CAPÍTULO 3 VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS 3.1 Introdução Uma variável aleatória, representada sempre por letra maiúscula, pode ser discreta ou contínua. Ela é discreta se tiver uma série finita (ou infinita numerável) de valores. Por exemplo: X=número de caras em 3 arremessos de uma moeda, acarretando x=0,1,2,3 (série finita), em que x é um valor específico que esta variável venha a tomar; X=número de arremessos necessários para conseguir a primeira cara, acarretando x=1,2,3,... (série infinita numerável). Uma variável aleatória contínua assume qualquer valor dentro de uma certa faixa. Por exemplo: X=galões/h que passam através de um medidor de vazão, com capacidade de 50 galões/h. Assim, x pode ser qualquer valor dentro desta faixa. 3.2 Variável Aleatória Discreta Considere o seguinte exemplo: Suponha um casal que planeja ter 3 crianças. Eles estão interessados em saber o número de meninas que poderiam ter. Este é um exemplo de uma variável aleatória, que representa o evento: X = {número de meninas} Os possíveis valores de X são X={0,1,2,3}, onde x=0, x=1, x=2 e x=3. A probabilidade de X é chamada P(X) e a de x é p(x). No entanto, estas possibilidades não são igualmente prováveis, segundo uma pesquisa americana, que diz que há 52% de probabilidade de nascer menino e 48% de probabilidade de nascer menina, para cada nascimento. Considere a Figura 1, que representa a árvore de probabilidade para uma família de 3 crianças. Verifica-se a possibilidade de 8 combinações diferentes, que consiste no chamado espaço amostral. As probabilidades da árvore foram obtidas da seguinte forma: P(HMH)=0.52*0.48*0.52=0.13. A variável aleatória X pode tomar 4 valores diferentes, X={0,1,2,3}, cada um deles representando 0, 1, 2 e 3 meninas, resultando nas probabilidades iguais a 0.14, 0.39, 0.36 e 0.11, respectivamente, como mostrado na Tabela 3.1. Tabela 3.1 – Distribuição de Probabilidade x p(x) 0 0.14 1 0.13+0.13+0.13=0.39 2 0.12+0.12+0.12=0.36 3 0.11 1 Espaço Amostral H H Probabilidade HHH 0.14 HHM 0.13 HMH 0.13 M HMM 0.12 H MHH 0.13 MHM 0.12 MMH 0.12 MMM 0.11 M H H M H M M H M M Figura 3.1 – Árvore de Probabilidade A distribuição de probabilidade de X é chamada (xi, p(xi), i=1,2...}, em que p(x) é conhecida como distribuição ou função de probabilidade. A representação gráfica dessa distribuição é dada na Figura 3.2. 0.39 0.36 0.14 0.11 x 0 1 2 3 Figura 3.2 – Gráfico de Distribuição de Probabilidade A função probabilidade p(x) deve satisfazer: i) p(xi) 0 i (1) ii) p( x ) 1 i 1 i (2) e pode ser dada em função das distribuições binomial, hipergeométrica e Poisson, que serão vistas posteriormente. 3.3 Variável Aleatória Contínua As variáveis aleatórias contínuas são típicas de medidas físicas ou temporais. O tratamento matemático de probabilidade destas variáveis envolve conceitos de cálculo. 2 Para uma variável aleatória contínua define-se a probabilidade P(X) como: b P(a X b) f ( x)dx (3) a em que a função f(x) é chamada função densidade de probabilidade (pdf), que satisfaz: i) ii) f(x) 0 x RX f ( x)dx 1 (4) (5) RX onde RX é o espaço amostral, chamado de contradomínio, que contém todos os valores numéricos possíveis de X. A Figura 3.3. apresenta um exemplo de f(x). f(x) x Figura 3.3. – Função Hipotética da Densidade de Probabilidade É importante frisar que f(x) não representa a probabilidade de algo; esta probabilidade surge como o resultado da integração da função entre dois pontos. A função densidade de probabilidade pode ser representada pela distribuição normal (Gaussiana), exponencial, uniforme e gama, que serão vistas posteriormente. 3.4 Média e Variância de Variáveis Aleatórias (ou de Distribuições) i) Média ou Valor Esperado ou Primeiro Momento (Origin Moment): a) Variável Discreta: E ( X ) xi p ( xi ) (6) i b) Variável Contínua: E( X ) xf ( x)dx (7) ii) Variância ou Segundo Momento (Origin Moment): a) Variável Discreta: 2 Var ( X ) ( xi ) 2 p( xi ) xi2 p( xi ) 2 (8) i b) Variável Contínua: 2 Var ( X ) ( x ) 2 f ( x)dx x 2 f ( x)dx 2 E ( X 2 ) E ( X ) 2 (9) De uma forma geral, os momentos em torno da origem podem ser expressos pelas equações abaixo: 3 a) Variável Discreta: k' xík p( xi ) k=0,1,2, ... (10) i b) Variável Contínua: k' x k f ( x)dx (11) Os momentos centrais (momentos em torno da média) são calculados através das equações abaixo: a) Variável Discreta: k ( xí ) k p ( xi ) k=0,1,2, ... (12) i b) Variável Contínua: k ( x ) k f ( x)dx (13) em que =1 e 2=2. Ex.: Considere o exemplo dado anteriormente sobre o número de meninas na família. 3.5 Função Distribuição A função distribuição ou função distribuição cumulativa de uma variável aleatória X é denotada por FX e definida por: a) Variável Discreta: FX ( x ) p ( x i ) para xi x (14) i b) Variável Contínua: FX ( x ) f ( x)dx (15) 4