Escolar Documentos
Profissional Documentos
Cultura Documentos
Y P(Y=y) % P(Y=y)
0 61/100 61,00%
1 39/100 39,00%
Total 1 100%
Tabela 2
39.00%
30.00%
20.00%
10.00%
0.00%
0 1
Y
Gráfico 1
Sendo a variância de Y calculada a partir da fórmula Var (Y) = ∑ i (yi – E)2 p (yi), ou Var (Y)
= E E(Y)2 – [E (Y)]2, a variância desta distribuição de probabilidade P (Y) é: Var (Y) =
0,2379. A partir disso, sendo o desvio padrão de Y calculado a partir da fórmula DP (Y) =
√ Var (Y ), o desvio padrão desta distribuição de probabilidade P (Y) é: DP (Y) = 0,4877.
6. Defina também a seguinte variável aleatória discreta: 𝑋: número de defesas
(acertos) em uma sequência de 4 chutes consecutivos. Note que a variável aleatória 𝑋, tal
como definida, assumirá os valores 0, 1, 2, 3 ou 4. Para análise da variável 𝑋, considere todos
os valores anotados na coluna 3 e:
Resposta: As probabilidades empíricas neste caso também são calculadas a partir das
frequências relativas dos dados experimentais coletados no jogo do goleiro presentes na
Tabela 1, mas dessa vez a definição da variável X torna a terceira coluna relevante. Assim, as
probabilidades empíricas da variável aleatória X são apresentadas na Tabela 3 a seguir.
X P(X=x) % P(X=x)
0 4/25 16,00%
1 9/25 36,00%
2 8/25 32,00%
3 2/25 8,00%
4 2/25 8,00%
Total 1 100%
Tabela 3
20.00%
15.00% 16.00%
10.00%
5.00% 8.00% 8.00%
0.00%
0 1 2 3 4
X
Gráfico 2
a. Neste caso, que parâmetro 𝑝 (probabilidade de sucesso) do modelo binomial você utilizaria
para representar os experimentos? Por quê?
Resposta: O parâmetro adequado para representar os experimentos é p = 1/3, pois para cada
chute há três possíveis posições para onde a bola pode ser chutada (esquerda, direita ou
centro) e apenas uma dessas posições pode ser ocupada pelo goleiro, de modo que escolhendo
uma das três posições o goleiro tem 1/3 de chance de acertar e 2/3 de chance de errar, o que
determina uma possibilidade de sucesso de 1/3.
% P(X)
20.00%
experimentos são analisados como experimentos 19.75%
15.00%
binominais, pode-se calcular a distribuição de 10.00%
9.88%
probabilidade da variável X por meio da fórmula: 5.00%
0.00% 1.23%
0 1 2 3 4
P ( x ) = n p (1− p)
x n−x X
()x
. Além disso, a partir das
considerações anteriores sabe-se que n = 4, p = 1/3 e q = 2/3, de modo que é possível calcular
essa distribuição de probabilidade binominal como registrado na Tabela 4. A quarta coluna da
Tabela 4 explicita como fórmula calcula a probabilidade de cada x i. O Gráfico 3 corresponde
a representação em um gráfico de barras dessa distribuição de probabilidade.
% P (X=x)
X P(X=x)
P(X=x)
0 0,1975 19,75% q4
1 0,3951 39,51% 4pq3
2 0,2963 29,63% 6p2q2
3 0,0988 9,88% 4p3q
4 0,0123 1,23% p4
q + 4pq3 +
4
A partir disso, é esperado, de forma geral que, sendo os eventos dependentes, a média
empírica seja maior que a média teórica da hipótese de independência dos eventos, pois no
primeiro caso ocorreriam mais acertos. Isso é de fato observado nos dados coletados nessa
prática pois a média da distribuição empírica é maior com uma diferença equivalente a
aproximadamente 0,2267.
Os Gráficos 2 e 3 foram reproduzidos novamente lado a lado para facilitar essa análise:
Distribuição de Probabilidade
(Teórica para eventos independentes)
Distribuição de Probabilidade (Empírica) E (X) = 1,3333 e DP (X) = 0,9428
45.00%
E (X) = 1,56 e DP (X) = 1,0984
40.00% 40.00%
39.51%
35.00% 35.00%
36.00%
20.00% 20.00%
19.75%
15.00% 16.00% 15.00%
10.00% 10.00%
9.88%
8.00% 8.00% 5.00%
5.00%
Gráfico 2
Gráfico 3
Portanto, pode-se concluir que as discrepâncias entre as duas distribuições podem não
ser tão expressivas, mas já configuram evidências que em conjunto contradizem a hipótese de
que os eventos no jogo do Goleiro são independentes, pois elas apontam para uma divergência
que poderia ser mais significativa com uma amostra maior, já que quanto maior a amostra de
uma distribuição empírica mais ela se aproxima da distribuição teórica correspondente a ela.
Desse modo, realizar mais tentativas no Jogo do Goleiro ou comparar dados de mais
indivíduos, isto é, obter uma amostra maior, poderia constituir uma distribuição de
probabilidade mais confiável, esclarecendo a dependência dos eventos.