Profª. Drª.

Alessandra Querino – Disciplina: Probabilidade e Estatística

3. DISTRIBUIÇÕES DE PROBABILIDADE

3.1 VARIÁVEIS ALEATÓRIAS (V.A.)

Na pratica é mais interessante associarmos um numero a um evento aleatório e calcularmos a

probabilidade de ocorrência desse número.
Quando uma variável tem resultados ou valores que tendem a variar de uma observação para
outra em razão de fatores relacionados com a chance, chama-se variável aleatória.
Exemplo: Seja E: lançamento de uma moeda
Ω = {K, C}
Do ponto de vista prático, é desejável que se defina uma v.a. associada a uma amostra ou
experimento, de tal modo que seus resultados sejam numéricos.
No exemplo anterior, K ou C não são numéricos, sendo assim, podemos considerar como
nossa v.a. o “número de caras numa jogada”. Ou seja:
X: número de caras numa jogada => Ω = {K,C}
X= {0, 1}

Definição: Seja Ω um espaço amostral associado a um experimento e considere um evento

elementar. Uma variável aleatória X, definida em Ω, é uma função X: Ω → ℜ que associa um valor
numérico a cada resultado elementar do espaço amostral.

Exemplos:
1)Seja a v.a. X: número de caras em 2 lançamentos de uma moeda. O espaço amostral Ω do
experimento é Ω =

Portanto, X associa os valores numéricos 0, 1 e 2 aos resultados elementares de Ω.

X=

Pode-se escrever a seguinte tabela:

X Eventos correspondentes
0
1
2

2) Seja a v.a. X: número de clientes que entram em uma loja no espaço de 20 minutos.
X=

3.1.1 VARIÁVEIS ALEATÓRIAS DISCRETAS ou DISTRIBUIÇÕES DISCRETAS

Definição: Uma v.a. X é considerada discreta se toma valores que podem referem-se a
contagens.
Def: Seja X uma variável aleatória (v. a) discreta assumindo um numero infinito enumerável de
valores x1, x2, x3, .... A cada valor que X pode assumir, ou seja, x1, x2, x3, ..., associaremos um
número p(xi) = P(X = xi ), com i = 1, 2, 3, ..., denominado probabilidade de xi. Os números
P(X = xi), i = 1,2,3,..., devem satisfazer as seguintes condições:
( i ) 0 ≤ P(X = xi) ≤ 1, para todo i

1
 ∞
( ii ) ∑ P(X = x i ) = 1
i =1
A função P(X = xi) dada acima é denominada função de probabilidades (ou distribuição de
probabilidades) da variável aleatória X.

Definição: Dada uma variável aleatória discreta X, assumindo os valores x1, x2, x3, ...,xn, chamamos
n
de valor médio ou valor esperado ou esperança de X ao valor : E(X) = ∑ x i P(X = x i ) .
i =1
n
E a variância de X é: Var(X) = ∑ ( x i − E (X)) 2 P(X = x i )
i =1

A variância de X também pode ser calculada pelo seguinte Teorema.

Teorema: TEOREMA: Var (X) = E(X2) – (E(X))2

Exemplos:
3) Seja E: lançamento de um dado, e definimos a v.a. X: ocorrer o número 4. Obtenha E(X), Var(X)
e o desvio padrão de X.

4) Durante o período de vendas de um ano (225 dias), um vendedor efetua entre 0 e 9 vendas por
dia, conforme indicado na tabela. Se esse padrão for mantido, qual será o valor esperado para o
número de vendas por dia desse vendedor?

Numero 0 1 2 3 4 5 6 7 8 9
de
Vendas
Numero 25 48 60 45 20 10 8 5 3 1
de dias

3.1.1.1 DISTRIBUIÇÃO DE BERNOULLI

Muitos experimentos são tais que os resultados possíveis apresentam ou não uma
determinada característica.
( i ) uma moeda é lançada: o resultado é “cara”, ou não é;
( ii ) um dado é lançado: ou ocorre face 4, ou não (ocorrendo, então, uma das faces 1, 2, 3, 5 ou 6);
( iii ) uma peça é escolhida, ao acaso, de um lote de 500 peças: esta peça é defeituosa ou não;
( iv ) uma pessoa é escolhida, ao acaso, dentre 1000: esta, é do sexo feminino ou não.
Em todos esses casos, estamos interessados na ocorrência de um sucesso (ocorrência de
“cara”, face 3, peça defeituosa, pessoa do sexo feminino) ou fracasso (ocorrência de “coroa”, faces
1, 2, 3, 5 ou 6, peça perfeita, pessoa do sexo masculino).
Para cada experimento acima, podemos definir uma variável aleatória (v. a) X que assume
apenas dois valores:
→ 1, se ocorre sucesso
→ 0, se ocorre fracasso
E denota-se por p a probabilidade de sucesso, isto é, P(sucesso) = P(S) = p com 0 < p < 1.

Definição: A variável aleatória X que assume apenas os valores 0 e 1 com a função de

probabilidade dada por

2
 xi 0 1 Total
P(X = xi) 1–p P 1

é chamada de v.a. de Bernoulli ou ensaio de Bernoulli.

A função de probabilidade desta variável aleatória é dada por P[X=k] = pk (1-p)1-k, com
k =0, 1.

Propriedades: Se X tem a distribuição de Bernoulli, então:

1) E(X) = p

2) Var(X) = p(1 – p)

Exemplo 5: Vamos supor o caso onde temos 5 mulheres e 4 homens onde selecionamos uma pessoa
ao acaso e verificamos a ocorrência de mulher. Qual a função de probabilidade desta v.a. e calcule
sua esperança e variância.

3.1.1.2 DISTRIBUIÇÃO BINOMIAL

Consideremos n tentativas independentes de um mesmo experimento aleatório, ou seja, o
resultado de uma tentativa não influência no resultado de qualquer outra tentativa.
Cada tentativa admite apenas dois resultados possíveis: sucesso (S) com probabilidade p e
fracasso (F) com probabilidade (1 – p). As probabilidades de sucesso e fracasso são as mesmas para
cada tentativa.
Na verdade é equivalente a repetir um ensaio de Bernoulli n vezes, e estamos considerando
que essas repetições sejam independentes. Uma amostra particular será construída de uma
seqüência de sucessos e fracassos, ou, de uns e zeros.
Portanto a P(X = k), ou seja, a probabilidade de se obter k sucessos em uma seqüência de n
ensaios de Bernoulli, onde P{S} = p e P{F)}= 1-p, será

n
P(X = k) =   p k (1 − p) n − k
k

Definição: a variável aleatória X: número de sucessos em n tentativas ou ensaio tem

distribuição Binomial com parâmetros n e p e função de probabilidade dada por:
n
P(X = k) =   p k (1 − p) n − k
k

Notação: Se a v.a. X tem distribuição binomial com n ensaios e a P(S) = p, então denotamos
X∼B(n, p).

Propriedades: Se X ~B (n, p), então

1) E(X) = np

2) Var(X) = np(1-p)

Observação: A distribuição Binomial só poderá ser aplicada se satisfaz as seguintes condições:

a) realização de n provas finitas e independentes;
b) dois resultados possíveis: sucesso (S) ou fracasso (F)

3
c) probabilidade de sucesso p e probabilidade de fracasso q = (1- p) são constantes a cada prova.

Exemplos:
6)Uma moeda é lançada 10 vezes. Encontre a probabilidade de:
a) ocorrer 5 caras;
b) ocorrer pelo menos 1 cara;
c) ocorrer no máximo 2 caras.
d) Qual o número esperado de caras? E a variância de X?

7)É conhecido que parafusos produzidos por uma certa companhia será defeituoso com
probabilidade 0,01, independentemente um do outro. A companhia vende os parafusos em pacotes
de 10 unidades e garante que não mais de um dos parafusos são defeituosos. Qual a proporção de
pacotes vendidos que poderão ser devolvidos?

8)A probabilidade de um item produzido por uma fabrica ser defeituoso é 0,02. Um lote de 10000
itens é enviado para o depósito. Encontre o número esperado de itens defeituosos no depósito e o
desvio padrão.

9) Suponha que um fabricante produza peças das quais cerca de uma em 100 sejam defeituosas.
Determinar a probabilidade de que em um lote de 300 peças nenhuma seja defeituosa.

3.1.1.3 DISTRIBUIÇÃO DE POISSON

Consideremos as seguintes variáveis aleatórias:
( i ) X: número de chamadas recebidas por uma central telefônica durante um período de 30
minutos;
( ii ) Y: número de bactérias em um litro de água não purificada;
( iii ) Z: número de acidentes com automóveis em determinado trecho de estrada, no período de 12
horas.
Note que todas essas variáveis assumem os valores 0, 1, 2, 3, 4, 5,...

Seu comportamento pode ser descrito pela chamada Distribuição de Poisson cuja função de
probabilidade é dada por:
e − λ λk
P(X = k) = , k = 0, 1, 2, ...
k!
onde λ é o parâmetro da distribuição.

Notação: Se a v.a. X tem distribuição de Poisson com parâmetro λ, denotamos X ∼ Poisson(λ).

Propriedades:
1) E(X) = λ
2) Var(X) = λ

Exemplos:
10)Uma central telefônica recebe uma média de 5 chamadas por minuto. Determinar a
probabilidade de que receba:
a) no máximo 2 chamadas durante um intervalo de 1 minuto;
b) no mínimo 3 chamadas durante um intervalo de 2 minutos;
c) Obtenha a distribuição de probabilidade para a v. a. X: numero de chamadas em 1 minuto.

11)Suponha que 300 erros de impressão sejam distribuídos aleatoriamente em um livro de 500
páginas. Encontre a probabilidade de dada pagina conter:
4
a) exatamente 2 erros;
b) 2 ou mais erros.

12)O número médio de acidentes mensais em um determinado cruzamento é 3. Qual a

probabilidade de que em um determinado mês ocorram:
a) 4 acidentes no cruzamento;
b) no máximo 2 acidentes no cruzamento;
c) pelo menos 3 acidentes no cruzamento.

13) Suponha que o número médio de petroleiros que chegam a uma refinaria em cada dia seja 2. As
atuais instalações podem atender no máximo três petroleiros por dia. Se mais de 3 aportarem num
dia , o excesso é enviado a outro porto.
a) Em um dia, qual a probabilidade de enviar petroleiros para outro porto?
b) de quanto deverão ser aumentadas as instalações para permitir atender a todos os navios que
chegarem em pelo menos 95% dos dias?
c) Qual número esperado de petroleiros que chegam a cada dia?
d) Qual é o número mais provável de navios que chegam a cada dia?
e)Qual o número esperado de petroleiros atendidos por dia?

3.1.2 VARIÁVEIS ALEATÓRIAS CONTÍNUAS

Uma v.a. X é dita contínua se toma valores de um dado intervalo dos números reais. Pertencem
a este tipo de variável mensurações de altura, temperatura, precipitação pluviométrica, tempo de
espera numa fila, etc.

Definição: Seja X uma variável aleatória contínua. Aqui, a função de distribuição de

probabilidade é usualmente designada por f(x), satisfazendo as seguintes condições:
( i ) f(x) ≥ 0, para todo x.
∞
( i i) ∫ f ( x )dx = 1
−∞
A função f(x) que satisfaz as 2 condições acima é denominada função densidade de probabilidade
(f.d.p) .

Notas:
1) a condição ii) da definição acima requer que a área total sob a curva representativa de f(x) seja
igual a 1.

2) para variáveis aleatórias continuas, a f.d.p. f(x) não representa a probabilidade de X= x. Aqui a
f.d.p. relaciona a probabilidade de um intervalo [a, b] à área sob a curva f(x) entre a e b.

b
O cálculo de probabilidades para a v. a. continua X é obtido por P(a ≤ X ≤ b) = ∫ f ( x )dx .
a
3) P(X = x) = 0, isto é, para uma v. a. continua X, a probabilidade de X = x é sempre igual a zero.
Só terá sentido, para uma variável aleatória continua X, calcular a probabilidade de X pertencer a
um intervalo [a, b], isto é, P[a ≤ X ≤ b].
5