3

Variáveis Aleatórias Discretas

EMC 410112
Estatística para Experimentação
Prof. Armando Albertazzi G. Jr.
 Tópicos
 Variáveis aleatórias
 Distribuição de probabilidade
 Função distribuição cumulativa
 Média e variância a partir da função
distribuição de probabilidade
 Distribuição discreta uniforme
 Distribuição binomial

EMC 410112 Estatística para Experimentação

 Variáveis aleatórias
 A variável que associa um número ao resultado de um experimento
aleatório é uma variável aleatória.

 Exemplos:
□ soma de dois dados, cotação do dólar, precipitação diária de chuva em
uma cidade, limite de resistência de corpos de prova

 Podem ser
□ discretas (faixa de valores finita ou infinita contável)
□ contínuas (faixa de valores com um intervalo de números reais)

 Convenção:
□ variáveis aleatórias: X, Y, ... (letras maiúsculas)
□ valores possíveis das variáveis aleatórias: x, y, ... (minúsculas)

EMC 410112 Estatística para Experimentação

 Exemplo de VA Discreta

 O número de passageiros pagantes na linha da

Barra da Lagoa no horário das 7h00 nos dias de
semana.
EMC 410112 Estatística para Experimentação
 Na Índia
seriam mais!

EMC 410112 Estatística para Experimentação

 Distribuição de Probabilidade
 A função que atribui a probabilidade a cada valor
possível de uma variável aleatória discreta é
denominada distribuição de probabilidade e é
denotada por f(x):
f(x)
1/6
f(xi) = P(X = xi)
x
 exemplo:
□ dado honesto: f(x) = 1/6, para x=1, 2, 3, 4, 5 ou 6
□ como seria f(x) para a diferença de dois dados?

EMC 410112 Estatística para Experimentação

 Distribuição de Probabilidade
 Propriedades
 (1)
f ( x)  0

 (2)
 f ( x)  1
todosX

EMC 410112 Estatística para Experimentação

 Função distribuição cumulativa
 A função distribuição cumulativa de uma variável aleatória X
associa a cada valor possível de X a probabilidade deste valor
ser menor ou igual a x. Denota-se F(x)
F(x) = P(X  x)

Exemplo:

f(x) F(x)
0,50 1,00

0,25 0,50
x x

1 2 3 4 5 1 2 3 4 5
EMC 410112 Estatística para Experimentação
 Formação da função distribuição
cumulativa
f(x)

0,50
0,25

1 2 3 4 5

F(x)
1,00
0,75
0,50
0,25

1 2 3 4 5
Estatística para Experimentação
 Função Distribuição Cumulativa
 Propriedades

F ( x)  P( X  x)   f ( xi )
xi  x

0  F ( x)  1

Se x  y então F ( x)  F ( y)

EMC 410112 Estatística para Experimentação

 Se a distribuição de probabilidades é conhecida o
valor esperado e a variância podem ser calculados

 Valor Esperado (Média da variável)

  E ( x)   x. f ( x)
todos x

 Variância (da variável)

 2  V ( x)   ( x
todos x
  ) 2
. f ( x)   x 2

todos x
. f ( x )   2

EMC 410112 Estatística para Experimentação

 Distribuição Uniforme Discreta
f(x)
1
f ( x)  1/n
n
x

a+1
a+2
a+3
a+4
a+5
a+6

b=a+n-1
:
ab
  E ( x) 
2

(b  a  1) 2  1
  V ( x) 
12

EMC 410112 Estatística para Experimentação

 Distribuição Binomial

sucesso P=p
tentativa
insucesso P=1-p

 n” tentativas repetidas
 As tentativas são independentes
 A probabilidade de sucesso de cada tentativa permaneça constante
e igual a “p”
 X = número de tentativas que resultem em sucesso
 X tem distribuição binomial com parâmetros “p” e “n”

EMC 410112 Estatística para Experimentação

 Distribuição Binomial

EMC 410112 Estatística para Experimentação

 Distribuição Binomial

n x
f ( x)    p (1  p) n  x
 x
n n!
  
 x  x!(n  x)!

  E( X )  np

 2  V ( X )  np(1  p)

EMC 410112 Estatística para Experimentação

 Exemplo
 Um jogador de basquete apresenta uma taxa
média de conversão de cestas de 90%. Ele fez
dez tentativas de acertar. Qual a probabilidade
dele acertar exatamente 9 das 10 tentativas?
 Solução:
□ Distribuição binomial com p = 0,9; x = 9 e n = 10
n!
f ( x)  p x (1  p) n  x
x!(n  x)!
10!
f (9)  0,99 (1  0,9)109  0,38742
9!(10  9)!
EMC 410112 Estatística para Experimentação
 Outras distribuições discretas
 Geométrica
 Binomial negativa
 Hipergeométrica
 Poisson

EMC 410112 Estatística para Experimentação