Escolar Documentos
Profissional Documentos
Cultura Documentos
DISCRETAS
Variáveis Aleatórias
Definição: Seja E um experimento aleatório e S o espaço amostral associado a
esse experimento. Uma função X que associa o número real X(s) a cada elemento
s∈ S é chamada variável aleatória (V.A.).
X:S→R
P( X x) p( x)
P( xi ) 0
devendo satisfazer às seguintes condições:
P( xi ) 1
i
Variáveis Aleatórias
Exemplo1: Considere o experimento aleatório de lançar três moedas. Determine a
distribuição da probabilidade desse experimento e obtenha seu respectivo gráfico.
Vimos que:
Variáveis Aleatórias
Exemplo1: Considere o experimento aleatório de lançar três moedas. Determine a
distribuição da probabilidade desse experimento e obtenha seu respectivo gráfico.
Variáveis Aleatórias
• Função distribuição acumulada (Repartição): Seja X uma variável aleatória
discreta. Define-se por função distribuição acumulada a seguinte expressão:
FX ( x) F ( x) P( X x)
• Propriedades:
1. lim 𝐹𝑋 𝑥 = 𝐹𝑋 −∞ = 0
𝑥→−∞
2. lim 𝐹𝑋 𝑥 = 𝐹𝑋 ∞ = 1
𝑥→∞
3. 𝑃 𝑎 < 𝑋 ≤ 𝑏 = 𝐹 𝑏 − 𝐹 𝑎
4. Se 𝑋1 < 𝑋2 → 𝐹𝑋1 𝑥1 < 𝐹𝑋2 𝑥2
5. 𝐹𝑋 𝑥 é contínua à direita
Variáveis Aleatórias
Exemplo1: Considere o experimento aleatório de lançar três moedas. Determine a
função de distribuição acumulada desse experimento e obtenha seu respectivo gráfico.
Vimos que:
X 0 1 2 3 Somatório
P(X=x) 1/8 3/8 3/8 1/8 1
0, se x 0 ( P( X 0) 0)
1/ 8, se 0 x 1 ( FX (0) P( X 0) 1/ 8
FX ( x) 4 / 8, se 1 x 2 ( FX (1) P( X 1) 4 / 8
7 / 8, se 2 x 3 ( FX (2) P( X 2) 7 / 8
1, se x 3 ( FX (3) P( X 3) 1)
Variáveis Aleatórias
Exemplo1: Considere o experimento aleatório de lançar três moedas. Determine a
função de distribuição acumulada desse experimento e obtenha seu respectivo gráfico.
Vimos que:
X 0 1 2 3 Somatório
P(X=x) 1/8 3/8 3/8 1/8 1
Variáveis Aleatórias
• Esperança matemática (Valor esperado ou média): define-se valor esperado
ou média de uma variável aleatória discreta X a seguinte expressão:
X E ( x) x. P( X x)
x
𝐸 𝑋 = 0. 𝑃 𝑋 = 0 + 1. 𝑃 𝑋 = 1 + 2. 𝑃 𝑋 = 2 + 3. 𝑃 𝑋 = 3
1 3 3 1 3
𝐸 𝑋 = 0. + 1. + 2. + 3. =
8 8 8 8 2
Variáveis Aleatórias
• Propriedades: Sejam X e Y variáveis aleatórias e a e b constantes. Então:
a) 𝐸 𝑎𝑋 = 𝑎. 𝐸 𝑋 ;
b) 𝐸 𝑎𝑋 ± 𝑏 = 𝑎. 𝐸 𝑋 ± 𝑏;
c) 𝐸 𝑎𝑋 ± 𝑏𝑌 = 𝑎. 𝐸 𝑋 ± 𝑏. 𝐸 𝑌 ;
d) 𝐸 𝑋𝑌 = 𝐸 𝑋 . 𝐸 𝑌 , se 𝑋 e 𝑌 forem independentes; e
e) 𝐸 𝑋𝑌 = 𝐸 𝑋 . 𝐸 𝑌 + 𝑐𝑜𝑣 𝑋, 𝑌 , se 𝑋 e 𝑌 não forem independentes.
Ou ainda, cov( X , Y ) E ( X , Y ) E ( X ). E (Y )
Variáveis Aleatórias
• Variância:
X2 Var ( X ) V ( X ) ( x X ) 2 . P( X x)
x
ou
V ( X ) E ( X 2 ) E ( X )
2
onde E ( X 2 ) x 2 . P( X x)
x
Variáveis Aleatórias
• Propriedades: Sejam X e Y variáveis aleatórias e a e b constantes. Então:
i) 𝑉 𝑎 =0
ii) 𝑉 𝑎𝑋 + 𝑏 = 𝑎2 . 𝑉 𝑋
iii) 𝑉 𝑎𝑋 ± 𝑏𝑌 = 𝑎2 . 𝑉 𝑋 + 𝑏 2 𝑉 𝑌 , se 𝑋 e 𝑌 forem independentes.
iv) 𝑉 𝑎𝑋 ± 𝑏𝑌 = 𝑎2 . 𝑉 𝑋 + 𝑏 2 . 𝑉 𝑌 ± 2𝑎𝑏. cov 𝑋, 𝑌
Onde cov( X , Y ) E ( X , Y ) E ( X ). E (Y )
• Distribuição de Bernoulli
Considere uma única tentativa de um experimento que tem apenas dois
resultados possíveis, Sucesso com probabilidade p e Fracasso com probabilidade q,
onde p+q=1.
Seja a V. A. X :“Sucesso nessa única tentativa”. Então, pode-se dizer que:
X 0 1
P(X=x) q p
Variáveis Aleatórias
Logo, a função de probabilidade da V. A. X é dada por:
P( X x) p x . q1 x
Características dessa distribuição,
E ( X ) x. P( X x) 0.q 1. p p E ( X ) p
x
Observe que, E ( X 2 ) x . P( X x) 0 . q 1 . p p
x
2 2 2
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
• Distribuição Binomial
Considere agora n tentativas sucessivas e independentes de um mesmo
experimento que consiste de apenas dois resultados possíveis, Sucesso com
probabilidade p e Fracasso com probabilidade q, onde p + q =1.
Seja a V. A. X : “Número de sucessos em n tentativas”.
Ainda,
E ( X ) np
V ( X ) npq Notação: X ~ B (n ; p )
Variáveis Aleatórias
Exemplo: A probabilidade de um arqueiro acertar o alvo com uma única flecha é
de 0,20. Ele lança 30 flechas no alvo. Qual a probabilidade de que exatamente 4
flechas acertem o alvo?
Lembre que
𝑛 𝑥 𝑛−𝑥
𝑃 𝑋=𝑥 = 𝑝 1−𝑝 , 𝑥 = 0, 1, … , 𝑛
𝑥
X ~ B(30;0, 20)
Daí,
30
P( X 4) (0, 2) 4 .(0,8) 26 0,1325 ou 13, 25%
4
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
• Distribuição Geométrica
Considere novamente n tentativas sucessivas e independentes de um mesmo
experimento que só admite dois resultados possíveis, Sucesso com probabilidade p
e Fracasso com probabilidade q, onde p + q =1.
Notação: X ~ G ( p )
Variáveis Aleatórias
Logo, note que X pode assumir os seguintes valores:
𝑋=1→𝑆→𝑃 𝑋=1 =𝑝
𝑋 = 2 → 𝐹𝑆 → 𝑃 𝑋 = 2 = 𝑞𝑝
𝑋 = 3 → 𝐹𝐹𝑆 → 𝑃 𝑋 = 3 = 𝑞 2 𝑝
⋮
𝑋 = 𝑘 → 𝐹𝐹𝐹 … 𝐹 𝑆 → 𝑃 𝑋 = 𝑘 = 𝑞 𝑘−1 𝑝
𝑘−1
P( X x) q x 1. p E ( X ) 1/ p
V ( X ) q / p
2
Variáveis Aleatórias
Exemplo: A probabilidade de se encontrar o monitor de estatística em sua sala é de
0,4. qual a probabilidade de que seja necessário passar pelo local 5 vezes para
encontrar o monitor pela primeira vez?
P( X x) q x 1. p
X ~ G (0, 4)
Daí,
x 1 r x r
P( X x) p q , xr
r 1
r rq
E( X ) e V (X ) 2
p p
Notação: X ~ BN (r , p)
Variáveis Aleatórias
• Distribuição de Pascal (Binomial Negativa)
9
P( X 10) .0, 204.0,806 0, 035
3
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
• Distribuição Hipergeométrica
Consideremos uma população com N elementos, dos quais k tem uma
determinada característica. A retirada de um desses elementos é chamado de
sucesso. Retira-se dessa população, uma amostra de tamanho n, sem reposição.
Daí, basta ver que o número de maneiras possíveis de retirar amostras sem
reposição vale n . Além disso, o número de sucessos na amostra podem ocorrer
N
de k maneiras e de fracassos de N k modos.
x nx
Variáveis Aleatórias
Portanto, a função de probabilidade de X é dada por:
k N k
.
x n x
P( X x) , 0 xn e xk
N
n
E ( X ) np
( N n) k
V ( X ) npq , onde p
( N 1) N
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
• Distribuição Poisson
E( X ) V ( X ) Notação: X ~ P ( )
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
• Distribuição Poisson
Propriedades:
Note que 300 chamadas por hora equivale a 5 chamadas por minuto. Assim,
e 5 .50
P( X 0) 0, 007
0!
Variáveis Aleatórias
Exemplo: Numa central telefônica chegam 300 telefonemas por hora. Qual a
probabilidade de que:
P( X 2) P( X 0) P( X 1) P( X 2)
e 10 .100 e 10 .101 e 10 .102
0, 0028
0! 1! 2!
Variáveis Aleatórias
Distribuições de Probabilidade Discretas
Usado quando n é muito grande e p muito pequeno. Assim, quando isso ocorre
podemos fazer a média da binomial igual a média da distribuição de Poisson.
Então,
np