Variáveis Aleatórias

Unidimensionais
Alberto Barros

Cursos: CST em Sistemas de Telecomunicações

Bacharelado em Engenharia Elétrica
1
 Roteiro
O conceito de variável aleatória
Tipos de variáveis aleatórias: discretas e
contínuas
A função de probabilidade de uma variável
aleatória discreta
A função densidade de probabilidade de uma
variável aleatória contínua
A função de distribuição acumulada de uma
variável aleatória
Exemplos do caso discreto
Exemplos do caso contínuo
2
O Que é uma Variável Aleatória?
Imagine que um dado comum vai se lançado.
Tente dizer qual será o número resultante.

É claro que, antes do lançamento, não

poderemos dizer qual é o número que ocorrerá,
pois o resultado depende do fator sorte e, por
isso, é uma variável aleatória.

Uma variável aleatória pode ser entendida

como uma variável quantitativa, cujo resultado
depende de fatores aleatórios. 3
 Variável Aleatória

qualitativa
discreta
característica
v.a.
quantitativa
contínua

Definição: variável aleatória é uma função que associa

cada elemento de Ω a um número real.

4
 Variável Aleatória
Experimento: jogar uma moeda 2 vezes e observar o
resultado (K = coroa e C = cara)
CC X: número de caras nos 2 lançamentos da moeda
KC
CK
KK

Ω 0 1 2

X = 0 ⇔ KK P(X = 0) = P(KK)
X = 1 ⇔ KC ∪ CK P(X = 1) = P(KC ∪ CK)
X = 2 ⇔ CC P(X = 2) = P(CC)

5
 Tipos de Variável Aleatória
As variáveis aleatórias podem ser discretas ou
contínuas conforme mostra o esquema abaixo:
Os possíveis resultados
estão contidos em um
Discretas conjunto finito ou infinito
enumerável.
Variáveis
aleatórias Os possíveis resultados
abrangem todo um
Contínuas intervalo de números
reais.

6
 Variável Aleatória Discreta
Uma variável aleatória é discreta quando o número de
possíveis valores que ela puder assumir for finito ou
infinito enumerável.
Exemplos:

a) Experimento: jogar um dado b) Experimento: Observar, em

um circuito com 5
X: ponto obtido no dado componentes ligados em
série, o número de
X = {1, 2, 3, 4, 5, 6} componentes que falham

X: = 1 se ponto for igual a 6 X: número de componentes

X: = 0 caso contrário que falham em um
circuito com 5 existentes
X = {0, 1}
7
X = {0, 1, 2, 3, 4, 5}
 Variável Aleatória Discreta
c) d)

Experimento: Experimento: Observar uma

Observar o número de certa operadora de tv a cabo
falhas em um sistema
telefônico num X: número de dias, após o dia de
determinado período instalação, até ocorrer falhas
na transmissão de algum
X: número de falhas canal
em um sistema de
telefonia X = {1, 2, 3, ...}
X = {0, 1, 2, ...}

8
Função de Probabilidade de uma
Variável Aleatória Discreta
Se X for uma variável aleatória discreta, com possíveis
valores {x1, x2, ...}, então a distribuição de probabilidades
de X pode ser apresentada pela chamada função de
probabilidade, que associa a cada valor possível xi, a
sua probabilidade de ocorrência p(xi), ou seja,

p(xi) = P(X = xi)

Uma função de probabilidade deve satisfazer:
p(xi) ≥ 0;
∞
∑ p(x i ) = 1
i =1 9
 Exemplo
Exemplo 1: Seja X uma variável aleatória que representa o número
obtido no lançamento de um dado comum. Obter a função de
probabilidade de X.

Solução:

Se assumirmos o dado perfeitamente equilibrado e o lançamento

imparcial, podemos alocar as seguintes probabilidades aos valores
possíveis de X:
Valores possíveis (x) Probabilidades p(x)
1 1/6 ou resumidamente,
2 1/6
3 1/6 p(x) = 1/6
4 1/6
5 1/6 x = 1, 2, 3, 4, 5, 6
6 1/6
10
Total 1
 Exemplo
Exemplo 2: Seja o experimento de lançar 2 moedas e X
a variável aleatória que representa o número de caras
obtidas. Ache a função de probabilidade de X.

Solução:

Vimos que o espaço amostral associado a esse

experimento é dado por

Ω = {(c, c), (c, k), (k, c), (k, k)},

onde c = cara e k = coroa,

e, portanto X pode assumir valores no conjunto {0, 1, 2}.

11
 Continuação do Exemplo 2
A função de probabilidade de X é dada por

x 0 1 2
p(x) p(0) p(1) p(2)
onde

p(0) = P(X = 0) = P[ocorrer (k, k)] = 1/4;

p(1) = P(X = 1) = P[ocorrer (c, k) ou (k, c)] = 1/4 +1/4 = 2/4;

p(2) = P(X = 2) = P[ocorrer (c, c)] = 1/4;

Com isso, temos que a função de probabilidade de X é dada por

x 0 1 2 Note que Σp(x) = 1

p(x) 1/4 2/4 1/4 12
 Variável Aleatória Contínua
Uma variável aleatória é denominada de
contínua se os possíveis valores que ela puder
assumir abranger todo um intervalo de números
reais. São exemplos de tais variáveis:

Tempo de resposta de um sistema

computacional;
Umidade relativa do ar;
Tempo de falha de um sistema;
Temperatura de uma cidade;
Resistência elétrica; 13
Função de Probabilidade de uma
Variável Aleatória Contínua
As probabilidades de eventos associados a
uma variável aleatória contínua X podem ser
calculadas através de uma função densidade
de probabilidade f(x), que deve satisfazer às
seguintes condições:

f(x) ≥ 0, ∀ x ∈ ℜ;
∞

∫ f(x) dx = 1 ;
−∞
(A área sob toda curva f(x) é igual a 1)

14
Função Densidade de Probabilidade
Para quaisquer constantes “a” e “b”. temos que
b

P( a ≤ X ≤ b) = ∫ f(x) dx
a

ou seja, P( a ≤ X ≤ b) representa a área sob a curva da

função densidade entre os pontos “a” e “b”, conforme a
figura abaixo:
f(x)

P(a ≤ X ≤ b)

a b x 15
Função Densidade de Probabilidade
Note que para qualquer valor específico de X, digamos
x0, temos que
x0
P(X = x0) = ∫ f(x) dx = 0 ,
x0

e, em virtude disto, temos que se X é uma variável

aleatória contínua, então,

P( a ≤ X ≤ b) = P( a < X ≤ b) = P( a ≤ X < b) = P( a < X < b)

16
 Exemplo
Exemplo 3: Seja X uma variável aleatória
definida como o tempo de resposta na consulta
de um banco de dados, em minutos. Suponha
que X tenha a seguinte função densidade de
probabilidade:
2e − 2x , se x ≥ 0
f(x) = 
 0 , se x < 0

Qual a probabilidade da resposta demorar mais

que 3 minutos?
17
Solução do Exemplo 3

∞ ∞ ∞
P(X > 3) = ∫ f(x)dx = ∫ 2e -2x dx = 2 ∫ e -2x dx
3 3 3

∞
 1 − 2x 
= 2 − e  = 0 − (−e −6 ) = e −6 ≅ 0,0025
 2 3

18
 Exemplo
Exemplo 4: O diâmetro X de um cabo elétrico
supõe-se ser uma variável aleatória contínua X
com a seguinte função densidade:

6x(1 - x), se 0 ≤ x ≤ 1
f(x) = 
 0, se x < 0 ou x > 1

a) Mostre que f(x) é, de fato, uma função

densidade
b) Calcule P(X ≤ 1/2 | 1/3 < X< 2/3)
19
 Solução do Exemplo 4a ∞

Devemos mostrar que ∫ f(x) dx = 1

−∞
∞ 0 1 ∞

∫ f(x)dx = ∫ f(x)dx + ∫ f(x)dx + ∫ f(x)dx

-∞ -∞ 0 1
0 1 ∞

= ∫ 0dx + ∫ 6x(1 - x)dx + ∫ 0dx

-∞ 0 1
1 1

= 0 + ∫ 6x(1 - x)dx + 0 = 6 ∫ (x - x 2 )dx

0 0

 1 1
  x 2 1
x 3 1 

= 6  ∫ xdx - ∫ x dx  = 6 
2
− =
0 0   2 0 3 0 
 1  1  1 1
= 6  − 0  −  − 0   = 6  −  = 3 − 2 = 1
 2  3  2 3
20
 Solução do Exemplo 4b
Usando a definição de probabilidade condicional,
temos

P((X ≤ 1/2) ∩ (1/3 < X < 2/3))

P(X ≤ 1/2 | 1/3 < X < 2/3) =
P(1/3 < X < 2/3)

P(1/3 < X ≤ 1/2)

=
P(1/3 < X < 2/3)

21
 Solução do Exemplo 4b
1/ 2 1/ 2

P(1/3 < X ≤ 1/2) = ∫ f(x)dx = ∫ 6x(1 - x)dx

1/ 3 1/ 3
1/ 2
 1/ 2 1/ 2

= 6 ∫ (x - x )dx = 6  ∫ xdx - ∫ x dx 
2 2

1/ 3 1 / 3 1/ 3 
 x 2 1/ 2 x 3 1/ 2   1 1   1 1 
= 6 −  = 6  −  −  − 
 2 1 / 3 3 1 / 3   8 18   24 81  
18 − 8 81 − 24   10 57 
= 6 −  = 6 −
 144 1944  144 1944 
5 19  5 19 45 − 19 26
= 6 − = − = =
 72 648  12 108 108 108
13
=
54 22
 Solução do Exemplo 4b
2/3 2/3

P(1/3 < X ≤ 2/3) = ∫ f(x)dx = ∫ 6x(1 - x)dx

1/ 3 1/ 3
2/3
 2/3 2/3

= 6 ∫ (x - x )dx = 6  ∫ xdx - ∫ x dx 
2 2

1/ 3 1/ 3 1/ 3 
 x2 2/3 x3 2/3   4 1   8 1 
= 6 −  = 6  −  −  − 
 2 1/ 3 3 1/ 3   18 18   81 81 
3 7 42 81 − 42 39 13
= 6 −  = 1 − = = =
18 81 81 81 81 27

23
 Solução do Exemplo 4b
Então

13 / 54 13 27 27 1
P(X ≤ 1/2 | 1/3 < X < 2/3) = = ⋅ = =
13/27 54 13 54 2

24
 Função de
Distribuiução Acumulada
Outra forma de representar uma distribuição de
probabilidade de uma variável aleatória é através de sua
função de distribuição acumulada, que é dada por

F(x) = P(X ≤ x), ∀ x ∈ |R

Assim, para todo x ∈ |R, a função de distribuição

acumulada descreve a probabilidade de ocorrer um
valor até x, conforme é ilustrado abaixo:
x
Reta Real

até x 25
 Função de
Distribuiução Acumulada
Caso Discreto

F(x) = P(X ≤ x) = ∑ p(x i ), ∀ x ∈ ℜ

i

onde o somatório é estendido a todos os índices i que

satisfaçam à condição x i ≤ x

Caso Contínuo
x

F(x) = P(X ≤ x) = ∫ f(s)ds, ∀ x ∈ ℜ

−∞

26
 Propriedades da Função de
Distribuiução Acumulada

A função de distribuição acumulada é não decrescente,

ou seja, se x1 ≤ x2, então F(x1) ≤ F(x2)

lim F(x) = 0 e lim

x → −∞ x→ ∞
F(x) = 1

Se X é uma variável aleatória discreta com possíveis

valores x1, x2, ..., então

p(x i ) = P(X = x i ) = F(x i ) − F(x i −1 )

27
 Propriedades da Função de
Distribuiução Acumulada
Se X é uma variável aleatória contínua, então

d
(a) f(x) = F(x), para todo x em que F(x) é derivável
dx

(b) P(X < a) = P(X ≤ a) = F(a)

P(X > b) = 1 – P(X ≤ b) = 1 – F(b)

P(a < X < b) = P(X < b) – P(X ≤ a) = F(b) – F(a)

28
 Exemplo
Exemplo 5: Seja X a variável aleatória que representa o
número de caras obtidas ao lançarmos 2 moedas
honestas. Encontre a função de distribuição acumulada
de X. Faça o gráfico desta função.

Solução:

A função de distribuição acumulada é obtida a partir da

função de probabilidade de X, que é dada por:

x 0 1 2
p(x) 1/4 2/4 1/4
29
 Continuação do Exemplo 5

0, se x < 0 F(x)

1/4, se 0 ≤ x < 1

F(x) =  1 •
3/4, se 1 ≤ x < 2
•
1, se x ≥ 2 3/4 °
1/4 •
°
0°
2 x
1

30
 Exemplo
Exemplo 6: Seja X a variável aleatória que representa o
resultado obtido ao lançarmos um dado honesto.
Encontre a função de distribuição acumulada de X e
represente-a graficamente.

Solução:
A função de probabilidade de X é dada por:
Valores possíveis (x) Probabilidades p(x)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
31
Total 1
 Continuação do Exemplo 6

F(x)
0, se x < 1
1/6, se 1 ≤ x < 2
 1 •
2/6, se 2 ≤ x < 3

F(x) = 3/6, se 3 ≤ x < 4
5/6 •
°
4/6, se 4 ≤ x < 5
4/6 •
°
•

5/6, se 5 ≤ x < 6
3/6 °
1, se x ≥ 6
2/6 •
°
 1/6 •
°
0 ° x
1 2 3 4 5 6

32
 Exemplo
Exemplo 7: Obtenha a função de distribuição
acumulada para a variável aleatória definida no
exemplo 3.

Solução

Note que a função densidade muda de acordo com

o intervalo em que se encontra o valor x e,
portanto, o mesmo vai acontecer com a função de
distribuição acumulada.
33
 Solução do Exemplo 7
1º caso: x < 0
x x

F(x) = P(X ≤ x) = ∫ f(t)dt = ∫ 0dt = 0

-∞ -∞

2º caso: x ≥ 0

34
 Solução do Exemplo 7

Portanto, a Função de distribuição

acumulada da variável aleatória do
exemplo 7 é dada por:

 1 − e , se x ≥ 0
−2x

F(x) = 
0 , se x < 0

35
Gráfico de F(x) - Exemplo 7

F(x)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-10 -7,5 -5 -2,5 0 2,5 5 7,5 10

36
 Exemplo
Exemplo 8: Obtenha a função de distribuição
acumulada para a variável aleatória definida no
exemplo 4.

Solução

1º caso: x < 0

x x

F(x) = P(X ≤ x) = ∫ f(s)ds = ∫ 0ds = 0

-∞ -∞

37
 Solução do Exemplo 8
2º caso: 0 ≤ x ≤ 1

x 0 x x

F(x) = P(X ≤ x) = ∫ f(s)ds = ∫ 0ds + ∫ 6s(1 - s)ds = 0 + 6 ∫ s(1 - s)ds

-∞ -∞ 0 0

 x x
  s 2 x
s 3 x

= 6  ∫ sds − ∫ s ds  = 6 
2
− 
0 0   2 0 3 0 

= 3( x − 0 ) − 2( x − 0 ) = 3x − 2 x
2 2 3 3 2 3

38
 Solução do Exemplo 8
3º caso: x > 1

x 0 1 x

F(x) = P(X ≤ x) = ∫ f(s)ds = ∫ 0ds + ∫ 6s(1 - s)ds + ∫ 0ds

-∞ -∞ 0 1
1

= 0 + 6 ∫ s(1 - s)ds + 0
0

 s2 1
s 3 1

= 6 −  = 3 (12
− 0 2
) − 2 (13
− 0 3
)
 2 0
3 0


= 3− 2 =1
39
 Solução do Exemplo 8

Portanto, a Função de distribuição

acumulada da variável aleatória do
exemplo 4 é dada por:

 0 , se x < 0
3x 2 − 2 x 3 , se 0 ≤ x ≤ 1
F(x) = 
 1 , se x > 1
40
Gráfico de F(x) - Exemplo 8

F(x)
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
-10 -7,5 -5 -2,5 0 2,5 5 7,5 10

41
 Referências Bibliográficas
Meyer, Paul L.; Probabilidade: Aplicações à
Estatística, LTC Editora, 2a edição;

Bussab, Wilton de O. e Morettin, Pedro A.;

Estatística Básica, Editora Saraiva, 5a edição;

Barbetta, Pedro A.; Reis, Marcelo M. e Bornia,

Antônio C.; Estatística para Cursos de
Engenharia e Informátrica, Editora Atlas, 2004;

42
 Próxima Aula...

Funções de Variáveis
Aleatórias

43