Você está na página 1de 10

Apostila 4

Curso: Engenharia Qumica- 4 Ano


Prof. Katia C S Paulo

1. VARIVEL ALEATRIA DISCRETA


Considere X uma varivel aleatria discreta assumindo os valores: x1, x2, ..., xi, ...,
com probabilidades f(x1), f(x2), .... , f(xi), ....

1.1. Expectncia, esperana, mdia ou valor esperado de X

A mdia, expectncia, valor esperado ou esperana matemtica da varivel


aleatria X representada por ou E(X) e calculada por:

= E(X) = x1f(x1) + x2f(x2) +... + xnf(xn) + ... = xi.f(xi)

Isto , E(X) a mdia ponderada dos possveis valores de X, cada um ponderado


por sua probabilidade.

Exemplo:
Calcular o nmero esperado de faces caras no lanamento de duas moedas equilibradas.
Soluo:
Seja X = Nmero de caras. Ento a distribuio de X dada por:

Logo o valor esperado de X ser: E(X) = 0.(1/4) + 1.(2/4) + 2.(1/4) = 1/2 + 1/2 = 1 cara.

1
1.2. A varincia de X

A mdia de uma varivel aleatria X mede, de certa forma, o valor mdio de X. O


prximo conceito, o de varincia de X, mede o espalhamento ou disperso de X.

= Var(X) = f(x ) (x - ) + f(x ) (x - ) + ... + f(x ) (x - ) + ...
2
1 1
2
2 2
2
n n
2

Pode-se demonstrar que a expresso da varincia, acima, pode ser transformada na


seguinte expresso:

= Var(X) = (xi)2 f(xi) = E ((x - )2)
2

Exemplo
Calcular a varincia da distribuio do exemplo anterior.

Soluo:
Tem-se que:

E(X) = 1, ento:
= Var(X) = f(xi)(xi) = (1/4)(0 - 1) + (2/4)( 1 - 1) + (1/4)(2 - 1) =
2 2 2 2 2

1.3. O desvio padro

O desvio padro da varivel X, anotado por , a raiz quadrada da varincia.

1.4. A varincia relativa e o coeficiente de variao

Seja X uma varivel aleatria discreta com mdia = E(X) e varincia = 2

Var(X). Ento a varincia relativa de X, anotada por: , e definida por: = /


2 2 2 2

O coeficiente de variao de X definido como a raiz quadrada da varincia


relativa: = /

Exemplo
Um vendedor recebe uma comisso de R$ 50,00 por uma venda. Baseado em suas
experincias anteriores ele calculou a distribuio de probabilidades das vendas semanais:

(a) Qual o valor esperado de vendas por semana?


(b) Qual a probabilidade de ganhar pelo menos R$ 150,00 por semana?
(c) Qual o desvio padro das vendas semanais?

2
(d) Qual o coeficiente de variao das vendas semanais?

Exerccios

1- Um jogador lana duas moedas. Ganha $1,00 ou $2,00, conforme ocorra uma ou
duas caras. Por outro lado, perde $5,00, se no ocorrer cara. Ache o valor esperado
E do jogo e se o mesmo favorvel ao jogador.

2- Uma moeda no-viciada lanada at que uma cara ou cinco coroas ocorram. Ache
o nmero esperado E de lanamentos da moeda.
3- Suponhamos que entre 100 carros segurados, 97 do lucro de $1.000,00 e 3 do
prejuzo de $29.000,00. Ache o valor esperado E e se o mesmo favorvel a
seguradora.

1.5. DISTRIBUIES ESPECIAIS DE PROBABILIDADE DISCRETAS

Existem algumas distribuies de probabilidade para variveis discretas que pela


sua freqncia de uso vale a pena estudar mais detalhadamente. Estas distribuies
apresentam expresses para o clculo das probabilidades, isto , as probabilidades f(x)
podem ser avaliadas atravs de um modelo matemtico conhecido. Duas destas
distribuies so a Binomial e a distribuio de Poisson.

1.5.1. A distribuio de Bernoulli

Consideremos uma nica tentativa de um experimento aleatrio. Podemos ter


sucesso ou fracasso nessa tentativa.
Seja p a probabilidade de sucesso e q a probabilidade de fracasso, com p + q = 1.
Seja X: numero de sucessos em uma nica tentativa do experimento. X assume o
valor 0 que corresponde ao fracasso, com probabilidade q, ou o valor 1, que corresponde ao
sucesso, com probabilidade p.

0 fracasso
X = com P(X=0) = q e P(X=1) = p
1sucesso

Nessa condio a varivel aleatria X tem distribuio de BERNOULLI, e sua


funo de probabilidade dada por:

3
P(X = x) = p x q1x

A representao grfica da distribuio dada por:


Distribuio de Bernoulli com parmetro p = 0,40

Propriedades da distribuio de Bernoulli

Mdia, expectncia ou valor esperado

E(X) = x.f (x) = 0.q + 1.p = p, isto , a mdia de uma varivel aleatria com distribuio
de Bernoulli igual ao seu parmetro p.

E(X) = P

Varincia
2 = E(X2) - 2 = 0.q + 1.p p2 =p p2 = p(1- p) = pq, isto , a varincia de uma varivel
aleatria com distribuio de Bernoulli igual ao produto pq.

VAR(X) = p q

O desvio padro
= pq

Exerccios
1- Suponha que um circuito testado e que ele seja rejeitado com probabilidade
0,10. Seja X = o nmero de circuitos rejeitados em um teste. Determine a distribuio de
X.

2- Uma urna tem 30 bolas brancas e 20 verdes. Retira-se uma bola dessa urna. Seja X:
numero de bolas verdes, calcular E(X) e VAR(X) e determinar P(X)>

4
1.5.2. A distribuio Geomtrica

A distribuio Geomtrica, a exemplo da Binomial, tambm est relacionada com o


experimento de Bernoulli. A diferena que, agora, o que fixado o primeiro sucesso e
no o nmero de tentativas.

Definio:
Seja X = nmero de tentativas realizadas at se conseguir o primeiro sucesso em um
experimento de Bernoulli. Ento X uma VAD denominada de Geomtrica.
O conjunto de valores dado por X = {1, 2, 3, ... }

X = x, que correponde a FFFS


com

x
P(X = x) = q x 1 p

Propriedades da distribuio
Geomtrica

Mdia, expectncia ou valor esperado

= E(X) = 1/p

Varincia

= E(X ) - = q/p2
2 2 2

O desvio padro

2
=

Exercicios:
1- Suponha que um jogador de futebol converta 3 de cada 4 penalidades cobradas.
Determine a probabilidade de ele errar 4 penalidades antes de converter a primeira?

2- A probabilidade de se encontrar aberto o sinal de trnsito numa esquina 0,20.


Qual a Probabilidade de que seja necessrio passar pelo local 5 vezes, para encontrar o sinal
aberto pela primeira vez?

5
1.5.3. A distribuio Binomial

Seja E um experimento aleatrio e S um espao amostra associado. Seja A S um


evento de S. Seja n o nmero de vezes que o experimento E repetido e seja p a
probabilidade de A ocorrer em cada uma das n repeties de E, de modo que, p
permanea constante durante as n repeties de E. Como existem apenas duas situaes:
A ocorre ou A no ocorre, pode-se determinar a probabilidade de A no ocorrer como
sendo q = 1 - p.

Teorema:
Se X uma varivel aleatria com um comportamento Binomial, ento a
probabilidade de X assumir um dos valores do conjunto X(S) calculada por:

Exercicios
1- Uma moeda lanada 20 vezes. Qual a probabilidade de sarem 8 caras?

2- Considerando X como sendo a VAD igual a nmero de vezes que ocorre face
cara em 5 lanamentos de uma moeda equilibrada, determinar a probabilidade de ocorrer:
(a) Duas caras
(b) Quatro caras
(c) No mximo duas caras

Soluo: Neste caso, tem-se:

n = 5 = nmero de lanamentos.
X = nmero de caras nos 5 lanamentos X(S) = { 0, 1, 2, 3, 4, 5 }
p = P(cara em um lanamento) = 0,50, pois a moeda equilibrada. Logo q = 1 - p = 0,50
Ento:

f(x) = P(X = x) =

(a) P(X = 2) =

(b) P(X = 4) =

(c) P(X 2) =

6
Propriedades da distribuio de Binomial

A vantagem de se ter um modelo conhecido que podemos determinar suas


caractersticas de um modo geral. Assim se X uma VAD com uma distribuio Binomial
tem-se:

Mdia, expectncia ou valor esperado

= E(X) = n.p

Varincia

= Var(X) = n.p.q
2

O desvio padro

Exemplos:
1- Um dado no-viciado lanado 180 vezes. O nmero esperado de 6 _ _ _ _ _ _
_ . O desvio padro _ _ _ _ _ _ _ _ _.

2- A probabilidade de um exemplar defeituoso com que opera certo processo


produtivo de 10%. Considerando X a varivel nmero de unidades defeituosas em uma
amostra ocasional de 20 unidades, determinar:
(a) O nmero mdio de item defeituosos na amostra.
(b) O desvio padro do nmero de item defeituosos na amostra.

3- [NET74] Num determinado processo de fabricao 10% das peas so consideradas


defeituosas. As peas so acondicionadas em caixas com 5 unidades cada uma.
(a) Qual a probabilidade de haver exatamente 3 peas defeituosas numa caixa?
(b) Qual a probabilidade de haver duas ou mais peas defeituosas numa caixa?
(c) Se a empresa paga uma multa de R$ 10,00 por caixa em que houver alguma pea
defeituosa, qual o valor esperado da multa num total de 1000 caixas?

7
1.5.4. Distribuio de Pascal

Suponhamos que um experimento aleatrio seja repetido independentemente at que


um evento A ocorra pela r-sima vez.
Seja P( A ) = p (sucesso)
e P( A ) = q (fracasso) em cada tentativa do experimento
Seja X: numero de repeties necessrias para que A ocorra pela r-sima vez.
Se r = 1, X tem distribuio geomtrica.
Se X = x, o evento ocorre pela r-sima vez na repetio de numero x. Logo A

ocorre (r 1) vezes nas (x 1) repeties anteriores.

x 1 r x r
P(X = x) = p q , xr
r 1

Esperana e Varincia

r
E(X) =
p

rq
VAR (X) =
p2

Exemplo:
1- A probabilidade de que um sinal de trnsito esteja aberto numa esquina
0,20. Qual a probabilidade de que seja necessrio passar pelo local 10 vezes para encontr-
lo aberto pela 4 vez?

Exerccios

1- Uma moeda no viciada lanada 8 vezes. Encontre a probabilidade de dar 5


caras.
2- A probabilidade de um item produzido por uma fbrica ser defeituoso 0,02.
Uma partida de 10.000 itens enviada para seu depsito. Encontre o nmero
esperado E de itens defeituosos e o desvio-padro.
3- Qual a probabilidade de que um dado deva ser lanado 15 vezes para que na 15
vez ocorra a face 6 pela primeira vez?
4- Uma prova tipo teste tem 50 questes independentes. Cada questo tem 5
alternativas. Apenas uma das a correta. Se um aluno resolver a prova
respondendo a esmo as questes, qual a probabilidade de tirar nota 5?

8
2. VARIVEIS ALEATRIAS CONTNUAS
Consideremos a distribuio de probabilidade da varivel aleatria discreta X:

X P(X)
1 0,1
2 0,2
3 0,4
4 0,2
5 0,1

Faremos o histograma da distribuio de probabilidade de X.


O histograma um grfico da distribuio de X. constitudo com retngulo de
bases unitrias e alturas iguais s probabilidades de X = x0.

0,5

0,4

0,3

0,2

0,1

0
P(X)

As reas dos retngulos so:

Ar1 = b1 h1 = 1 0,1 = 0,1 Ar1 = P(X = 1)


Ar2 = b2 h2 = 1 0,2 = 0,2 Ar2 = P(X = 2)
Ar3 = b3 h3 = 1 0,4 = 0,4 Ar3 = P(X = 3)
Ar4 = b4 h4 = 1 0,2 = 0,2 Ar4 = P(X = 4)
Ar5 = b5 h5 = 1 0,1 = 0,1 Ar1 = P(X = 5)

Como P(X = i) = 1 temos que:


i=1

A ri =1
i=1

Para calcularmos, por exemplo, P(1 X 3), basta calcular a soma das reas Ar1, Ar2 e Ar3.

P(1 X 3) =

Se tomarmos os pontos mdios das bases superiores dos retngulos e ligarmos os mesmos
por uma curva, teremos, se considerarmos X uma varivel aleatria contnua, uma funo
Contnua f(X), representada no grfico:

a b

Podemos ento definir


Varivel aleatria contnua: uma varivel aleatria X contnua em R se existir uma funo
f(x), tal que:

1. f (x) 0 (no negativa)



2. f (x)dx = 1


A funo f(x) chamada funo densidade de probabilidade (f.d.p.)

b
P(a X b) = f (x)dx
a
Esperana:

E(X) = x f (x)dx

Varincia:
2
VAR(X) = { x E(X)} f (x)dx

ou
2
VAR(X) = E(X 2 ) { E(X)} onde


2
E(X ) = x 2
f (x)dx

10