Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Conceitos básicos: Variável Aleatória Variável aleatória (v.a.) valor numérico que é resultado de uma experiência aleatória. Podemos ter variáveis aleatórias contínuas ou discretas. Exemplo 1: Suponha que lança duas moedas e regista a face voltada para cima. Esta experiência aleatória tem 4 resultados possíveis: Cara-Cara; Cara-Coroa; Coroa-Cara e Coroa-Coroa. Seja X a variável aleatória que representa o número de caras obtidas. Esta variável pode tomar os valores 0, 1, ou 2; é uma variável aleatória discreta. 1 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Exemplo 2: O Departamento de Recursos Humanos de uma determinada empresa está a fazer um estudo no qual interessa analisar o rendimento mensal per capita do agregado familiar dos seus empregados. O rendimento mensal per capita do agregado familiar de um empregado escolhido ao acaso, X, é uma v.a. contínua. Outros exemplos: peso de um indivíduo, em kg v.a. contínua. nº de vezes que um indivíduo vai ao cinema mensalmente v.a. discreta 2 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Distribuição de Frequências vs. Distribuição de Probabilidades Distribuição de Frequências No contexto do Exemplo 1, suponha que se lançaram 100 vezes as duas moedas, tendo-se obtido os seguintes resultados: Frequência relativa Freq. relativa acumulada 26 0.26 0.26 1 50 0.50 0.76 2 24 0.24 1 Número de caras Frequência absoluta 0 A tabela anterior descreve a distribuição de frequências do nº de caras obtidas por cada lançamento de duas moedas, em 100 lançamentos. 3 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Podemos calcular a média, x , e a variância, s2, do nº de caras obtidas por lançamento: x = 0.26 × 0 + 0.5 ×1 + 0.24 × 2 = 0.98 ( ) 1 n 1 2 2 s = 26 × 0 2 + 50 × 12 + 24 × 2 2 − 100 × 0.98 2 = 0.505 ∑ n i x i − nx = n − 1 i =1 99 2 Considere-se agora o Exemplo 2 e suponhamos que foram seleccionados ao acaso 100 empregados que constituem a amostra em estudo. Os dados recolhidos relativamente ao rendimento mensal per capita do agregado familiar desses 100 empregados estão sumariados na tabela seguinte. 4 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Frequência relativa Freq. relativa acumulada 15 0.15 0.15 [300, 600[ 40 0.4 0.55 [600, 900[ 32 0.32 0.87 [900, 2000[ 13 0.13 1 Rendimento (em Euros) Frequência absoluta [100, 300[ A tabela anterior descreve a distribuição de frequências do rendimento mensal per capita do agregado familiar dos 100 empregados. Calcule-se a média e o desvio padrão desta amostra: x= s= 200 × 15 + 450 × 40 + 750 × 32 + 1450 × 13 = 638.5 100 1 n 1 2 2 ( − n x n x = 200 2 × 15 + L + 1450 2 × 13 − 100 × 638.5 2 ) = 366.04 ∑ i i n − 1 i =1 99 5 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Distribuição de Probabilidades Nos exemplos anteriores, foram registadas as frequências observadas num estudo onde a v.a. em causa é observada um nº finito, n, de vezes (no caso n=100). A distribuição de probabilidades da v.a. X descreve o que se esperaria encontrar se fosse possível observar a v.a. um nº infinito de vezes. 6 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Distribuição de probabilidades discreta Relacionando cada valor da variável aleatória discreta X com a probabilidade de ocorrência desse valor, estamos a descrever a distribuição de probabilidades da v.a. discreta X. A função de probabilidade de X é uma função f X que associa a cada valor possível x de X a sua probabilidade: f X ( x) = P( X = x) . Tem-se que ∑f X ( xi ) = 1 . xi 7 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Exemplo 1: Distribuição de probabilidades da v.a. nº de caras obtidas no lançamento de duas moedas Número de caras xi Probabilidade P(X=xi) 0 0.25 1 0.50 2 0.25 8 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Neste caso, a média e a variância são usualmente representados por µ e σ2 e são calculados usando as probabilidades, da seguinte maneira: µ = E ( X ) = ∑ xi f X ( xi ) = 0.25 × 0 + 0.5 × 1 + 0.25 × 2 = 1 i 2 2 2 2 2 2 2 σ 2 = Var( X ) = E((X − µX ) ) = E( X ) − (E( X )) = 0.25 × 0 + 0.50 × 1 + 0.25 × 2 − 1 = 0.5 A distribuição de probabilidades pode ainda ser descrita através da chamada função de distribuição cumulativa F(x), que, para cada x, nos dá a probabilidade da v.a. assumir um valor inferior ou igual a x: F(x)=P(X≤ ≤x) probabilidade acumulada até x 9 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Para a v.a. do Exemplo 1, podemos completar a tabela introduzindo os valores das probabilidades acumuladas até 0, 1 e 2, isto é, apresentando os valores de F(x1), F(x2) e F(x3). Número de caras xi Probabilidade P(X=xi) F(xi) 0 0.25 0.25 1 0.50 0.75 2 0.25 1 10 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Para outros valores de x ∈ R: Se x<0, tem-se FX ( x) = P( X ≤ x) = 0 ; Se 0≤x<1, tem-se FX ( x) = P( X ≤ x ) = P( X = 0) = f X (0) = 0.25 ; Se 1≤x<2, tem-se FX ( x) = P( X ≤ x ) = P( X = 0) + P( X = 1) = f X (0) + f X (1) = 0.25 + 0.5 = 0.75 ; Se x≥2, FX ( x) = P( X ≤ x ) = P( X = 0 ) + P( X = 1) + P( X = 2) = f X (0) + f X (1) + f X (2) = 0.25 + 0.5 + 0.25 = 1 . 11 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Resumindo, 0 0.25 FX ( x) = 0.75 1 se x<0 se 0 ≤ x < 1 se 1 ≤ x < 2 . se x ≥ 2 Na figura seguinte representa-se FX graficamente. Função de Distribuição 1 0,75 0,5 0,25 0 -1 0 1 2 3 12 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Distribuição de probabilidades contínua A probabilidade de uma variável aleatória continua tomar um valor particular é zero (recorde que teoricamente uma v.a. contínua pode tomar um nº infinito de valores num intervalo de nº reais, logo, é evidente que a probabilidade de ela assumir um valor particular entre um nº infinito será zero). Consequentemente, uma variável aleatória contínua não pode ser expressa na forma tabular; usa-se então uma função para a exprimir. Uma função muito usada para descrever a distribuição de probabilidades é a função densidade de probabilidade (representada por f X (x) ), abreviadamente fdp. 13 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Também podemos descrever a distribuição de probabilidades através da função x de distribuição cumulativa F ( x ) = P ( X ≤ x) = ∫f −∞ X (t ) dt donde F ' ( x ) = f ( x ) X X 14 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Vamos recorrer ao Exemplo 2 para ilustrar a utilidade destas funções. Exemplo 2: Suponhamos que a função densidade de probabilidade da v.a. X - rendimento mensal per capita do agregado familiar de um empregado escolhido ao acaso – é representada graficamente da seguinte maneira: 15 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos A probabilidade do rendimento familiar per capita de um empregado (escolhido ao acaso) ser inferior ou igual a a corresponde à área limitada (superiormente) pela função densidade, (inferiormente) pelo eixo das abcissas e por a (à direita) [área sombreada]. [área sombreada]=P(X≤ ≤a)=F(a) 16 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos A probabilidade do rendimento familiar per capita de um empregado (escolhido ao acaso) estar compreendido entre dois valores, a e b, corresponde à área limitada (superiormente) pela função densidade, (inferiormente) pelo eixo das abcissas, (à esquerda) por a e (à direita) por b [área sombreada]. [área sombreada]=P(a<X<b)=F(b)-F(a) 17 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Obviamente, a área limitada superiormente pela função densidade e inferiormente pelo eixo das abcissas é igual a 1, pois corresponde à probabilidade de se observar qualquer valor para o rendimento familiar per capita de um empregado (escolhido ao acaso). 18 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Exemplo 3 : O director de compras da empresa “Baratinho” pretende definir uma política de aquisição de matéria-prima para o próximo ano. As necessidades de matériaprima por dia (em toneladas) são uma variável contínua com função densidade de probabilidade: ,0 ≤ x ≤ 2 1 − x / 2 f X ( x) = , outros valores 0 +∞ 2 2 −∞ 0 0 µ = E ( X ) = ∫ xf X ( x)dx = ∫ x(1 − x / 2)dx = ∫ x − x 2 / 2dx =[x 2 / 2 − x 3 / 6]x =0 = x=2 2 3 19 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos σ 2 = Var( X ) = E (( X − µ X ) 2 ) = E ( X 2 ) − ( E ( X )) 2 = +∞ 2 2 2 [ ] 2 x =2 2 2 2 2 2 2 3 4 = ∫ x f X ( x)dx − = ∫ x (1 − x / 2)dx − = x / 3 − x / 8 x =0 − = 9 3 3 3 −∞ 0 Função de distribuição cumulativa de X: Se x<0, vem: FX ( x ) = P(X ≤ x ) = x x −∞ −∞ ∫ f X (t ) dt = ∫ 0 dt = 0 20 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Se 0≤x<2, vem: FX ( x ) = P(X ≤ x ) = x 0 x −∞ −∞ 0 ∫ f X (t ) dt = ∫ f X (t ) dt + ∫ f X (t ) dt x t2 x2 t = ∫ 0 dt + ∫ 1 − dt = 0 + t − = x − 2 4 4 0 −∞ 0 x 0 Se x≥2 vem: x FX ( x) = ∫f −∞ 0 X 0 2 x −∞ 0 2 (t ) dt = ∫ f X (t ) dt + ∫ f X (t ) dt + ∫ f X (t ) dt 2 x 22 x = ∫ 0 dt + ∫ 1 − dt + ∫ 0 dt = 0 + 2 − + 0 = 1 2 4 0 2 −∞ 21 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Resumindo, 0 se x < 0 x2 FX ( x) = x − se 0 ≤ x < 2 4 1 se x ≥ 2 Na figura seguinte representa-se FX graficamente. FX 1 0,8 0,6 0,4 0,2 0 -1 0 1 2 3 22 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Em estudos de inferência estatística, em geral, estuda-se uma característica numa dada população, que é representada por uma v.a., digamos X. Contudo, é através de uma amostra que esta característica é estudada (recorde o Exemplo 2). A distribuição de probabilidades de X é usualmente designada por distribuição populacional. A média e variância desta variável aleatória, µ e σ2, dizem-se parâmetros populacionais, pois são os valores que se encontrariam se fosse possível observar todos os elementos da população. Ao observar uma amostra, temos acesso apenas a uma distribuição de frequências, e à média e variância amostrais, que nos dão uma ideia, respectivamente, da distribuição populacional e da média e variância populacional. 23 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente Dep. Matemática Escola Superior de Tecnologia de Viseu VARIÁVEIS ALEATÓRIAS Conceitos básicos Propriedades da Esperança e da Variância: Sejam X e Y variáveis aleatórias e a, b e c constantes reais. Então: • E(c)=c • E(cX)=cE(X) • E(aX+bY)=aE(X)+bE(Y) • Var(c)=0 • Var(aX+b)=a2Var(X) 24 Carla Henriques e Manuel Reis Probabilidades e Estatística – Engenharia do Ambiente