Documente Academic
Documente Profesional
Documente Cultură
Goiânia, 2018
VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS
VARIÁVEIS ALEATÓRIAS
CONSIDERAÇÕES FINAIS
Distribuições de Probabilidade
Distribuições de Probabilidade
Ela é uma função cujo domı́nio são os valores da variável e cuja imagem
são as probabilidades de a variável assumir cada valor do domı́nio;
Distribuições de Probabilidade
Ela é uma função cujo domı́nio são os valores da variável e cuja imagem
são as probabilidades de a variável assumir cada valor do domı́nio;
Distribuições de Probabilidade
Ela é uma função cujo domı́nio são os valores da variável e cuja imagem
são as probabilidades de a variável assumir cada valor do domı́nio;
Distribuições de Probabilidade
Ela é uma função cujo domı́nio são os valores da variável e cuja imagem
são as probabilidades de a variável assumir cada valor do domı́nio;
Função de Probabilidade
i) 0 ≤ p(xi ) ≤ 1 , i = 0, 1, 2, . . . ;
∞
X
ii) p(xi ) = 1.
i=0
Valor Esperado
Valor Esperado
Variância
Variância
Variância
Variância (propriedades)
i) Se c for uma constante, então
Var (X + c) = Var (X ).
Variância (propriedades)
i) Se c for uma constante, então
Var (X + c) = Var (X ).
Variância (propriedades)
i) Se c for uma constante, então
Var (X + c) = Var (X ).
Variância (propriedades)
i) Se c for uma constante, então
Var (X + c) = Var (X ).
Distribuição de Bernoulli;
Distribuição de Bernoulli;
Distribuição Binomial;
Distribuição de Bernoulli;
Distribuição Binomial;
Distribuição Geométrica;
Distribuição de Bernoulli;
Distribuição Binomial;
Distribuição Geométrica;
Distribuição Hipergeométrica;
Distribuição de Bernoulli;
Distribuição Binomial;
Distribuição Geométrica;
Distribuição Hipergeométrica;
Distribuição de Poisson.
A Distribuição Uniforme Discreta tem esse nome por que todos os seus
valores ocorrem com a mesma probabilidade.
Seja X uma variável aleatória discreta, assumindo valores x1 , . . . , xk , tem
distribuição uniforme, se e somente se,
1
P(X = xj ) = , ∀ j = 1, 2, . . . , k. (5)
k
A Distribuição Uniforme Discreta tem esse nome por que todos os seus
valores ocorrem com a mesma probabilidade.
Seja X uma variável aleatória discreta, assumindo valores x1 , . . . , xk , tem
distribuição uniforme, se e somente se,
1
P(X = xj ) = , ∀ j = 1, 2, . . . , k. (5)
k
Exemplo 04: Uma rifa tem 100 bilhetes numerados de a 1 a 100. Tenho
5 bilhetes consecutivos numerados de 21 a 25 e meu colega tem outros 05
bilhetes, com os números 1, 11, 29, 68, 93. Quem tem a maior probabilidade
de ganhar o prêmio.
Distribuição Bernoulli
Distribuição Bernoulli
Distribuição Bernoulli
Distribuição Binomial
Muitas vezes, não pretende-se saber apenas se algo ocorre ou não. Mas
pretende-se saber quantas vezes ela ocorre.
Distribuição Binomial
Muitas vezes, não pretende-se saber apenas se algo ocorre ou não. Mas
pretende-se saber quantas vezes ela ocorre.
Distribuição Binomial
Muitas vezes, não pretende-se saber apenas se algo ocorre ou não. Mas
pretende-se saber quantas vezes ela ocorre.
Exemplo 07: Uma vacina é eficiente em 80% dos casos. Sorteia-se ao acaso
10 dos pacientes vacinados e pergunta-se a probabilidade de obter:
a) 05 pacientes imunizados.
b) pelo menos 02 pacientes imunizados.
c) determine a esperança e a variância.
Distribuição Geométrica
Distribuição Geométrica
Distribuição Geométrica
Distribuição Hipergeométrica
Considere um conjunto de n elementos dos quais m são do tipo I e n − m
são do tipo II . Para um sorteio de r objetos (r < n), feito ao acaso e sem
reposição defina X como sendo o número de objetos de tipo I seleciona-
dos. Uma variável aleatória X segue uma distribuição Hipegeométrica se e
somente se sua função de probabilidade for dada por:
m n−m
k r −k
P(X = k) = , k = max(0, r − (n − m)), . . . , min(r , m).
n
r
Distribuição Hipergeométrica
Considere um conjunto de n elementos dos quais m são do tipo I e n − m
são do tipo II . Para um sorteio de r objetos (r < n), feito ao acaso e sem
reposição defina X como sendo o número de objetos de tipo I seleciona-
dos. Uma variável aleatória X segue uma distribuição Hipegeométrica se e
somente se sua função de probabilidade for dada por:
m n−m
k r −k
P(X = k) = , k = max(0, r − (n − m)), . . . , min(r , m).
n
r
Distribuição de Poisson
Distribuição de Poisson
Distribuição de Poisson
a) Determine o valor de k.
Var (X ) = E (X 2 ) − [E (X )]2
Z ∞
em que E (X 2 ) = x 2 f (x)dx.
−∞
Marcı́lio Cardial (UFG) Variáveis Aleátorias 27 / 42
Distribuições Contı́nuas de Probabilidade
kx , 0≤x ≤1
Exemplo 13: Seja f (x) = .
0 , x <0 ou x > 1
Determine:
b) P(0 ≤ X ≤ 21 )
c) E (X )
d) Var (X )
e) F (x)
Distribuição Exponecial;
Distribuição Exponecial;
Distribuição Normal;
Distribuição Exponecial;
Distribuição Normal;
Distribuição t-Student.
b+a (b − a)2
E (X ) = e Var (X ) = (18)
2 12
Distribuição Exponencial
αe −αx , se x ≥ 0
f (x) = (19)
0, se x < 0.
Distribuição Exponencial
αe −αx , se x ≥ 0
f (x) = (19)
0, se x < 0.
Distribuição Exponencial
Distribuição Normal
(x − µ)2
1
f (x) = √ exp − , −∞ ≤ x ≤ ∞. (21)
2πσ 2σ 2
E (X ) = µ e Var (X ) = σ 2 .
X̄ − µ d
√ → Z, (22)
σ/ n
Exemplo 15: Uma variável X tem distribuição normal, com média 100 e
desvio padrão 10. Calule:
Exemplo 15: Uma variável X tem distribuição normal, com média 100 e
desvio padrão 10. Calule:
Exemplo 15: Uma variável X tem distribuição normal, com média 100 e
desvio padrão 10. Calule:
Exemplo 15: Uma variável X tem distribuição normal, com média 100 e
desvio padrão 10. Calule:
c) Que tamanho deve ter a amostra para que P(90 < X̄ <
110) = 95%.
Distribuição t-Student
’
As variáveis aleatórias mostram-se como um importante conteúdo em
teoria das probabilidades, pelo fato desta expressar caractéristicas de
uma determinada população;
’
As variáveis aleatórias mostram-se como um importante conteúdo em
teoria das probabilidades, pelo fato desta expressar caractéristicas de
uma determinada população;