Sobre notação: daqui em diante
escrevemos para denotar .
Se são v.a. sobre o mesmo espaço amostral, a função de distribuição acumulada conjunta é a função que associa as reais o valor
A distribuição de pode ser obtida a partir de do seguinte modo:
Agora, se então , portanto
e fazendo temos uma sequência crescente de eventos logo (veja exercício 25)
ou seja
Em resumo,
- ,
- ,
são as distribuições marginais de e , respectivamente.
Exercício 72 Mostre que
Se e são v.a. discretas então
é a função de massa de probabilidade conjunta, e para tal
- ;
- ;
- , para qualquer conjunto enumerável de pares de valores reais;
as funções de probabilidade marginais de e de são, respectivamente
Dizemos que e são v.a. conjuntamente contínuas se existe uma função de densidade de probabilidade conjunta tal que
e para tal
- ;
- ;
- , para qualquer região do plano;
as distribuições marginais de e de são, respectivamente
- ,
- ,
e as densidades marginais
Exercício 73 Mostre que
quando as derivadas parciais existem.
Exemplo 93 Dois refis de caneta são selecionados ao acaso dentre 3 azuis, 2 vermelhos e 3 verdes. Sejam o número de refis azuis e o número de refis vermelhos selecionados. A função de probabilidade conjunta é, para sujeito a condição ,
cujos valores está descrito na tabela abaixo
A probabilidade é .
A probabilidade marginal de é dada pela soma da linha da tabela, por exemplo,
Analogamente, a probabiliadade marginal de é dada pela soma da coluna, por exemplo
Exemplo 94 Um banco resolveu apostar num serviço de drive-thru, além do atendimento convencional. Em um dia é a proporção de tempo que o drive-thru está em uso e a proporção de tempo que o caixa convencional está em uso, assim . Estudos indicam que a função de densidade conjunta é
A probabilidade de nenhuma das alternativas estar ocupada em mais de um quarto do tempo é
Ademais
é a função de densidade de probabilidade do tempo que o drive-thru está ocupado para , e para os outros valores de . Também,
é a função de densidade de probabilidade do tempo que o caixa convencional está ocupado para e para os outros valores de .
Exemplo 95 Sejam e as coordenadas de um ponto escolhido no círculo de raio e centro na origem de um sistema de coordenadas com densidade conjunta
A densidade marginal de é
e nos outros casos. Analogamente,
e nos outros casos.
A distância do ponto escolhido para a origem é a v.a. cuja distribuição é, para , dada por
A função de densidade de é para , portanto
Variáveis aleatórias independentes Dizemos que as v.a. e são independentes se para quaisquer conjuntos e de números reais vale
Isso equivale a dizer que para quaisquer
como estabelece o seguinte exercício.
Exercício 74 (Independência de v.a. conjuntamente distribuídas) Prove que e são v.a. independentes, com distribuição conjunta se e só se
Decorre daí que e independentes é suficiente
para quaisquer reais e .
Exemplo 96 Se
é a distribuição conjunta de e então e portanto
ou seja, embora as funções e não podem ser feitas distribuições marginais.
Exercício 75 Prove que se para todo e todo (no exemplo acima isso não vale pois as variáveis são relacionadas na região onde é não-nula) então e são independentes.
Exemplo 97 (O problema da agulha de Buffon) Suponha que temos um piso feito de tábuas paralelas de madeira, cada uma da mesma largura , e nós deixamos cair uma agulha de comprimento no chão, . Qual é a probabilidade de que a agulha irá cruzar a divisória onde duas tábuas se encontram?
Seja o ângulo (agudo) com que a agulha cai em relação à vertical que passa pela centro da agulha. Seja a distância do centro da agulha até a divisória entre tábuas mais próxima. Assumimos que e são variáveis aleatórias independentes e uniformemente distribuídas.
Se então a agulha cruzou uma das divisórias e a probabilidade desse evento é
Veja aqui uma simulação usada para determinar o valor aproximado de .
Usando R:
podemos estimar $\pi$ com a função
estPi<- function(n, l=1, t=2) { m <- 0 for (i in 1:n) { x <- runif(1) theta <- runif(1, min=0, max=pi/2) if (x < l/2 * sin(theta)) { m <- m +1 } } return(2*l*n/(t*m)) }
e vizualizar uma simulação com
L=0.35 #meia agulha D=20 #tamanho do quadro N=10^3 #numero de lancamentos #N pontos (R,T) R=runif(N,min=L,max=D-L) #posicao vertical centro C=cbind(runif(N,0,D),R) #coordenadas (x,y) do centro no plano T=runif(N,min=0,max=pi) #angulo anti-horario #extremos das agulhas A=C+L*cbind(cos(T),sin(T)) B=C-L*cbind(cos(T),sin(T)) #numero de cruzamentos numbhits=function(A,B){ sum(abs(trunc(A[,2])-trunc(B[,2]))>0)} plot(C,type="n",axes=F,xlim=c(0,D),ylim=c(0,D)) #linhas do piso for (i in 1:(D-1)) abline(h=i,lty=2,col="sienna") #desenho das agulhas for (t in 1:N) lines(c(A[t,1],B[t,1]),c(A[t,2],B[t,2]),col="steelblue") title(main=paste(numbhits(A,B),"cruzamentos",sep=" "))
Observação 5 Esses conceitos desenvolvidos até aqui podem ser estendidos, de modo natural, ao caso de 3 ou mais v.a..
Exemplo 98 Sejam v.a. independentes e uniformemente distribuídas sobre . Então
Se e têm distribuição conjunta e é uma função a duas variáveis reais, então o valor médio de é
nos casos discreto e contínuo, respectivamente.
Exercício 77 O que é no caso ?
Notemos que se e são independentes então , pra quaisquer funções . De fato
Dedução análoga vale para distribuição conjunta discreta. Em particular, se e são independentes então
Exercício 78 Ache exemplos de v.a. que satisfazem (42) mas que não são independentes.
— Covariância —
A covariância entre as variáveis , é definida por
a segunda igualdade segue por linearidade da esperança.
Quando e são independentes, por (42), temos . A recíproca não é verdadeira, se não necessariamente as v.a. são independentes, pode significar que as v.a. são de alguma forma relacionadas.
Exemplo 99 Se assume cada um dos valores , e com probabilidade e é a variável indicadora do evento , então (verifique), entretanto não são variáveis independentes (verifique).
Exemplo 100 Sejam e v.a. indicadoras de ocorrência dos eventos e , respectivamente
portanto, se e só se , ou seja, o evento faz ser mais provável (e vice-versa).
A covariância satisfaz as seguintes propriedades, cuja verificação fica como exercício.
- ;
- ;
- para qualquer constante ;
- .
Exercício 79 Prove as propriedades.
Exercício 80 Prove que se e só se para e reais.
Das propriedades acima, conseguimos deduzir que
Por conseguinte, se a soma é de v.a. independentes então
Exercício 81 Use a identidade acima para obter a variância de .
— Distribuição e esperança condicionais —
Se e são v.a. discretas e é tal que e então a distribuição condicional de dado é a função em dada por
a função (de massa/de densidade) de probabilidade condicional de dado que é
Notemos que no caso discreto
para qualquer valor real . A última fração é uma função de , com fixo e satisfaz as condições de função de massa de probabilidade.
Notemos também que, caso as v.a. sejam independentes vale e vice-versa, i.e., a igualdade implica independência.
Considerações análogas levam à definição de . Naturalmente,
Notemos que quando as v.a. são independentes (verifique).
Se então é a esperança condicional de dado , denotada
que embora sugira uma média é, de fato, uma variável aleatória, a qual tem a seguinte propriedade
Exemplo 101 De volta ao exemplo 94, a distribuição de condicionada a é
A probabilidade do caixa convencional estar ocupado metade do tempo, dado que , é
Usando a distribuição marginal temos que . Ademais e
Exemplo 102 Sejam independentes. Então
pois . Desse fato temos
ou seja, condicionada a tem distribuição hipergeométrica com parâmetros , logo
Exemplo 103 (Esperança de v.a. geométrica) Seja o número de lançamentos de uma moeda até sair cara, o que ocorre com probabilidade , seja a v.a. indicadora de “cara no primeiro lançamento”. Assim,
mas e~, portanto
que resolvendo para resulta em , como já sabíamos. Do mesmo modo, temos
que resolvendo para resulta em
e com isso
Exemplo 104 (Soma de v.a. com número aleatório de termos) Num determinado dia do cotidiano de uma loja pessoas entram na loja, com , e o gasto dessa pessoas são dados pelas v.a. independentes com reais, para todo , e independentes de .
A quantia gasta num determinado dia é cuja média é
Agora,
por causa da independência, por fim
reais.
Exercício 83 Considere o espaço amostral das sequências definidas pelas permutações de
Seja a -ésima coordenada de , para . Defina a variável aleatória igual a . Prove que
- para todo , vale ;
- as variáveis não são independentes;
- e conclua que
Exemplo 105 Sejam v.a. com distribuição independentes e o valor esperado para que é o menor para o qual . Certamente,
Portanto,
Derivando os extremos dessa cadeia de igualdades obtemos , ou seja, para alguma constante real e como temos
é o número esperado de termos para que a soma de v.a. uniformes em ultrapasse o valor .
Exercício 84 Mostre que para constantes
Exercício 85 Mostre que satisfaz
para qualquer função pra qual as esperanças acima existam.
Exercício 86 Uma galinha bota ovos, em que . Cada ovo vinga com probabilidade e independente dos outros ovos. Calcule , e , em que é o número de pintinhos.