“ Probabilidade e Estatística”

Probabilidade – IV

Variável Aleatória ( v.a.)

É a função que associa a todo evento pertencente a

uma partição do espaço amostral, um único número
real. A v.a. , em geral é denotada por uma letra
maiúscula X, Y,..., etc. Para designar valores
particulares dessas variáveis, usam-se letras
Prof. Dr. Jorim
minúsculas correspondentes: x, y,..., etc.
 “ Probabilidade e Estatística”
Probabilidade – IV

Ex: R = Lançamento de 3 moedas.

X = Número de ocorrências da face cara (c ).

S = {ccc, ccr, crc, rcc, crr, rcr, rrc, rrr }

Se X é o número de caras, X assume os valores 0, 1, 2 e 3

que são os eventos: nenhuma, uma, duas ou três caras.
Assim:
Prof. Dr. Jorim
 “ Probabilidade e Estatística”
Probabilidade – IV

Esquematicamente ...

Prof. Dr. Jorim

 “ Probabilidade e Estatística”
Probabilidade – IV

Distribuição de Probabilidade de uma v.a.

É a descrição completa das probabilidades de todos os

eventos associados a um fenômeno aleatório.

Ex: R = Lançamento de uma moeda não viciada.

X = Face cara.
Prof. Dr. Jorim
 “ Probabilidade e Estatística”
Probabilidade – IV

Nota-se que:

n n

 P( E
i =1
i ) =  P( xi ) = 1
i =1

Prof. Dr. Jorim

A distribuição de probabilidade de X é definida pela
“função de probabilidade” P( x ) para X discreta e pela
“função densidade de probabilidade” f( x ) para X
contínua.
 “ Probabilidade e Estatística”
Probabilidade – IV

Esperança ( E(X) ) : É o valor do evento mais provável ou

esperado de uma distribuição de probabilidade de uma
v.a. X dado por:

n
xi
Prof. Dr. Jorim E( X ) =  = 
i =1 N
 “ Probabilidade e Estatística”
Probabilidade – IV

Variância ( V(X) ) : Fornece o valor médio do quadrado

do afastamento de cada valor particular de xi da v.a. X
em relação à m e, é dado por:

( xi −  )n 2
V( X ) = =  2

i =1 N
Prof. Dr. Jorim
Desvio Padrão ( D. Pad.(X) ) : É a raiz quadrada de V(X).

D .Pad ( X ) =  = V ( X ) =  2
 “ Probabilidade e Estatística”
Probabilidade – IV
Ex : R = Lançamento de 2 dados.
X = Soma das faces.
Determinar a Distribuição de probabilidade, E(X), V(X) e
D. Pad.(X)

Prof. Dr. Jorim

 “ Probabilidade e Estatística”
Probabilidade – IV
Principais Distribuições de Probabilidade

Na prática, sempre se procura associar um fenômeno

aleatório a ser estudado, a uma forma já conhecida de
distribuição de probabilidade (distribuição teórica) e, à
partir da mesma, obter os valores de sua média (  ),
desvio- padrão (  ) e demais parâmetros.
Prof. Dr. Jorim
 “ Probabilidade e Estatística”
Probabilidade – IV
Distribuições de v.a.’s Discretas
Distribuição de Bernoulli
Representa a v.a. X que possui apenas duas
alternativas de ocorrência mutuamente exclusivas :
sucesso ou fracasso. A notação para esta distribuição é
dada por:

Prof. Dr. Jorim P( X = 1 ) = p -> P( X = sucesso )

P( X = 0 ) = ( 1 - p ) = q -> P( X = fracasso )
E (X ) =  = p
V (X ) =  2 = p q
1/2
D. Pad. (X ) =  = ( p q )
 “ Probabilidade e Estatística”
Probabilidade – IV

Ex: Escolha aleatória de uma embalagem num lote,

fabricada por uma indústria química de defensivos
agrícolas.
X = 1 -> Se embalagem defeituosa -> p = 0,1
X = 0 -> Se embalagem perfeita -> q = 0,9
= 0,1 1/2
 = ( 0,1 * 0,9 )
Prof. Dr. Jorim
Nestas condições, a v.a. X tem Distribuição de Bernoulli
e sua função de probabilidade P( X ) é dada por:

( 1− x )
P( X ) = p q x
 “ Probabilidade e Estatística”
Probabilidade – IV

Ex: Um lote de uma indústria química com 50 vidros

contendo veneno do grupo químico “PIRETRÓIDES”
apresenta 30 vidros com 30 ml da substância e 20
vidros com uma quantidade inferior a 30 ml. O
supervisor de qualidade da indústria seleciona
aleatoriamente um vidro deste lote. Seja X o número de
vidros com quantidades inferiores a 30 ml. Determinar
Prof. Dr. Jorim a P( X ) e calcular E( X ) bem como a Var( X )
x 1− x
2 3
P( X = x ) =    
 30 3 5 5
0→ =
 50 5
X = E( X ) = p =
2
1 → 20 2
= 5

 50 5
2 3 6
VAR( X ) = pq =  =
5 5 25
 “ Probabilidade e Estatística”
Probabilidade – IV

Distribuição Binomial
Representa a contagem do número de sucessos que
ocorrem em “n” repetições de um mesmo fenômeno
com distribuição de Bernoulli , onde P(sucesso ) =
P( X = 1 ) = p. A variável X = k possui a seguinte
distribuição:

Prof. Dr. Jorim n! k n− k

P( X = k ) = p q
k ! ( n − k )!
= n p
2 = n p q 1/2
 = (npq )
 “ Probabilidade e Estatística”
Probabilidade – IV

Ex: Suponha que se devam realizar 5 experimentos

independentes e idênticos em um laboratório químico.
Cada experimento é sensível às condições ambientais
e sua probabilidade de ser mal sucedido é p = 1/5.
Assim sendo, determine a probabilidade de que após a
realização dos 5 experimentos...:

Prof. Dr. Jorim a-) 2 sejam mal sucedidos;

2 3
5!  1   4  1 64
P( X = 2 ) =     = 10   = 0 ,2048
2! 3!  5   5  25 125

b-) 4 sejam mal sucedidos.

4 1
5!  1   4  1 4
P( X = 4 ) =     = 5  = 0 ,0064
4!1!  5   5  625 5
 “ Probabilidade e Estatística”
Probabilidade – IV

Distribuição de Poisson
A distribuição de Poisson é empregada quando se
deseja contar o número de eventos de um certo tipo
(sucessos) que ocorrem em um intervalo contínuo t
(tempo, área, volume, etc). A probabilidade P( X = k ) de
ocorrer k sucessos no intervalo t, é dada por:

−l
Prof. Dr. Jorim e l k
P( X = K ) =
k!
= l
1/2
=l
 “ Probabilidade e Estatística”
Probabilidade – IV

Ex: Um contador Geiger conectado a um tubo de gás

cheio de argônio, detecta em média 2 contagens de
radiação ionizante ambiental a cada intervalo de 0,1
segundos. Qual a probabilidade de que num intervalo
de 0,4 segundos ele detecte 5 contagens de radiação ?

Solução:
Prof. Dr. Jorim
0 ,1 → 2
→ l=8
0 ,4 → l

e −8  8 5
P( X = 5 ) = = 0 ,0916
5!