Variáveis Aleatórias Contínuas 1 INTRODUÇÃO O nosso objectivo continua a ser o estudo de fenómenos (experiências) aleatórios e medidas associadas a esses fenómenos, que representamos por variáveis aleatórias (v.a.’s). Estudámos no capítulo anterior as v.a.’s discretas que assumiam apenas um número finito (ou infinito numerável) de valores. No entanto, há algumas medidas físicas em que se torna razoável tomar para valores das v.a.’s intervalos de valores reais (infinitos ou finitos). Por exemplo, sejam X a corrente eléctrica que passa num fio de cobre; Y o tempo de vida de uma lâmpada. Para estes exemplos, o número de valores possíveis das v.a.’s em estudo, digamos que não é “contável”, ou muito dificilmente são caracterizadas por um número finito de valores. Nestes casos, é razoável considerar que as v.a.’s associadas, X e Y, tomam um número indeterminado de valores, por exemplo, nos intervalos [x1, x2] e [y1, y2], respectivamente. Deste modo, para este tipo de variáveis, que podem tomar todos os valores num determinado intervalo de reais, vamos ter de considerar distribuições de probabilidades diferentes das dadas nas v.a.’s discretas. Mais concretamente, iremos descrever a probabilidade de uma v.a. X assumir um valor no intervalo [a, b] através de uma função f, convenientemente escolhida, como sendo a área limitada pelo eixo [a, b] e pelo gráfico da função f (figura em baixo). P(a≤X≤b) f(x) a Ou seja, P(a≤X≤b) = b b x ∫a f ( x)dx . Esta função f desempenha nestas v.a.’s o papel que a função de probabilidade desempenha nas v.a.’s discretas. Variáveis Aleatórias Contínuas 2 2 VARIÁVEIS ALEATÓRIAS CONTÍNUAS Definamos então v.a. (absolutamente) contínua. Uma v.a. X diz-se (absolutamente) contínua se existir uma função f não negativa (f(x)≥0 para todo x ∈ IR) e integrável com +∞ ∫−∞ f (x)dx = 1 (∗) . A f chamamos função de densidade de probabilidade (f.d.p.). Note-se que a expressão (∗) traduz que, graficamente, a área limitada inferiormente pelo eixo dos xx e superiormente pela curva f(x) é igual a 1. A função de distribuição (f.d.) F de X, é dada por, F(x) = P(X≤x) = ∫ x −∞ f (u )du , para todo x ∈ IR. Da definição anterior tem-se que F’(x) = f(x), para todo o real x onde f é contínua (ou para todo o real x onde F é diferenciável). Observações: Note-se que P(a<X≤b) = P(X≤b)-P(X≤a) =F(b)-F(a) = ∫ b −∞ f ( x )dx - ∫ a −∞ b f ( x )dx = ∫ f ( x )dx . a a Além disso, para todo o real a, P(X=a)= ∫ f ( x )dx =0, e assim, têm-se as seguintes igualdades a P(a≤X≤b)= P(a<X≤b)= P(a≤X<b)= P(a<X<b). Exemplo: Seja X uma v.a. contínua com f.d.p. dada por, ⎧1 ⎪ x se 0 ≤ x ≤ 2 f(x)= ⎨ 2 . ⎪⎩0 se c.c. Verifica-se que f é, efectivamente, uma f.d.p. pois é não negativa, e além disso, Em relação à função de distribuição de X, tem-se que ⎧0 2 ⎪⎪ x F(x) = ⎨ ⎪4 ⎪⎩1 se x < 0 se 0 ≤ x ≤ 2 . se x > 2 +∞ ∫−∞ f (x)dx = 1 . Variáveis Aleatórias Contínuas 3 Aproveitamos este exemplo para recordar que as propriedades das funções de distribuição dadas no estudo das v.a.’s discretas se mantêm no caso das contínuas. Há a acrescentar que no caso das v.a.’s contínuas as funções de distribuição são sempre funções contínuas (como acontece no exemplo). 3 ESPERANÇA E VARIÂNCIA DE UMA V.A. CONTÍNUA Seja X uma v.a. contínua com f.d.p. f. Definimos esperança (ou valor médio) de X como sendo, E(X) = µX = +∞ ∫−∞ xf (x)dx . Definimos variância de X como sendo, 2 V(X)= σX =E(X-µX)2 = ∫ +∞ −∞ ( x − µ X ) 2 f ( x )dx . Caso os integrais anteriores não convirjam dizemos que a esperança (variância) dessa v.a. não existe(m). As interpretações e propriedades dadas anteriormente, para a esperança e variância de uma v.a. discreta, mantêm-se no caso das v.a.’s contínuas. Nomeadamente que V(X) = E(X2) – E2(X), +∞ 2 x f ( x )dx . −∞ onde E(X2) = ∫ Do mesmo modo se define desvio padrão de X como sendo σ= V (X ) . Para o exemplo dado, tem-se 2 ⎡ x3 ⎤ 2 x +∞ x E(X)= ∫ xf ( x )dx = ∫ x 0dx + ∫ x dx + ∫ x 0dx = ∫ x dx = ⎢ ⎥ =4/3, −∞ 2 −∞ 0 2 0 2 ⎢⎣ 6 ⎥⎦ +∞ 2 0 0 e V(X) = +∞ 2 ⎛4⎞ x f ( x )dx - ⎜ ⎟ −∞ ⎝3⎠ ∫ 2 2 = 2 2 x 0 ∫ 16 ⎡ x 4 ⎤ 16 16 2 x =⎢ ⎥ = 2= . dx 9 ⎢⎣ 8 ⎥⎦ 9 9 9 2 0