Variável Aleatória Discreta e Expectativa Matemática
Normalmente não estamos interessados em todos os resultados possíveis de qualquer experimento aleatório ou não aleatório, em vez disso, estamos interessados em alguma probabilidade ou valor numérico para os eventos favoráveis, por exemplo, suponha que estamos jogando dois dados para a soma de 8, então não estamos interessado no resultado como primeiro dado tendo 2 segundos dados como 6 ou (3,5), (5,3), (4,4), (6,2), etc. da mesma forma, para o experimento aleatório de reservatório na vida diária, não estamos interessados no aumento ou diminuição diária do nível de água, mas apenas no nível de água da estação chuvosa após a conclusão.
Assim, tais quantidades numéricas nas quais estamos interessados são consideradas como variáveis aleatórias do respectivo experimento aleatório. Para este propósito, atribuímos os valores reais possíveis aos resultados do experimento aleatório numericamente. Para ilustrar a atribuição de valor numérico ao resultado, considere o experimento de jogar uma moeda, atribuímos os valores numéricos 0 e 1 para cara e trilha, respectivamente, no espaço amostral do experimento aleatório.
Variável aleatória discreta
Variável aleatória discreta podem ser definidas como as variáveis aleatórias que são finitas ou contáveis em número e aquelas que não são finitas ou contavelmente infinitas são variáveis aleatórias não discretas. Para cada elemento do espaço amostral estamos atribuindo um número real, isso pode ser interpretado em termos de função de valor real denotada por X, isto é, X: S → R. Chamamos essa função de variável aleatória ou função estocástica, que tem alguma importância física, geométrica ou qualquer outra.
Exemplo: Considere uma experiência de lançar dois dados e, em seguida, suponha uma variável aleatória ou função estocástica representam a soma dos pontos que aparecem nos dados e os valores possíveis para o espaço amostral
S = {(1,1), (1, 2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
será X = 2, para (1,1)
X = 3 para (1,2), (2,1) etc a partir do seguinte, podemos entender facilmente
X = 2 | (1,1) | (1,2) | (1,3) | (1,4) | (1,5) | (1,6) |
X = 3 | (2,1) | (2,2) | (2,3) | (2,4) | (2,5) | (2,6) |
X = 4 | (3,1) | (3,2) | (3,3) | (3,4) | (3,5) | (3,6) |
(4,1) | (4,2) | (4,3) | (4,4) | (4,5) | (4,6) | |
X = 5 | (5,1) | (5,2) | (5,3) | (5,4) | (5,5) | (5,6) |
X = 6 | (6,1) | (6,2) | (6,3) | (6,4) | (6,5) | (6,6) |
X = 7 | X = 8 | X = 9 | X = 10 | X = 11 | X = 12 |
Na tabela acima, os elementos diagonais da direita para a esquerda darão a soma expressa pela variável aleatória ou função estocástica.
A probabilidade para a respectiva variável aleatória pode ser expressa da seguinte forma
Distribuição de probabilidade discreta
Distribuição de probabilidade discreta são as probabilidades das variáveis aleatórias que são discretas por natureza, em particular se x1, x2, x3, x4, ………., Xk são os valores de variável aleatória discreta X depois P (x1), P (x2), P (x3), P (x4), ……… .P (xk) são as probabilidades correspondentes.
Função de probabilidade / distribuição de probabilidade que podemos denotar como
P (X = x) = f (x)
e seguindo a definição da probabilidade, esta função satisfaz as seguintes condições.
- f (x) ≥0
- Σ f (x) = 1, onde esta soma é a soma total para x.
Exemplo: Se uma moeda for lançada duas vezes, então se expressarmos o número de trilhas surgirem como variável aleatória X, então seria
Focados no Negócio | TT | TH | HT | HH |
X | 2 | 1 | 1 | 0 |
Se pegarmos a moeda justa, o resultado acima será o resultado para jogar duas vezes e a probabilidade de tal variável aleatória será
P (X = 0) = P (H, H) = 1/4
P (X = 1) = P (TH ou HT) = P (TH ∪ HT) = P (TH) + P (HT) = 1/4 + 1/4 = 1/2
e P (X = 2) = P (TT) = 1/4
Podemos tabular esta distribuição de probabilidade da seguinte forma
X | 0 | 1 | 2 |
P (X = x) = f (x) | ¼ | ½ | 1/4 |
Função de distribuição cumulativa (cdf) / Função de distribuição
Vamos definir Função de distribuição or Função de distribuição cumulativa (cdf) para a variável aleatória discreta X denotada por F (x), para-∞≤x≤∞ como
F (x) = P (X≤x)
Desde que siga
- Para qualquer x, y, x≤y, F (x) ≤ F (y), isto é, a função de distribuição cumulativa F (x) não é decrescente.
- F (x) = 0 e F (x) = 1
- F (x + h) = F (x), ∀ x ie. a função de distribuição cumulativa F (x) é contínua à direita.
Desde para o variável aleatória discreta probabilidade para X = x é P (X = x), para x1<X<x2 será P (x1<X<x2) e para X≤x é P (X≤x).
Podemos escrever a função de distribuição para a função de distribuição discreta da seguinte forma
podemos obter a função de probabilidade da função de distribuição como
P (X = x) = f (x) = F (x) -F (u)
Exemplo: A probabilidade para a variável aleatória discreta é dado como segue
X | 0 | 1 | 2 | 3 | 4 | 5 | 6 | 7 |
P (x) | 0 | 1/10 | 1/5 | 1/5 | 3/10 | 1/100 | 1/50 | 17/100 |
Encontre F2, F5, F (7)?
Alternativa?
Expectativa Matemática
Expectativa matemática é um conceito muito importante para a teoria da probabilidade assim como do ponto de vista estatístico também é conhecido como a expectativa ou valor esperado, pode ser definido como a soma de variáveis aleatórias e suas probabilidades na multiplicação, ou seja, se x1, x2, x3, x4, ……… .xn são os valores da variável aleatória discreta X então P (x1), P (x2), P (x3), P (x4),……….P(xn) são as probabilidades correspondentes então expectativa matemática de variável aleatória X denotado por E(x) como
Exemplo: De um baralho de 72 cartas numeradas de 1 a 72 por vez, 8 cartas são sorteadas, encontre o valor esperado da soma dos números nos bilhetes sorteados.
Alternativa?. considere as variáveis aleatórias x1, x2, x3, x4, ……… .xn representando as cartas numeradas 1, 2, 3, 4, ………, 72
então a probabilidade de qualquer x em 72 cartas é
P (xi) = 1 / n = 1/72
desde então a expectativa será
E (x) = x1. (1 / n) + x2. (1 / n) + x3. (1 / n) + …………… + xn. (1 / n)
E(x)=1.(1/n)+2.(1/n)+3.(1/n)+……………+72.(1/n)
={1+2+3+……………..+72}*(1/72)=72*(72+1)/2*(1/72)=73/2
Agora, o valor esperado para 8 desses cartões será
E (x) = x1. (1 / n) + x2. (1 / n) + x3. (1 / n) + …………… + x8. (1 / n)
E(x)=1.(1/n)+2.(1/n)+3.(1/n)+……………+8.(1/n)
={1+2+3+……………..+8}*(1/72)
=8*(8+1)/2*(1/72)=12
variação, Desvio padrão e Desvio médio por Expectativa Matemática
A conceitos importantes da estatistica desvio padrão e variação podemos expressar em termos de expectativa matemática, portanto, se as variáveis aleatórias x1, x2, x3, x4, ……… .xn com as probabilidades correspondentes P (x1), P (x2), P (x3), P (x4), ……… .P (xn), então a variação será
Exemplo: Em um jogo, se um dado justo for usado e o jogador ganhará se qualquer valor ímpar vier nos dados e o prêmio em dinheiro receberá Rs 20 se 1 vier, Rs 40 por 3 e Rs 60 por 5 e se houver qualquer outra face dos dados veio a perda de Rs 10 para o jogador. encontre o dinheiro esperado que pode ser ganho com variância e desvio padrão.
Alternativa?
Para os dados justos, sabemos a distribuição das probabilidades,
X | 1 | 2 | 3 | 4 | 5 | 6 |
P (X = x) | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 |
Seja X a variável aleatória para os dados convertidos de acordo com os requisitos do jogo: dinheiro ganho ou perda quando a face veio como segue,
X | +20 | -10 | 40 | -10 | 60 | -10 |
P (X = x) | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 |
então a quantia esperada ganha por qualquer jogador será
E(x)=(20).(1/6)+(-10).(1/6)+(40).(1/6)+(-10).(1/6)+(60).(1/6)+(-10).(1/6)=15
então a quantia esperada ganha por qualquer jogador seria μ = 15
O resultado da expectativa matemática, bem como a variância, podem ser generalizados para mais de duas variáveis conforme a necessidade.
Conclusão:
Neste artigo discutimos principalmente a variável aleatória discreta, distribuição de probabilidade e função de distribuição conhecida como função de distribuição cumulativa cdf, também o conceito de Expectativa matemática para variável aleatória discreta e qual seria o desvio médio, variância e desvio padrão para tal variável aleatória discreta é explicado com a ajuda de exemplos adequados no próximo artigo, discutiremos o mesmo para variável aleatória contínua, se você quiser ler mais, passe por:
Para mais tópicos sobre matemática, siga este link.
Esboços de probabilidade e estatísticas de Schaum
https://en.wikipedia.org/wiki/Probability
Eu sou DR. Mohammed Mazhar Ul Haque. Concluí meu doutorado. em Matemática e atuando como professor assistente em Matemática. Possui 12 anos de experiência em docência. Possuindo vasto conhecimento em Matemática Pura, precisamente em Álgebra. Ter a imensa capacidade de projetar e resolver problemas. Capaz de motivar candidatos para melhorar seu desempenho.
Adoro contribuir com Lambdageeks para tornar a matemática simples, interessante e autoexplicativa para iniciantes e também para especialistas.