2.

Conceitos básicos de probabilidade

As variáveis usadas em Administração são aleatórias – ou seja,
antes de ocorrer o fato, não há como saber seus valores.
Definição de variável aleatória:
Uma variável cujo valor é desconhecido até sua observação. Esse valor
resulta de determinado “processo”– que, em Estatística, é denominado
experimento aleatório – e não pode ser previsto com exatidão.
Exemplos de variáveis na área de negócios:
• Faturamento das lojas de uma franquia Pizza Hut em agosto (ou outro
mês qualquer).
• Número de alunos matriculados em uma universidade privada no
primeiro semestre do ano.
• Fluxo de caixa total que resulta de um novo projeto.
• Retorno de um investimento financeiro no próximo trimestre.

5
 2. Conceitos básicos de probabilidade
Os dados em Administração são denominados não
experimentais – ou seja, não resultam de uma experiência
controlada.
Nas ciências exatas, os dados disponíveis podem ser experimentais.
Definição de variável aleatória discreta:
Uma variável que pode assumir um número finito de valores, ou um
conjunto infinito cujos elementos podem ser associados ao conjunto dos
números inteiros positivos – conjunto infinito enumerável.
Exemplo de VA discreta – função (distribuição) de probabilidade:

6
 2. Conceitos básicos de probabilidade
Dois dados são lançados, a variável X é a soma dos números.
Lançamento de dois dados
1 2 3 4 5 6
Soma (X) Freq. relativa 1 2 3 4 5 6 7
2 3 4 5 6 7 8
2 0,03
3 4 5 6 7 8 9
3 0,06 4 5 6 7 8 9 10
4 0,08 5 6 7 8 9 10 11
5 0,11 6 7 8 9 10 11 12
6 0,14
7 0,17 0,18 Distrib. de Probabilidade de X: Soma de Dois Dados
8 0,14 0,16

9 0,11 0,14

10 0,08 0,12

11 0,06 0,1

12 0,03 0,08

Soma 1 0,06

0,04

0,02

0
2 3 4 5 6 7 8 9 10 11 12

7
 2. Conceitos básicos de probabilidade
Uma moeda é arremessada 4 vezes, a variável X é o número de caras obtidas.
Distribuição de probabilidade (n representa o número de lançamentos):
n
f(x) = ( ) px (1 − p)n − x
x
Distribuição binomial
n
( ) = n! / x!(n − x)!
x
Considerando que p = 0,55, temos a seguinte distribuição:

Xi 0 1 2 3 4
F(Xi) 0,041 0,200 0,368 0,2995 0,092

8
 2. Conceitos básicos de probabilidade
Valor esperado – Média de uma VA discreta:
E(x) =  = x x f(x)
Exemplo – X é a soma de dois dados:
E(x) =  = x x f(x) = 7
Esperança de uma função de VA – função g(x):
E[g(x)] = x g(x) f(x)
Variância de uma VA discreta:
Var(x) = 2 = E[(x – )2] = E(x2) – 2
Exemplo – X é a soma de dois dados:
E(x2) = x x2 f(x) = 54,8333; 2 = 54,8333 – 72 = 5,8333;  = 2,4152

9
 2. Conceitos básicos de probabilidade
Definição de variável aleatória contínua:
Uma variável que pode assumir qualquer valor real em um intervalo de
números reais.
Exemplo de V. A. contínua – função densidade de probabilidade:

f(x) = ½ x, quando 0 ≤ x ≤ 2;
0, para x fora do intervalo.

,
A área marcada no Gráfico é P(1 ≤ x ≤ 1,5) = ∫ 𝑓 𝑥 𝑑𝑥 = 5/16.

10
 2. Conceitos básicos de probabilidade
Valor esperado – Média de uma VA contínua:
E(x) =  =
Exemplo:
E(x) =  = ∫ 𝑥𝑓 𝑥 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 = 4/3

Variância de uma VA contínua:

Var(x) = 2 = E[(x – )2] = E(x2) – 2
Exemplo:
E(x2) = ∫ 𝑥 𝑓 𝑥 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 = 2;
2 = 2 – (4/3)2 = 2/9;  = 2/3

11
 2. Conceitos básicos de probabilidade
Função linear de uma VA: Y = a + cX
Média: E(Y) = E(a + cX) = a + cE(X) = a + c
Var (Y) = Var(a + cX) = c2 Var(X) = c2 2
VA padronizada
Z = [X– ]/
E(Z) = 0; Var(Z) = 1
Exemplo:
Z = (X – 4/3)/2/3

12