Conteúdo principal
Estatística Avançada
Curso: Estatística Avançada > Unidade 8
Lição 4: Combinação de variáveis aleatórias- Média da soma e diferença de variáveis aleatórias
- Variância da soma e diferença de variáveis aleatórias
- Raciocínio sobre por que a independência é importante para a variância da soma
- Derivação da variância da diferença de variáveis aleatórias
- Combinação de variáveis aleatórias
- Combinação de variáveis aleatórias
- Exemplo: análise da distribuição da soma de duas variáveis aleatórias normalmente distribuídas
- Exemplo: análise da diferença em distribuições
- Combinação de variáveis aleatórias normais
- Combinação de variáveis aleatórias normais
© 2023 Khan AcademyTermos de usoPolítica de privacidadeAviso de cookies
Raciocínio sobre por que a independência é importante para a variância da soma
Raciocínio sobre por que a independência é importante para a variância da soma.
Quer participar da conversa?
Nenhuma postagem por enquanto.
Transcrição de vídeo
RKA1JV - E aí, pessoal. Tudo bem? Nesta aula, nós vamos ver por que a independência é importante para a variância da soma. Em vídeos passados, nós vimos que se "x" e "y" são variáveis aleatórias independentes, então, a variância da soma é igual à soma das variâncias. Vimos também que quando você tem duas variáveis dependentes, quando você faz essa soma, a sua variação, a sua variância, vai aumentar. Nós vimos isso intuitivamente
na aula passada. Nessa aula, eu quero mostrar a importância
dessa independência para essa afirmação. Para isso, vamos pensar em duas variáveis que definitivamente não são independentes. Vamos colocar uma variável
aleatória "x" aqui que seja o número de horas
que uma pessoa dormiu ontem. E uma outra variável aleatória "y" que seja o número de horas que a mesma pessoa ficou acordada ontem. E fica bem claro que essas duas variáveis não são independentes porque uma completa a outra. Por exemplo, se a pessoa
dormiu 8 horas ontem significa que ela ficou acordada 16 horas. Se ela dormiu 16 horas, significa que
ela ficou acordada 8 horas, ou seja, elas não são independentes. O que significa que, se nós somarmos essas duas variáveis aqui, isso vai ter que dar 24 horas. Então, "x", que é o número de horas
que a pessoa dormiu ontem, mais "y", que é o número de horas que a pessoa ficou acordada, é igual a 24 horas. Portanto, essas variáveis não são independentes. O que significa que, se você tem
uma das duas variáveis, automaticamente você vai conhecer a outra. Para você entender o porquê dessa independência ser importante, vamos dizer que nós temos aqui uma variância, uma variação de 4 horas ao quadrado. Com isso, podemos dizer que o desvio padrão da variável "x" vai ser igual 2 horas. Vamos dizer que o desvio padrão da variável "y" seja igual a 2 horas. Com isso, a variância,
a variação vai ser de 2². Então, a variância de "y" vai ser igual
a 4 horas ao quadrado. Se nós aplicarmos isso
nessa informação aqui, nós vamos ter que a variância de x + y é igual à soma das variâncias, das variações. Ou seja, 4 mais 4 que vai ser igual a 8
horas ao quadrado, mas será que está certo? Mas isso não faz nenhum sentido,
porque como sabemos, se somarmos x + y, isso tem que dar, necessariamente, 24 horas. Ou seja, não vai ter nenhuma variação,
x + y sempre vai dar 24 horas. Portanto, como essas variáveis são dependentes, essa variância tem que dar zero,
ou seja, x + y tem que dar 24 horas. Pelo menos aqui na Terra. Isso dá uma ideia do porquê
isso só vai ser verdadeiro se as variáveis aleatórias são independentes. Eu espero que essa aula tenha ajudado. E até a próxima, pessoal!