Você está na página 1de 6

INSTITUTO FEDERAL DO ESPÍRITO SANTO

RAFAELA PONTES BREDER

DISTRIBUIÇÕES DE PROBABILIDADE PARA VARIÁVEIS ALEATÓRIAS


DISCRETAS

Distribuição de Bernoulli

Serra

2018
Variável aleatória é qualquer função definida sobre o espaço amostral Ω
que atribui um valor real a cada elemento do espaço amostral. Uma variável
aleatória é definida como sendo discreta quando o número de valores possíveis
que a variável assume for finito ou infinito enumerável. ¹

Por exemplo, no lançamento de um dado só há a possibilidade de cair


números inteiros de 1 a 6 (conjunto finito), portanto é um caso de variável
aleatória discreta finita.

Por outro lado, a quantidade de carros que passam por um pedágio é uma
variável aleatória discreta infinita, visto que sempre passarão carros (conjunto
infinito), mas será contado mais um carro, e não ½ carro ou outra fração. A
quantidade pode não ser identificada a princípio, mas é descritível com
facilidade.

Seja X uma variável aleatória discreta que assume valores (X1, X2...Xn).

O valor médio ou valor esperado de X é dado por (fórmula 1.1):

E(X) = X1 p(X1) + X2 p(X2) + ... + Xn p(Xn)

n
E(X)= ∑ Xi p(Xi)
i=1

A variância de X é o valor esperado da variável [X-E(X)] ², ou seja (fórmula


1.2):

Var (X) = (X1-E(X)) ² p(X1) + ... + (Xn-E(X)) ² p(Xn)

n
Var (X) = ∑ (Xi – E(x)) ² P(Xi)
i=1

O desvio padrão de X é dado por (fórmula 1.3):

DP(X) = √ Var (X)

Para resolver problemas como qual a probabilidade de acidentes numa


determinada semana, o número de caras em lançamentos de moeda, há os

¹ https://www.ime.usp.br/~giapaula/Aula%205-VAs%20Discretas-MAE0219.pdf
métodos de distribuição de probabilidade para variáveis aleatórias discretas. O
método abordado nesse trabalho é o de Bernoulli.

Muitos experimentos admitem apenas dois resultados, como lançamento


de uma moeda (cara ou coroa), passar ou não na faculdade, exame de um teste
médico dar positivo ou negativo, sexo de um bebê (feminino, masculino) ...

Quando a variável aleatória assume apenas dois valores, segue o modelo


de Bernoulli. Esses dois valores são 0 (fracasso) ou 1 (sucesso).

A função de probabilidade de variável aleatória X é dada por (fórmula 2.1):

P (X) = p x (1 − p) 1−x ,

em que x = 0 ou x = 1 e 0 ≤p≤1 é a probabilidade de sucesso.

Se p é a probabilidade de sucesso, conclui-se que a probabilidade de


fracasso é dada por 1-p.

Com as fórmulas acima sobre esperança, variância e desvio padrão em


variáveis aleatórias discretas, fica mais fácil encontrar as fórmulas da distribuição
de probabilidade de Bernoulli:

A esperança (ou valor médio) da distribuição de Bernoulli é dada por


(fórmula 2.2):

De acordo com a fórmula 1.1, E(X) = X1 p(X1) + X2 p(X2) + ... + Xn p(Xn):

Visto que no método de Bernoulli a variável aleatória só pode assumir 0 ou 1:

E(X) = O x P(X=0) + 1 x P(X=1) = O x (1-p) + 1 x p = p

A variância de X na distribuição de Bernoulli é definida por (fórmula 2.3):

De acordo com a fórmula 1.2, Var (X) = (X1-E(X)) ² p(X1) + ... + (Xn-E(X))² p(Xn).

Logo,

Var (X) = (0 – p)² (1-p) + (1-p)² (p) = (p²) (1 – p) + (1-2p+p²) (p) = p² - p³ + p –


2p² + p³ = p - p² = p (1-p)

O desvio padrão de X na distribuição de Bernoulli é (fórmula 2.4):

De acordo com a fórmula 1.3, DP(X) = √ Var (X).


Conclui- se então, que:

DP (X) = √ (p(1-p)

(a) Gráfico da função de probabilidade da variável aleatória de Bernoulli


(b) Gráfico da função de distribuição aleatória da variável aleatória de
Bernoulli

Exemplos:

1 – Um dado não viciado é lançado. Espera – se que caia com a face 5


virada para cima.

Chance de sucesso: face 5 (1/6)

Chance de fracasso: faces 1,2,3,4 e 6 (5/6)

P (X=1) = 1/6 = p

P (X=0) = 5/6 = 1-p

E (X) = (fórmula 2.2) = p = 1/6

Var (X) = (fórmula 2.3) = p (1-p) = (1/6) (5/6) = 5/36

2 – Tendo uma questão objetiva de 5 opções, qual seria a probabilidade


de acertar e a de errar a questão chutando?

Tendo como sucesso acertar a questão, conclui – se:

P(sucesso) = P (X=1) = 1/5 = p

P(fracasso) = P (X=0) = 4/5 = 1-p

E (X) = (fórmula 2.2) = p = 1/5


Var (X) = (fórmula 2.3) = p (1-p) = (1/5) (4/5) = 4/25

Analisando esse exemplo, percebe-se que ele se encaixa no modelo de


Bernoulli pois o chute foi em apenas uma questão, a resposta seria apenas o
erro ou o acerto da mesma (sucesso ou fracasso). Se houvessem mais questões,
por exemplo, se o exercício fosse calcular a probabilidade de acerto em chutar
4 questões objetivas, o experimento “chutar a questão” seria repetido mais de
uma vez.

A variável aleatória trata do número de sucessos, que não seria mais


apenas um. Sempre que um experimento de Bernoulli for repetido N vezes, a
variável aleatória do número de sucessos obedecerá ao modelo Binomial.

A distribuição de Bernoulli é uma distribuição discreta que está


relacionada com várias distribuições, como a distribuição binomial, geométrica e
binomial negativas. A distribuição de Bernoulli representa o resultado de um
ensaio. As sequências de ensaios independentes de Bernoulli geram as outras
distribuições — a distribuição binomial modela o número de sucessos em n
ensaios, a distribuição geométrica modela o número de falhas antes do primeiro
sucesso e a distribuição binomial negativa modela o número de falhas antes do
xo sucesso. ²

² https://support.minitab.com/pt-br/minitab/18/help-and-how-to/probability-distributions-and-
random-data/supporting-topics/distributions/bernoulli-distribution/
REFERÊNCIAS BIBLIOGRÁFICAS

DISTRIBUIÇÃO DE BERNOULLI E BINOMIAL. Disponível em:


<http://probabilidade.mat.br/materias/02-variaveis-aleatorias/bernoulli-
binomial>. Acesso em: 08 abr. 2018.

VARIÁVEIS ALEATÓRIAS DISCRETAS. Disponível em:


<https://www.ime.usp.br/~giapaula/Aula%205-VAs%20Discretas-
MAE0219.pdf>. Acesso em: 07 abr. 2018.

DISTRIBUIÇÃO BERNOULLI. Disponível em:


<https://support.minitab.com/pt-br/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/bernoulli-
distribution/>. Acesso em 08 abr. 2018.

ESTATÍSTICA BÁSICA. Disponível em:


<https://pt.scribd.com/doc/306673860/Morettin-e-Bussab-Estatistica-Basica-
6%C2%AA-Ed>. Acesso em 07 abr. 2018.

VARIÁVEIS ALEATÓRIAS E DISTRIBUIÇÕES DE PROBABILIDADE.


Disponível em: <http://leg.ufpr.br/~fernandomayer/aulas/ce001n-2016-
01/05_Variaveis_aleatorias/05_Variaveis_Aleatorias.pdf>. Acesso em 07 abr.
2018.