Variáveis Aleatórias Multidimensionais

(Caso Discreto)

Aula 04

Bussab e Morettin, Seções 8.1 a 8.4

Meyer, Capítulo 6
Variáveis Aleatórias Multidimensionais

Caso Discreto

a) Distribuição Conjunta
b) Distribuições Marginais e Condicionais
c) Funções de Variáveis Aleatórias
d) Covariância entre 2 Variáveis Aleatórias
 Distribuição Conjunta
Normalmente estamos interessados na
ocorrência de eventos envolvendo mais do
que uma variável aleatória (v.a.).

Por exemplo, um pesquisador, gostaria de

saber qual é a probabilidade de uma pessoa
ganhar mais de 10 salários mínimos, ter 2
filhos ou menos, ser casado e possuir um
nível de escolaridade superior; isso é um
exemplo de probabilidade conjunta.
 Distribuição Conjunta
Sejam X e Y duas variáveis aleatórias
discretas. Então, o par (X,Y) tem uma função
de distribuição conjunta, que será denotada
por

P(X = x, Y = y). (1)

Em alguns casos, é fácil obter a distribuição

conjunta se tivermos a função de
probabilidade de X e Y.
Distribuições Marginais e Condicionais

No contexto de mais de uma v.a.,

as funções de probabilidade das v.a. X e Y

são denominadas

funções de probabilidade marginais.

 Distribuições Marginais e Condicionais
Definição: Seja xi um valor de X, tal que

P(X = xi) = p(xi) > 0.

A probabilidade

P( X  xi ,Y  y j , )
P( Y  y j | X  xi ) 
P( X  xi )

é denominada probabilidade condicional de Y = yj,

dado X = xi..
 Exercício
Considere duas v.a. discretas A e B. Admita que A
assuma somente os valores a1, a2 e a3, enquanto B
assume somente os valores b1 e b2. Sabemos que:

P( A  a1 )  0,20; P( A  a3 )  0,50; P( B  b1 )  0,60;

P( A  a1 , B  b1 )  0,12 e P( B  b2 A  a3 )  0,50.

a) Construa a tabela de dupla entrada entre A e B.

b) Encontre a distribuição condicional de A | B = b1.
 Exemplo 1

Num estudo sobre rotatividade de mão-de-

obra, foram definidas, para certa população,
as variáveis aleatórias:
X – número de vezes que um funcionário
mudou de emprego no último ano; e
Y – salário (número de salários mínimos),
obtendo a seguinte distribuição conjunta de
probabilidades:
 Exemplo 1 (cont.)

Número de mudanças de
emprego, no último ano
(X)

Salário (Y) 0 1 2

1 0,10 0,15 0,30

2 0,15 0,05 0,00
3 0,25 0,00 0,00
 Exemplo 1 (cont.)
Calcule:

a) A função de probabilidade marginal para X e para

Y.
 Exemplo 1 (cont.)
Número de mudanças
a) de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00
 Exemplo 1 (cont.)
Calcule:

a) A função de probabilidade marginal para X e para

Y.

b) A probabilidade de um funcionário ganhar 1

salário mínimo e não ter mudado de emprego no
último ano.

c) A função de probabilidade marginal acumulada

para Y.

d) E(X) e E(Y).
 Exemplo 1 (cont.)
Número de mudanças
b) de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00
 Exemplo 1 (cont.)
Calcule:

a) A função de probabilidade marginal para X e para

Y.

b) A probabilidade de um funcionário ganhar 1

salário mínimo e não ter mudado de emprego no
último ano.

c) A função de probabilidade marginal acumulada

para Y.

d) E(X) e E(Y).
 Exemplo 1 (cont.)
c) X
Y 0 1 2 P(Y=y)
1 0,10 0,15 0,30 0,55
2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00

Y 1 2 3
P(Y  y) 0,55 0,75 1,00
 Exemplo 1 (cont.)
Calcule:

a) A função de probabilidade marginal para X e para

Y.

b) A probabilidade de um funcionário ganhar 1

salário mínimo e não ter mudado de emprego no
último ano.

c) A função de probabilidade marginal acumulada

para Y.

d) E(X) e E(Y).
 Exemplo 1 (cont.)
d) X
Y 0 1 2 P(Y=y)
1 0,10 0,15 0,30 0,55
2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00

E(X) = 0 x 0,50 + 1 x 0,20 + 2 x 0,30 = 0,80

E(Y) = 1 x 0,55 + 2 x 0,20 + 3 x 0,25 = 1,70

Distribuições Marginais e Condicionais

Esperança condicional

Definição. A esperança condicional de X, dado

que Y = yj, é definida por

 
n
E X |Y  y j   xi P(X  xi|Y  y j )
i 1
 Voltando ao Exemplo 1

Calcule:

(e) A distribuição de probabilidade condicional de

Y, dado X = 0. Interprete o resultado.

(f) E(Y | X = 0). Interprete o resultado.

e) Número de mudanças
de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00

Y|X=0 1 2 3 Total
P(Y | X = 0) 10/50 15/50 25/50 50/50
 Voltando ao Exemplo 1

Calcule:

(e) A distribuição de probabilidade condicional de

Y, dado X = 0. Interprete o resultado.

(f) E(Y | X = 0). Interprete o resultado.

f)

Y|X=0 1 2 3 Total
P(Y | X = 0) 10/50 15/50 25/50 50/50

E(Y | X = 0) = 1 x 10/50 + 2 x 15/50 + 3 x 25/50 = 2,3

Distribuições Marginais e Condicionais

Esperança condicional
Propriedades:
1. E[ c(X) | X ] = c(X), para toda função c(X).
Exemplo: E(X2 | X = x) = x2.

2. Se X e Y são v.a. independentes, então,

E(Y|X) = E(Y).
3. E[ E(Y|X) ] = E(Y).
Demonstração em Meyer (1983, p. 173)
Distribuições Marginais e Condicionais

Variância condicional

Definição. Dadas as v.a. X e Y, a variância de Y,

condicionada a X = x, é simplesmente a variância
associada com a distribuição condicional de Y,
dado que X = x:


E Y  E Y | X  x 2 X x 
Distribuições Marginais e Condicionais

Variância condicional
A equação

Var (Y | X  x)  E (Y | X  x)  E Y | X  x 
2 2

pode ser mais útil para cálculos.

Propriedade.
1. Se X e Y são v.a. independentes, então,
Var(Y | X) = Var(Y).
 Voltando ao Exemplo 1
X e Y podem ser consideradas v.a. independentes?
Justifique sua resposta.
Número de mudanças
de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00
 Distribuição Conjunta e Independência
Definição: As v.a. X e Y, assumindo os valores x1,
x 2, .... e y 1, y 2, ...., respectivamente, são
independentes se, e somente se, para todo par de
valores (xi,yj) de X e Y tem-se

P( X  xi , Y  y j )  P( X  xi ) x P(Y  y j ) (2)

Basta que (2) não se verifique para um par (xi,yj)

para que X e Y não sejam independentes. Neste
caso, diremos que X e Y são dependentes.
 Voltando ao Exemplo 1
X e Y podem ser consideradas v.a. independentes?
Justifique sua resposta.
Número de mudanças
de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00
 Características das Distribuições
Conjuntas e Condicionais

Medidas de associação: Covariância e Correlação

A distribuição conjunta de duas v.a. descreve

completamente a relação entre elas, mas é
interessante ter uma medida resumo de como,
em média, as duas variáveis variam uma com a
outra.
 Covariância
Sejam E(X) = X e E(Y) = Y. Considere, ainda, a
v.a. (X - X)(Y - Y). A covariância entre duas v.a. X
e Y é definida como sendo o valor esperado do
produto (X - X)(Y - Y):

Cov(X,Y) = E[(X - X)(Y - Y)]

e pode ser denotada por XY.

 Covariância
Expressões úteis para calcular Cov(X,Y):

(i) Cov(X,Y)  E(XY) – E(X)E(Y),

(ii) Cov(X,Y)   (xi  E(X)).(y j  E(Y)).P(X  xi ,Y  y j )
i j

Definição 1. Quando Cov(X,Y) = 0, dizemos que

X e Y são não-correlacionadas.

Definição 2. Se X e Y são duas v.a.

independentes, então, Cov(X,Y) = 0.
 Covariância

Definição 3. Para quaisquer constantes a1, b1, a2 e

b2,
Cov(a1X+b1, a2Y+b2) = a1a2Cov(X,Y).

Definição 4. |Cov(X, Y)|  DP(X).DP(Y).

(Desigualdade de Cauchy-Schwarz)
 Covariância

CUIDADO

Se X e Y são independentes, isto implica X e

Y não-correlacionadas. A recíproca nem sempre é
verdadeira, isto é, Cov(X,Y) = 0, não implica,
necessariamente, X e Y independentes.
De modo geral, quando X e Y são
independentes, E(XY) = E(X)E(Y) é válido; logo,
temos que Cov(X,Y) = 0.
 Voltando ao Exemplo 1
Calcule a covariância entre as v.a. X e Y. Comente.

Número de mudanças
de emprego, no
último ano (X)

Salário (Y) 0 1 2 P(Y=y)

1 0,10 0,15 0,30 0,55

2 0,15 0,05 0,00 0,20
3 0,25 0,00 0,00 0,25
P(X = x) 0,50 0,20 0,30 1,00
 Correlação

Definição 1.
O coeficiente de correlação linear de X e Y é
definido por

 XY
 XY  Corr( X ,Y ) 
 X Y

Propriedade: –1  Corr(X,Y)  1
 Correlação
Observações
(i) Quando Corr(X,Y) = 1, existe uma correlação
linear perfeita entre X e Y, isto é, Y = aX+b.

(ii) As seguintes propriedades podem ser provadas

facilmente; para a e b constantes,
Corr ( X  a ,Y  b )  Corr ( X ,Y )
ab
Corr ( aX , bY )  Corr ( X ,Y )
| ab |
 Funções de Variáveis Aleatórias
Propriedades da Esperança:

(i) E(aX) = aE(X), onde a é uma constante.

(ii) E(X + Y) = E(X) + E(Y) (vale sempre!!!)
(iii) Combinando (i) e (ii), com a e b constantes,
E(aX + bY) = aE(X) + bE(Y)
(iv) Sejam as funções a(X) e b(X), então
E[ a(X)Y + b(X) | X ] = a(X)E(Y|X) + b(X).
Obs.: X e Y devem estar definidas no mesmo
espaço amostral .
 Funções de Variáveis Aleatórias

Variância da soma de v.a.

Com as definições de covariância e

correlação, podemos completar a lista de
propriedades da variância.

Propriedade. Sejam as constantes a e b,

Var(aXbY) = a2Var(X)+b2Var(Y) 2abCov(X,Y)

 Funções de Variáveis Aleatórias

Variância da soma de v.a.

Se X e Y são não-correlacionadas, então,

Cov(X,Y) = 0, logo,

Var(aXbY) = a2Var(X)+b2Var(Y)
Exercícios
 Exercício 1
(ANPEC 1996 - Questão 14)

Resposta: 00
 Exercício 2
(ANPEC 2007 - Questão 1)

(0) F (1) V (2) V (3) F (4) F

 Exercício 4
(Adaptado – ANPEC 2011 - Questão 09)
A variável aleatória discreta X assume apenas os valores 0, 1, 2,
3, 4 e 5. A função de probabilidade de X é dada por:

P X  0  P X  1  P X  2  P X  3  a
P X  4  P X  5  b
P X  2  3P X  2

Ainda, E[ . ] e V[ . ] denotam, respectivamente, as funções

esperança e variância. Assim, se definirmos Z = 3 + 4X, então a
covariância entre Z e X será igual a 12?
Resposta: verdadeiro
 Exercício 5
(Adaptado – ANPEC 2011 - Questão 09)
A variável aleatória discreta X assume apenas os valores 0, 1, 2, 3, 4 e 5. A
função de probabilidade de X é dada por:

P X  0  P X  1  P X  2  P X  3  a
P X  4  P X  5  b
P X  2  3P X  2
Ainda, E[ . ] e V[ . ] denotam, respectivamente, as funções esperança e
variância. Calcule a probabilidade de que a soma de duas variáveis
independentes provenientes desta distribuição exceda 7. Multiplique o
resultado final por 64.
Resposta: 20
 Exercício 6
Dados:

 X1 e X2: retornos de dois ativos

 0a1
 R = aX1 + (1-a)X2: retorno de uma carteira
 E(X1) = µ1, E(X2) = µ2
 Var(X1) = 12, Var(X2) = 22
 Cov(X1, X2) = 12

Qual o valor de a que minimiza o risco da carteira?

 Exercício 7
Considere a seguinte distribuição conjunta das
variáveis aleatórias X e Y:

X 1 2 3

0 0,08 0,24 0,08

1 0,12 0,36 0,12

 Exercício 7 (cont.)
Encontre:
a) A função de probabilidade X+Y.
b) E(X+Y).
c) A função de probabilidade XY.
d) Mostre que E(XY) = E(X).E(Y).
e) Cov(X+Y, X-Y).
f) As variáveis aleatórias X e Y são
independentes? Justifique sua resposta.
 Exercício 8
A distribuição conjunta do número de carros (X) e
do número de televisores (Y) dos moradores de um
bairro de São Paulo é dada pela tabela abaixo.

Y
X
0 1 2
0 0,10 0,21 0,11
1 0,05 0,20 0,33
 Exercício 8 (cont.)
a. Há dependência entre X e Y?
b. Qual o número esperado de televisores de uma
família?
c. Sabendo que uma família tem um automóvel,
qual é o seu número esperado de televisores?
E a variância?
d. Determine a correlação entre X e Y.
e. Admita que o valor médio de um automóvel
nessa região seja $5.000,00 e que o valor
médio de uma TV seja $400,00. Se as famílias
vendessem seus automóveis e aparelhos de
TV, quanto, em média obteriam?
 Exercício 9
Num determinado momento em um certo país, as
taxas de juros (X) podem variar 0,25 pontos
percentuais, pp, (para cima ou para baixo) ou
manter-se constante. Por sua vez, como
conseqüência dessa variação, a taxa de câmbio
(Y) pode variar em 1 pp (para cima ou para baixo) ,
ou manter-se constante.
A tabela, disponibilizada a seguir, reflete a
distribuição conjunta de X e Y.
 Exercício 9 (cont.)
X Y (juros)
P(X=x)
(câmbio) -1,00 0,00 1,00
-0,25 0,050 0,075 0,125 0,250
0,00 0,070 0,210 0,070 0,350
0,25 0,260 0,120 0,020 0,400
P(Y=y) 0,380 0,405 0,215 1,000

a. Qual é a probabilidade do câmbio variar positivamente?

b. Sabendo que a taxa de juros caiu, qual é a probabilidade
do câmbio variar positivamente?
c. Qual a variação média da taxa de câmbio quando a taxa
de juros cai?
 Exercício 9 (cont.)
X Y (juros)
P(X=x)
(câmbio) -1,00 0,00 1,00
-0,25 0,050 0,075 0,125 0,250
0,00 0,070 0,210 0,070 0,350
0,25 0,260 0,120 0,020 0,400
P(Y=y) 0,380 0,405 0,215 1,000

d. É possível, a partir do modelo acima, afirmar

que a variação da taxa de câmbio independe da
variação da taxa de juros?