Estatística Aplicada à Química

Prof. Msc. Cleidivan Silva Macena

Variáveis Aleatórias Discretas
Variáveis Aleatórias
Algumas variáveis aleatórias (v.a.) adaptam-se muito bem a uma série
de problemas práticos. Portanto, um estudo pormenorizado dessas
variáveis é de grande importância para a construção de modelos
probabilísticos para situações reais e a consequente estimação de seus
parâmetros.

 Distribuição Uniforme Discreta;

 Distribuição de Bernoulli;
 Distribuição Binominal;
 Distribuição Hipergeométrica;
 Distribuição de Poisson.
Distribuição Uniforme Discreta
Este é o caso mais simples de v.a. discreta, em que cada valor possível
ocorre com a mesma probabilidade.

Definição. A v.a. discreta 𝑋, assumindo os valores 𝑥1 , 𝑥2 ..., 𝑥𝑘 , tem

distribuição uniforme se, e somente se,

1
𝑃 𝑋 = 𝑥𝑖 = 𝑝𝑖 =
𝑘
Para todo 𝑖 = 1, 2, … 𝑘.
Distribuição Uniforme Discreta
Definição. Dada a v.a. 𝑋 , assumindo os valores 𝑥1 , 𝑥2 ..., 𝑥𝑘 ,
chamamos valor médio ou esperança matemática de 𝑋 ao valor

𝑛 𝑛
1
𝐸 𝑋 = 𝑥𝑖 𝑝𝑖 = 𝑥𝑖
𝑘
𝑖=1 𝑖=1

Para todo 𝑖 = 1, 2, … 𝑛.
Distribuição Uniforme Discreta
Definição. Chama-se variância de uma v.a. 𝑋, ao valor

𝑉𝑎𝑟 𝑋 = [𝑥𝑖 − 𝐸 𝑋 ]2 𝑝𝑖
𝑖=1

Para todo 𝑖 = 1, 2, … 𝑛.

E desvio padrão de 𝑋

𝐷𝑃 𝑋 = 𝑉𝑎𝑟(𝑋)
Distribuição Uniforme Discreta
Definição. A função de distribuição acumulada de uma v.a. 𝑋, será

𝑛
1 𝑛(𝑥)
𝐹 𝑋 = =
𝑘 𝑘
𝑥𝑖 ≤𝑥

Onde 𝑛(𝑥) é o número de 𝑥𝑖 ≤ 𝑥.

Distribuição Uniforme Discreta
Exemplo
Seja 𝑋 a v.a. que indica o “número de pontos marcados na face superior
de um dado”, quando ele é lançado, dessa forma, obtemos:
Distribuição de Bernoulli
Muitos experimentos são tais que os resultados apresentam ou não
uma determinada característica. Por exemplo:

1) uma moeda é lançada: o resultado ou é cara, ou não (ocorrendo,

então, coroa);
2) um dado é lançado: ou ocorre face 5 ou não (ocorrendo, então, uma
das faces 1, 2, 3, 4 ou 6);
3) uma peça é escolhida ao acaso de um lote contendo 500 peças: essa
peça é defeituosa ou não;
4) uma pessoa escolhida ao acaso dentre 1.000 é ou não do sexo
masculino;
Estamos interessados na ocorrência de sucesso ou fracasso.
Distribuição de Bernoulli
Definição. A variável aleatória 𝑋, que assume apenas os valores 0 e 1,
com função de probabilidade (𝑥, 𝑝(𝑥)) tal que

𝑝 0 =𝑃 𝑋 =0 =1−𝑝
𝑝 1 =𝑃 𝑋=1 =𝑝

Essa variável e chamada variável aleatória de Bernoulli.

Daí segue que
𝐸 𝑋 =𝑝
𝑉𝑎𝑟 𝑋 = 𝑝 1 − 𝑝
0, 𝑠𝑒 𝑥 < 0
𝐹 𝑥 = 1 − 𝑝, 𝑠𝑒 0 ≤ 𝑥 < 1
1, 𝑠𝑒 𝑥 ≥ 1.
Distribuição de Bernoulli
Exemplo
Supondo o dado perfeito, teremos P(X = 0) = 5/6, P(X = 1) = 1/6,
Distribuição Binomial
Imagine, agora, que repetimos um ensaio de Bernoulli n vezes, ou, de
maneira alternativa, obtemos uma amostra de tamanho n de uma
distribuição de Bernoulli. Suponha ainda que as repetições sejam
independentes, isto é, o resultado de um ensaio não tem influência
nenhuma no resultado de qualquer outro ensaio. Uma amostra
particular será constituída de uma sequência de sucessos e
fracassos, ou, alternativamente, de uns e zeros.
Distribuição Binomial
Por exemplo, repetindo um ensaio de Bernoulli cinco vezes (n = 5), um
particular resultado pode ser FSSFS ou a quíntupla ordenada
(0, 1, 1, 0, 1).
Usando a notação de Bernoulli, com 𝑃(𝑆) = 𝑝 e 𝑃(𝐹) = (1 − 𝑝) a
probabilidade de tal amostra ser

(1 – 𝑝) ∙ 𝑝 ∙ 𝑝 ∙ (1 – 𝑝) ∙ 𝑝 = 𝑝3 (1 − 𝑝)2 .
Distribuição Binomial
Uma característica interessante dos experimentos considerados é que
estamos interessados apenas no número total de sucessos e não na
ordem em que eles ocorrem.
Pode-se construir uma tabela para n = 3 lançamentos da moeda, com
P(S) = p, P(F) = 1 – p = q.
Distribuição Binomial
Distribuição Binomial
Distribuição Binomial
Pode-se obter, agora, 𝑃(𝑋 = 𝑘), ou seja, numa sequência de n ensaios
de Bernoulli, a probabilidade de obter k sucessos (e portanto
𝑛 – 𝑘 fracassos), 𝑘 = 0,1,2, … , 𝑛 , com 𝑃(𝑆) = 𝑝, 𝑃(𝐹) = 1 – 𝑝 = 𝑞 .
Uma particular sequência é
SSS ... SFF ... F,
onde temos 𝑘 sucessos seguidos por 𝑛 – 𝑘 fracassos. A probabilidade
de tal sequência é
𝑝𝑘 (1 − 𝑝)𝑛−𝑘 = 𝑝𝑘 𝑞 𝑛−𝑘
Distribuição Binomial
Mas qualquer seqüência com 𝑘 sucessos e 𝑛 – 𝑘 fracassos terá a
mesma probabilidade. Portanto resta saber quantas sequências com a
propriedade especificada podemos formar. É fácil ver que existem

𝑛 𝑛!
=
𝑘 𝑘! 𝑛 − 𝑘 !
De forma que

𝑛 𝑘 𝑛−𝑘
𝑃 𝑋=𝑘 = 𝑝 𝑞 , 𝑘 = 0, 1, 2, … , 𝑛
𝑘
Distribuição Binomial
Definição. Chama-se de experimento binomial ao experimento
a) que consiste em 𝑛 ensaios de Bernoulli;
b) cujos ensaios são independentes; e
c) para o qual a probabilidade de sucesso em cada ensaio é sempre
igual a 𝑝, 0 < 𝑝 < 1.
A média e a variância de uma v.a. binomial, com parâmetros 𝑛 e 𝑝 são
dadas, respectivamente, por
𝐸(𝑋) = 𝑛𝑝 𝑉𝑎𝑟(𝑋) = 𝑛𝑝𝑞
REFERÊNCIAS
BUSSAB, Wilton de O.; MORETTIN, Pedro A. Estatística básica. 2010. p. 540.

MILLER, James; MILLER, Jane C. Statistics and chemometrics for analytical

chemistry. Pearson education, 2018.