Variável aleatória

discreta
Profa. Débora Spenassato
 Enem 2017

Se tentássemos
resolver este exercício
por meio do diagrama
de árvore, não seria
viável. São muitas
repetições!
Uma forma de resolver este
problema é utilizando um
modelo de probabilidade que se
adeque a essas características.

Vamos estudar alguns modelos

neste tópico!
 VARIÁVEL ALEATÓRIA
Uma variável aleatória (v.a.) é uma variável quantitativa e
assume um único valor numérico, determinado pelo acaso,
para cada resultado de um experimento.
Ela pode ser discreta ou contínua.

variável aleatória

discreta contínua

os possíveis resultados estão os possíveis resultados

contidos em um conjunto finito abrangem todo um intervalo
ou infinito enumerável de números reais
Ex. Ex.

0 1 2 3 4 ... 0
número de funcionários em ... tempo de resposta de ...

Barbetta, Reis e Bornia (2010)

O resultado individual de um experimento pode ser um
número ou um atributo (categorias).
Ex.1) X é o nº de filhos – 0, 1, 2, 3,...

Ex. 2) Você é fumante? – “não” e “sim”

descrição de uma peça – “defeituosa” e “perfeita”.

Cada resultado pode assumir um único valor e podemos

atribuir um número a cada resultado do experimento.
0 = não 0 = defeituosa
fumante peça
1 = sim 1 = perfeita

X é o número de fumantes na sala x é o número peças perfeitas

num lote
Exemplos: v.a. contínua

➢Volume de água perdido, por dia, em um sistema de

abastecimento.
➢Tempo de resposta de um sistema computacional.
v.a. discreta
➢Em uma pesquisa de mercado feita com 200 pessoas,
investiga-se quantos compram um determinado produto.

➢Número de mensagens no WhatsApp que recebemos em um

intervalo de tempo.

➢Número de pessoas que visitam determinada clínica, num

certo período de tempo.

➢Número de meninas em 10 nascimentos.

Barbetta, Reis e Bornia (2010)

 DISTRIBUIÇÃO DE
PROBABILIDADE DE UMA
VARIÁVEL ALEATÓRIA
DISCRETA
 DISTRIBUIÇÃO DE PROBABILIDADES

Definida uma v.a. discreta, pode-se obter duas informações

sobre o experimento aleatório:
-Quais resultados podem ocorrer;
-Qual é a probabilidade de ocorrência de cada resultado.

A distribuição de probabilidades de uma v.a. X é a

descrição do conjunto de probabilidades
associadas aos possíveis valores de X.
 Variável aleatória discreta
Exemplo 1:
Sabe-se que a probabilidade de um aluno que não estudou,
acertar uma questão do tipo verdadeiro ou falso é de 0,5
(50%). Esse aluno foi submetido a três questões desse tipo.

Consideremos A se o aluno acertou a questão e E se o

aluno errou.
a) Construir o espaço amostral associado a esse problema
(diagrama de árvore).
b) Calcular as probabilidades associadas a cada um dos
elementos do espaço amostral.

A v.a. X é o número total de questões corretas.

 X é o número de
independentes questões corretas
Exemplo 1: X é o número total de questões corretas.

Logo, temos os valores que

X pode assumir e as
respectivas probabilidades:
X Probabilidades
0 0,125
1 0,375
2 0,375
3 0,125
total 1
 Função de probabilidade
Se X for uma v.a. discreta, com possíveis valores {x1, x2,..., Xk},
então a distribuição de probabilidades de X pode ser
apresentada pela função massa de probabilidade, que
associa a cada valor xi a sua probabilidade p(xi), ou seja,

f ( xi )= P( X= xi )= p( xi ) ( i = 1, 2, ...)

Deve satisfazer: Exemplo 1:

k P(X=0)=0,125
a) ∑i p( xi )= 1
b)
 Função de distribuição
Outra forma de representar uma distribuição de probabilidades
de uma v.a. é por meio de sua função de distribuição
acumulada (f.d.a.), que é definida por:

F ( x)= P( X≤ x)= ∑
x≤ x
p(xi ), ∀ x∈ ℜ
i

x
até x

Descreve a probabilidade de ocorrer um valor até x, para qualquer

número real x.
Exemplo 1:
P(X≤1)=P(X=0)+P(X=1)
 p(x)
Exemplo 1:
A v.a. X é o número total de
0,4
questões corretas.
0,3
X pi F(x)
0 0,125 0,125
0,2
1 0,375 0,5
2 0,375 0,875 0,1
3 0,125 1
total 1 - x
0 0 1 2 3

Principais propriedades de F(x):

1.0≤ F ( x)≤ 1 F(x)
2. F (− ∞ )= 0 1
3. F(+∞ )= 1 0,875
4. F( x) é descontínua nos pontos X= X 0 0,5

5.F ( x) é contínua à direita dos pontos X= X 0

0,125
6. F( x) é não decrescente
0 1 2 3 x
 Valor esperado de uma v.a. discreta
Valores possíveis Probabilidades
de X A média de uma v.a. X é
dado por:
x1 p1 k
x2 p2 μ= E( X )= ∑ ( xi . pi )
x3 p3 i= 1
... ...
xk pk

Total 1

Variância de uma v.a. discreta

OU

Desvio Padrão: DP(X)= 𝜎 = 𝜎2

 Exemplo 2:

Ao investigarmos o número de meninas em famílias com exatamente dois

filhos, podemos usar as duas seguintes abordagens:

σ2= 0,5
Triola (2017)
 Exemplo 2 (continuação):

X = número de meninas
x P(x) F(x)
Função de distribuição acumulada
0 0,25 0,25
1 0,50 0,75
2 0,25 1

F(x)

0,75
P(X<0) = 0 0,25
P(0≤X<1) = 0,25
P(1≤X<2) = 0,75 0 1 2 x
P(X≥2) = 1
Identificação de resultados não usuais por meio de
probabilidades: A Regra do Evento Raro para a Inferência
estatística

Se, sob dada hipótese (ex. a hipótese de que meninos e meninas

têm a mesma chance de nascer), a probabilidade de um evento
particular observado (ex. 879 meninas em 945 nascimentos) é
extremamente pequena, concluímos que a hipótese provavelmente
não é correta.

•Número de sucessos não usualmente alto: em n tentativas, a P(x ou

mais sucessos) ≤ 0,05.

•Número de sucessos não usualmente baixo: em n tentativas, a P (x ou

menos) ≤ 0,05.

Triola (2017)
 Algumas propriedades do valor esperado e
variância

Sendo c uma constante e X e Y variáveis aleatórias, tem-

se as seguintes relações:
a) E(c) = c a) V(c) = 0
b) E(X + c) = E(X) + c b) V(X + c) = V(X)
c) E(cX) = cE(X) c) V(cX) = c2 V(X)
d) E(X + Y) = E(X) + E(Y) d) DP(cX) = |c| DP(X)
e) E(X – Y) = E(X) – E(Y)

Barbetta, Reis e Bornia (2010)

 Propriedades do valor esperado e
variância

Efeito da soma e da multiplicação de uma constante sobre uma v.a.

p(x) Distribuição de X

x
E(X)
p(y)
p(z)
Distribuição de Y = X + c Distribuição de Z = c.X

y z
E(X) + c c.E(X)

Barbetta, Reis e Bornia (2010)

 Exemplo 3:
X = número obtido no lançamento de um dado comum.

0 sex 1 F(x)
1 se1 x  2
 6 1
2 se2  x 3 5/6


6
4/6
F(x) = 3 se3 x  4
6
4 3/6
 6 se4  x 5
2/6
5 se5 x  6
 6 1/6

1 sex  6
1 2 3 4 5 6 x
 EXERCÍCIOS
1. Considere que numa grande rede de computadores,
em 60% dos dias ocorre alguma falha.
a)Construir a distribuição de probabilidades para a variável
aleatória X = número de dias com falhas na rede,
considerando o período de observação de três dias.
b)Calcule a média e a variância.

Possibilidades (Ω) X Probabilidade

F: falha; N: não falha

R: μ =1,8 e σ2=0,72
Resolução
X = número de dias com falhas na rede. F: falha; N: não falha
Possibilidades x Probabilidade
NNN 0 0,4 x 0,4 x 0,4 = 0,064
NNF 1 0,4 x 0,4 x 0,6 = 0,096
NFN 1 0,4 x 0,6 x 0,4 = 0,096
FNN 1 0,6 x 0,4 x 0,4 = 0,096
NFF 2 0,4 x 0,6 x 0,6 = 0,144
FNF 2 0,6 x 0,4 x 0,6 = 0,144
FFN 2 0,6 x 0,6 x 0,4 = 0,144
FFF 3 0,6 x 0,6 x 0,6 = 0,216

Distribuição de probabilidade de X:
Referências:

BARBETTA, P. A.; REIS, M. M.; BORNIA, A. C. Estatística: para cursos de

engenharia e informática. São Paulo: Atlas, 2010.
BUSSAB, W. O.; MORETTIN, P. A. Estatística Básica. 8. ed. São Paulo:
Saraiva, 2013.
DEVORE, Jay L. Probabilidade e estatística para engenharia e ciências. São
Paulo: Cengage, 2018. 656 p.
MAGALHÃES, M. Probabilidade e Variáveis aleatórias. EdUSP, 2ª. ed. 2006.
MORETTIN, L.G. Estatística Básica - Probabilidade, vol. 1, 7ª ed., São Paulo:
Pearson Makron Books, 1999.
TRIOLA, Mario F. Introdução a estatística. 12. ed. Rio de Janeiro: LTC, 2017.
696 p. on-line
PINTO, S.S.; SILVA, C. S. Estatística vol. I. Porto Alegre: a autora, 2013.
MONTGOMERY, D. C; RUNGER, G. C. Estatística aplicada e probabilidade
para engenheiros. 4.ed. Rio de Janeiro: LTC, 2009.

Portal Action. Disponível em:

http://www.portalaction.com.br/probabilidades/