Variáveis Aleatórias Discretas:

Uma variável aleatória X é uma função que associa um determinado valor numérico a
cada ponto do espaço amostral de um experimento.

Marta Lizeth Calvache Hoyos Aulas

Variáveis Aleatórias Discretas:
Uma variável aleatória X é uma função que associa um determinado valor numérico a
cada ponto do espaço amostral de um experimento. Dizemos que a variável aleatória
é discreta se X toma valores em um conjunto finito ou enumerável.

Marta Lizeth Calvache Hoyos Aulas

Variáveis Aleatórias Discretas:
Uma variável aleatória X é uma função que associa um determinado valor numérico a
cada ponto do espaço amostral de um experimento. Dizemos que a variável aleatória
é discreta se X toma valores em um conjunto finito ou enumerável.

Exemplo
Considere o espaço amostral Ω relativo ao lançamento simultâneo de duas moedas,
teremos (utilizamos H= cara e T= coroa):

Ω = {HH, HT , TH, TT }

Tomando X para representar o número obtido de “caras” nos dois lançamentos dos
dados, podemos associar um número para X a cada ponto amostral, de acordo com a
Tabela a seguir:

Ponto Amostral X: número de caras

HH 2
HT 1
TH 1
TT 0

Marta Lizeth Calvache Hoyos Aulas

Observe que X assume os valore {0, 1, 2} e podemos associar uma probabilidade a
cada valor que X assume, ou seja,
1 1 1
P(X = 0) = , P(X = 1) = , P(X = 2) = .
4 2 4
Além disso, temos que:
1 1 1
P(X = 0) + P(X = 1) + P(X = 2) = + + = 1.
4 2 4

Marta Lizeth Calvache Hoyos Aulas

Observe que X assume os valore {0, 1, 2} e podemos associar uma probabilidade a
cada valor que X assume, ou seja,
1 1 1
P(X = 0) = , P(X = 1) = , P(X = 2) = .
4 2 4
Além disso, temos que:
1 1 1
P(X = 0) + P(X = 1) + P(X = 2) = + + = 1.
4 2 4

Em geral, seja X uma variável aleatória tomando valores {x1 , x2 , x3 , ....}. A função

P(X = xi ) = p(xi )

é denominada função (distruibuição ) de probabilidade de X se: 0 ≤ p(x1 ) ≤ 1 e

p(x1 ) + p(x2 ) + p(x3 ) + · · · = 1.

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Determine se as seguintes distribuições são distribuições de probabilidade:

1
xi 5 6 7 8
p(xi ) 0,28 0,21 0,43 0,15

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Determine se as seguintes distribuições são distribuições de probabilidade:

1
xi 5 6 7 8
p(xi ) 0,28 0,21 0,43 0,15

2
xi 1 2 3 4
1 1 5
p(xi ) 2 4 4
− 12

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Determine se as seguintes distribuições são distribuições de probabilidade:

1
xi 5 6 7 8
p(xi ) 0,28 0,21 0,43 0,15

2
xi 1 2 3 4
1 1 5
p(xi ) 2 4 4
− 12

3
xi 5 6 7 8
1 5 1 1
p(xi ) 16 8 4 16

Marta Lizeth Calvache Hoyos Aulas

Construção e representação gráfica de uma
distribuição discreta de probabilidade
Um psicólogo aplicou um teste de personalidade para identificar as caraterísticas
passivo-agrassivas em 150 colaboradores. Os indivíduos recebiam uma pontuação de
1 a 5, sendo 1 extremamente passivo e 5 extremamente agressivo. Uma pontuação
de 3 não indicava nenhuma das duas características. Os resultados estão indicados
na seguinte tabela.

Marta Lizeth Calvache Hoyos Aulas

Construção e representação gráfica de uma
distribuição discreta de probabilidade
Um psicólogo aplicou um teste de personalidade para identificar as caraterísticas
passivo-agrassivas em 150 colaboradores. Os indivíduos recebiam uma pontuação de
1 a 5, sendo 1 extremamente passivo e 5 extremamente agressivo. Uma pontuação
de 3 não indicava nenhuma das duas características. Os resultados estão indicados
na seguinte tabela.
Pontuação, xi frequência, fi
1 24
2 33
3 42
4 30
5 21

Marta Lizeth Calvache Hoyos Aulas

Construção e representação gráfica de uma
distribuição discreta de probabilidade
Um psicólogo aplicou um teste de personalidade para identificar as caraterísticas
passivo-agrassivas em 150 colaboradores. Os indivíduos recebiam uma pontuação de
1 a 5, sendo 1 extremamente passivo e 5 extremamente agressivo. Uma pontuação
de 3 não indicava nenhuma das duas características. Os resultados estão indicados
na seguinte tabela.
Pontuação, xi frequência, fi
1 24
2 33
3 42
4 30
5 21
Tomemos:
24
p(1) = P(X = 1) = 150
= 0, 16

Marta Lizeth Calvache Hoyos Aulas

Construção e representação gráfica de uma
distribuição discreta de probabilidade
Um psicólogo aplicou um teste de personalidade para identificar as caraterísticas
passivo-agrassivas em 150 colaboradores. Os indivíduos recebiam uma pontuação de
1 a 5, sendo 1 extremamente passivo e 5 extremamente agressivo. Uma pontuação
de 3 não indicava nenhuma das duas características. Os resultados estão indicados
na seguinte tabela.
Pontuação, xi frequência, fi
1 24
2 33
3 42
4 30
5 21
Tomemos:
24 30
p(1) = P(X = 1) = 150
= 0, 16 p(4) = P(X = 4) = 150
= 0, 20
33
p(2) = P(X = 2) = 150
= 0, 22
42 21
p(3) = P(X = 3) = 150
= 0, 28 p(5) = P(X = 5) = 150
= 0, 14

Marta Lizeth Calvache Hoyos Aulas

Exemplo:
Logo, a distribuição de probabilidades é:
xi 1 2 3 4 5
p(xi ) 0, 16 0, 22 0, 28 0, 20 0, 14

Marta Lizeth Calvache Hoyos Aulas

Exemplo:
Logo, a distribuição de probabilidades é:
xi 1 2 3 4 5
A representação gráfica é:
p(xi ) 0, 16 0, 22 0, 28 0, 20 0, 14

Marta Lizeth Calvache Hoyos Aulas

Valor Esperado, variância e desvio padrão de uma
variável aleatória discreta

Definição
A esperança (valor esperado ou média ) de uma variável aleatória discreta é dada por:
X
µ= xi p(xi )

Cada valor que a variável aleatória X assume é multiplicado por sua correspondente
probabilidade e esse produtos são somados.

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Exemplo
Encontre a média da variável aleatoria X que tem a seguinte distribuição de
probabilidade:
xi 1 2 3 4 5
p(xi ) 0, 16 0, 22 0, 28 0, 20 0, 14

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Exemplo
Encontre a média da variável aleatoria X que tem a seguinte distribuição de
probabilidade:
xi 1 2 3 4 5
p(xi ) 0, 16 0, 22 0, 28 0, 20 0, 14

Solução:
xi p(xi ) xi p(xi )
1 0,16 1×0, 16 = 0, 16
2 0,22 2 ×0, 22 = 0, 44
3 0,28 3 ×0, 28 = 0, 84
4 0,20 4 ×0, 20 = 0, 80
5 0,14 5 ×0, 14 = 0, 70
P P
p(xi ) = 1 xi p(xi ) = 2, 94

Logo, µ = 2, 94

Marta Lizeth Calvache Hoyos Aulas

Variância e Desvio padrão de uma variável aleatória
discreta

Definição
A variância de uma variável aleatória discreta é:
X
σ2 = (xi − µ)2 p(xi )

O desvio padrão é: √
σ := σ2

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Exemplo
Calcular a variância e o desvio padrão do exemplo anterior:

Marta Lizeth Calvache Hoyos Aulas

Exemplo:

Exemplo
Calcular a variância e o desvio padrão do exemplo anterior: Observe que µ = 2, 94.

xi p(xi ) xi − µ (xi − µ)2 (xi − µ)2 p(xi )

1 0,16 -1,94 3,7636 0,602176
2 0,22 -0,94 0,8836 0,194392
3 0,28 0,006 0,0036 0,001008
4 0,20 1,06 1,1236 0,224720
5 0,14 2,06 4,2436 0,594104
(xi − µ)2 p(xi ) = 1, 6164
P P
p(xi ) = 1

Então a variância é
σ 2 = 1, 6164.
E o desivo padrão é √
σ= σ 2 = 1, 2714

Marta Lizeth Calvache Hoyos Aulas

Exercícios:

Em um sorteio 1.500 billetes são vendidos a $ 2 cada, para prêmios de $ 500, $250 ,
$150 e $ 75. Você compra um billete. Qual é o valor esperado do seu ganho?

Marta Lizeth Calvache Hoyos Aulas

Bibliografia:

MAGALHÂES,M.A, DE LIMA, A.C. Noções de Probabilidade e Estatística .

Editora da Universidade de São Paulo, 2002.
TIBONI, C.G. Estatística Básica para cursos de Administração, Ciências
Contábeis, Tecnológicos e de Gestão. Editora Atlas 2010.

MEYER, P. L. Probabilidade: aplicações à estatística. In: Probabilidade:

aplicações à estatística. [S.l.]: Livro Técnico, 1970.

BUSSAB, W. O., MORETTIN, P. A. Estatística Básica. 5ª ed. São Paulo: Saraiva,

2002.

Marta Lizeth Calvache Hoyos Aulas