Clculo das Probabilidades e

Estatstica I
Profa . Juliana Freitas Pires
Departamento de Estatstica
Universidade Federal da Paraba - UFPB
juliana@de.ufpb.br

Variveis Aleatrias

Ao descrever um espao amostral de um experimento, no necessariamente o resultado um

nmero.

Contudo em muitas situaes experimentais, estamos interessados na mensurao em forma de

nmero.

Uma maneira de solucionar esse problema atribuir um nmero real x a todo elemento de S.
Isto , x = X(s) em que X uma funo do
espao amostral em S.

Variveis Aleatrias
Definio: Sejam E um experimento e S o espao
associado ao experimento. Uma funo X, que associe a cada elemento s S um nmero real X(s)
denominada varivel aleatria (v.a).

Variveis Aleatrias

Observao: Como X uma funo, devemos lembrar que:

1 Cada elemento s de S corresponder a exatamente um valor;
2 Diferentes valores s S, podem levar a um
mesmo valor de X;
3 Nenhum elemento s S poder ficar sem valor
de X.

Exemplo

Exemplo
Experimento (E): Em uma linha de produo selecionar trs peas e observar se perfeita ou defeituosa.
S = {(P P P ), (DDD), (P P D), (DP P ),
(P DP ), (P DD), (DP D), (DDP )}.
X : nmero de peas defeituosas nas trs retiradas
Rx = {0, 1, 2, 3}

Exemplo
X = 0 corresponde ao evento (P P P )
P(X = 0) = P(P P P ) = 1/8.
X = 1 corresponde a (P P D), (DP P ) e (P DP )
P(X = 1) = P[(P P D) (DP P ) (P DP )] = 3/8.
X = 2 corresponde a (P DD), (DP D) e (DDP )
P(X = 2) = P[(P DD) (DP D) (DDP )] = 3/8.
X = 3 corresponde a (DDD)
P(X = 3) = P(DDD) = 1/8.

Varivel Aleatria

Uma varivel aleatria pode ser de

dois tipos.
1

Discreta.

Contnua.

Varivel Aleatria Discreta

Definio: Denomina-se X uma varivel aleatria
discreta se o nmero de valores possveis de X for
um conjunto de pontos finito ou infinito enumervel.
Exemplos:
Nmero de aes vendidas de uma empresa.
Nmero de erros de trasmisso em um processo.
Nmero de aparelhos defeituosos em uma
produo.

Funo de Probabilidade
Definio: Seja X uma varivel aleatria discreta.
A cada possvel resultado xi associaremos um nmero pi = P (X = xi ), denominado probabilidade
da varivel aleatria X assumir o valor xi , satisfazendo as seguintes condies:
i) 0 p(xi ) 1 i
P
ii)
p(xi ) = 1.
A funo P denominada funo de probabilidade.

Exemplo
Considere o experimento do lanamento de duas
moedas. Seja a varivel aleatria o nmero de caras
obtidas. Construa a funo de probabilidade X
Soluo: X assume os seguintes valores
X = {0, 1, 2}.
Temos que,
1
P (X = 0) = P (K, K) = ;
4
1
P (X = 1) = P (C, K) + P (K, C) = ;
2
1
P (X = 2) = P (C, C) =
4

Exemplo

Denotamos a funo de probabilidade de X por

xi
0
1
2
P(X = xi ) 1/4 1/2 1/4

Funo de Distribuio

Definio: Dada uma varivel aleatria discreta

X, definimos F(x) a funo de distribuio acumulada ou, simplesmente, funo de distribuio (f.d)
de X, dada por:

F(x) = P(X x) F(x) =

X
xi x

P(X = xi )

Exemplo
Considerando o exemplo anterior, a funo de probabilidade de X denotada por:
xi
0
1
2
P(X = xi ) 1/4 1/2 1/4
Por conseguinte, a funo de distribuio acumulada
de X dada por:
xi
0
1 2
F(xi ) = P(X xi ) 1/4 3/4 1

Exemplo (v.a discreta)

Um par de dados lanado. Seja X a varivel aleatria que associa a cada ponto (d1 , d2 ) de S a soma
desses nmeros, isto , X(d1 , d2 ) = d1 + d2 . Determine a funo de probabilidade de X.
Soluo:
O espao amostral S formado por 36 pares,
S = {(1, 1), (1, 2), . . . , (5, 6), (6, 6)}.
Ento, a varivel aleatria X = d1 + d2 assume os
seguintes valores
X = {2, 3, 4, ..., 12}.

Exemplo (v.a discreta)

A funo de probabilidade de X obtida da forma:
P(X = 2) = P (d1 = 1, d2 = 1) =

1 1
1
=
6 6
36

P(X = 3) = P (d1 = 1, d2 = 2) + P (d1 = 2, d2 = 1) =

1
2
1
+
=
36 36
36

..
.
P(X = 12) = P (d1 = 6, d2 = 6) =

1
36

Logo, a funo de probabilidade de X ser representada por

xi
2 3 4 5 6 7 8 9 10 11 12
2
3
4
5
6
5
4
3
2
1
1
P(X = xi ) 36
36 36 36 36 36 36 36 36 36 36

Consideraes

A distribuio de probabilidades permite a definio de um modelo matemtico apropriado a

cada situao.

Os modelos para v.as discretas que estudaremos

sero os Modelos Binomial e Poisson.

No caso de v.as contnuas a funo de probabilidade d lugar funo densidade de probabilidade que depende de conceitos matemticos um
pouco mais complexos (integrais).

Varivel Aleatria Contnua

Quando uma v.a contnua, ela pode assumir qualquer valor em um dado intervalo.
Exemplos:
resistncia de um material;
concentrao de CO2 na gua
tempo de vida de um componente eletrnico;
tempo de resposta de um sistema computacional;

Funo densidade de Probabilidade

Seja X uma varivel aleatria contnua. A funo
de densidade de probabilidade (f.d.p.) f (x) uma
funo que satisfaz as seguintes condies:
1

f (x) 0, x Rx
Z +
f (x)dx = 1

Sejam a e b quaisquer no intervalo,

< a < b < + temos que
Z b
f (x)dx
P(a X b) =
a

Observaes

P(a X b) representa a rea sob a curva da

funo densidade de probabilidade f (x).

Observaes

Para qualquer valor especfico de X, digamos x0 ,

P(X = x0 ) = 0, pois
Z x0
P(X = x0 ) =
f (x)dx = 0
x0

Como a probabilidade de X assumir valores em

pontos isolados nula, temos que
P(a X b) =P(a X < b)
= P(a < X b) = P(a < X < b)

Funo de Distribuio

A definio de funo de distribuio para o

caso contnuo dada por
Z

F(x) = P(X x) =

f (x)dx

Exemplo (v.a contnua)

Suponha que X uma varivel aleatria contnua com a seguinte fdp:


2x,
0<x<1
f (x) =
0 caso contrio

a)
b)
c)
d)

Mostre que f (x) uma fdp;

Calcule P(X 1/2);

Calcule P(X 1/2  1/3 X 2/3);
Se f (x) for uma fdp, calcule sua funo de distribuio acumulada.

Soluo:
a) Para que f (x) seja uma fdp basta verificar que
Z 1
1
2
2xdx = x  = 1.
0

Z
b) P(X 1/2) =
0

1/2

1/2
2xdx = x  = 1/4.
2


P(1/3 X 1/2)
c) P(X 1/2  1/3 X 2/3) =
P(1/3 X 2/3)
Z 1/2
2xdx
5/36
5
1/3
= Z 2/3
=
= .
1/3
12
2xdx
1/3

Soluo:

d)

F (x) =

0
2xdx = x2 ,

x0
0<x<1
x1

Consideraes

Existem diversos modelos para v.as contnuas.

Lidaremos com o modelo denominado Normal, o

qual apropriado a diversas situaes nas mais
diferentes reas.

Valor Esperado de uma Varivel Aleatria

Nos modelos probabilsticos, parmetros podem

ser empregados para caracterizar sua distribuio de probabilidade. Dada uma distribuio de
probabilidade possvel associar certos parmetros, os quais fornecem informao valiosa sobre
tal distribuio.

Um dos parmetros mais importantes o valor

esperado (esperana ou mdia) de uma varivel
aleatria X, denotado por E(X) ou .

Valor Esperado de uma v.a Discreta

Seja X uma varivel aleatria discreta com

possveis valores x1 , x2 , . . . , xn , . . .. Seja
p(xi ) = P(X = xi ), i = 1, 2, . . . , n, . . .. Ento,
o valor esperado ou mdia da varivel aleatria
X definido por:

X
= E(X) =
xi p(xi )
i=1

se a srie convergir.

Valor Esperado de uma v.a Contnua

Seja X uma varivel aleatria contnua com

fdp f (x). O valor esperado de X ser definido
por
Z +
xf (x)dx.
= E(X) =

Exemplo (v.a discreta)

Considere o exemplo do lanamento de duas moedas, onde a varivel aleatria X = nmero de caras
obtidas no lanamento de 2 moedas. Relembrando
que a funo de probabilidade :
xi
0
1
2
p(xi ) 1/4 1/2 1/4
obtemos a E(X) por
E(X) =

3
X
i=1


 
 

1
1
1
xi p(xi ) = 0
+ 1
+ 2
=1
4
2
4

Obs: isto representa que, ao lanarmos 2 moedas

esperamos que, em mdia, em um dos lanamentos
aparea uma Cara.

Exemplo (v.a contnua)

Considere a varivel aleatria contnua do exemplo
anterior, com a seguinte fdp:

2x,
0<x<1
f (x) =
0, caso contrio
obtemos a E(X) por
Z 1
Z 1
2x3 1 2
2
x(2x)dx =
2x dx =
E(X) =
 =
3 0 3
0
0

Propriedades da Esperana
Seja X uma v.a e c uma constante, ento:
O valor esperado (mdia) de uma constante a
prpria constante:
E(c) = c.

Multiplicando-se c por uma varivel aleatria X,

sua mdia fica multiplicada por esta constante:
E(cX) = cE(X).

Somando ou subtraindo c de uma varivel aleatria X, sua mdia fica somada ou subtrada
desta constante:
E(X c) = E(X) c.

Propriedades da Esperana

Sejam X e Y duas variveis aleatrias, o valor

esperado da soma/subtrao de variveis aleatrias equivale a soma/subtrao dos valores esperados de X e Y :
E(X Y ) = E(X) E(Y ).

Sejam X e Y duas variveis aleatrias independentes, temos que :

E(XY ) = E(X)E(Y ).

Esperana da funo de uma v.a.

Toda funo de uma v.a X, tambm uma

varivel aleatria. Logo, podemos falar na
esperana de X 2 , 2X + 1, entre outras. Assim,

X
2
x2i p(xi ).
Se X discreta E(X ) =
i=1
2

Se X contnua E(X ) =

x2 f (x)dx.

Varincia de uma v.a

Um outro parmetro importante que caracteriza uma
varivel aleatria a varincia.
A varincia fornece a disperso dos valores da varivel em relao ao valor esperado.
Definio: Seja X uma varivel aleatria (discreta
ou contnua)com esperana dada por E(X). A varincia de X definida por
Var(X) = E(X )2
= E(X 2 ) [E(X)]2

Observaes

Notao: Var(X) = 2

A varincia sempre positiva, Var(X) 0.

Var(X) expressa em unidades quadradas (o

que torna difcil a sua interpretao).

Desvio Padro

Desvio Padro: definido como a raiz quadrada

positiva da varincia, isto ,
p
= DP(X) = Var(X)
Obs: O desvio padro mede a disperso absoluta
de X, sendo expressa na mesma unidade da
varivel aleatria X.

Propriedades da Varincia
Sejam X uma v.a. e c constante, ento
A varincia de uma constante zero:
Var(c) = 0;

Somando-se ou subtraindo-se uma constante

varivel aleatria, sua varincia no se altera:
Var(c X) = Var(X).

Multiplicando-se c por uma v.a X, sua varincia

fica multiplicada pelo quadrado da constante:
Var(cX) = c2 Var(X).

Propriedades da Varincia

Sejam X e Y duas variveis aleatrias independentes, a varincia da soma/subtrao de variveis aleatrias equivale a soma das varincias de
X e Y:
Var(X Y ) = Var(X) + Var(Y ).

Exemplo (v.a discreta)

Considerando a varivel aleatria discreta X com
funo de probabilidade dada por:
xi
0
1
2
p(xi ) 1/4 1/2 1/4
Calcule a Var(X).
Soluo: Var(X) = E(X 2 ) [E(X)]2






P
E(X) = 3i=1 xi p(xi ) = 0 14 + 1 21 + 2 41 = 1






P
E(X 2 ) = 3i=1 x2i p(xi ) = 02 14 + 12 21 + 22 41 =
Var(X) =

3
2

12 =

1
2

3
2

Exemplo (v.a contnua)

Seja X uma varivel aleatria contnua com a
seguinte funo de densidade:

2x,
0<x<1
f (x) =
0, caso contrio
Calcular Var(X). Soluo: Var(X) = E(X 2 ) [E(X)]2
E(X) =
2

R1

E(X ) =

x(2x)dx =

R1

Var(X) =

0
1
2

R1
0

x (2x)dx =

2
1
23 = 18

2x dx =

R1
0

2x3 
3 

2x dx =

x4 
2 

2
3

1
2

Exemplo (v.a discreta)

Uma livraria mantm os registros das vendas dirias dos livros. Com os dados construiu a seguinte distribuio de
probabilidade da varivel aleatria X = nmero de livros
vendidos por semana:
xi
0
1
2
3
4
5
p(xi ) 0, 05 0, 15 0, 42 0, 2 0, 08 0, 1
a) Calcule a probabilidade de vender mais que 2 livros por
semana.
b) Calcule a probabilidade de vender no mximo um livro.
c) Calcule o nmero esperado de livros vendidos por semana.
d) Calcule a varincia dos livros vendidos por semana.
e) Seja Y = 3X 2 + X 2 o lucro da livraria em funo dos
livros vendidos. Qual o lucro esperado da livraria?

Exemplo (v.a discreta)

Soluo:
a) P(X > 2) = P(X = 3) + P(X = 4) + P(X = 5)
= 0, 2 + 0, 08 + 0, 1 = 0, 38
b) P(X 1) = P(X = 0) + P(X = 1) = 0, 05 + 0, 15 = 0, 2
c) E(X) = (0 0, 05) + (1 0, 15) + (2 0, 42) + (3 0, 2)
+(4 0, 08) + (5 0, 1) = 2, 41
d) E(X 2 ) = (02 0, 05)+(12 0, 15)+(22 0, 42)+(32 0, 2)
+(42 0, 08) + (52 0, 1) = 7, 41
Var(X) = E(X 2 ) [E(X)]2 = 1, 6
c) E(Y ) = E(3X 2 + X 2) = E(3X 2 ) + E(X) + E(2)
= 3 E(X 2 ) + E(X) 2 = 3 7, 41 + 2, 41 2 = 22, 64

Exemplo (v.a contnua)

O tempo (em anos) adequado de troca de uma pea de certa
marca de computador uma v.a. com a seguinte funo
densidade:
 x
,
0x4
8
f (x) =
0 caso contrio
a) Qual a probabilidade de um computador necessitar da
troca da pea antes de um ano de uso?
b) Cacule o tempo mdio de troca de uma pea de certa
marca de computador.
c) Cacule a varincia do tempo de troca de uma pea de
certa marca de computador.
d) Seja Y = (X 2)2 o prejuzo da empresa em funo do
tempo de troca. Qual o prejuzo esperado?

Exemplo (v.a contnua)

Soluo:
a) P(X < 1) =
b) E(X) =
2

c) E(X ) =

R4

R1 x

0 8 dx

x
0 x 8 dx

R4

2x
0 x 8 dx

1
x2 
16 0

R 4 x2

0 8

1
16

dx =

R 4 x3

= 0, 0625

4
x3 
24 0

4
x4 
32 0

8
3

=8

2
Var(X) = E(X 2 ) [E(X)]2 = 8 83 = 89


d) E(Y ) = E (X 2)2 = E(X 2 4X + 4)
= E(X 2 ) 4 E(X) + E(4) = 1, 33
0 8

dx =