Varivel Aleatria

Gilson Barbosa Dourado gdourado@uneb.br

6 de agosto de 2008

Denio de Varivel Aleatria

Considere um experimento E e seu espao amostral = {a1 , a2 , . . . , an }. Varivel aleatria qualquer funo que associa a cada elemento do espao amostral um valor nmerico.

As variveis aleatrias (v.a.) podem ser classicadas em: discretas (se assumir valores num conjunto enumeravel com certa probabilidade) contnua (se seu conjunto de valores qualquer intervalo dos nmeros reais, o que seria um conjunto no enumervel).

Varivel Aleatria Discreta

Distribuio de Probabilidade

Uma distribuio de probabilidade de uma varivel aleatria uma relao dos distintos valores
xi

de

juntamente com as

probabilidades associadas. A notao utilizada a seguinte:

P X

= xi ) = p (xi ) = pi , i = 1, 2, . . .

ou ainda
X P X x1 p1 x2 p2 x3 p3

= xi )

... ...

Para que uma funo P (X = xi ) = p (xi ) seja uma distribuio de probabilide, necessrio que: 1. 2. 3.
P X

( (

= xi ) 0 e (

P X

= xi ) 1

P X P X

= xi ) = 1

= x ) = p (x )

Exemplo: No lanamento de duas moedas, a varivel aleatria X anota o nmero de caras obitdas. Os valores de X e a funo de probabilidade associada so: = (C , C ); (C , K ); (K , C ); (K , K ), onde C coroa e K cara. Evento
X CC CK KC KK

1 0 1/4

2 1 2/4 2 1/4

Valores de X Probabilidade P (X = x )

Exerccio: No lanamento de dois dados, a varivel aleatria S anota a soma das faces superiores do dado. Determine os valores de S e a funo de probabilidade associada.

Funo de Distribuio de Probabilidade

A funo de distribuio ou funo acumulada de probabilidade de uma varivel aleatria discreta X denida para qualquer nmero real x , pela seguinte expresso:
F X

( ) = P (X = x )

Exemplo: Do exerccio anterior, podemos calcular probabilidades do tipo

P X P X

5) = 1/36 + 12/36 + 3/36 + 4/36 = 10/36 (6 X ) = 5/36 + 6/36 + 5/36 = 16/36

> 8) = P (X 9) = 4/36 + 3/36 + 2/36 + 1/36 = 10/36

P

Para calcularmos probabilidades associadas a uma varivel aleatria temos basicamente de saber calcular as probabilidades dos eventos:
P X

= x) e

P X

x)

Outras probabilidades calculam-se como combinaes dessas duas. Assim, no exemplo acima:
P X

9) = 1 P (X 8)

(6 X 8) = P (X 8) P (X < 6) = P (X 8) P (X 5)

Esperana Matemtica ou Valor Esperado de uma Varivel Aleatria

Um valor esperado simplesmente uma mdia dos possveis resultados pesados de acordo com a sua probabilidade de ocorrncia, isto :
E X

( ) = =

x1 P X

= x1 ) + x2 P (X = x2 ) + . . . + xn P (X = xn ) ( = xi )

xi P X

i =1

Exerccio: Um comerciante espera vender um automvel at sexta-feira. A expectativa de que venda na segunda-feira de 50%. Na tera-feira de 30%, na quarta-feira de 10%, na quinta-feira e na sexta-feira de 5%. Seu lucro de 3.000 u.m. se vender na segunda-feira diminui 40% a cada dia. Calcule o valor esperado de lucro deste negociante nesta venda.
L P L

( = l)

3.000 0,50

1.800 0,30

1080 0,10

648 0,05

388,80 0,05

( ) = 3.000 0, 50 + 1.800 0.30 + 1.080 0, 10 + 648 0, 05 + 388, 88 0, 05 = 2.199, 84

E L

Propriedades do Valor Esperado

Se a e b so constantes e X uma varivel aleatria, ento: 1. E (a) = a 2. E (bX ) = bE (X ) 3. E (X a) = E (X ) a 4. E (a bX ) = a bE (X ) Exemplo: Um lojista mantm extensos registros das vendas dirias de certo aparelho. O quadro a seguir da o nmero xi de aparelhos vendidos em uma semana e a respectiva probabilidade: Nmero xi Probabilidade 0 0,1 1 0,1 2 0,2 3 0,3 4 0,2 5 0,1

Se de R$ 20,00 o lucro por unidade vendida, qual o lucro esperado nas vendas de uma semana?

Varincia
A varincia da varivel aleatria
X

denida por:

2 = Var (X ) = E [(X )2 ] = E (X 2 ) 2

O desvio padro ( ) a raiz quadrada da varincia: 2. Dp (X ) = =

Propriedades

1. 2. 3. 4.

Var X

( )>0 ( a) = Var (X ) )=
2 b Var (X ) 2 b Var (X )

Var X

Var bX Var a

( bX ) =

1. 2. 3. 4.

Dp X Dp X

( )>0 a) = Dp (X ) ) = |b|Dp (X )

Dp bX Dp a

( bX ) = |b|Dp (X )

Modelos Tericos Discretos de Probabilidade

Quando aplicamos a Estatstica na resoluo de problemas administrativos, vericamos que muitos problemas apresentam as mesmas caractristicas o que nos permite estabelecer um modelo terico para determinao da soluo de problemas.
Os componentes principais de um modelo estatstico terico:

1. 2. 3. 4.

Os possveis valores que a varivel aleatria X pode assumir; A funo de probabilidade associada varivel aleatria X ; O valor esperado da varivel aleatria X ; A varincia e o desvio-padro da varivel aleatria X .

Distribuio (ou modelo) de Bernoulli

Caracterstica do modelo

Se uma varivel aleatria X s pode assumir os valores 0 e 1 com ( = 0) = q e P (X = 1) = p com p + q = 1, ento diremos que a varivel aleatria X admite distribuio de Bernoulli.
P X

Discrio do modelo

1. 2. 3. 4.

= {0 , 1 } P (X = 0) = q e P (X = 1) = p ; E (X ) = p ; Var (X ) = p q e Dp (X ) = p q
X

Podemos escrever o modelo do seguinte modo:

P X

= x ) = p x q 1x

onde

= 1 p.

Exemplo: No lanamento de uma moeda, a varivel aleatria anota o nmero de caras obtidas. 1. 2. 3. 4.
X

= {0, 1}; ( = 0) = 1/2 e

P X

P X E X

= 1) = 1/2;
Dp X

( ) = 0 1/2 + 1 1/2 = 1/2; ( ) = 1/2 1/2 = 1/4 e ( )=

Var X

1/4 = 1/2.

Exerccio: Uma urna contm 15 bolas brancas e 25 bolas vermelhas. Uma bola retirada da urna e a varivel aleatria B anota o nmero de bolas brancas obtidas. Calcule a mdia e o desvio-padro de B.

Ditribuio Binomial
Caracterstica do modelo

Esta distribuio de probabilidade utilizada na descrio de situaes, nas quais tem-se n repeties independentes, sendo que em cada repetio apresenta apenas dois resultados possveis, que podem ser denotados como "sucesso"ou "fracaso". Alm disso, assume-se que a probabilidade de "sucesso"a cada nova repetio do experimento constante e igual a p e que deseja-se contar quantos "sucessos"teve-se em n tentativas.
Discrio do modelo

1. 2. 3. 4.

= {0, 1, 2, , n}; n k nk P (X = k ) = , k = 0, 1, 2 , n e k p q
Dp X

n k

n! k !(nk )!

( ) = n p; Var (X ) = n p q e
E X

( )=

pq

Exemplo: Uma empresa produz 10% de peas defeituosas. As peas so embaladas em caixas que contm 12 peas. Calcule a probabilidade de um cliente comprar uma caixa contendo: a) nenhuma pea defeituosa; b) uma pea defeituosa. Temos 1. X - nmero de peas defeituosas na caixa. X = {0, 1, 2, , 12}; 2. P (defeituosa) = 0, 10 = p , P (no defeituosa) = 0, 90 = q ; 3. P (X = k ) = 12 0, 10k 0, 9012k . k Resposta a):
P X

= 0) =

12 12! 0, 9012 = 0, 282 0, 100 0, 90120 = 0!(12 0)! 0

Resposta b)
P X

= 1) =

12 12! 0, 101 0, 90121 = 0, 100, 9012 = 0, 377 1 1!(12 1)!

Distribuio de Poisson
uma distribuio de probabilidade discreta que se aplica a ocorrncia de eventos ao longo de intervalos especicados. A varivel aleatria o nmero de ocorrncia do evento no intervalo. Os intervalos pode ser de tempo, distncia, rea, volume ou alguma unidade similar. Uma varivel aleatria 1. 2. 3. 4.
X P X E X X

admite distribuio de Poisson se:

= 0, 1, 2 ;

= {0, 1, 2, }; ( = k) = ( ) = ; ( ) = .
e k k! , k

Var X

Uma distribuio de Poisson difere de uma distribuio binomial nestes aspectos fundamentais: 1. A distribuio binomial afetada pelo tamanho da amostra n e pela probabilidade p , enquanto que a distribuio de Poisson afetada apenas pela mdia ; 2. Na distribuio binomial, os valores possveis da varivel aleatria X so 0, 1, 2, , n, mas a distribuio de Poisson tem os valores de X de 0, 1, 2, , sem qualquer limite superior.
Obs: O parmetro ocorrncia.

usualmente referido como taxa de

Exemplo: Suponha que o nmero de carros que chegam a uma la do guich de um pedgio tem distribuio de Poisson a uma taxa de trs carros por minuto, calcule a probabilidade de que cheguem cinco carros em um minuto.