Estatística II

Unidade I
Variáveis Aleatórias Discreta
Juraci Ferreira GALDINO
SUMÁRIO
 Variável Aleatória Discreta
 Definição
 Exemplos
 Função Distribuição de Probabilidade (fdp)
 Média de uma Variável Aleatória Discreta

 Variância e Desvio Padrão de uma Variável Aleatória

Discreta
 Algumas distribuições:
 Bernoulli;
 Binomial; e
 Poisson.
2
Variável Aleatória

 Nemsempre o espaço amostral é formado por

números inteiros, naturais ou reais.
 Exemplos:
 Lançamento de uma moeda;
 Lançamento de dois dados;

É mais apropriado manipular, processar, armazenar e

realizar operações com resultados numéricos do que
com resultados não-numéricos.

3
 Variável Aleatória

 Realiza mapeamento do espaço

amostral nos reais.

 Discreta: um resultado ou
resultados de um experimento é
mapeado em um ponto do eixo
dos reais;

 Continua: um resultado ou
resultados de um experimento é
mapeado em intervalos do eixo
dos reais. 4
Exemplo

 Experimento: Lançamento de três moedas

 Variável aleatória (X): número de coroas

5
Exemplo
 Lançamento de três moedas:
 O espaço amostral é:
 S={(r,r,r), (r,r,c), (r,c,r), (r,c,c), (c,r,r), (c,r,c), (c,c,r), (c,c,c)}
 Em que r denota cara e c coroa.

 Para X o número de coroas, então:

6
Exemplo .....
 Associando probabilidade aos valores assumidos pela
variável aleatória:

7
Função Distribuição
de Probabilidade

8
Continuação do Exemplo

9
Variável Aleatória
 Pode-se definir várias variáveis aleatórias para um
mesmo experimento
 Exemplo:
 Experimento: Lançamento de duas moedas
 Sejam X, Y e Z Variáveis aleatória associada ao experimento
 X = número de caras;
 Y = 3 vezes o número de cara mais 2 vezes o número de coroas

 Z = 2 vezes o número de caras

10
 Variável Aleatória
 Solução

Resultado X = Nr de caras Y=Nr de caras*3+Nr de Z=Nr caras *2

coroas*2
(cara, cara) 2 6 4
(cara, coroa) 1 5 2
(coroa, cara) 1 5 2
(coroa, coroa) 0 4 0

11
Exemplo: Cálculo de probabilidade a partir da
Variável Aleatória
 Experimento: Lançamento de dois dados.
 Seja X a variável aleatória dada pela soma dos resultados
dos lançamentos dos dois dados
 Obter a distribuição de probabilidade de X e esboçar o
gráfico dessa distribuição;
 Qual a probabilidade de X>8?
 Qual a probabilidade de X ser par?
 Qual a probabilidade de X ser impar?
 Qual a probabilidade de X ≤ 4?
 Qual a probabilidade de 4<X ≤9?

12
Média de uma Variável Aleatória Discreta
 Seja X uma VA discreta que assume com seguintes
valores x1, x2, ...., xN

 A média de X é dada por:

N
E( X ) = ∑
i= 1
xi P ( X = xi )

13
Média - exercícios
 Calcular a média das seguintes VA:

14
Média - exercícios

 Calcular a média da seguinte VA, associadas ao

experimento lançamento de duas moedas honestas

Resultado X = Nr de caras
(cara, cara) 2
(cara, coroa) 1
(coroa, cara) 1
(coroa, coroa) 0

15
Média - exercícios
 Calcular E(X) sendo X a variável aleatória dada pela
soma dos resultados dos lançamentos de dois dados

 Uma seguradora paga R$ 30.000,00 em caso de acidente

de carro e cobra R$ 1.000,00 de seguro. Sabendo que a
probabilidade de acidente é 3%, qual o lucro médio da
seguradora por carro segurado?

16
Média - exercícios

17
Variância e Desvio Padrão de uma VA Discreta
 Medida de dispersão/espalhamento da VA em torno da
média
 Seja X uma VA discreta que assume com seguintes
valores x1, x2, ...., xN
 Define-se a variância de uma VA discreta da seguinte
forma:

 sendo µx a média da VA X

18
 Desvio padrão:
Variância: calcular Média e Variância das
seguintes distribuições

19
Exercício

20
Variável Aleatória de Bernoulli
 VA que assume dois valores: 0 e 1.
 Geralmente o 0 é associado a situação de FRACASSO e
o 1 é associado a situação de SUCESSO;
 Probabilidade de Sucesso = p e Probabilidade de
Fracasso = 1-p ;

0
X =  ⇒ P ( x = 0) = 1 − p e P( X = 1) = p
1

21
Variável Aleatória de Bernoulli
 Média

E( X ) = X = p

 Variância:

VAR ( X ) = σ 2
= p (1 − p )
22
BERNOULLI
Exemplos de Aplicação

 Uma urna tem 30 bolas brancas e 20 vermelhos. Retira-

se uma bola dessa urna e define-se X como sendo a
quantidade de bola branca retirada. Esboçar a função
distribuição de probabilidade e calcular a média e a
variância da VA X.

23
Variável Aleatória Binomial

 CONDIÇÕES que uma VA deve atender para que seja

considerada BINOMIAL:

1. Realização de n experimentos independentes de uma VA de

Bernoulli;

2. A VA X especifica o número de sucesso em n tentativas;

Ou seja, X=k, significa que das n realizações da VA X, k são bem
sucedidas. Assim sendo, P(X=k) denota a probabilidade de que ao
se realizar n experimentos da VA X, k são bem sucedidos

24
Variável Aleatória Binomial
 Probabilidade de X=k

 n k
P ( X = k ) =  ÷ p ( 1− p)
n− k

 k
 Média:

E ( X ) = np

 Variância:

VAR ( X ) = np ( 1 − p )
25
Variável Aleatória Binomial
Exemplos de Aplicação
 Uma moeda (honesta) é lançada 20 vezes:
 a) qual a probabilidade de saírem 8 caras;
 b) qual a quantidade esperada de aparecem caras nos 20
lançamentos;
 c) qual o valor da variância

26
Variável Aleatória Binomial
Exemplos de Aplicação
 Solução:
 Repetições independentes de uma VA de Bernoulli
 X é quantidade de ocorrer caras (sucesso);
 Portanto, VA Binomial, sendo: n=20, p=0,5 e k=8. Daí:

 n k
a) P ( X = k ) =  ÷ p ( 1 − p )
n−k

 k
 20  20!
P ( X = 8 ) =  ÷ 0,5 ( 1 − 5 ) =
12
8
0,520 = 0,1201
 8 8!12!

b) E ( X ) = np = 20 × 0,5 = 10 27

c) VAR ( X ) = np (1 − p) = 20 × 0,5 × 0,5 = 5

Variável Aleatória Binomial
Exemplos de Aplicação
 Uma prova objetiva composta de 50 questões, cada uma
das questões possui 5 alternativas de resposta. Um aluno
responde a prova aleatoriamente, qual a probabilidade
dele tirar nota 5 (acertar 25 questões das 50)? Calcule
também a média e a variância da VA.

28
Variável Aleatória Binomial
Exemplos de Aplicação
Solução
 Pode-se considerar que cada questão é um experimento no qual
existem duas situação: sucesso, que ocorre quando o candidato
marca a alternativa correta, e insucesso quando o aluno marca um
alternativa incorreta. Nesse sentido resolver uma questão é uma
variável de Bernoulli, cuja probabilidade de sucesso é 1/5 (pois o
aluno responde a prova de forma aleatória) e 4/5 é a probabilidade
de insucesso. Ou seja, p=1/5;

O experimento acima será realizado 50 vezes (n=50)

X é quantidade de acertos (sucesso);

 Portanto, VA Binomial, sendo: n=50 e p=0,2 e k=25. 29

 Variável Aleatória Binomial
Exemplos de Aplicação
 Solução:
 Para uma VA Binomial, sendo: n=50 e p=0,2 e k=20, tem-se:

 n k
a) P ( X = k ) =  ÷ p ( 1 − p )
n− k

 k
 50  50!
P ( X = 25 ) =  ÷ 0, 2 ( 1 − 0, 2 ) =
25
25
0, 2 250,825 = 0, 000002
 25  25!25!

b) E ( X ) = np = 50 × 0, 2 = 10
c) VAR ( X ) = np (1 − p ) = 50 × 0, 2 × 0,8 = 8 30
Variável Aleatória Binomial
Exemplos de Aplicação

 Sabe-se que os parafusos produzidos por uma fábrica

tem probabilidade de 0,01 (ou 1%) de apresentar
defeitos. A fábrica fornece aos seus clientes caixas com
10 parafusos e oferece uma garantia de troca da caixa de
parafusos se mais de um parafuso da caixa apresentar
defeito. Que proporção de pacotes vendidos a fábrica
deve trocar?

31
Variável Aleatória de Poisson
 Em muitos caso n é muito grande e p é muito pequeno,
tornando inconvenientes/complexos os cálculos de uma
VA Binomial;
 Nesses casos, pode-se aproximar uma VA Binomial por
uma VA de Poisson, cujas características são dadas a
seguir:

e− λ λ k
P( X = k) =
k!
 Sendo:
E( X ) = λ e VAR ( X ) = λ
32
λ = np
Variável de Poisson
Exemplo de Aplicação

 A probabilidade de uma lâmpada se queimar ao ser

ligada é 1/100. Numa instalação com 100 lâmpadas, qual
a probabilidade de duas lâmpadas se queimarem ao
serem ligadas?

33
 Quadro Resumo

VA fdp Média Variância

Bernoulli
p p (1 − p )
Binomial
n
P ( X = k ) =  ÷ pk ( 1 − p )
n− k np np ( 1 − p )
k 
Poisson
P( X = k) =
e− λ λ k
k! λ λ
λ = np 34