Documente Academic
Documente Profesional
Documente Cultură
Centro: UFRN
Departamento: ESTATSTICA
DISCIPLINA CDIGO EST0322 DENOMINAO Estatstica Aplic. Informt. Tot. 04 CRDITOS Aul. 03 Lab. 01 Est. CARGA HORRIA Tot. 60 Aul. 45 Lab. 15 Est. -
PR - REQUISITOS CDIGO MAT0005 MAT0312 DENOMINAO Clculo Diferencial e Integral II ou Matemtica p/ Engenharia II Tot. 06 06 CRDITOS Aul. 04 04 Lab. 02 02 Est. CARGA HORRIA Tot. 90 90 Aul. 60 60 Lab. 30 30 Est. -
EMENTA Probabilidade. Variveis Aleatrias Discretas e Contnuas Unidimensionais e Bidimensionais. Distribuies de Probabilidade Discretas: Poisson e Binomial e Contnuas: Normal e Exponencial. Introduo aos Processos Estocsticos. Correlao e AutoCorrelao.
Natal 2007
EST0322 Estatstica Aplicada Informtica (4 crditos, 60 horas/aula) UNIDADE I PROBABILIDADE 1.1 - Experimentos Aleatrios 1.2 - Espao Amostral 1.3 - Eventos 1.4 - Probabilidade 1.5 - Definies Clssicas e Axiomticas de Probabilidade. Propriedades 1.6 - Probabilidade Condicional 1.7 - Teorema do Produto, da Probabilidade Total e de Bayes 1.8 - Eventos Independentes UNIDADE II VARIVEIS ALEATRIAS 2.1 - Variveis Aleatrias Unidimensionais 2.1.1 - Variveis Aleatrias Discretas 2.1.2 - Variveis Aleatrias Contnuas 2.1.3 - Mdia, Varincia e Desvio Padro para Variveis aleatrias Discretas e Contnuas 2.2 - Variveis Aleatrias Discretas Bidimensionais 2.2.1 - Distribuio Conjunta de Probabilidade 2.2.2 - Variveis Aleatrias Independentes 2.2.3 - Covarincia 2.2.4 Coeficiente de Correlao UNIDADE III DISTRIBUIES DE PROBABILIDADE 3.1 - Principais Distribuies Discretas (Bernoulli, Binomial, Poisson) 3.2 - Principais Distribuies Contnuas (Exponencial, Normal) UNIDADE IV PROCESSOS ESTOCTICOS 4.1 - Noes Bsicas de Processos Estocsticos 4.2 - Processos Markovianos UNIDADE V CORRELAO E AUTOCORRELAO 5.1 - Coeficiente de correlao 5.2 - Propriedades do Coeficiente de Correlao Linear 5.3 - Regresso Linear Simples 5.4 - Anlise de Resduos 5.5 - Autocorrelao
PROGRAMA
BIBLIOGRAFIA
1. MAGALHES, M. N.; LIMA, A. C. P. de . Noes de Probabilidade e Estatstica. 5 Ed. Edusp. So Paulo. 2004. 2. DANTAS, C. A. B. Probabilidade: Um Curso Introdutrio. Ed. USP, So Paulo, 2a Ed., 2000. 3. MEYER, P. L. Probabilidade: aplicaes estatstica. Rio de Janeiro. Livros tcnicos e cientficos editora, 1984.
4. AZEVEDO, Paulo Roberto Medeiros de. Introduo Estatstica. Natal, ed. UFRN, 2005. 5. CLARKE, A. Bruce. Probabilidade e Processos Estocsticos. Rio de Janeiro, LTC S. A. 1979. 6. TRIOLA, Mario F., Introduo Estatstica, 9 ed., LTC Editora (2005).
UNIDADE I - PROBABILIDADE
1.3 Eventos
um subconjunto do espao amostral, isto , um subconjunto de todos os resultados possveis de um experimento aleatrio, e sempre representado por letras maisculas A, B, etc. Se um evento A formado por apenas um ponto amostral, A dito evento elementar. Temos ainda que e so eventos. O primeiro chamado de evento impossvel (nuca ocorre), o segundo chamado de evento certo (sempre ocorre). Dado que os eventos associados a um espao amostral, so, por sua vez conjuntos, podemos efetuar as operaes do tipo: unio, intercesso, complementao e diferena, de forma semelhante s respectivas operaes que se realizam com os subconjuntos de qualquer conjunto abstrato, e formar a partir destas operaes, novos eventos tais como:
Ac = {x : x , x A}, isto Ac o evento contrrio de A, somente ocorre se A no ocorre, (e no ocorre, se A ocorre). Claramente nota-se que Ac A = .
Quando dois eventos so tais que, eles nunca podem ocorrer simultaneamente, neste caso se tem que A B = , eles so chamados eventos mutuamente exclusivos ou mutuamente excludentes, (em termos de conjunto, diramos que so conjuntos disjuntos). Seguem-se exemplos, para melhor esclarecer o acima exposto. Ex. 1. Uma fbrica produz um determinado artigo. Da linha de produo so retirados 03 artigos e cada um testado, e classificado como B (bom), D (defeituoso). Um espao amostral associado ao experimento : = {BBB, DDD, BBD, DBB, DDB, DBD, BDD, BDB}
Ex. 2. Considere o experimento que consiste em selecionar uma famlia aleatoriamente, em certo distrito do Serid, e verificar o n de filhos que esta famlia j registrou. Um espao amostral associado a este experimento : = {0, 1, 2, 3, 4, ...}
Ex. 3. Seja agora o experimento que consiste em retirar uma lmpada de um lote e medir seu tempo de vida antes de se queimar. Um espao amostral pode ser:
6 = R +,
isto , = {t : t 0}
Ex. 4. Um dado lanado e o n que aparece na face superior observado. Um espao amostral : = {0, 1, 2, 3, 4, 5, 6} Com exceo do exemplo 3, que contnuo, todos os demais so espaos amostrais do tipo chamado discreto. Um espao amostral discreto quando formado por um conjunto contvel (finito ou infinito). Caso contrrio, ele dito contnuo. Consideremos novamente o Ex. 1. Sejam os eventos associados a este espao, tais como: A = obter dois artigos defeituosos. Logo, A = {DDB, DBD, BDD} B = obter no mnimo 1 artigo bom. Logo, B = {DDB, DBD, BDD, BBD, BDB, DBB, BBB} C = obter no mximo 1 artigo defeituosos. Logo, C = {BBB, BBD, BDB, DBB}
Ento poderemos ter, por exemplo, os novos eventos (resultantes das operaes). A B = {DDB, DBD, BDD} = A A C = , excludentes). A C = {BBB, BBD, DBB, DDB, DBD, BDD, BDB} Bc = {DDD}, (portanto Bc um evento elementar). (portanto A e C so incompatveis ou mutuamente exclusivos ou
Consideremos agora o exemplo 3 (espao amostral contnuo), e seja A o evento dado por: A = o tempo de vida da lmpada inferior a 20 horas. Ento, A = {t : 0 t < 20} e Ac = (t 20}. Naturalmente que A Ac = (t : t 0) = o evento certo. E observe que, sempre, A Ac = , para qualquer evento A. Obs.: Vale a pena lembrar as leis de MORGAN, referente a lgebra de conjuntos: (A B)c = Ac Bc complementares) (A B)c = Ac Bc complementares) (o complementar da interseo igual unio dos (o complementar da unio igual interseo dos
P(A) =
T = k1 k2 k3 ... kn
Exemplo: uma pessoa pode viajar de natal ate recife de 2 maneiras: avio ou nibus, mas pode voltar de 3 maneiras: avio, nibus ou uma carona com um amigo. Quantas maneiras ele pode fazer esta viagem? qual a probabilidade dele ir de avio e voltar de carona? e de volta de carona? Vejamos que pela regra ele tem 2 maneiras de ir e 3 de voltar. Logo ele tem 3*2 maneiras de ir e voltar, ou seja, 6 maneiras de fazer a viagem, a seguir escritas: Avio - Avio Avio - nibus Avio Carona nibus - Avio nibus - nibus nibus - Carona
8 A probabilidade de ir de avio 1/2 e voltar de carona 1/3 = 1/2*1/3=1/6 Qual a probabilidade dele volta de carona? No h restries a sua ida, logo ele pode escolher 2 entre duas opes 2/2=1 e de a probabilidade de voltar de carona 1/3=1*1/3=1/3.
P(A) =
c) Se A e B so eventos mutuamente exclusivos, isto A B = , ento se tem que P(A B) = P(A) + P(B)
Obs.: Esta definio axiomtica mais abrangente que a regra de Laplace, dado que, a definio
clssica se limita aos espaos amostrais finitos equiprovveis.
Demonstrao: Se A e B so incompatveis ento A B = e P() = 0, se tem ento que P(A B) = P(A) + P(B), com A B = (axioma c) Se A e B no so incompatveis, da forma: A B = (A - B) B e sendo assim pelo axioma (c), P(A B) = P(A - B) P(B) (1)
Analogamente A pode ser escrito da forma: A = (A B) (A B), sendo (A B) e (A B) eventos incompatveis. Portanto: P(A) = P(A B) + P(A B) ou P(A B) = P(A) P(A B) Substituindo em (1) se tem: c) Se Ac o complementar de A, ento: Demonstrao: Temos que = A Ac, sendo A Ac = Pelo axioma (b), temos que P() = 1 e pelo axioma (c), temos que P(A Ac) = P(A) + P(Ac) Logo, P() = P(A Ac) = 1 = P(A) + P(Ac) donde P(Ac) = 1 P(A) P(A B) = P(A) + P(B) P(A B). P(Ac) = 1 P(A)
10
d) Se A B ento
P(A) P(B)
Demonstrao
Se A B, podemos escrever B da forma: B = A (Ac B), onde A e (Ac B) so eventos incompatveis, e portanto, pelo axioma (c), se tem que P(B) = P(A) + P(Ac B), Logo P(B) - P(A) = P(Ac B), pelo axioma (a), P(Ac B) 0 Portanto, P(B) P(A) 0 logo, P(B) P(A)
EXERCCIOS
1. Faa A e B serem eventos I. Indique no Diagrama de VENN os novos eventos: a) Ocorre A, mas no ocorre B. b) Apenas A ou B ocorre, mas no ambos. c) No ocorre A. II. Encontre uma expresso para estes eventos.
2. Considere o experimento aleatrio: Lanar uma moeda e um dado. Pede-se: a) Um conjunto que represente o espao amostral associado a este experimento. b) Expresse os eventos: A = cara e n par B = nmeros primos C = coroa e n mpar c) Expresse claramente os eventos: 1. A ou B ocorre 2. B ou C ocorre 3. Somente B ocorre 4. Ocorre A B d) Quais eventos A, B e C so mutuamente exclusivos?
11
Esta regra pode ser estendida para mais de dois eventos: Sejam A1, A2, , An eventos quaisquer associados a , ento: P(A1 A2 ... An) = P(A1).P(A2/A1).P(A3/A1 A2). ... . P(An/A1 A2 An-1)
12
# = 6 x 6 = 36 A = {(1,5), (2,4), (3,3), (4,2), (5,1)} # A = 5 B = {(2,1), (2,2), (2,3), (2,4), (2,5), (2,6), (1,2), (3,2), (4,2), (5,2), (6,2)} # B = 11 A B = {(2,4), (4,2)} # (A B) = 2 Portanto, P(B / A) =
2 36 5 36
2 5
2 11
13 a) Qual a probabilidade de que caia na avaliao somente captulos que ele tenha estudado? b) Qual a probabilidade de que somente no 3 sorteio (a 3 questo) caia exatamente um ponto que ele no estudou?
Soluo:
Sejam os eventos:
A1 = No 1 sorteio cai um ponto que ele estudou A2 = No 2 sorteio cai um ponto que ele estudou A3 = No 3 sorteio cai um ponto que ele estudou B = No 3 sorteio cai um ponto que ele no estudou (A1 A2 A3) = P(A1).P(A2/A1).P(A3/A1 A2) = 4/10 . 3/9 . 2/8 = 1/30 (A1 A2 B) = P(A1).P(A2/A1).P(B/A1 A2) = 4/10 . 3/9 . 6/8 = 1/10
Ex.: Temos 5 urnas externamente iguais, cada urna com 6 bolas. Duas destas urnas, (tipo A1),
tem 3 bolas brancas. Duas outras urnas, (tipo A2), tm 2 bolas brancas, e a ltima urna, (tipo A3), tem as 6 bolas brancas. Escolhemos uma urna ao acaso e desta urna retiramos uma bola. Qual a probabilidade da urna escolhida ser a do tipo A3, sabendo-se que a cor da bola retirada branca?
14 Soluo: Sejam os eventos: B = a bola retirada branca A1 = a urna selecionada contm 3 bolas brancas P(A1) = 2/5 A2 = a urna selecionada contm 2 bolas brancas P(A2) = 2/5 A3 = a urna selecionada contm 6 bolas brancas P(A3) = 1/5 P(B/A1) = 3/6 P(B/A2) = 2/6 P(B/A3) = 6/6 = 1
P(A3 / B) =
15
. . .
. . .
. . .
. . .
16
2 Retira-se ao acaso, uma aps outra, sem reposio, de uma gaveta contendo 4 pastas idnticas, (nestas pastas esto as contas de 4 firmas as quais esto numeradas de 1 a 4), duas destas pastas. Aps a retirada de cada pasta, seu n anotado, na ordem dos sorteios, obtendo-se assim, um par ordenado. Determine: a) O espao amostral associado a este experimento. b) O evento A, formado pelos pares cuja soma 4. c) O evento B, formado pelos pares de n iguais. d) O evento C, formado pelos pares cujo 1 nmero maior que o segundo nmero.
3 Repita o exerccio n 2, supondo agora, que as retiradas das duas pastas sejam feitas com reposio.
5 Numa gaveta, h misturados 3 recibos de telefones da Firma A; 5 da Firma B; 4 da firma C; 2 da Firma D; e 1 da Firma E. Extraindo-se um recibo ao acaso, pergunta-se: a) Qual a probabilidade de sair um recibo que no seja da Firma C? b) Qual a probabilidade de sair um recibo da Firma A ou um recibo da Firma D? c) Qual a probabilidade de sair um recibo da Firma E ou um recibo da Firma D?
17 6 Seja o experimento: lanar um dado honesto e observar o n que aparece na sua face superior. Sejam os eventos associados a este experimento: A : Sai um n mpar B : Sai um n maior que 5 a) Pergunta-se: os eventos A e B so incompatveis? b) Determine P(A B)
7 Um experimento aleatrio pode apresentar apenas 4 resultados possveis distintos: A ou B ou C ou D. Sabe-se que o resultado A ocorre com probabilidade igual a 1/10; a probabilidade do resultado B no ocorrer igual a 4/5; e o resultado de C no ocorrer igual a 7/10. Determine a probabilidade de ocorrer o resultado D.
8 Seja o espao amostral, dado por: (W1, W2, W3}. Qual destas funes abaixo representa uma probabilidade neste espao amostral?
a) P(W1) = 1/4; P(W2) =1/3; P(W3) = 1/2 b) P(W1) = 2/3; P(W2) =-1/3; P(W3) = 2/3 c) P(W1) = 1/6; P(W2) =1/3; P(W3) = 1/2 d) P(W1) = 0; P(W2) = 1/3; P(W3) = 2/3 e) P(W1) = 0; P(W2) =1; P(W3) = 1/4
9 Seja o experimento aleatrio: lanar um dado e uma moeda (honestos). Considere os eventos: A: Sai coroa e n par B: Sai um n maior que 4 C: Sai cara Determine: a) P(A) b) P(B) c) P(C) d) P(A C)
e) P(A C)
10 Em um lanamento de um dado viciado, cuja probabilidade de sair um nmero menor que 3 4 vezes maior que a probabilidade de sair o n 3, e a probabilidade de sair um nmero
18 maior que 3 duas vezes maior que a probabilidade de sair o nmero 3. Encontre a probabilidade de sair o n 1 ou o n 5, em 1 lanamento do dado.
12- A probabilidade de que A resolva um problema de 2/3 e a probabilidade de que B resolva de 3/4. Se ambos tentarem independentemente, qual a probabilidade do problema ser resolvido?
13- A urna I contm duas bolas pretas e trs brancas, ao passo que a urna II contm trs bolas pretas e trs brancas. Escolhemos uma urna ao acaso e dela extramos uma bola, que tem cor branca. Se a bola recolocada na urna, qual a probabilidade de se retirar novamente uma bola branca da mesma urna?
14- Trs mquinas A, B e C produzem respectivamente 50%, 30% e 20% do nmero total de peas de uma fbrica. As porcentagens de defeituosas na produo destas mquinas so 3%, 4% e 5% respectivamente. Se uma pea selecionada aleatoriamente considerada defeituosa, qual a probabilidade de que a pea tenha sido produzida pela mquina A?
19
Definio: Varivel aleatria (que escrevemos de modo abreviado: v.a.) num espao
amostral , uma funo x, que associa , (isto , a cada ), um n real, X(). Ver Figura 6.
X X()
Figura 6
Ex.1: Consideremos o experimento aleatrio: extraem-se duas bolas, sem reposio, de uma
urna que contm: 2 bolas brancas (B) e 3 vermelhas (V). Vamos definir a v.a. X como: X = o n de bolas vermelhas obtidas nas duas extraes. Portanto os valores possveis que a v.a. X pode assumir so:
20 X = 0, se ocorre o evento BB, (duas bolas brancas) X = 1, se ocorre o evento: VB ou BV (vermelha e branca ou branca e vermelha) X = 2, se ocorre o evento: VV (duas bolas vermelhas)
Podemos definir a probabilidade da v.a. X assumir o valor xi, (i = 1, 2, ..., n), a qual escreve-se P(X = xi) ou f(xi). Esta funo f, que a cada xi do conjunto X(), (os valores possveis que a v.a. X pode assumir), associa sua probabilidade de ocorrncia, chamada de DISTRIBUIO (ou FUNO) DE PROBABILIDADE DA V.A. X, e pode ser expressa por uma tabela, um grfico ou uma frmula. H outras notaes, usuais para P(X = xi), que so por exemplo: pi ou P(xi) ou P(X = x) ou P(x). A distribuio dada por P(X = xi), satisfaz as condies: a) P(xi) 0 b) P( x i ) = 1
i =1 n
Ex.2: Consideremos uma urna com 3 bolas vermelhas e 2 brancas, de onde se extraem sem reposio duas bolas. Tnhamos que a v.a. X foi definida como:
21 X = n de bolas vermelhas obtidas nas duas extraes. Portanto: X() = {0, 1, 2}. Construindo o diagrama da rvore termos o seguinte:
RESULTADOS BB BV VB VV
X 0 1 1 2
Portanto temos:
P(X = 0) = P(BB) = 1/10 P(X = 1) = P(BV ou VB) = 3/10 + 3/10 = 6/10 P(X = 2) = P(VV) = 3/10
Desta forma, a DISTRIBUIO DE PROBABILIDADE desta v.a. X, (em esquema de tabela), ser:
x 0 1 2 P(x) 1/10 6/10 3/10 1
Ex.3: Consideremos o lanamento de uma moeda honesta duas vezes. Seja a v.a. Y, definida
como: Y = o n de caras obtidas nos dois lanamentos. Y = {0, 1, 2}. Portanto temos:
RESULTADOS CC CC CC CC
Y 2 1 1 0
Portanto:
22 P(Y = 2) = P(C C) = 1/4 Desta forma, a DISTRIBUIO DE PROBABILIDADE desta v.a. Y, (em esquema de tabela), ser:
x 0 1 2 P(x) 1/4 2/4 1/4 1
Assim, varivel aleatria uma funo que associa a cada ponto de um espao amostral, um n real. E a tabela que associa a cada valor de uma varivel aleatria, a sua probabilidade, denominamos DISTRIBUIO (ou FUNO) DE PROBABILIDADES DA VARIVEL ALEATRIA.
Figura 7
23
Seja X uma v.a. contnua. A funo densidade de probabilidade f(x) uma funo que satisfaz as seguintes condies: a) b) c) f(x) 0 para todo x Rx
R x f ( x )dx = 1
Alm disso, definimos, para qualquer a < b em Rx, em que Rx o contradomnio de X. P(a < X < b) = abf ( x )dx
Exemplo Se f(x) = 2x, para 0 x < 1, e zero fora desse intervalo, vemos que f(x) 0, qualquer que seja x, e a rea sob o grfico de f unitria (verifique Figura 8). Logo, a funo f pode representar a funo densidade de uma varivel aleatria contnua X.
Figura 8
Aqui, a P(0 x < ) igual rea do tringulo de base e altura 1. Logo a probabilidade em questo P(0 x < ) = .( . 1) = .
24
E (X ) = x i .P( x i )
i =1
Ex.4: Consideremos novamente o exemplo da urna com 3 bolas vermelhas e 2 brancas, de onde
se extraem sem reposio duas bolas. A v.a. X definida como: X = n de bolas vermelhas obtidas nas duas extraes. Portanto: X() = {0, 1, 2}. O valor esperado ou mdia da v.a. X ser: E ( X ) = 0. 1 6 3 12 + 1. + 2. = = 1,2 10 10 10 10
Ex.5: Consideremos novamente o exemplo do lanamento de uma moeda honesta duas vezes.
Seja a v.a. Y, definida como: Y = o n de caras obtidas nos dois lanamentos. Y = {0, 1, 2}. Portanto temos: E (Y ) = y i .P( y i ) = E (Y ) =0.
i =1 n
1 2 1 4 + 1. + 2. = = 1 4 4 4 4
2.4.2 Valor Esperado de Variveis Aleatrias Contnuas Definio: Se x1, x2, x3, ..., xn so os possveis valores da v.a. X, e P(x1), P(x2), P(x3), ..., P(xn)
so as respectivas probabilidades ento o valor esperado, (ou esperana matemtica ou mdia), de X, denotado por E(X) ou x, definido por: E (X ) = x.f ( x )dx
Ex.: Considerando o mesmo exemplo onde f(x) = 2x, para 0 x < 1, temos que
2x3 E (X ) = x.f ( x )dx = x.2 x dx = 3 0 0
1 1 1 0
= 2/3
2.5 Propriedades
1) A mdia de uma constante a prpria constante: E(K) = K 2) Multiplicando uma v.a. X por uma constante, sua mdia fica multiplicada por essa constante. E(K.X) = K.E(X)
25 3) Somando ou subtraindo uma constante a uma v.a., a sua mdia fica somada ou subtrada da mesma constante. E(X K) = E(X) K 4) A mdia da soma ou da diferena de duas v.as a soma ou a diferena das mdias. E(X Y) = E(X) E(Y) 5) A mdia do produto de duas v.as independentes o produto das mdias. E(XY) = E(X).E(Y)
Consideremos agora a v.a. Y dada por Y = 2.X. Ento a tabela abaixo d a distribuio e mdia de Y:
y P(y)
-4 1/5
-2 1/5
0 1/5
2 1/5
4 1/5
Logo E(Y) = 0. Observando as distribuies das v.a. X e Y, notamos que elas tm a mesma mdia, E(X) = E(Y) = 0, e que so simtricas ao redor deste valor, (o ponto 0). Porm, pode-se notar ainda que, a v.a. Y mais espalhada ao redor deste ponto zero, do que a v.a. X, (ou equivalentemente: X est mais concentrada ao redor do 0 do que Y). Ver graficamente. Uma medida de DISPERSO ou EXPANSO dos valores assumidos por uma v.a., ao redor de sua mdia, dada pela VARINCIA desta varivel aleatria, (ou pelo desvio padro).
26
Definio: Seja X uma v.a. discreta, com mdia E(X). Ento, a varincia da v.a. X
definida por: Var = [ x i E (X )]2 P( x i )
i =1 n
Pode-se mostrar que esta expresso acima equivale frmula alternativa (geralmente mais usada) dada por: Var(X) = E(X2) [E(X)]2 Outras notaes, tambm adotadas para a varincia de uma v.a. X, alm de Var(X), so: X2 ou 2(X), ou simplesmente 2 quando no suscitar dvidas (quando, por exemplo, somente se est tratando com uma varivel, digamos X. Nestes casos comum se referir a como mdia de X, e a 2 como varincia de X).
Definio: O Desvio Padro de uma v.a. X com mdia E(X), definido como a raiz quadrada positiva de Var(X). Portanto, o desvio padro de X ser:
X = Var(X)
As notaes usuais para o desvio padro, alm desta usada, (X), ou (X) ou simplesmente , quando no suscitar dvidas (ver comentrio feito anteriormente a respeito das notaes usuais de varincia).
Exemplo
Consideremos a v.a. X dada no exemplo anterior. Tnhamos que E(X) = 0. Calculemos a varincia e o desvio padro desta v.a. X. Primeiro, devemos calcular E(X2) para aplicarmos a frmula da varincia.
x2 0 1 4 P(x) 1/5 2/5 2/5 1 X2.P(x) 0 2/5 8/5 10/5 = 2
Portanto, E(X) = 10/5 = 2. Logo, Var(X) = E(X2) [E(X)]2 = 2 02 = 2 E o desvio padro ser = 2 = 1,4142
27
Ex.: Considerando o mesmo exemplo onde f(x) = 2x, para 0 x < 1, temos que para calcular a Var(X), temos que primeiro achar E(X2). 2x 4 E (X ) = x .f ( x )dx = x .2 x dx = 4 0
2
1 0
Ento,
2.7 Propriedades
1) 2) A varincia de uma constante zero. Var(K) = E[(K E(K))2] = E[(K K)2] = 0 Multiplicando-se uma v.a. por uma constante, sua varincia fica multiplicada pelo quadrado da constante. Var(KX) = K2.Var(X) 3) Somando-se ou subtraindo-se uma constante a uma v.a., sua varincia no se altera. Var(X K) = Var(X) Var(K) = Var(X), 4) pois Var(K) = 0
A varincia da soma ou diferena de duas v.as independentes, a soma das respectivas varincias. Var(X Y) = Var(X) + Var(Y) , quando Cov(X,Y) = 0.