PROBABILIDADE

UNICARIOCA VARIÁVEL ALEATÓRIA  é a função que associa a

PROCESSOS cada elemento do ESPAÇO AMOSTRAL S de um

ESTOCÁSTICOS
TEMA-03 experimento aleatório, um NÚMERO. As variáveis

VARIÁVEIS ALEATÓRIAS
aleatórias podem ser DISCRETAS ou CONTÍNUAS.
VALOR ESPERADO

PROBABILIDADE PROBABILIDADE
Exemplo: Considere o experimento aleatório que consiste no Ponto Amostral X (nº caras) Y (nº coroas)
lançamento simultâneo de duas moedas. O ESPAÇO (Ca,Ca) 2 0
AMOSTRAL (S) correspondente a esse experimento aleatório é: (Ca,Co) 1 1
S = { (Ca,Ca), (Ca,Co), (Co,Ca), (Co,Co) }. (Co,Ca) 1 1
X Y (Co,Co) 0 2
Ponto Amostral
(nº caras) (nº coroas) Qual seria a probabilidade de no lançamento simultâneo de
(Ca,Ca) 2 0 duas moedas se obter duas caras (X = 2) ?
(Ca,Co) 1 1 Temos: P(X=2) = 1/4  uma possibilidade no total de 4 !
(Co,Ca) 1 1 Qual a probabilidade de se obter pelo menos uma cara (X=1 ou
(Co,Co) 0 2 X=2) ? Temos: P(X =1 ou X=2) = 3/4.

X E Y ASSIM DEFINIDAS SÃO VARIÁVEIS ALEATÓRIAS ! Qual a probabilidade de se obter exatamente uma coroa (Y=1) ?
Temos: P(Y=1) = 2/4 = 1/2.
DISCRETAS ou CONTÍNUAS ?

PROBABILIDADE PROBABILIDADE

DISTRIBUIÇÃO DE PROBABILIDADE DISTRIBUIÇÃO DE PROBABILIDADE

VARIÁVEL ALEATÓRIA DISCRETA  é uma TABELA Assim distribuição de probabilidade de uma variável
especificando a probabilidade de que a variável aleatória aleatória DISCRETA X é a função P(X = x), ou seja, é a
assuma cada um dos valores possíveis. função que determina a probabilidade de X assumir o

VARIÁVEL ALEATÓRIA CONTÍNUA  é uma FUNÇÃO valor x. Para uma variável aleatória CONTÍNUA é a
especificando a probabilidade de que a variável aleatória função que determina a probabilidade de X assumir
assuma um valor em cada um dos intervalos de variação valores em um determinado intervalo, por exemplo,
possíveis para a variável considerada. P(a ≤ X ≤ b).

PROCESSOS ESTOCÁSTICOS - TEMA-03 1 MANUEL

 PROBABILIDADE PROBABILIDADE
Exemplo-1 Considere o experimento aleatório do exemplo
DISTRIBUIÇÃO DE PROBABILIDADE DISCRETA anterior que consiste no lançamento simultâneo de duas
moedas. Considere também que X é a variável aleatória que
Se uma variável X pode assumir um conjunto mede o número de caras obtidas no lançamento. A distribuição
discreto de valores X1, X2,..., Xk, com as de probabilidade correspondente a variável aleatória X é dada
pela tabela:
probabilidades p1, p2 ,....., pk, respectivamente, Ponto X
DISTRIBUIÇÃO DE PROBABILIDADE Amostral (nºcaras)
sendo p1 + p2 + ... + pk = 1, diz-se que está definida
X 0 1 2 (Ca,Ca) 2
uma DISTRIBUIÇÃO DE PROBABILIDADE
P(X) 1/4 2/4 1/4 onde  P(X) = 1 (Ca,Co) 1
DISCRETA. (Co,Ca) 1
1/4 + 2/4 + 1/4 = 4/4 = 1 (Co,Co) 0
SOMA DAS PROBABILIDADES É IGUAL A 1 !

PROBABILIDADE PROBABILIDADE
Exemplo-2 - Suponha o experimento aleatório correspondente
ao lançamento de um dado honesto e que X represente o DISTRIBUIÇÃO DE PROBABILIDADE CONTÍNUA
ponto obtido. Qual a distribuição de probabilidade ?
X 1 2 3 4 5 6 Se X é uma variável aleatória contínua a função
P( X ) 1/6 1/6 1/6 1/6 1/6 1/6  P(X) = 1
DISTRIBUIÇÃO DE PROBABILIDADE
P(X) é denominada FUNÇÃO DE DENSIDADE
Probabilidade de sair 4 no lançamento de um dado (X=4) é
P(X=4) = 1/6. DE PROBABILIDADE.
A probabilidade de sair um número menor ou igual a 4 (X≤4) é:

P(X≤4) = P(X=1) + P(X=2) + P(X=3) + P(X=4) =

= 1/6 + 1/6 + 1/6 + 1/6 = 4/6 = 2/3.

PROBABILIDADE PROBABILIDADE
b
SE X TIVER UMA DISTRIBUIÇÃO NORMAL
Área =  f ( x ) dx = P ( a ≤ x ≤ b )
− (x − µ )
2
a
f (x) 1
f (x) f ( x) = .e 2σ 2
σ 2π

A área total limitada por essa curva e pelo eixo dos x é igual a 1 Onde
µ = MÉDIA
ou seja, é igual a soma de todas as probabilidades. A área
σ = DESVIO PADRÃO
compreendida entre X = a e X = b dá a probabilidade de X estar π = 3.14159  VALOR DE PI
entre a e b, ou seja, P(a ≤ X ≤ b). e = 2.71828  BASE DO LOGARITMO NEPERIANO

PROCESSOS ESTOCÁSTICOS - TEMA-03 2 MANUEL

 PROBABILIDADE E (X) =  xi . p(xi)  VALOR ESPERADO !
VALOR ESPERADO  Suponhamos que a variável

aleatória X assuma um dos valores x1, x2, ..., xk, com Média( x) = x =
 fi × xi
as respectivas probabilidades p(x1), p(x2), ... , p(xk),  fi
Suponha que são 10 observações
onde p(x1) + p(x2) +...+ p(xk) = 1. Então o VALOR

ESPERADO (Esperança/Expectância) desta variável

x1 × f1 + x2 × f 2 + .... + x10 × f10
x=
aleatória é definido por:  fi
x1 × f1 x2 × f 2 x ×f
E (X) =  xi . p(xi)  é a soma de xi vezes as suas x= + + ...... + 10 10
respectivas probabilidades !  fi  fi  fi

E (X) =  xi . p(xi)

x1 × f1 x2 × f 2 x ×f RESUMINDO.......
x= + + ...... + 10 10
 fi  fi  fi
f1 f f
x = x1 × + x2 × 2 + .... + x10 × 10 VALOR ESPERADO = MÉDIA !
 fi  fi  fi
f1 f2
Mas, = p ( x1) = p ( x 2 ) .......
 if  if
x = x1 × p ( x1 ) + x2 × p ( x2 ) + .... + x10 × p ( x10 )

PROBABILIDADE Seja X a variável aleatória que representa a quantia

ganha em uma jogada qualquer.
Exemplo-1: Suponha um jogo disputado com um
A sua distribuição de probabilidade é:
dado honesto, em que um jogador ganha R$ 20,00 se

o resultado é 2, R$ 40,00 se o resultado é 4, perde Resultado 1, 3 ou 5 2 4 6

R$ 30,00 se o resultado é 6, e não ganha nem perde Xi R$ 0,00 + R$ 20,00 + R$ 40,00 - R$ 30,00
P(Xi) 3/6 1/6 1/6 1/6
se aparecer qualquer das outras faces. Determine
O valor esperado E(X) da variável X é dado por:
seu GANHO ESPERADO. 3 1 1 1
E( X ) = 0 × + 20 × + 40 × − 30 × = 5
6 6 6 6
O GANHO ESPERADO é de R$ 5,00 !

VOCÊ ENTRARIA NESSE JOGO ?

PROCESSOS ESTOCÁSTICOS - TEMA-03 3 MANUEL