4 - Variância de variáveis aleatórias

Suponhamos que, para uma variável aleatória $X$ , verificamos que $\mathbb{E}(X) = 2$ . Qual o significado disso? Como vimos acima, significa que se considerarmos um grande número de observações de $X$ , digamos $x_1, x_2,\ldots,x_n$ , ao calcularmos a média desses valores, ela estará próxima de 2, se $n$ for grande.

Suponhamos, por exemplo, que $X$ representa a duração de vida de lâmpadas que estão sendo recebidas de um fabricante, e que $\mathbb{E}(X) = 1000$ horas. Isto pode significar que a maioria das lâmpadas deve durar um período de tempo compreendido entre 900 horas e 1100 horas. Poderia significar também que as lâmpadas são formadas por dois tipos muito diferentes: cerca da metade são de muita boa qualidade e durarão aproximadamente 1400 horas, enquanto que a outra metade é de muito má qualidade e durarão aproximadamente 600 horas.

Assim, existe uma necessidade óbvia de se introduzir uma medida que possa distinguir entre essas duas situações.

Definição 4.1:

Seja $X$ uma variável aleatória. Definimos a variância de $X$ , denotada por $\text{Var}(X)$ ou $\sigma^2_X$ por

$\text{Var}(X)=\mathbb{E}\left[\left(X-\mathbb{E}(X)\right)^2\right].$

A raiz quadrada positiva da variância $\text{Var}(X)$ é denominada de desvio-padrão de $X$ e denotado por $\sigma_X$ .

Observação:

O número $\text{Var}(X)$ é expresso por unidades quadradas de $X$ . Isto é, se $X$ for medido em horas, então $\text{Var}(X)$ é expressa em (horas)².

O cálculo de $\text{Var}(X)$ pode ser simplificado com o auxílio do seguinte resultado.

Propriedade:

A variância de uma variável aleatória $X$ pode ser calculada da seguinte forma

$\text{Var}(X)=\mathbb{E}(X^2)-[\mathbb{E}(X)]^2.$

De fato, desenvolvendo $\mathbb{E}\left[\left(X-\mathbb{E}(X)\right)^2\right]$ e empregando as propriedades já estabelecidas de valor esperado, obtemos

$\text{Var}(X)=\mathbb{E}\left[\left(X-\mathbb{E}(X)\right)^2\right]=\mathbb{E}\left\{X^2-2X\mathbb{E}(X)+[\mathbb{E}(X)]^2\right\}$

ou seja

$\text{Var}(X)=\mathbb{E}(X^2)-2\mathbb{E}(X)\mathbb{E}(X)+[\mathbb{E}(X)]^2=\mathbb{E}(X^2)-[\mathbb{E}(X)]^2.$

Exemplo 4.1:

Suponhamos que $X$ seja uma variável aleatória contínua com fdp

$f(x)=\left\{\begin{array}{l}1+x, \ \text{se} \ -1\leq x\leq 0;\\1-x, \ \text{se} \ 0\leq x\leq 1.\end{array}\right.$

Calcule $\text{Var}(X)$ .

Temos que

$\mathbb{E}(X)=\int_{-1}^0x(1+x)dx+\int_0^1x(1-x)dx=\left(\frac{x^3}{3}+\frac{x^2}{2}\right)_{-1}^0+\left(\frac{x^2}{2}-\frac{x^3}{3}\right)_0^1=0$

e

$\mathbb{E}(X^2)=\int_{-1}^0x^2(1+x)dx+\int_0^1x^2(1-x)dx=\left(\frac{x^4}{4}+\frac{x^3}{3}\right)_{-1}^0+\left(\frac{x^3}{3}-\frac{x^4}{4}\right)_0^1=\frac{1}{6}$

portanto, temos que

$\text{Var}(X)=\mathbb{E}(X^2)-[\mathbb{E}(X)]^2=\frac{1}{6}.$

Exemplo 4.2:

Utilizando o exemplo 3.2.5 cujo a função densidade de probabilidade da variável aleatória $X$ é dada por

$f(x) = \left\{ \begin{array}{c} \lambda e^{-\lambda x}, \ \hbox{se } x \geq 0; \\ 0 \ \hbox{caso contrário}.\end{array} \right.$

Neste exemplo calculamos os valores esperados de $X$ e de $X^2$ , os quais são dados por

$\mathbb{E}(X)=\frac{1}{\lambda}$

e

$\mathbb{E}(X^2)= \frac{2}{\lambda^2}.$

Desta forma, a variância de $X$ é dada por

$\text{Var}(X)=\mathbb{E}(X^2)-\mathbb{E}^2(X)=\frac{1}{\lambda^2}-\left(\frac{1}{\lambda}\right)^2=\frac{1}{\lambda^2}.$

E portanto, $\text{Var}(X)=\frac{1}{\lambda^2}$ .

Dúvidas sobre esse conteúdo? Comente:

Sobre o Portal Action

O Portal Action é mantido por Estatcamp - Consultoria Estatística e Qualidade e por DIGUP - Desenvolvimento de Sistemas e Consultoria Estatística, com o objetivo de disponibilizar uma ferramenta estatística em conjunto com uma fonte de informação útil aos profissionais interessados.

Facebook

CONTATO

Maestro Joao Seppe, 900, São Carlos - SP | CEP 13561-180
Telefone: (16) 3376-2047
E-Mail: [email protected]