Probabilidade Conjunta – Variáveis Aleatórias Multidimensionais Discretas
Teoria
V.A. BIDIMENSIONAIS DISCRETAS
Eaí, tudo lindo até aqui ? Beleza.
Então, reflita!
O que que a gente faz quando a gente tiver trabalhando com um experimento que depende de mais de uma característica ?
Porque isso é muito comum, concorda ? Em várias situações a gente se interessa em mais de uma característica de alguma parada.
Por exemplo, suponha que você tá carente, faculdade tá te estressando demais. Probest tá tirando seu sono. Aí você tá afim de começar a namorar.
Bom, na hora de procurar alguém, você não vai querer saber só da quantidade de qualidades que a pessoa tem, você também vai se interessar pela quantidade de defeitos, certo ?
Afinal, o melhor dos mundos seria muita qualidade e pouco defeito. Haha ..
Nesse caso, a gente iria ter então uma variável bidimensional, com:
Agora vamos dar uma viajada aqui pra poder trabalhar com esse exemplo. Vamos supor que num mundo idealizado pela gente agora, as pessoas só possam ter no máximo até 3 qualidades e até 2 defeitos.
Na nossa idealização.
E se eu quisesse a probabilidade de uma pessoa ter 2 qualidades e nenhum defeito, eu iria ter:
Obs: essa será a notação usada pra variáveis bidimensionais. Podemos escrever de uma forma mais matemática e abrangente;
e são os possíveis valores de e .
distribuições marginais e condicionais
Tá, ainda no nosso mundo idealizado, vamos considerar que alguém fez um levantamento de todas as combinações possíveis entre e .
O melhor jeito de organizar dados de variáveis bidimensionais é usando uma tabela como a abaixo.
Então, por exemplo:
Prob. de alguém ter 2 defeitos e 2 qualidades: .
É só cruzar na tabela o valor de e que você quer.
Prob. de alguém ter 3 qualidades e nenhum defeito: .
Nota: para os mais românticos, percebeu como é difícil alguém perfeito? haha...
Tá, mas o que que seria distribuição marginal ?
Tá vendo a última linha e a última coluna ? Onde tá escrito e .
Elas representam a distribuição marginal, porque elas definem a distribuição individual de cada característica.
Traduzindo...
nos diz os valores totais da probabilidade de assumir cada um de seus valores possíveis. Então, por exemplo:
- é a probabilidade total de uma pessoa ter nenhum defeito, tendo 0,1,2 ou 3 qualidades.
- e .
- O mesmo raciocínio serve pra característica .
Obs: repare no ultimo quadrado do canto esquerdo embaixo. Ele sempre tem que ser 1, porque ele representa a probabilidade total de e , que é 1.
Beleza, e se agora eu quisesse saber a probabilidade de uma pessoa ter 3 qualidades sabendo que ela tem 2 defeitos ?
Pelo que eu perguntei tu já deve sacar que vai ser uma probabilidade condicional. Certo ?
O raciocínio e a fórmula são as mesmas.
E rapaz! E agora ? Agora é tranquilinho.
Esa interseção que a gente tem ali é a probabilidade da pessoa ter dois defeitos e três qualidades ao mesmo tempo. E essa probabilidade tá na nossa tabela marota.
É o valor do cruzamento da linha com a coluna .
E a probabilidade tá na nossa distribuição marginal, é o valor final da linha do
INDEPENDÊNCIA
Cara, parada é a seguinte. Tá ligado naquela fórmula pra ver a independência entre eventos ?
Se e são eventos independentes, então:
Lembrou ? Beleza!
Como que isso vai funcionar pra variáveis bidimensionais ? Como que eu vou saber se as duas características que eu to avaliando são independentes ?
Do mesmo jeito, é só adaptar a fórmula.
Se e são independentes, então:
Então por exemplo, se então e são independentes ? NÃO.
Você tem que tentar todas as combinações possíveis, porque se isso não valer pra 1 caso então já não são independentes.