02/05/2019

MODELOS TEÓRICOS DISCRETOS DE

Distribuição de Probabilidades
Variáveis Aleatório: Chamamos de variáveis Aleatório
aquele experimento que, repetido em idênticas condições,
produz resultados diferentes. (lançamento de um dado)
Uma distribuição de probabilidades dá a probabilidade de
cada valor de uma variável aleatória.
PROBABILIDADES
Variável aleatória discreta: Seja uma variável aleatória
definida no espaço amostral . Diz-se que é uma variável
aleatória discreta (v.a.d.) se assume um número finito, ou
enumerável, de valores. De outro modo, é discreta se
existe um conjunto enumerável { , , … , }, contido em
R.

Para toda distribuição de probabilidades define-se:

função de probabilidade, esperança,
variância e desvio padrão.
1 2

Distribuição de Probabilidades Distribuição de Probabilidades

Função de Probabilidade: Seja X uma variável aleatória
Exemplo: Seja X a v.a.d. que indica o total de
discreta. Sejam ; ; ; … seus possíveis valores. A cada
resultados iguais a 6, obtidos em cinco lançamentos de
resultado associaremos um número ( ) = ( = ),
denominado probabilidade de , tal que:. um dado. Então X ={0 , 1 , 2 , 3 , 4 , 5}. As
probabilidades são dadas por:

•(a) 0 ≤ = ≤ 1 para todos os

•(b) ∑ ( = ) = 1

3 4

1
 02/05/2019

Distribuição de Probabilidades Esperança

• O valor esperado da variável aleatória (ou
Exemplo: Um lote contém 20 unidades de um esperança matemática de X), representado por ( ), é
componente, sendo quatro defeituosas. São retiradas uma média ponderada de todos os valores de . O
quatro peças e X representa o número de unidades peso, ou ponderação, de cada valor é igual a
defeituosas entre as quatro retiradas. Neste caso a probabilidade de X tomar esse valor. O valor esperado
variável X assume seus valores no conjunto = é sempre um número real.
{0 , 1 , 2 , 3 , 4}. O espaço de probabilidade P é dado por
= {0,3756 ; 0,4623 ; 0,1486 ; 0,0132 ; 0,0002}. = = ( = )

5 6

Esperança
• O valor esperado de uma variável aleatória não é
necessariamente um de seus possíveis valores.
Exemplo: qual o valor esperado de número Y que
aparece num dado:
Esperança
• Exemplo: Uma seguradora paga R$ 30.000,00 em caso
de acidente de carro e cobra uma taxa de R$ 1.000,00.
Sabe-se que as chances de que um carro sofra um acidente
é de 3%, quanto a seguradora espera ganhar por carro
segurado?

( ) = 3,5
X P(X) X.P(X)
1.000 0,97 970
Mas Y não assume o valor de 3,5.
-29.000 0,03 -870

•Assim, = $100,00
7 8

2
 02/05/2019

Esperança VARIÂNCIA
• Propriedades da Esperança: •O conhecimento da média de uma distribuição é importante,
i) ( ) = , sendo k uma constante; mas não nos dá ideia do grau de dispersão da probabilidade
•ii) . = . ( ); em torno da média. A medida que dá o grau de dispersão (ou
•Iii) ± = ± ( ) de concentração) de probabilidade em torno da média é a
Variância.
•iv) . = . ( ) desde que X e Y sejam
independentes.
= − = ( − )² ( = )

•Exemplo: Suponha que você ganhe R$ 100,00 multiplicado

pelo número que aparece quando se joga um dado. Se Y é = − ( )
variável aleatória que representa o número do dado, e W
representa o seu ganho, então W = 100.Y. podemos calcular:
= ( . ) Onde, =∑ ( _)
9 10

VARIÂNCIA VARIÂNCIA
•Exemplo: Vamos agora calcular a variância para a •Propriedades:
distribuição abaixo: • Propriedades da variância:
• ) ( ) = 0;
• ) ( . ) = ( );
• ) ( . ) = ( ) + ( ) + 2 ( , ).

• DEFINIÇÃO - Covariância entre X e Y:

• = – = − 1 = 0,25
•c ( , ) = (( − ( ))( − ( )))

•A covariância mede o grau de dependência entre as duas

11 12
variáveis X e Y.

3
 02/05/2019

VARIÂNCIA Desvio Padrão

•Propriedades: •É a raiz quadrada da Variância.
• OBS: Quanto menor a Variância, menor o grau de dispersão
de probabilidades em torno da média e vice-versa; quanto =
maior a variância, maior o grau de dispersão da probabilidade
em torno da média.
No exemplo anterior: = 0,25 = 0,5
• OBS: A variância é uma medida quadrada, e muitas vezes
torna-se artificial. Por exemplo: altura média de um grupo de
pessoas é 1,70 m e a variância é 25 cm2. Fica um tanto
quanto esquisito cm2 de altura. Contornaremos esse
problema definindo o desvio padrão.

13 14

Desvio Padrão
•Exemplo: Os empregados A, B, C e D ganham 1, 2, 2 e 4
salários mínimos, respectivamente. Retiram-se amostras com
reposição de dois indivíduos e mede-se o salário médio da
amostra retirada. Qual a média e desvio padrão do salário
médio amostral?

(X)

=
=
15
=

4
 02/05/2019

Desvio Padrão MODELOS TEÓRICOS CONTÍNUOS DE

•Exemplo: Num jogo de dados, Cláudio paga R$20,00 a
Lúcio e lança 3 dados. Se sair face 1 em um dos dados
apenas, Cláudio ganha R$ 20,00. Se sair face 1 em dois
dados apenas, Cláudio ganha R$ 50,00 e se sair 1 nos três
dados, Cláudio ganha R$ 80,00. Calcule o lucro médio de
Cláudio em uma jogada. Calcule o desvio padrão.
PROBABILIDADES
Variável aleatória contínua: Seja X uma variável aleatória
definida no espaço amostral S. Diz-se que X é uma variável
aleatória contínua (v.a.c.) se assume seus valores em um
intervalo de números reais.

( )
Exemplo – Seja t a variável aleatória que representa o
tempo entre duas falhas consecutivas apresentadas por um
equipamento. Neste caso t é uma variável aleatória
contínua, e = { ∈ ; 0 ≥ }.

17 18

Distribuição de Probabilidades Distribuição de Probabilidades

–
Função Densidade de Probabilidade: Seja X uma variável Exemplo: Sejam uma v.a.c. X , 0 ≤ e a função ( ) = .
aleatória contínua em um espaço amostral S. Diz-se que f A função dada é uma f.d.p., pois:
(x) é uma função densidade de probabilidade (f.d.p.) se:

19 20

5
 02/05/2019

• Esperança Distribuição de Probabilidades

Exemplos:
= =
1) Considere a função = + 1. Verifique se a função
• VARIÂNCIA f(x) é função de densidade de probabilidade.

= − = − 2) Considere a função = . Verifique se a função

f(x) é função de densidade de probabilidade.
= − ( )

21 22