ) = P(X = x i ) = P[(X = x i , Y = y1 ) ou (X = x i , Y = y 2 ) ou ...]
= P(X = x i , Y = y1 ) + P(X = x i , Y = y 2 ) + ...
= p(x i , y1 ) + p(x i , y 2 ) + ...
∞
= ∑ p(x i , y j )
j=1
Analogamente, a probabilidade marginal de Y,
denotada por q(yj), é dada por:
∞
q(y j ) = ∑ p(x i , y j )
18
i =1
Distribuição de Probabilidade Marginal
Caso Contínuo: Seja f(x,y) a função densidade
conjunta de uma variável contínua bidimensional
(X,Y). Então, a função densidade de
probabilidade marginal de X, denotada por
g(x), é dada por:
∞
20
Solução do Exemplo 3
21
Solução do Exemplo 3
q(0)=P(Y=0)=p(0,0)+p(1,0)+p(2,0)
+p(3,0)+p(4,0)+p(5,0)
= 0+0,01+0,03+0,05+0,07+0,09 = 0,25
q(1)=P(Y=1)=p(0,1)+p(1,1)+p(2,1)
+p(3,1)+p(4,1)+p(5,1)
=0,01+0,02+0,04+0,05+0,06+0,08 = 0,26
q(2)=P(Y=2)=p(0,2)+p(1,2)+p(2,2)
+p(3,2)+p(4,2)+p(5,2)
=0,01+0,03+0,05+0,05+0,05+0,06 = 0,25
q(3)=P(Y=3)=p(0,3)+p(1,3)+p(2,3)
+p(3,3)+p(4,3)+p(5,3)
=0,01+0,02+0,04+0,06+0,06+0,05 = 0,24
Note que ∑ q(y) = 1
22
y
Exemplo
Exemplo 4: Duas características do desempenho do motor
de um foguete são o empuxo X e a taxa de mistura Y.
Suponha que (X,Y) seja uma variável aleatória contínua
bidimensional com função densidade conjunta dada por:
2(x + y - 2xy), se 0 ≤ x ≤ 1, 0 ≤ y ≤ 1
f(x, y) =
0, para quaisquer outros valores
23
Solução do Exemplo 4
∞ 1
g(x) = ∫ f(x, y)dy = ∫ 2(x + y - 2xy)dy ( já que f(x, y) = 0 para y ∉[0,1] )
-∞ 0
1 1 1 1
= ∫ 2(x + y - 2xy)dy = 2 ∫ xdy + ∫ ydy − 2 ∫ xydy
0
0 0 0
21 2 1
1 y y
= 2 xy 0 + − 2x
2 2
0 0
1
= 2 x(1 − 0) + (12 − 0 2 ) − x(12 − 0 2 )
2
1 1
= 2x + − x = 2 = 1
2 2
24
Solução do Exemplo 4
∞ 1
h(y) = ∫ f(x, y)dx = ∫ 2(x + y - 2xy)dx (já que f(x, y) = 0 para x ∉[0,1])
-∞ 0
1 1 1 1
= ∫ 2(x + y - 2xy)dx = 2 ∫ xdx + ∫ ydx − 2 ∫ xydx
0
0 0 0
21 2 1
x x
= 2
1
+ yx 0 − 2 y
2 2
0 0
1 2
= 2 (1 − 0 2 ) + y(1 − 0) − y(12 − 0 2 )
2
1 1
= 2 + y − y = 2 = 1
2 2
25
Solução do Exemplo 4
1, se 0 ≤ x ≤ 1
g(x) =
0, caso contrário
1, se 0 ≤ y ≤ 1
h(y) =
0, caso contrário
∞ ∞
Note que ∫ g(x)dx = 1
−∞
e ∫ h(y)dy = 1
−∞ 26
Distribuição de Probabilidade Condicional
Caso Discreto: Seja p(xi,yj) a função de
probabilidade conjunta de uma variável discreta
bidimensional (X,Y). Então, a probabilidade
condicional de X dado Y, denotada por p(xi|yj),
é dada por:
p(x i | y j ) = P(X = x i | Y = y j )
P(X = x i , Y = y j )
=
P(Y = y j )
p(x i , y j )
= com q(y j ) > 0
q(y j )
f(x, y)
g(x | y) = , com h(y) > 0
h(y)
P(X = 3, Y = 1)
P(X = 3 | Y = 1) =
P(Y = 1)
p(3,1) 0,05
= = ≅ 0,192
q(1) 0,26
P(X = 1, Y = 2)
P(Y = 2 | X = 1) =
P(X = 1)
p(1,2) 0,03
= = = 0,375
p(1) 0,08 29
Exemplo
Exemplo 6: Considere novamente os dados do
exemplo 2. Obtenha a distribuição de
probabilidade condicional de X dado Y e de Y
dado X
Obtendo a marginal de X:
∞ 2
2 xy
g(x) = ∫ f(x, y)dy = ∫ x + dy (já que f(x, y) = 0 para y ∉[0,2])
−∞ 0
3
2 2 2 xy 2 2
x
= ∫ x dy + ∫ ydy = x y +
2 2
3 0 6
0 0 0
2
x
( )
= x 2 (2 − 0) + 2 2 − 0 2 = 2x 2 +
6
4x
6
=
12x
6
+ 4x
30
Solução do Exemplo 6
Obtendo a marginal de Y:
∞ 1
2 xy
h(y) = ∫ f(x,y)dx= ∫ x + dx (já que f(x,y) = 0 para x ∉ [0,1])
−∞ 0
3
1 1 31 2 1
y x xy
= ∫ x dx+ ∫ xdx=
2
+
3 3 6
0 0 0 0
1 y 1 y 2+ y
= − 0 + − 0 = + =
3 6 3 6 6
31
Solução do Exemplo 6
Calculando a condicional de X dado Y:
3x 2 + xy
f(x, y) x 2 + (xy/3) 3
g(x | y) = = =
h(y) 2+ y 2+ y
6 6
3x 2 + xy 6
= ⋅
3 2+ y
2(3x 2 + xy) 6x 2 + 2 xy
= =
2+ y 2+ y 32
Solução do Exemplo 6
Calculando a condicional de Y dado X:
2
3x + xy
2
f(x, y) x + (xy/3) 3
h(y | x) = = =
g(x) 12x 2 + 4x 12x 2 + 4x
6 6
2
3x + xy 6
= ⋅
3 12x 2 + 4x
6x 2 + 2xy
, se 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
g(x | y) = 2+ y
0, para quaisquer outros valores de x e y
3x + y
, se 0 ≤ x ≤ 1, 0 ≤ y ≤ 2
h(y | x) = 6x + 2
0, para quaisquer outros valores de x e y
Sugestão Importante: verifique que
∞ ∞
∫ g(x | y)dx = 1
−∞
e ∫ h(y | x)dy = 1
−∞ 34
Variáveis Aleatórias Independentes
Caso Discreto: Seja (X,Y) uma variável aleatória discreta
bidimensional. Diremos que X e Y serão variáveis aleatórias
independentes se, e somente se,
e -(x + y) , se x ≥ 0, y ≥ 0
f(x, y) =
0, se x < 0, y < 0
38
Solução do Exemplo 8
Obtendo a marginal de X:
∞ a b
g(x) = ∫ f(x, y)dy = lim− ∫ 0dy + lim ∫ e −(x + y)dy
a →0 b → +∞
−∞ -∞ 0
b b
= lim ∫ e e dy = e−x − y −x
lim ∫ e dy −y
b → +∞ b → +∞
0 0
b
-x
= e lim - e
b → +∞
( )-y
0
-x
= e lim - e - (-1)
b → +∞
( -b
)
= e - x (0 + 1) = e - x
39
Solução do Exemplo 8
Obtendo a marginal de Y:
∞ a b
h(y) = ∫ f(x, y)dx = lim− ∫ 0dx + lim ∫ e − (x + y)
dx
a →0 b → +∞
−∞ -∞ 0
b b
= lim ∫ e − x e − y dx = e − y lim ∫ e − x dx
b → +∞ b → +∞
0 0
b
b → +∞
( )
= e - y lim - e - x
0
(
= e - y lim - e -b - (-1)
b → +∞
)
= e - y (0 + 1) = e - y
40
Solução do Exemplo 8
Resposta final:
g(x) = e − x , x ≥ 0
−y
h(y) = e , y ≥ 0
P(U = 0) = p(0,0)+p(0,1)+p(0,2)+p(0,3)+p(1,0)
+p(2,0)+p(3,0)+p(4,0)+p(5,0) = 0,28
P(U = 1) = p(1,1)+p(1,2)+p(1,3)+p(2,1)+p(3,1)
+p(4,1)+p(5,1) = 0,30
u 0 1 2 3 3
K(z,w) = f[g1(z,w),g2(z,w)]|J(z,w)|,
48
Funções de Variável
Aleatória Bidimensional
onde J(z,w) é o determinante da seguinte matriz 2 x 2:
∂x ∂x
J(z, w) = ∂z ∂w
∂y ∂y
∂z ∂w
49
Casos Particulares Importantes
Utilizando Funções de Variáveis
Aleatórias Independentes
Um caso particular importante é achar a distribuição de
probabilidade da soma, do produto e do quociente de
variáveis aleatórias independentes, ou seja, a partir de
uma variável aleatória contínua bidimensional (X,Y),
onde X é independente de Y, como achar as funções
densidades das seguintes variáveis:
Z=X+Y
Z = XY
Z = X/Y
50
A Distribuição da Soma de
Variáveis Aleatórias Independentes
Seja (X,Y) uma variável aleatória contínua bidimensional,
onde X é independente de Y. Como achar a função
densidade de probabilidade de Z = X + Y?
54
Solução do Exemplo 10
Então,
z z
z
k(z) = ∫ e e
-w -(z - w)
dw = e −z
∫ dw = e
−z −z
w 0 = e (z − 0) = ze -z
0 0
k(z) = ∫ g(w)h(z/w)(1/w)dw 57
-∞
Exemplo
1/2 b
= 4x lim+ ∫ ydy + lim− ∫ ydy
a →0 a b →1
1/ 2
y 2 1/ 2
y 2 b
= 4x lim+ + lim−
a →0 2 b →1 2
a 1 / 2
1 a2 b 2 1
= 4x lim+ − + lim− −
a →0 8 2 b→1 2 8
1 1 1 4x
= 4x + − = = 2x , 0 < x < 1
8 2 8 2 59
Solução do Exemplo 11
Achando a marginal de Y:
∞ 0 1/ 2 b ∞
h(y) = ∫ f(x, y)dx = ∫ 0dx + lim+ ∫ 4xydx + lim− ∫ 4xydx + ∫ 0dx
a →0 b →1
-∞ -∞ a 1/2 1
1/2 b
= 4y lim+ ∫ xdx + lim− ∫ xdx
a →0 a b →1
1/2
x2
1/ 2 2 b
x
= 4y lim+ + lim−
a →0 2 a
b →1 2
1/ 2
1 a2 b 2 1
= 4y lim+ − + lim− −
a →0 8 2 b→1 2 8
1 1 1 4y
= 4y + − = = 2y , 0 < y < 1
8 2 8 2 60
Solução do Exemplo 11
k(z) = ∫ g(w)h(z/w)(1/w)dw
-∞
61
Solução do Exemplo 11
∞ 1 1
z 1 dw
k(z) = ∫ g(w)h(z/w)(1/w)dw = ∫ 2w2 dw = 4z ∫
-∞ z
ww z
w
1
= 4zln(w) z = 4z(ln(1) − ln(z))
= 4z(0 - ln(z)) = -4zln(z)
k(z) = ∫ g(zw)h(w)(w)dw 64
-∞
Exemplo
Exemplo 12: Encontre a função densidade de Z
= X/Y, se X e Y são independentes com
densidades marginais iguais a g(x) = e-x, se x > 0
e h(y) = 2e-2y, se y > 0
Solução:
k(z) = ∫ g(zw)h(w)wdw
-∞
∞ ∞
k(z) = ∫ e 2e wdw = 2 ∫ e
- zw - 2w − w(z + 2)
wdw
0 0
dr
fazendo r = w(z + 2) ⇒ dr = (z + 2)dw ⇒ dw =
z+2
∞ ∞ ∞
r dr 2
k(z) = 2∫ e − w(z+ 2) wdw = 2 ∫ e −r = 2 ∫
re −r
dr
0 0 z + 2 z + 2 ( z + 2) 0
66
Solução do Exemplo 12
∞
∫ re
−r
Para resolver dr utilizaremos a técnica
0
∞ ∞ ∞
−r ∞
∫ dr = − re − ∫ − e −r dr = (0 − 0) + ∫ e −r dr
−r
re 0
0 0 0
−r ∞
=−e 0
= (0 − (−1)) = 1 67
Solução do Exemplo 12
Então,
∞
2 2 2
2 ∫
−r
k(z) = re dr = 2
⋅1 = 2
( z + 2) 0 ( z + 2) ( z + 2)
69
Próxima Aula...
O Valor Esperado e a
Variância de uma
Variável Aleatória
70