UNIVERSIDADE SÃO TOMÁS DE MOÇAMBIQUE

FACULDADE DE TECNOLOGIA E INFORMAÇÃO

DISCIPLINA: ESTATÍSTICA
CURSO: ADMINIDTRAÇÃO DE SISTEMAS DE INFORMAÇÃO EM REDES

Tema: VARIÁVEIS ALEATÓRIAS

Introdução
As variáveis aleatórias (v.a.) surgem com a necessidade de representar a cada ponto de dos resultados de uma
experiência aleatória através de números reais.

3.1 Conceito da variável aleatória

Seja A um experimento aleatório e o espaço amostral associado ao experimento. Uma função Y, que associa
a cada elemento a um número real Y(A), é denominada variável aleatória.

Exemplo 2.1

Lançamento de duas moedas e observação das suas faces superiores;

X: Nº de caras obtidas nas duas moedas;

{CaCa, CaCo, CoCa, CoCo}

X= 0 corresponde ao evento (CoCo) com probabilidade 1/4.

X= 1 corresponde ao evento (CaCo, CoCa) com probabilidade 2/4.
X= 2 corresponde ao evento (CaCa) com probabilidade 1/4.

Docente: Jonas Mondlhane Abril de 2010 1

Em suma, uma variável aleatória X num espaço amostral S, é uma variável de S, associada a uma experiência
ou a um grupo de experiências aleatórias destinadas a caracterizar o resultado desta experiência ou deste grupo
de experiências.
Empregamos a termo variável aleatória para descrever o valor que corresponde ao resultado de determinado
experimento.

As variáveis aleatórias classificam-se em discretas ou contínuas consoante o tipo de conjunto de valores que elas
tomarem.
As variáveis representam-se por letras maiúsculas (tipicamente, X, Y, Z, W, ...) e os valores que estas podem
tomar pelas correspondentes minúsculas (x, y, z, w, ...).

3.1.1 Variáveis aleatórias discretas:

São variáveis que assumem valores num conjunto finito ou infinito numerável; isto é; tomam unicamente
valores inteiros ou nulos.

3.1.1.1 Função de probabilidade

Seja X uma variável aleatória discreta. Define-se como função de probabilidade (f.p.) a função que associa a cada
valor que a variável X pode tomar, a probabilidade dessa v.a.

Propriedades

1.
2.

Exemplo 2.3:
Seja X a variável aleatória que representa o resultado do lançamento de um dado equilibrado.
A função de probabilidade é definida por:
, , , , , e para outros
valores de x.

Em termos de notação e de modo a simplificar, podemos representar a função de probabilidade por meio
de uma tabela assumindo que os valores que não aparecem na tabela, têm probabilidade zero de ocorrer.
No nosso exemplo teremos então:
1 2 3 4 5 6
1/6 1/6 1/6 1/6 1/6 1/6

3.1.1.2 Função distribuição de probabilidade

Docente: Jonas Mondlhane Abril de 2010 2

Define-se como função de distribuição de probabilidade de uma certa variável aleatória X , a função que associa a
cada valor a probabilidade da variável aleatória tomar valor menores ou iguais a esse valor.

Da definição resulta que a função de distribuição pode ser calculada em qualquer ponto x através da função de

probabilidade:

Propriedades
1. ,
2. e
3. ,
4.

Exemplo 2.4. Para o exemplo 2.3 a função de distribuição de probabilidade é definida por:

Exemplo 2.5.
No caso da variável aleatória que definimos no Exemplo 3.4 a função de distribuição de probabilidade toma os
seguintes valores para os seguintes exemplos:

3.1.1.3 Parâmetros das variáveis aleatórias discretas

Existem características numéricas que são muito importantes em uma distribuição de probabilidades de uma
variável aleatória discreta. São os parâmetros das distribuições, a saber:

a) Esperança matemática ou valor esperado

Chama-se esperança matemática ou valor esperado ao valor que se obtém somando todos os valores que uma
variável aleatória pode tomar, ponderados pela respectivas probabilidades pontuais e representa-se por
:

a) Propriedades do Valor Esperado

Se a e b são constantes e X uma variável aleatória, então:

1. E(a) = a
2. E(bX) = bE(X)

Docente: Jonas Mondlhane Abril de 2010 3

 3. E(X ± a) = E(X) ± a
4. E(a ± bX) = a ± bE(X)

Exemplo 2.6: Para a variável aleatória discreta que representa o número de componentes defeituosos tem-se:

X 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8 Soma = 1.0

a) Qual é a média das peçãs defeituosas produzidas?

= (0*1/8)+(1*3/8)+(2*3/8)+(3*1/8)=1,5 componentes defeituosos por sistema.

b) Variância e desvio padrão

A variância de uma variável aleatória discreta X, é definida por:

onde

b) Propriedades da variãncia
Se a e b são constantes e X uma variável aleatória, então:

1. Var (X) > 0

2. Var (X ± a) = Var (X)
3. Var (bX) = b2Var (X)
4. Var (a ± bX) = b2Var (X)

Exemplo 2.7. Para a variável aleatória discreta que represemta o número de componentes defeituosos tem-se:
X 0 1 2 3
P(X=x) 1/8 3/8 3/8 1/8 Soma = 1.0

c) Calcule a variância das peças defeituosas produzidas.

=1.5

, logo

(componentes defeituosos por sistema)

Designa-se por desvio padrão e representa-se por a raiz quadrada positiva da variância:

Exemplo 2.8:

3.1.2 Variáveis contínuas

Docente: Jonas Mondlhane Abril de 2010 4

Variável aleatória contínua (v.a.c.):
A variável assume valores de um conjunto infinito não numerável e, esses valores podem ser associados a
medição em uma escala contínua.

Exemplo 2.2:
: Medição do peso de uma pessoa escolhida ao acaso.
S: Conjunto de todos os pesos atribuíveis a uma pessoa.
V.a: O peso da pessoa, que pode tomar qualquer valor do espaço de resultados.

Sendo X uma variável aleatória contínua, toma valores num conjunto infinito não numerável. A aplicação do
conceito de função de probabilidade neste tipo de conjuntos leva a que P( X = a ) = 0, a , ou seja, a
probabilidade pontual é sempre nula, o que não implica que o acontecimento seja impossível, quer apenas dizer
que à partida é nula a probabilidade de acontecer a saída exacta de a (os valores que X pode tomar são tantos
que estamos na presença de um acontecimento raro).
Nesta situação, deixa de fazer sentido a função de probabilidade. No seu lugar aparece a função de densidade de
probabilidade.

3.1.2.1 Função densidade de probabilidade

Diz-se que é a função de densidade de probabilidade da variável aleatória contínua X se a área

limitada por , o eixo dos xx e as rectas, e for igual à P( )

P( )

Propriedades

1.

2.

3.1.2.2 Função de distribuição de probabilidade

No caso das variáveis aleatórias contínuas continua a fazer sentido a função de distribuição de probabilidade tal
como foi definida para o caso discreto.

Da definição resulta que a função de distribuição pode ser calculada em qualquer ponto através da função de
densidade de probabilidade:

Docente: Jonas Mondlhane Abril de 2010 5

Propriedades

1.

2. e

3. ,
4.
5. F(x) é uma função contínua em .

Exemplo 2.9. Seja X uma variável aleatória contínua com a seguinte função de densidade de probabilidade

a) Construa a sua função de distribuiç~ao das probabilidades;

b) Calcula a probabilidade de que x assuma um valor no intervalo [1/4 ; 3/4]
a) Pelas propriedades da função F(x) temos:

Para ; F(x) =

Para ; F(x) =

Para ; F(x) =

Logo a função de distribuição é:

b) P(1/4 < x < ¾) = F(3/4) – F(1/3) = (3/4)2 – (1/3)2 = ½

Exemplo 2.10. Seja a seguinte variável aleatória contínua, definida pela função densidade de probabilidade
(f.d.p)

a) Para provar que é função f.d.p temos que demonstrar que: , portanto:

Logo a função é função densidade de probabilidade.

b) Calcular F(1)

Docente: Jonas Mondlhane Abril de 2010 6

F(1)= P(

3.1.2.3 Parâmetros das variáveis aleatórias discretas

a) Esperança matemática ou valor esperado

b) variância
onde

Exemplo 2.111 Considere ainda o exercício:

Seja a seguinte variável aleatória contínua, definida pela função densidade de probabilidade (f.d.p)

a) Determine o valor da constante k;

b) Encontre a função de partiç~ao F(x) para os intervalos indicados;
c) Determine o valor esperado e a variância.

Resolução:
a) da propriedade 2, da função de densidade de probabilidade, então:

b) Vamos usar as propriedades da funç~ao F(x)

Para ; F(x) =

Para ; F(x) =

Para ; F(x) =

Logo a função de distribuição é:

c) Valor esperado

Docente: Jonas Mondlhane Abril de 2010 7

 =

Docente: Jonas Mondlhane Abril de 2010 8