VARIVEIS ALEATRIAS e DISTRIBUIO DE

PROBABILIDADE
Conceito de varivel aleatria: uma funo que associa um nmero real a cada
resultado de um experimento aleatrio.
OBS:
Utiliza-se letras maisculas (X, Y, Z, etc.) para representar a v.a. e a
correspondente letra minscula (x, y, z, etc.) para um dos seus valores.
Cada possvel valor x de X representa um evento que um subconjunto do
espao amostral.
Exemplo:
Lanar uma moeda honesta 3 vezes ao ar e observar sua face superior
Y: nmero de caras do resultado
Y
0

1/8

3/8

3/8

1/8

Distribuio de Probabilidade
A distribuio feita de acordo com o tipo de varivel aleatria, ou seja, se v.a.
discreta ou v.a. contnua.
X sendo uma V. A. Discreta
Neste caso precisamos saber os valores da v.a.d. X e de sua funo de
probabilidade.
Chama-se funo de probabilidade (f.p.) da varivel aleatria X, a funo
que a cada valor de X (ou seja, a cada
A funo
condies:
i)
ii)

) associa sua probabilidade de ocorrncia.

ser uma funo de probabilidade se satisfizer s seguintes

, para todo

A coleo de pares
, i=1, 2,..., n, denominaremos distribuio de
probabilidade da v.a.d. X, que pode ser representada por meio de tabelas e/ou grficos.
Exemplo 1:

Lanar uma moeda com

de dar cara, quando se joga 3 vezes ao ar
Y: nmero de caras do resultado
Tabela:
Y
0

8/27

12/27

6/27

1/27

Grfico:
P(xi)

As tabelas e grficos so utilizadas para mostrar como a probabilidade total atribuda a

um espao amostral distribuda pelos diversos resultados daquele espao.
Nesse exemplo, a funo de probabilidade poderia tambm ser representada como:

Exemplo 2: Uma v.a. discreta tem a distribuio de probabilidade dada por:

a) Calcular o valor de k
Sabemos que

, logo,

b) Calcular

Funo de distribuio acumulada

Dada a varivel aleatria X, chamaremos de funo de distribuio acumulada,
ou, simplesmente funo de distribuio a funo
.
a)
para todo x
b) Se
ento
, isto ,
no-decrescente.

F(x) para X uma V. A. Discreta

Exemplo: Numa sala temos cinco rapazes e quatro moas. So retiradas, aleatoriamente,
trs pessoas. Faa X a v.a. nmero de rapazes.
a) Determine a distribuio de probabilidade da varivel X. Construa uma tabela.

b) Determine a funo de distribuio acumulada X.

c) Calcule as probabilidades:

Distribuies de probabilidades conjuntas de duas variveis aleatrias

Vimos anteriormente o caso de distribuies de probabilidade para o caso de
uma nica varivel. H casos, contudo, nos quais estamos interessados no estudo de
duas ou mais variveis aleatrias simultaneamente.
Por exemplo: - Algum poderia estar interessado na dureza (D) e na tenso de ruptura
de uma liga de cobre fornecendo assim o resultado
- Algum poderia estar interessado em saber o nmero de ligaes que seu(sua)
namorado(a) recebeu de pessoas diferentes durante suas frias, de manh e noite,
respectivamente.
Do mesmo modo que no caso unidimensional (X,Y) deve ter associada, a cada
valor que pode assumir, ou intervalos de valores, uma probabilidade de sua ocorrncia.
Isto , se os valores possveis de (X,Y) puderem ser representados por
para

Assim precisamos definir a distribuio de probabilidade da v.a. bidimensional (X,Y).

Se X e Y so duas v.a., a distribuio de probabilidade para a sua ocorrncia simultnea
pode ser obtida a partir de:
para o caso em que (X,Y) uma v.a. bidimensional discreta, e
para o caso em que
uma v.a. bidimensional contnua.

Considerando (X, Y) V. A. Discretas Bidimensionais: Quando os valores possveis de

X e Y forem finitos ou infinitos enumerveis.
Funo de probabilidade Conjunta de X e Y
Que a cada valor de

associa sua probabilidade conjunta de ocorrncia.

Para que
seja uma funo de probabilidade conjunta, necessrio que
satisfaa as seguintes condies:
i)
ii)

, para todo par

Distribuio de probabilidade Conjunta de X e Y

o conjunto
para

quando se quer determinar a distribuio de X sem considerar Y e a de Y sem

considerar X a partir de uma distribuio conjunta (X, Y).
Sua representao feita na forma grfica ou tabular conforme visto para v.a.
unidimensionais.
A probabilidade marginal para cada valor obtida da seguinte forma:
- Para X:
- Para Y:
Distribuio Condicionais
Seja um valor de X, tal que
A probabilidade

denominada probabilidade

condicional de
, dado que
.
Assim, para
fixado, os pares
condicional de Y, dado que
.

definem a distribuio

Analogamente para X,

V.A. independentes
Seja (X,Y) v.a.d. bidimensional. Dizemos que X e Y so independentes se, e
somente se, para todo par de valores
de X e Y, tem-se:

Basta que esta condio no se verifique para um par

para que X e Y no
sejam independentes. Neste caso diremos que X e Y so dependentes.
Ou se,
, para todo i e j
Ou equivalente se, e somente se:
, para todo i e j

OBS: Pode ser generalizada para o caso de n variveis aleatrias

Exerccio:
Sejam X e Y variveis aleatrias representando o nmero de vezes que uma mquina
pra, por apresentar algum defeito, de manh e tarde, respectivamente. Dada a
distribuio de probabilidade conjunta de (X,Y) na tabela abaixo.
X \Y
0
1
2
Total

0
0,10
0,04
0,06
0,2

1
0,20
0,08
0,12
0,4

2
0,20
0,08
0,12
0,4

Total
0,5
0,2
0,4
1

Pede-se:
a) Distribuies marginais de X e Y;
b) Distribuio de (X+Y), de XY, e da mdia entre X e Y;
c) X e Y so independentes? Justifique;
d) As distribuies condicionais de X dado que Y=0 e Y dado que X=1;
e)
d)
g) Seria possvel construir a distribuio conjunta a partir das distribuies marginais de
X e Y? Justifique.

Conceitos e Propriedades de esperana matemtica e varincia de variveis

aleatrias
Esperana matemtica (mdia ou valor esperado de uma v.a.): Corresponde ao
que se espera que acontea em mdia com uma varivel aleatria.
Caso em que X uma v.a.d.
Seja X uma v.a.d. com a seguinte distribuio de probabilidade:
Total
1

...

A esperana matemtica de X dada por:

OBS: Se X uma v.a.d. com funo de probabilidade

temos

, ento para qualquer funo

Exemplo:
Exerccio: O tempo T, em minutos, necessrio para um operrio processar certa pea
uma v.a. com a seguinte distribuio de probabilidade.
2

Qual o tempo mdio do processamento?

Total
1

Considere que para cada pea processada, o operrio ganha um fixo de $2,00,
mas, se ele processa a pea em menos de seis minutos, ganha $0,50 em cada minuto
poupado. Por exemplo, se ele processa a pea em quatro minutos, recebe a quantia
adicional de $1,00. Qual a mdia de quantia ganha por pea?
4,00

3,50

3,00

2,50

2,00

2,00

Total
1

Propriedades da esperana matemtica:

- Sendo K uma constante,
. (a mdia de uma constante a prpria constante)
- Se X e Y so v.a. independentes,

OBS: E(XY) = E(X)E(Y) no implica que X e Y sejam variveis aleatrias

independentes.

Varincia de uma varivel aleatria: a medida que quantifica a disperso dos

valores em torno da mdia.
A varincia de uma v.a. X definida por:

Caso em que X uma v.a.d.

Ou, tanto por v.a.discreta ou contnua, existe uma frmula mais prtica,

Exerccio anterior da v.a.d:

 Propriedades da varincia:
- Sendo K uma constante,
(a varincia de uma constante igual a zero).

- Se X e Y so v.a. independentes,

OBS: Desvio padro da varivel X a raiz quadrada positiva da varincia de X.

OBS: Resultado til: Se X e Y so duas variveis quaisquer
Em que

dado a seguir:

OBS: Sejam X e Y duas v.a.. A covarincia entre X e Y, denotada por COV(X,Y), nos
d uma ideia da relao de dependncia entre duas ou mais v.a.. Em outras palavras,
uma medida de relao linear entre X e Y. A covarincia definida por:
, ou, de forma alternativa,
em que:
, para (X,Y) v.a. discreta bidimensional
, para (X,Y) v.a. contnua bidimensional
Proposies teis:
a)
b) Se
ou
c)
d)
e)
f)

ento
, sendo a e b constantes

OB : Se X e Y so independentes, ento
implica que X e Y sejam independentes.

Porm

no