Introdução

Num percurso estatístico no qual se pretende chegar na definição de conteúdos como variável
aleatória, funções de probabilidade e funções de repartição, e importante também falar desses
conteúdos de forma explícita e detalhada o que facilita bastante na percepção dos tais
conteúdos. Toda via, podemos de forma clara apreciar as definições de cada uma delas sem
deixar de exemplificar.

No que se refere a variável aleatória, teríamos como definição como sendo o processo de
observação ou de acção cujo resultados, embora podendo ser descritos no seu conjunto, não
são determináveis a prior, antes da realização da experiencia. Aqui podemos destacar
algumas características como a possibilidade de repetição de experimentos em condições
similares. Uma outra característica a seguir seria também que não se pode dizer a partida qual
o resultado do experimento a se realizar, mais pode se descrever o conjunto de todos os
resultados possíveis.

Estes como outros exemplos podem também nos ilustrar acerca de variável aleatória, e
quanto as funções de probabilidade e funções de repartição importa salientar que os termos
demonstram uma semelhança na abordagem como as seguir mostra o trabalho. Assim
importa dizer que o trabalho este organizado desde a introdução, objectivo geral, objectivos
específicos, a revisão bibliográfica os respectivos conteúdos bem delineados, a conclusão e
por fim a respectiva referencia bibliográfica.

Este trabalho esta organizado desta forma obedecendo aquilo que são as normas apas
recomendadas pela universidade católica, não obstante a isso, importa também referir que
esta cadeira tal como já avia referenciado anteriormente, trás uma abordagem de grande
importância no mundo da actualidade.

5
Objectivos

Objectivo Geral
Apreciar os conteúdos relacionados com os conteúdos vigentes neste trabalho,

Objectivos específicos
Definir variável aleatória;
Resolver os questionários aqui apresentados ligados com os métodos estatísticos;
Diferenciar os termos como função de repartição e função de probabilidade;

Revisão Bibliográfica
Uma revisão bibliográfica foi feita minuciosamente obedecendo as normas estabelecidas pela
instituição, ora, consultas feitas em diferentes manuais também ajudaram na execução do
mesmo.

6
Variável aleatória

1. Introdução e conceito
Para facilitar a compreensão do conceito de variável aleatória, vamos tomar com exemplo o
seguinte experimento aleatório.

Exemplo: lançamento de uma moeda honesta três vezes e observação da faces que ocorrem.

O espaço amostral do experimento é:

S= { ccc , cck , ckc , kkc , kck , ckk ,kkk }

Como a moeda é honesta, a probabilidade de ocorrer cara é igual à probabilidade de ocorrer

1
coroa: P ( C ) =P ( K )=
2

Para que ocorra o resultado três caras (ccc), é necessários que ocorram, sucessivamente, os
três eventos: cara no primeiro lançamento, cara no segundo lançamento e cara no terceiro
lançamento, ou seja, deve ocorrer a intersecção destes três eventos. Como os lançamentos são
independentes entre si, a probabilidade de ocorrer cara e a mesma em todos eles:

1
P (C)=
2

Logo, a probabilidade de ocorrer três caras P(ccc), é dado pelo produto de ocorrer cara em
cada lançamento.

1 1 1 1
P ( ccc )=P ( c ) + P ( c )+ P ( c ) = × × =
2 2 2 8

De forma análoga, obtermos as probabilidades de todos os demais resultados possíveis

1 1 1 1
P ( cck ) =P ( c )+ P ( c ) + P ( k ) = × × =
2 2 2 8

1 1 1 1
P ( kkk )=P ( k ) + P ( k ) + P ( k )= × × =
2 2 2 8

Podemos observar então, que:

7
 1
P ( ccc )=P ( cck )=P ( ckc )=P ( kcc ) =P ( kckc )=P ( kck ) =P ( ckk )=P ( kkk )=
8

O que torna o espaço amostral equiprovável.

Observamos também, que o espaço amostral é formado pela união dos eventos
( ccc ) , ( cck ) , ( ckc ) , ( kkc ) , ( kck ) , ( ckk ) e (kkk ), que são todos mutuamente excluisive. Sendo
assim, a probabilidade do espaço amostral P(S), é dada pela soma das probabilidades da cada
evento

P ( S )=P ( ccc ) + P ( cck )+ P ( ckc ) + P ( kcc ) + P ( kckc ) + P ( kck )+ P ( ckk ) + P ( kkk )

1 1 1 1 1 1 1 1
P ( S )= + + + + + + + =1
8 8 8 8 8 8 8 8

Seja X a variável que representa o número de caras ocorridos nos três lançamentos, quais são
os possíveis valores de x?

x= {0 , 1 , 2, 3 }

X(ccc)=3 X(cck)=2 X(ckc)=2 X(kcc)=2

X (kKc) =1 X (kcK) =1 X (ckk) =1 X (kkk) =0

Através de X foi possível transformar um conjunto não numérico com oito pontos amostrais
em um conjunto numérico com quatro pontos. A partir deste exemplo podemos definir:

Variável aleatória é uma função ou regra que transforma um espaço amostral qualquer em um
espaço amostral numérico que será sempre um subconjunto de conjunto dos números reais.

v.a
. X (S)
.S

S (espaço amostral) Sx (espaço amostral da variável X)

As variáveis aleatórias podem ser classificadas como discretas ou contínuas.

1.1. Variável aleatória discreta

8
São discretas todas as variáveis cujo espaço amostral S x é enumerável finito ou infinito.
Assim se X é uma variável aleatória discreta, então SX é um subconjunto dos inteiros

Exemplo: lançamento de uma moeda ate que ocorra face cara.

O espaço amostral deste experimento será S= { c , kc , kkc , kkkc , kkkkc , kkkkkc , … }

Se definimos a variável aleatória X como o número de lançamentos ate que ocorra cara, então

S → S X = {1 , 2 ,3 , 4 , 5 ,… }

Se definimos outra variável aleatória Y, como o número de coroas ate que ocorra cara, então
temos

S → S y ={ 0 , 1 ,2 , 3 , 4 , 5 , … }

Observamos que X e Y são variáveis aleatórias discretas, pois seus espaços amostrais são
enumeráveis.

2. Função de probabilidade
Definição: seja X uma variável aleatória discreta e S X o seu espaço amostral. A função da
probabilidade P( X=x) , ou simplesmente p (x), será a função que associa a cada variável de
X a sua probabilidade de ocorrência, desde que satisfaça duas condições:

1. P( X)≥ 0, ∀ x ∈ S x

2. ∑ P ( x )=1
X ∈ Sx

Existem três formas distintas de representar uma função:

 Representação tabular: consiste em relacionar em uma tabela os valores da função de

probabilidade
 Representação gráfica: consiste em representar graficamente a relação entre os valores
da variável e suas probabilidades
 Representação analítica: estabelece uma expressão geral para representar o valor da
função num ponto genérico da variável.
Para exemplificar as formas de representação de uma função de probabilidade, vamos
considerar o seguinte experimento aleatório.

9
Exemplo: de uma urna com três bolas pretas e duas brancas, retiram-se, de uma vez, duas
bolas. Se X é o número de bolas pretas retiradas, determine a função de probabilidade
P ( X=x ) .

Observamos que o espaço amostral básico do experimento é um conjunto não numérico.

S= { P1 B1 , P1 B 2 , P 2 B1 , P2 B 2 , P 3 B1 , P3 B 2 , P 1 P2 , P2 P3 , P2 P3 , B 1 B2 , } e que a variável
transforma este espaço num conjunto numérico.

S x ={ 0 , 1, 2 }

Como o espaço amostral básico S é enumerável, finito e equiprovavel, podemos obter as

possibilidades associadas aos valores de X através do conceito clássico.

0 2
C 3 × C2 1
P ( X=0 )=P ( B1 B2 )= 2
= =0 , 1
C 5
10

1 1
C 3 ×C 2 6
P ( X=1 )=P ( P 1 B1 ) + P ( P1 B2 ) + P ( P2 B1 ) + P ( P2 B2 ) + P ( P3 B 1 ) + P ( P 3 B2 )= 2
= =0 , 6
C 5
10

2 0
C 3 × C2 3
P ( X=2 )=P ( P1 P2 ) + P ( P1 P 3 )+ P ( P 2 P3 )= 2
= =0 , 3
C 5
10

Obtidas as probabilidades, podemos fazer a representação tabular da função

X =x 0 1 2 Total
P ( X=x ) 0,1 0,6 0,3 1,0

Observamos que P ( X=x ) , ee uma funcao continua para todo x ∋ S x, ou seja, P ( X=x ) assume
o valor zero para x ∋ S x.

A representação gráfica da função é feita através da generalização da expressão utilizada para

o cálculo da probabilidade de cada valor de X:

X 2− X
C 3 ×C 2
P ( X=x ) = 2
, Para S x ={ 0 , 1, 2 }
C5

3. Função de repartição para variável aleatória discreta

Seja X uma variável aleatória discreta.

10
Define-se Função de Repartição da Variável aleatória X, no ponto x i, como sendo a
probabilidade de que X assuma um valor menor ou igual a x i isto é:

F ( x )=P( X ≤ x i )

Propriedades

 F ( x )=∑ x i P(x i)
x≤

 F (−∞ )=0
 F ( + ∞ )=1
 P ( a< x ≤ b )=F ( b )−F (a)
 P ( a ≤ x ≤ b )=F ( b )−F ( a ) + P( X=a)
 P ( a< x <b )=F ( b )−F ( a )−P( X=b)

 F(X) é continua à direita → xlim F( X )=F( X 0 )

→x 0

3.1. Esperança matemática de variável aleatória discreta (V.A.D)

Definição: Seja X uma V.A.D., com valores possíveis, x 1, x 2, x 3, … x n, seja P(
x 1 ¿=P(X =x 1), onde i=1,2,3,…n. o valor esperado de X ou esperança matemática de X,
denotado E(x) ou μ é definido como:

∞
E ( x )=∑ x i P (x i)
I=1

∞
Se a serie E ( x )=∑ x i P (x i) converge absolutamente, isto ee se
I=1

∞
𝐸( x )=∑ ¿ x i∨P( x i )<∞ , este número é também denominado o valor médio de X ou
I=1

expectância de X

3.2. Propriedade matemática da media ou esperança matemática

 Se C é uma constante, então temos
E ( c )=C

 Se X é uma variável aleatória e c uma constante, ao somarmos a constante aos valores

da variável, a media da variável também fica somada da constante
E ( c + X )=c + E( x )

11
  Se X é uma variável aleatória e c uma constante, ao multiplicarmos a constante aos
valores da variável, a media da variável também fica multiplicada da constante.
E ( cX )=cE (x)

 A média dos desvios é igual a zero.

E ( X −μ )=0

 A média dos desvios quadráticos é mínima

E( X −μ )2 < E ( X−μ )2 0

 Se X e Y são duas variáveis aleatórias, a media da soma ou diferença das duas

variáveis ee igual a soma ou diferença das suas médias.
E( X ±Y )=E (X )± E(Y )

 Se X e Y são duas variáveis aleatórias independentes, a media dos produtos das duas
variáveis ee iguais ao produto de suas médias.

Variância de uma variável aleatória discreta

Definição: Seja X uma V.A.D. Define-se a variância de X, denotada por V(X) ou σ 2x, da
seguinte maneira:

∞
V ( X )=∑ ( x i−E( x ) ) × P ( xi ) Ou E ( X 2) −[E ( X )] 2
2

i=1

∞
Onde E ( x )=∑ x i P (x i) e a raiz quadra positiva de V(x) é denominada desvio padrão de X,
2 2

i=1

e denotada por σ x .

Propriedades matemáticas da variância

 Se k é uma constante, então
V(k)=0

 Se X é uma variável aleatória e c uma constante, ao somarmos a constante aos valores

da variável a variância da variável não se altera
V ( X +C )=V ( X)

12
  Se X é uma variável aleatória e K uma constante, ao multiplicarmos a variável pela
constante a variância da variável fica multiplicada pelo quadrado
2
V ( KX )=K V (x)

 Se X e Y são duas variáveis aleatórias independentes, a variância da soma ou

diferença das duas variáveis é igual a soma de duas variâncias.
V ( X ±Y )=V ( X ) +V (Y ), Se X e Y são independentes

Exemplo:

Seja X o lançamento de duas moedas e descrever o experimento em função da obtenção do

número de caras:

i. Determinar a função de probabilidade e represente graficamente;

ii. Construir a função de repartição e represente graficamente;
iii. Use as propriedades para determinar
a) P(0< x< 2)
b) P(0 ≤ x ≤ 1)
c) P(0< x ≤ 2)
d) F (1)
e) F (2)
iv) e V ( X)
Resolução

i)

xi 0 1 2 Total
P( X=x i) 1 2 1 1
4 4 4

Representação gráfica·

13
 0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2

F ( x )=0 se x <0

1 se
F ( x )= 0 ≤ x<1
4

3
F ( x )= se 1 ≤ x <2
4

F ( x )=1 se x ≥ 2

ii)
1 1 2 1
a) P ( 0< x <2 )=F ( 2 )−F ( 0 )−P ( X=2 )=1− − = =
4 4 4 2
3 1 1 3
b) P ( 0 ≤ x <1 )=F ( 1 )−F ( 0 )+ P ( X=0 )= − + =
4 4 4 4
1 3
c) P ( 0< x ≤2 ) =F ( 2 )−F ( 0 )=1− =
4 4
3
d) F ( 1 ) =
4
e) F ( 2 ) =1

iii) Esperança matemática

∞
1 2 1
E ( x )=∑ x i P ( x i )=0× +1 × +2 × =1
I=1 4 4 4

Variância
∞
1 2 1 6
E ( X 2) =∑ x i P ( x i )=02 × +12 × +22 × =
i=1 4 4 4 4

14
 6 4 2
V ( X ) ¿ E ( X 2) −[ E ( X )] 2 = − = =0.5
4 4 4

15
Conclusão
Numa incursão bastante aprofundada, no que se refere aos temas que por sinal são bastante
importante, importa salientar que o trabalho de forma geral veio a trazer mais uma outra visão
resolutiva e de mais conhecimentos sólidos que proporcionam um saber no estudante. Ainda
sobre os conteúdos vigentes estão contemplados também algumas características que de
forma clara vêm a explicitar melhor sobre os conteúdos.

Toda via, no desenrolar dos conteúdos verifica se uma grande relevância na descriminação
dos conteúdos apesar de se verificar uma semelhança neles mais cada um deles tem uma
linhagem e abrangência diferente da outra. A variável aleatória se isola um pouco das funções
de probabilidade e funções de repartição, visto que aqui na primeira casa estamos
simplesmente a falar de variável aleatória e que é subdividida em aleatória discreta e
contínua, enquanto na repartição e probabilidade temos as suas diferentes definições com
uma pequena afinidade nelas.

De forma muito ampla espero que este trabalho venha a trazer e a proporcionar
conhecimentos muito sólidos relevantes e que venham a dinamizar outros estudantes da área
do saber académico. Também, dizer que com o trabalho veio a enriquecer bastante os meus
conhecimentos e espero que também venha dar uma grande importância na área do saber.

Para finalizar gostaria de dizer que foi graças a consultas feitas em diferentes manuais o que
proporcionou a execução do mesmo, porque sem estes manuais não seria possível a
realização do trabalho, e e constam da referencia bibliográfica os mesmos.

16
Referência bibliográfica
Costa NETO, P.L.O.; Cymbalista, M. (1994). Probabilidades. São Paulo: Edgard Blucher.
Fonseca, J.S.; Martins, G.A. (1993). Curso de estatística. 4a ed. São Paulo: Atlas.
Laponni, Juan Carlos (1997). Estatística usando o Excel. São Paulo: Lapponi Treinamento e
Editora.
Milone, G.; Angelini, F. (1995). Estatística aplicada. São Paulo: Atlas.
Snedecor, G. W.; Cochram, W. G. (1989). Statistical Methods. 8rd ed. Iowa: Iowa State
University Press, 1989.
Wonnacott, T.H.; Wonnacott, R. J. (1990). Introductory Statistics. New York. John wiley &
Sons;

17