PROBABILIDADE: Variável Aleatória

Conceito de Variável Aleatória: Seja um experimento

aleatório E e S o espaço amostral associado a esse
experimento. Seja X uma função que associa a cada
elemento de S um número real X(s). A
esta função X damos o nome de variável aleatória.
Tipos de variáveis
As variáveis aleatórias podem ser de dois tipos:

• Variável aleatória discreta: admite um número finito

de valores ou tem uma quantidade enumerável de
valores que podem ser associado ao conjunto dos
inteiros.

• Variável aleatória contínua: admite um número

infinito de valores que pode ser associado ao
conjunto dos reais.
• Notação: v.a
Exemplos

• Número de peças produzidas durante um dia numa

determinada industria. Os valores possíveis da variável
aleatória X são 0,1,2,3,4 e assim por diante. Uma vez que
o conjunto de resultados possíveis pode ser enumerado,
X é uma variável aleatória discreta.

• Tempo gasto na produção da peça. Uma vez que o tempo

pode ser qualquer numero de 0 a 24 horas (incluindo
frações e decimais), X é uma variável aleatória continua.
Exemplos
• Número de dias chuvosos em um mês.

• Teor de umidade de um lote de matéria-prima,

medida com uma aproximação para o ponto
percentual inteiro mais próximo.

• A voltagem na pilha de um detector de fumaça,

sabendo-se que a voltagem pode assumir qualquer
valor entre zero e 9 volts.
Exemplos

E: lançamento de duas moedas ⇒ S = {(C, C); (C, K); (K, C); (K, K)}

O nosso interesse é estudar: X = número de cara

ocorrido nos dois lançamentos da moeda ⇒ X é a
variável aleatória.
Ponto X
Amostral Número de caras
(C,C) 0
(C,K) 1
(K,C) 1
(K,K) 2

Verificamos que a v. a X pode assumir os valores 0, 1 e 2.

Exemplos

E: Lançar dois dados e observar a soma dos pontos das

faces voltadas para cima

O nosso interesse é estudar: Y = a soma dos pontos ⇒ Y

é a variável aleatória.

A v. a Y pode assumir quais valores?

Distribuição de probabilidade: P(X)

• É um modelo matemático que associa

probabilidades a valores assumidos pela variável
aleatória X. Este modelo é diferenciado nos casos em
que a variavel aleatória em estudo é discreta ou
continua.

• No caso das variaveis discretas, a probabilidade de

que a variavel X assuma um valor específico x0 é
dado por:
P ( X = x0 ) = p(x0)
Distribuição de probabilidade: P(X)

• No caso das variáveis contínuas, as probabilidades

são especificadas em termo de intervalos, pois a
probabilidade associada a um numero é zero.
Distribuição de probabilidade: P(X)

• Fornece a probabilidade de cada valor de uma

variável aleatória.

• Para uma variável discreta, tem-se as seguintes

condições:
1. ∑ P(X) = 1, em que X assume todos os valores
possíveis do experimento (eventos elementares).
2. 0 ≤ P(X) ≤ 1, para todo X.
Distribuição de probabilidade: P(X)

• Seja X uma v.a contínua. A função de densidade de

probabilidade (f.d.p) f(x) é uma função que satisfaz as
seguintes condições:
Exemplo

1. Seja em que X pode assumir os valores 0, 1, 2 ou 3.

P(X) define uma distribuição de probabilidade?
2. Seja em que X pode assumir os valores 0, 1, ou 2.
P(X) é uma distribuição de probabilidade?
3. Seis lotes de componentes estão prontos para embarque em
um fornecedor.
Lote 1 2 3 4 5 6
N de peças com defeito 0 2 0 1 2 0

Um desses lotes será selecionado aleatoriamente para

embarque a um cliente específico. Seja X o número de peças
com defeito em um lote selecionado. P(X) é uma distribuição
de probabilidade?
Exemplo
4. Seja X o tempo que um livro de uma reserva de duas horas,
na biblioteca de uma faculdade, é examinado por um
estudante selecionado aleatoriamente. Verifique se f(x) é uma
f.d.p e calcule as probabilidade abaixo.

f(x) = 0,5x 0 ≤ x ≤ 2
0 , caso contrario

a) P (X ≤ 1) =
b) P (0,5 ≤ X ≤ 1,5) =
c) P (1,5 < X ) =
Exemplo
4. Seja X o tempo que um livro de uma reserva de duas horas,
na biblioteca de uma faculdade, é examinado por um
estudante selecionado aleatoriamente. Verifique se f(x) é uma
f.d.p e calcule as probabilidade abaixo.

f(x) = 0,5x 0 ≤ x ≤ 2
0 , caso contrario

a) P (X ≤ 1) = (0,25)
b) P (0,5 ≤ X ≤ 1,5) = (0,5)
c) P (1,5 < X ) = (0,4375)
Distribuição de probabilidade: P(X)

Quando satisfeitas as condições, os resultados

podem ser expresso em três formas:

Voltando ao exemplo do lançamento de duas

moedas, e observar o numero de caras ocorridos.
i. Tabelas;
ii. Gráficos;
iii. Fórmulas matemática.
Distribuição de probabilidade: P(X)

i. Tabelas:
Função de Probabilidade do número de caras
ocorrido no lançamento de duas moedas
X P(X =x) = P(x)
2 1/4
1 1/2
0 1/4
Distribuição de probabilidade: P(X)

ii. Gráficos:
Distribuição de probabilidade: P(X)

iii. Fórmula matemática:

Função de probabilidade do número de caras ocorrido
no lançamento de duas moedas.
Esperança Matemática de uma Variável Aleatória

Notação: E(X) = esperança matemática; valor esperado

ou média.

Definição:
Caso discreto: Se X é uma variável aleatória discreta,
com função de probabilidade P(X = xi) = P(xi), a média
de X é dada por:
Esperança Matemática de uma Variável Aleatória

Definição:
Caso contínuo: Se X é uma variável aleatória contínua,
com função de densidade de probabilidade f(x), a
média de X é dada por:
Esperança Matemática de uma Variável Aleatória

Exemplo: Seja o experimento aleatório E: lançamento de

duas moedas; e seja X a v.a.
que representa o número de caras obtido nos dois
lançamentos. X tem a seguinte função de probabilidade:

Calcular a esperança matemática ou o número médio

esperado de faces cara.
Esperança Matemática de uma Variável Aleatória

Resposta: o número médio de caras esperado no

lançamento de duas moedas é igual a 1.
Propriedades da Esperança Matemática

As propriedades a seguir enunciadas são válidas

tanto para variáveis aleatórias discretas como
variáveis aleatórias contínuas.

1. Se k é uma constante definida no campo dos

números reais, então E(k.X) = k.E(X)

2. Se k é uma constante definida no campo dos

números reais, então E(X + k) = E(X) + k.
Propriedades da Esperança Matemática

3. Se X e Y são duas variáveis aleatórias quaisquer,

então E(X + Y) = E(X) + E(Y)

4. Se X e Y são variáveis aleatórias independentes,

então E(X.Y) = E(X) . E(Y)

Observação: Se k é uma constante real, então E(k) = k.

Variância de uma Variável Aleatória

Notação: V(X) ou σ2 = variância.

DEFINIÇÃO: Seja X uma variável aleatória (discreta ou

contínua). A variância de X é definida como

V(X) = E(X2) – [E(X)]2

Onde E X    xi 2 .Pxi , i  1,2,...n


2

i 1
Variância de uma Variável Aleatória

Exemplo: Seja a função de probabilidade a seguir com

média 1, referente à v.a X = número de caras obtido
no lançamento de duas moedas. Calcule a variância.
Propriedades da Variância

• Estas propriedades são válidas para variáveis

aleatórias discretas e contínuas.

• Se k é uma constante definida no campo dos

números reais, então V(k) = 0
• Se k é uma constante definida no campo dos
números reais, então V (X + k) = V(X).
• Se k é uma constante definida no campo dos
números reais, então V(k.X) = k2. V(X)
Exemplo
Suponha que a demanda (X) por certa peça, numa
loja de autopeças, siga a seguinte distribuição:

a2 k
P X  k   , k  1,2,3,4.
k!

a. Encontre o valor de a.
b. Calcule a demanda esperada.
c. Qual é a variância e o desvio padrão da demanda?
Exemplo
Suponha que a demanda (X) por certa peça, numa
loja de autopeças, siga a seguinte distribuição:

a2 k
P X  k   , k  1,2,3,4.
k!

a. Encontre o valor de a. Resp.: a = 1/6

b. Calcule a demanda esperada. Resp.: E(X) = 19/9
c. Qual é a variância da demanda? Resp.: V(X) = 80/81