UFABC – Estatística Aplicada a Sistemas de

Gestão

Variáveis Aleatórias
e Distribuições de
Probabilidade

Profa. Patrícia Belfiore Fávero

Referência Bibliográfica
 Variável aleatória
 É uma variável que apresenta um valor
numérico resultante de uma experiência
aleatória.
 Poder ser discreta e contínua.
 Variável aleatória x FDP
 A distribuição de frequências dos dados da
amostra pode ser visualizada por meio de um
histograma.
 Uma distribuição de probabilidade é um modelo
matemático que relaciona um determinado valor
da variável aleatória com sua probabilidade de
ocorrência. Envolve toda a população.
 A função (de densidade) de probabilidade
calcula a probabilidade de determinado valor
encontrar-se acima ou abaixo de um valor
especificado.
 Tipos de distribuição
Discretas
 Uniforme discreta
 Bernoulli
 Binomial
 Binomial negativa
 Poisson

Contínuas
 Normal
 Uniforme
 Triangular
 Exponencial
 Qui-quadrado
 t de Student
 Distribuição Uniforme Discreta
 Tem apenas dois parâmetros: valores
mínimo e máximo.
 X ~ Ud {xmin, xmax}
 Cada possível valor da variável aleatória X
(x1, x2, ..., xn) tem a mesma probabilidade
de ocorrência (1/n).
Exemplo de Distribuição Uniforme Discreta
 Distribuição de Bernoulli
 Fornece apenas dois possíveis resultados,
denominados de sucesso ou fracasso.
 O fracasso é representado pelo resultado
y = 0 e o sucesso por y = 1 com
probabilidade p de sucesso.
 X ~ Bern(p)
 No Crystal Ball, a distribuição de Bernoulli
é conhecida como distribuição sim-não.
Distribuição de Bernoulli no Crystal Ball
 Distribuição Binomial
 Consiste em n repetições independentes de um
experimento de Bernoulli com probabilidade p
de sucesso.
 Essa probabilidade p permanece constante em
todas as repetições, tal que 0 < p < 1.
 A variável aleatória X representa o número de
sucessos (k) após n tentativas.
 X ~ b (n, p)
 X ~ b (1, p) ≡ X ~ Bern(p)
Distribuição Binomial no Crystal Ball
 Distribuição Binomial
 Exemplo 7

Uma determinada peça é produzida em uma linha

de produção. A probabilidade de que a peça não
tenha defeitos é 99%. Se forem produzidas 30
peças, qual a probabilidade de que pelo menos 28
delas esteja em boas condições?
 Distribuição Binomial Negativa
 Realiza sucessivos ensaios de Bernoulli
independentes com probabilidade de sucesso
(p) constante até atingir um número prefixado
de sucessos (k).
 Seja a variável aleatória X que representa o
número de tentativas até atingir o k-ésimo
sucesso.
 X ~ bn(k, p)
 Bastante utilizado em modelos de regressão
para dados de contagem
 Distribuição de Poisson
 Utilizada para registrar a ocorrência de eventos
raros, com probabilidade de sucesso muito pequena
(p→0), em um determinado intervalo de tempo.
 Exemplo de variáveis com distribuição de Poisson:
número de clientes chegando na fila por período,
número de defeitos por período, número de alunos
atrasados por período, número de reclamações por
período.
 X ~ Poisson(λ)
 Bastante utilizado em modelos de regressão para
dados de contagem (VD com baixa frequência).
 Distribuição de Poisson

−λ k
e λ
f ( k ) = P( X = k ) = , k = 0,1,2,....
k!
(6.45)
 Distribuição de Poisson
 Exemplo 11

Suponha que o número de clientes que chegam a um

banco segue uma distribuição de Poisson. Verificou-
se que, em média, chegam-se 12 clientes por minuto.
Calcule:
a) Probabilidade de chegada de 10 clientes no
próximo minuto;
b) Probabilidade de chegada de 40 clientes nos
próximos 5 minutos.
 Distribuição de Poisson
 Exemplo 12

Uma determinada peça é produzida em uma linha de

produção. A probabilidade de que a peça seja
defeituosa é de 0,01. Se forem produzidas 300 peças,
qual a probabilidade de que nenhuma delas seja
defeituosa?
Distribuição Uniforme Contínua
 É a mais simples para variáveis aleatórias
contínuas e tem apenas dois parâmetros:
valores mínimo e máximo.
 X ~ Uc {xmin, xmax}
 Pode assumir qualquer valor contínuo
nesse intervalo, com igual probabilidade
de ocorrência.
Distribuição Uniforme Contínua
 Distribuição Triangular
 É utilizada em casos com pouco ou
nenhum dado disponível, porém, quando
se conhece seus três parâmetros de
especificação: valor mínimo, valor mais
provável e valor máximo da variável
aleatória.
Distribuição Triangular com parâmetros
(90,100,110)
 Distribuição Normal
 É a distribuição de probabilidade mais
utilizada e importante, pois permite modelar
uma infinidade de fenômenos naturais,
estudos do comportamento humano,
processos industriais, entre outros.
 É especificada a partir de dois parâmetros, a
média e o desvio-padrão.
 X ~ N (µ, σ)
 Distribuição Normal

( x − µ )2
1 −
f ( x) = e 2σ 2
, − ∞ ≤ x ≤ +∞
σ 2π
(6.51)
 Distribuição Exponencial
 É bastante utilizada em confiabilidade de sistemas e teoria
das filas.
 Tem como principal característica a propriedade de não
possuir memória.
λ e−λ x , se x ≥ 0
 X~exp(λ) f ( x) =  (6.59)
0 , se x < 0

 Quanto maior o valor de λ, mais rapidamente a função tende

a zero.
 Em confiabilidade de sistemas, a variável aleatória X
representa a duração de vida e o parâmetro λ representa a
taxa de falha.
 λ = número de falhas / tempo de operação
 Distribuição Exponencial
Exemplo 15

O tempo de vida útil de um componente eletrônico

segue uma distribuição exponencial com vida
média de 120 horas. Determine:

a) Probabilidade de um componente falhar nas

primeiras 100 horas de funcionamento.
b) Probabilidade de um componente durar mais
do que 150 horas.