Universidade Estadual Vale Do Acaraú

Variáveis aleatórias discretas

Profª Mailane Silva

03 de junho de 2022
Conteúdo

TÓPICOS DE HOJE

• Variáveis aleatórias discretas

 Variáveis aleatórias

Variável aleatória é qualquer função definida sobre o espaço amostral Ω que

atribui um valor real a cada elemento do espaço amostral.
 Variável aleatória discreta

Uma variável aleatória é definida como sendo discreta quando o número de

valores possíveis que a variável assume for finito ou infinito enumerável.
 Variável aleatória discreta

Exemplos

 nº de chamadas na central do Corpo de Bombeiros no período da manhã

 nº de alunos aprovados numa disciplina com 80 alunos matriculados
 nº de acessos a um determinado site, das 0h às 6h
 nº de inadimplentes dentre 500 pessoas que pegaram empréstimo num
banco no último ano
 nº de consultas ao médico num determinado ano
 nº de domicílios com crianças menores de 6 anos
 nº de clientes que visitaram uma loja num determinado período
 Exemplo

Experimento aleatório

Observa-se a face superior no lançamento de duas moedas. Nesse caso o espaço

amostral pode ser definido como
𝑺 = *𝒘𝟏,𝒘𝟐,𝒘𝟑,𝒘𝟒+

onde 𝒘𝟏 = *𝒄𝒂𝒓𝒂,𝒄𝒂𝒓𝒂+,𝒘𝟐 = *𝒄𝒂𝒓𝒂,𝒄𝒐𝒓𝒐𝒂+,𝒘𝟑 = *𝒄𝒐𝒓𝒐𝒂,𝒄𝒂𝒓𝒂+,𝒘𝟒 = *𝒄𝒐𝒓𝒐𝒂,𝒄𝒐𝒓𝒐𝒂+

 Exemplo

Variável aleatória

Considere a variável aleatória X: número de caras no lançamento de duas moedas.

Então, obtemos:

𝑿 𝒘𝟏 = 𝟐,𝑿 𝒘𝟐 = 𝟏,𝑿 𝒘𝟑 = 𝟏,𝑿 𝒘𝟒 = 𝟎

logo a variável aleatória X assume os valores 𝑿 = 𝟎,𝟏,𝟐 .

 Exemplo

Descrição da variável aleatória X: número de caras no lançamento de duas moedas

 Distribuição de variável
aleatória discreta

Função de probabilidade

Para cada elemento 𝒘𝒊 do espaço amostral transferimos um valor 𝒑(𝑿 𝒘𝒊 )

para o intervalo ,𝟎,𝟏-. Se denotamos 𝒙𝒊 = 𝑿(𝒘𝒊), então podemos definir

𝑷 𝑿 = 𝒙𝒊 = 𝒑(𝒙𝒊)
 Distribuição de variável
aleatória discreta

Função de probabilidade

Definição: Chama-se função de probabilidade de uma variável discreta X, a

função *(𝒙𝒊,𝒑(𝒙𝒊)), 𝒊 = 𝟏,𝟐,…+ que a cada valor de 𝒙𝒊 associa a sua
probabilidade de ocorrência, isto é, 𝒑(𝒙𝒊) = 𝑷(𝑿 = 𝒙𝒊) = 𝒑𝒊, 𝒊 =,𝟏,𝟐,….
 Distribuição de variável
aleatória discreta
Função de probabilidade
Definição: Chama-se função de probabilidade de uma variável discreta X, a
função *(𝒙𝒊,𝒑(𝒙𝒊)), 𝒊 = 𝟏,𝟐,…+ que a cada valor de 𝒙𝒊 associa a sua
probabilidade de ocorrência, isto é, 𝒑(𝒙𝒊) = 𝑷(𝑿 = 𝒙𝒊) = 𝒑𝒊, 𝒊 =,𝟏,𝟐,….

Logo, a função de probabilidade de X pode ser representada pela tabela

abaixo

 𝒑 𝒙𝒊 ≥ 𝟎
 𝑷(𝒙𝟏) + 𝑷(𝒙𝟐) + ⋯+ 𝑷(𝒙𝒌) = 𝟏
 Exemplo

Descrição da variável aleatória X: número de caras no lançamento de duas moedas

 Distribuição de variável
aleatória discreta

Portanto, a função de probabilidade da variável aleatória X: número de

caras no lançamento de duas moedas fica dada por
 Distribuição de variável
aleatória discreta

Função de distribuição acumulada

Outra maneira de definirmos a distribuição de uma variável aleatória é

através da função de distribuição acumulada, definida por

𝑭(𝒙) = 𝑷(𝑿 ≤ 𝒙),

em que x é um número real e F(x) pertence ao intervalo [0, 1].

 Exemplo

Descrição da função de distribuição acumulada F(x) = P(X ≤ x) da variável

aleatória X: número de caras no lançamento de duas moedas
 Exemplo

Função de distribuição acumulada

Portanto, a função de distribuição acumulada da variável aleatória X:
número de caras no lançamento de duas moedas fica dada por
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória X: número de crianças do sexo masculino,
encontre a função de probabilidade e a função de probabilidade acumulada.
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória X: número de crianças do sexo masculino,
encontre a função de probabilidade e a função de probabilidade acumulada.

Ω 𝑴𝑴𝑴 𝑴𝑴𝑭 𝑴𝑭𝑴 𝑭𝑴𝑴 𝑴𝑭𝑭 𝑭𝑴𝑭 𝑭𝑭𝑴 𝑭𝑭𝑭

𝑋 𝟑 𝟐 𝟐 𝟐 𝟏 𝟏 𝟏 𝟎
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória X: número de crianças do sexo masculino,
encontre a função de probabilidade e a função de probabilidade acumulada.

Ω 𝑴𝑴𝑴 𝑴𝑴𝑭 𝑴𝑭𝑴 𝑭𝑴𝑴 𝑴𝑭𝑭 𝑭𝑴𝑭 𝑭𝑭𝑴 𝑭𝑭𝑭

𝑋 𝟑 𝟐 𝟐 𝟐 𝟏 𝟏 𝟏 𝟎

Portanto, X assume os valores X = 0, 1, 2, 3.

 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória X: número de crianças do sexo masculino,
encontre a função de probabilidade e a função de probabilidade acumulada.
0, 𝑠𝑒 𝑥 < 0
0,125, 𝑠𝑒 0 ≤ 𝑥 < 1
𝒙 𝟎 𝟏 𝟐 𝟑 𝐹 𝑋 = 0,5, 1≤𝑥<2
𝑷(𝑋 = 𝒙) 𝟎,𝟏𝟐𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟏𝟐𝟓 0,875, 2 ≤ 𝑥 < 3
1, 𝑥≥3
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória Y: número de crianças do sexo feminino, encontre
a função de probabilidade e a função de probabilidade acumulada.
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória Y: número de crianças do sexo feminino, encontre
a função de probabilidade e a função de probabilidade acumulada.

Ω 𝑴𝑴𝑴 𝑴𝑴𝑭 𝑴𝑭𝑴 𝑭𝑴𝑴 𝑴𝑭𝑭 𝑭𝑴𝑭 𝑭𝑭𝑴 𝑭𝑭𝑭

𝒀 𝟎 𝟏 𝟏 𝟏 𝟐 𝟐 𝟐 𝟑

Portanto, Y assume os valores Y = 0, 1, 2, 3.

 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória Y: número de crianças do sexo feminino, encontre
a função de probabilidade e a função de probabilidade acumulada.

𝒚 𝟎 𝟏 𝟐 𝟑
𝑷(𝒀 = 𝒚) 𝟎,𝟏𝟐𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟏𝟐𝟓
 Exemplo

Num experimento aleatório observa-se o gênero das crianças em famílias

com três filhos (M: masculino e F: feminino). O espaço amostral fica dado
por
Ω = *(𝑴𝑴𝑴),(𝑴𝑴𝑭),(𝑴𝑭𝑴),(𝑭𝑴𝑴),(𝑴𝑭𝑭),(𝑭𝑴𝑭),(𝑭𝑭𝑴),(𝑭𝑭𝑭)+
Para a variável aleatória Y: número de crianças do sexo feminino, encontre
a função de probabilidade e a função de probabilidade acumulada.
0, 𝑠𝑒 𝑦 < 0
𝒚 𝟎 𝟏 𝟐 𝟑 0,125, 𝑠𝑒 0 ≤ 𝑦 < 1
𝑷(𝒀 = 𝒚) 𝟎,𝟏𝟐𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟑𝟕𝟓 𝟎,𝟏𝟐𝟓 𝐹 𝑌 = 0,5, 1≤𝑦<2
0,875, 2 ≤ 𝑦 < 3
𝑷(𝒀 ≤ 𝒚) 0,125 0,5 0,875 1
1, 𝑦≥3
Assim, para um mesmo espaço amostral podemos definir mais de uma variável aleatória.
 Exemplo

Joga-se dois dados comuns equilibrados e observa-se as faces superiores.

Considere a variável aleatória X: soma das faces superiores, encontre a função
de probabilidade e a função de probabilidade acumulada.
 Exemplo

Joga-se dois dados equilibrados e observa-se as faces superiores. Considere a

variável aleatória X: soma das faces superiores, encontre a função de
probabilidade.
+ 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

𝒙 𝟐 𝟑 𝟒 𝟓 𝟔 𝟕 𝟖 𝟗 𝟏𝟎 𝟏𝟏 𝟏𝟐
𝒇𝒓𝒆𝒒𝒖ê𝒏𝒄𝒊𝒂 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟓 𝟒 𝟑 𝟐 𝟏
 Exemplo

Joga-se dois dados equilibrados e observa-se as faces superiores. Considere a

variável aleatória X: soma das faces superiores, encontre a função de
probabilidade.

𝒙 𝟐 𝟑 𝟒 𝟓 𝟔 𝟕 𝟖 𝟗 𝟏𝟎 𝟏𝟏 𝟏𝟐
𝑷(𝑿 = 𝒙) 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟓 𝟒 𝟑 𝟐 𝟏
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔
 Esperança matemática

Seja X uma variável aleatória discreta que assume os valores 𝒙𝟏,𝒙𝟐,...,𝒙𝒌 .

Chamamos de valor médio, ou valor esperado, ou esperança matemática de
X o valor

𝑬 𝑿 = 𝒙𝟏𝒑 𝒙𝟏 + 𝒙𝟐𝒑 𝒙𝟐 + ⋯+ 𝒙𝒌𝒑 𝒙𝒌 = 𝒙𝒊𝒑 𝒙𝒊 ,

𝒊=𝟏

em que 𝒑 𝒙𝒊 = 𝑷 𝑿 = 𝒙𝒊 . Notação 𝝁 = 𝑬(𝑿)

 Esperança matemática

Para a variável aleatória X: número de caras no lançamento de duas

moedas obtemos

𝑬 𝑿 = 𝟎 ∙ 𝟎,𝟐𝟓 + 𝟏 ∙ 𝟎,𝟓𝟎 + 𝟐 ∙ 𝟎,𝟐𝟓 = 𝟎 + 𝟎,𝟓 + 𝟎,𝟓 = 𝟏

Espera-se, portanto, 1 cara.

 Exemplo

Para a variável aleatória X: soma das faces superiores, obtemos

𝒙 𝟐 𝟑 𝟒 𝟓 𝟔 𝟕 𝟖 𝟗 𝟏𝟎 𝟏𝟏 𝟏𝟐
𝑷(𝑿 = 𝒙) 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟓 𝟒 𝟑 𝟐 𝟏
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔

𝟏 𝟐 𝟑 𝟐 𝟏 𝟐𝟓𝟐
𝑬 𝑿 = 𝟐 ∙ + 𝟑 ∙ + 𝟒 ∙ + ⋯+ 𝟏𝟏 ∙ + 𝟏𝟐 ∙ = =𝟕
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔

Espera-se, portanto, soma 7.

 Variância

Seja X uma variável aleatória discreta que assume os valores 𝒙𝟏,𝒙𝟐,...,𝒙𝒌 .

Chamamos de variância de X o valor esperado da variável 𝑿 − 𝝁 𝟐, ou seja

𝑽𝒂𝒓 𝑿 = 𝒙𝟏 − 𝝁 𝟐𝒑 𝒙𝟏 + 𝒙𝟐 − 𝝁 𝟐𝒑 𝒙𝟐 + ⋯+ 𝒙𝒌 − 𝝁 𝟐𝒑 𝒙𝒌 = 𝒙𝒊 − 𝝁 𝟐𝒑 𝒙𝒊 ,
𝒊=𝟏

em que 𝒑 𝒙𝒊 = 𝑷 𝑿 = 𝒙𝒊 . Notação 𝛔𝟐 = 𝑽𝒂𝒓(𝑿)

 Variância

Seja X uma variável aleatória discreta que assume os valores 𝒙𝟏,𝒙𝟐,...,𝒙𝒌 .

Chamamos de variância de X o valor esperado da variável 𝑿 − 𝝁 𝟐, ou seja

𝑽𝒂𝒓 𝑿 = 𝒙𝟏 − 𝝁 𝟐𝒑 𝒙𝟏 + 𝒙𝟐 − 𝝁 𝟐𝒑 𝒙𝟐 + ⋯+ 𝒙𝒌 − 𝝁 𝟐𝒑 𝒙𝒌 = 𝒙𝒊 − 𝝁 𝟐𝒑 𝒙𝒊 ,
𝒊=𝟏

em que 𝒑 𝒙𝒊 = 𝑷 𝑿 = 𝒙𝒊 . Notação 𝛔𝟐 = 𝑽𝒂𝒓(𝑿)

Desvio Padrão
O desvio padrão de X é definido por
𝝈 = 𝑫𝑷 𝑿 = 𝑽𝒂𝒓(𝑿).
 Variância

Fórmula alternativa
A variância de X pode, alternativamente, ser expressa na forma

𝒌
𝟐
𝑽𝒂𝒓 𝑿 = 𝒙𝒊 − 𝑬 𝑿 𝒑(𝒙𝒊)
𝒊=𝟏
𝑽𝒂𝒓 𝑿 = 𝑬 𝑿𝟐 − 𝝁𝟐,

em que
𝒌

𝑬 𝑿𝟐 = 𝒙𝟐𝟏𝒑 𝒙𝟏 + 𝒙𝟐𝟐𝒑 𝒙𝟐 + ⋯+ 𝒙𝟐𝒌𝒑 𝒙𝒌 = 𝒙𝟐𝒊 𝒑 𝒙𝒊

𝒊=𝟏
 Variância

Para a variável aleatória X: número de caras no lançamento de duas

moedas obtemos

𝑬 𝑿𝟐 = 𝟎𝟐 ∙ 𝟎,𝟐𝟓 + 𝟏𝟐 ∙ 𝟎,𝟓𝟎 + 𝟐𝟐 ∙ 𝟎,𝟐𝟓 = 𝟎 + 𝟎,𝟓 + 𝟏 = 𝟏,𝟓

𝝈𝟐 = 𝟏,𝟓 − 𝟏𝟐 = 𝟏,𝟓 − 𝟏 = 𝟎,𝟓

𝝈 = 𝟎,𝟓 ≈ 𝟎,𝟕𝟎𝟕
 Exemplo

Para a variável aleatória X: soma das faces superiores, obtemos

𝒙 𝟐 𝟑 𝟒 𝟓 𝟔 𝟕 𝟖 𝟗 𝟏𝟎 𝟏𝟏 𝟏𝟐
𝑷(𝑿 = 𝒙) 𝟏 𝟐 𝟑 𝟒 𝟓 𝟔 𝟓 𝟒 𝟑 𝟐 𝟏
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔

𝟐 𝟐
𝟏 𝟐
𝟐 𝟐
𝟑 𝟐
𝟐 𝟐
𝟏 𝟏𝟗𝟕𝟒
𝑬𝑿 = 𝟐 ∙ + 𝟑 ∙ + 𝟒 ∙ + ⋯+ 𝟏𝟏 ∙ + 𝟏𝟐 ∙ = = 𝟓𝟒,𝟖𝟑
𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔 𝟑𝟔
𝝈𝟐 = 𝟓𝟒,𝟖𝟑 − 𝟕𝟐 = 𝟓𝟒,𝟖𝟑 − 𝟒𝟗 = 𝟓,𝟖𝟑

𝝈 = 𝟓,𝟖𝟑 ≈ 𝟐,𝟒𝟏𝟓
 Propriedades

Se uma determinada variável aleatória X assume um único valor a

(distribuição degenerada em a), então 𝑷 𝑿 = 𝒂 = 𝒑 𝒂 = 𝟏. Temos para este
caso as seguintes propriedades:

 𝑬(𝑿) = 𝒂 ∙ 𝒑(𝒂) = 𝒂

 𝑽𝒂𝒓 𝑿 = 𝑬 𝑿𝟐 − 𝒂𝟐
= 𝒂𝟐 × 𝒑 𝒂 − 𝒂𝟐
= 𝒂𝟐 − 𝒂𝟐
=𝟎
 Propriedades

Se Y e X são duas variáveis aleatórias tais que 𝒀 = 𝒂𝑿 + 𝒃, em que a e b são

constantes quaisquer, então
 𝑬 𝒀 = 𝑬 𝒂𝑿 + 𝒃
= 𝑬 𝒂𝑿 + 𝑬 𝒃
= 𝒂𝑬 𝑿 + 𝒃

 𝑽𝒂𝒓 𝒀 = 𝑽𝒂𝒓 𝒂𝑿 + 𝒃
= 𝑽𝒂𝒓 𝒂𝑿 + 𝑽𝒂𝒓 𝒃
= 𝑽𝒂𝒓 𝒂𝑿 + 𝟎
= 𝒂𝟐𝑽𝒂𝒓 𝑿

 𝑫𝑷(𝒀) = |𝒂| ∙ 𝑫𝑷(𝑿)

OBRIGADA