Aula 04 - VAs Multidimensionais - Discretas
Aula 04 - VAs Multidimensionais - Discretas
Aula 04 - VAs Multidimensionais - Discretas
(Caso Discreto)
Aula 04
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.).
A probabilidade
P( X xi ,Y y j , )
P( Y y j | X xi )
P( X xi )
P( A a1 , B b1 ) 0,12 e P( B b2 A a3 ) 0,50.
Número de mudanças de
emprego, no último ano
(X)
Salário (Y) 0 1 2
d) E(X) e E(Y).
Exemplo 1 (cont.)
Número de mudanças
b) de emprego, no
último ano (X)
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:
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
Esperança condicional
n
E X |Y y j xi P(X xi|Y y j )
i 1
Voltando ao Exemplo 1
Calcule:
Y|X=0 1 2 3 Total
P(Y | X = 0) 10/50 15/50 25/50 50/50
Voltando ao Exemplo 1
Calcule:
Y|X=0 1 2 3 Total
P(Y | X = 0) 10/50 15/50 25/50 50/50
Esperança condicional
Propriedades:
1. E[ c(X) | X ] = c(X), para toda função c(X).
Exemplo: E(X2 | X = x) = x2.
Variância condicional
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
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)
P( X xi , Y y j ) P( X xi ) x P(Y y j ) (2)
CUIDADO
Número de mudanças
de emprego, no
último ano (X)
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.
Var(aXbY) = a2Var(X)+b2Var(Y)
Exercícios
Exercício 1
(ANPEC 1996 - Questão 14)
Resposta: 00
Exercício 2
(ANPEC 2007 - Questão 1)
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
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:
X 1 2 3
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