Variaveis Aleatorias Discretas

Variáveis Aleatórias Discretas
Dennis Marinho1
1 Departamento de Engenharia Elétrica
Universidade Federal do Vale do São Francisco
dennis.marinho@univasf.edu.br
11 de maio de 2023
Prof. Dennis Marinho O R de Souza V. A. Discretas

Revisão Básica Sobre Arranjo e Permutação
Arranjo com repetição ARm,r : São sequências de tamanho r

(ou r − uplas), formadas por elementos do conjunto M e não
necessáriamente distintos.
r
ARm,r = m.m...m
| {z } = m
rvezes
Arranjo sem repetição (Am,r ): São m elementos tomados r a

r posições (1 ≤ r ≤ m) onde não existe repetição dos
elementos, distintos.
m!
Am,r = m.(m − 1).(m − 2)...(m − (r − 1)) =
| {z } (m − r )!
rvezes
Permutações (Pm ): Todo arranjo em que r = m.
Pm = m.(m − 1).(m − 2)...3.2.1 = m!

Exemplo (parte 01)
Um concurso interno do Clube de Engenharia é composto por
um estudante de cada curso Civil, Produção, Computação,
Mecânica e Elétrica. (a) Liste todos os possı́veis resultados?
(b) Considerando primeiro, segundo e terceiro lugar, quantos
resultados são possı́veis?
Um cofre eletrônico possui os números (dı́gitos)
0-1-2-3-4-5-6-7-8-9. A senha é formada por 6 dı́gitos. (a)
Qual o número total de possibilidades de senha para este
cofre? (b) Suponha que o sistema não aceita número
repetidos, qual o número total de possibilidades de senha para
esta condição?
Em um torneio de futebol, participam 20 times. Quantos
resultados são possı́veis para os três primeiros lugares?
Temos 6 cidades: A, B, C, D, E e F, determine o número de
maneiras que permitem a ida de A até F, passando por todas
as demais cidades.
Exemplo (parte 02)
Uma urna X contém 8 bolas enumeradas de 1 a 8. Outra urna

Y contém 6 bolas enumeradas de 1 a 6. Qual o número de
sequências numéricas que podemos obter se extrairmos, sem
reposição, 3 bolas da urna X e, em seguida, 2 bolas da urna Y.

Combinação
Não interessa a ordem dos elementos, tipo: a, b = b, a, logo

existe apenas um subconjunto. Diferente do arranjo em que a
ordem importa e a, b 6= b, a.
Para calcular as combinações, a Matemática disponibilizou:
m!
Cm,r =
(m − r )!r !

Exemplo:
Otenha todas as combinações dos elementos de

M = {7, 8, 9, 0}, tomados dois a dois.
O professor elaborou uma prova com 12 questões e solicitou
que os seus alunos escolhessem 8. Quantas provas são
possı́veis construı́-las?
Em uma reunião da ONU, 14 lı́deres se reuniram no salão e
cumprimentaram-se com apertos de mão. Quantos apertos de
mão ocorreram?
Existem 10 jogadores de Futebol de salão, entre eles João,
que por sinal é o único que joga como goleiro Nessas
condições, quantos times de 5 pessoas podem ser escalados?

Variáveis Aleatórias
É o estudo da variável Xi ou evento Xi acontecer definido

através de uma condição especı́fica ou função matemática
especı́fica;
Esse evento na maioria das vezes não é simples e necessita de
complementos: funções, registros no tempo, modelagens e etc;
É através das variáveis aleatórias que torna-se possı́vel a
construção ou a modelagem de um espaço amostral.

Definição Matemática
Seja uma probabildiade P denominaremos variável aleatória

qualquer função X : Ω → <, tal que:
X −1 (I ) = {ω ∈ Ω : X (ω) ∈ I }
para todo intervalo I contido em <.

Em outras palavras X apresentará um resultado probabilı́stico
do tipo [0,1].

Probabilidade V.A.
P(X ∈ A) = p
X é o valor em estudo;
A é a condição ou evento em que X se adequa;
p é a probabilidade que X esteja inserido em A [0, 100%] ou
[0, 1].

Tipos de Variáveis Aleatórias
Discretas
Bernoulli
Binomial
Geométrica
Hipergeométrica
Binomial Negativa
Poisson
Contı́nuas
Uniforme
Exponencial
Normal

Identificar Discreta ou Contı́nua
Discreta
X é um valor inteiro (positivo ou negativo, valor é pontual);
O gráfico das probabilidades gerado apresenta saltos;
Cálculo das probabilidades se dá por Somatório.
Contı́nua
X é um valor <;
O gráfico é contı́nuo, não existem furos ou saltos nele;
Cálculo das probabilidades se da por Integrais.
Variáveis Mistas (discretas e contı́nuas na mesma função)
É possı́vel, no entanto não é o objeto do nosso estudo.

Gráfico Função Discreta
Figura: Gráfico da Distribuição Discreta

Gráfico da Função Contı́nua
Figura: Gráfico da Distribuição Contı́nua

Função de Probabilidade
É uma função que associa a cada possı́vel valor de uma

variável aleatória discreta a sua probabilidade de ocorrência;
Toda função de probabilidade deve satisfazer duas
propriedades:
1 P(X = xi ) ≥ 0, ∀X ∈ Ω
2
X
P(X = xi ) = 1
xi ∈<

Exemplo: Seja uma variável aleatória discreta com espaço
de probabilidade Ω = {X : x = 0, 1, 2, 3} e seja sua função
dada por:
x2 + 4
P(X = xi ) =
26
Teste as duas propriedades básicas.

de probabilidade Ω = {X : x = 0, 1, 2, 3, 4} e seja sua
função dada por:
Seja uma variável aleatória discreta com espaço de probabilidade

S = {X : x = 0, 1, 2, 3, 4} e seja sua função dada por:
1 4

4
P(X = xi ) = .( )
x 2

de probabilidade Ω = {X : x = 0, 1, 2} e seja sua função
dada por:

2 3
P(X = xi ) = c. .
x 3−x
Determine a constante c;

Função de Probabilidade - P(X ≤ xi )
É uma função acumulativa das probabilidade anteriores a xi ;
As probabilidades são somadas partindo do máximo de xi até
o mı́nimo de xi , indicado por P(X ≤ xi );
Veja:
P(X ≤ x1 ) = P(X = x1 )
P(X ≤ x2 ) = P(X = x1 ) + P(X = x2 )
P(X ≤ x3 ) = P(X ≤ x1 ) + P(X = x2 ) + P(X = x3 )
..
.
P(X ≤ xn ) = P(X ≤ x1 ) + P(X = x2 ) + ... + P(X =
xn−1 ) + P(X = xn ))
Matematicamente
X
P(X ≤ t) = pX (x)
x≤t
O melhor gráfico para representá-la é do tipo OGIVA;
de probabilidade Ω = {X : x = 0, 1, 2, 3} e seja sua função
dada por:
x2 + 4
P(X = xi ) =
26
Calcule a Função Distribuição de Probabilidade, não confundir com
fdp (densidade), para:
P(X ≤ x1 ) = P(X ≤ 0);
P(X ≤ x2 ) = P(X ≤ 1);
P(X ≤ x3 ) = P(X ≤ 2);
P(X ≤ x4 ) = P(X ≤ 3).

Exemplo
Seja uma variável aleatória discreta com espaço de probabilidade

S = {X : x = 0, 1, 2, 3, 4} e seja sua função dada por:
1 4

4
P(X = xi ) = .( )
x 2
Calcule ou Construa a Função Distribuição de Probabilidade, não

confundir com fdp (densidade), para:
P(X ≤ x1 );
P(X ≤ x2 );
P(X ≤ x3 );
P(X ≤ x4 ).

Parâmetros e Estimadores V.A.D.
Toda variável aleatória possui medidas de posição e dispersão.

Média= x ou E(x) ou µ
Variância= var (x) ou S 2 (x) ou σ 2
Desvio Padrão= dp ou S(x) ou σ

Média
Definição: Seja X uma V.A.D., cujos valores possı́veis são

assumidos em <x . A esperança de X é definida por:
X
E (X ) = x.P(X = x) = x1 ∗ Px1 + x2 ∗ Px2 + ... + xn ∗ Pxn
x∈<
Média é finita: E (X ) < ∞;

Média em estudo, não representa a média dos eventos, mas a
ponderação entre evento e o peso (probabilidade) de cada.

Propriedades da Esperança - Média
Se X = c, c constante, então, E(X)=c;

Se X é finito e multiplicado por c, c constante, então
E (cX ) = c.E (X );
Se X + Y finitos, então E (X + Y ) = E (X ) + E (Y );
Se X e Y independentes, então E (XY ) = E (X ).E (Y ).
P
(Xi − µX ) ∗ (Yi − µY )
Verificar: Cov (Y , X ) =
N

Variância
É uma consequência da operacionalização da média, do tipo:
Var (X ) = E (X 2 ) − [E (X )]2
X
E (X 2 ) = x 2 .P(X = x) = x12 ∗ Px1 + x22 ∗ Px2 + ... + xn2 ∗ Pxn
x∈<
X
E (X ) = x.P(X = x) = x1 ∗ Px1 + x2 ∗ Px2 + ... + xn ∗ Pxn
x∈<

Propriedades da Variância
Se c constante, Var (cX ) = c 2 Var (X );

Se c constante, Var (c + X ) = Var (X ), pois Var (c) = 0;
Se X e Y dependentes,
Var (X + Y ) = Var (X ) + Var (Y ) + 2Cov (X , Y )
Cov (X , Y ) = E (X ∗ Y ) − E (X )E (Y )
Se X e Y são independentes, Var (X + Y ) = Var (X ) + Var (Y )
Se X e Y indep. Cov (X , Y ) = 0

Exemplos: Suponha que uma variável aleatória somente
possa assumir quatro valores: -2, 0, 1 e 4, e que
P(X = −2) = 0.1; P(X = 0) = 0.4; P(X = 1) = 0.3;
P(X = 4) = 0.2. Calcule a esperança e variância.
Resp: Média: 0.91 e Variância: 3.09

Exemplo: Uma urna contém 5 bolas brancas e 7 bolas
pretas. Três bolas são retiradas simultaneamente dessa
urna. Responda:
A Qual a distribuição de probabilidade do número de

bolas brancas retiradas? 1
B Se ganharmos R$2, 00 por bola branca reitrada e
perdermos R$1, 00 por bola preta retirada, qual seria
o nosso lucro esperado?2
1
resp. 0,1984;0,4253;0,3038;0,0723
2
resp.R$0,75
Uma máquina de apostar tem 2 discos independentes. Cada disco tem 10
figuras: 4 maçãs, 3 bananas, 2 pêras e 1 laranja. Paga-se R$80 para
acionar a máquina. Se aparecerem 2 maças ganha-se R$40; 2 bananas
R$80; 2 pêras R$140; 2 laranjas R$180. Qual é o lucro esperado após
inúmeras jogadas?
ωi Px Paga Ganha Lucro
mb ou bm 24/100 -80 0 -80
mp ou pm 16/100 -80 0 -80
ml ou lm 8/100 -80 0 -80
bp ou pb 12/100 -80 0 -80
bl ou lb 6/100 -80 0 -80 3
pl ou lp 4/100 -80 0 -80

mm 16/100 -80 +40 -40
bb 9/100 -80 +80 0
pp 4/100 -80 +140 +60
ll 1/100 -80 +180 +100
3
resp.E (Lucro) = −59
Exemplo: A base de dados do Detran/PE, registrou em
2018, para a Microregião de Petrolina, as seguintes
quantidades de veı́culos de passeio e o IBGE registrou, em
seu último senso (2010), a população para estes mesmos
municı́pios. Seguem abaixo:
Municı́pio População Veı́c Passeio
Petrolina 354317 64983
Sta Ma B Vista 42100 2873
Cabrobó 34503 3320
Lagoa Grande 25849 1540
Afrânio 19810 940
Dormentes 19079 1138
Orocó 15152 930
Terra Nova 10206 788
Determine a Covariância entre a população e a quantidade de
veı́culos de passeio. (considere os eventos equiprováveis)
Exemplo: Compare a relação entre as variáveis Número de
Filho (N) e anos de Escolaradidade do pai (E). Este
conjunto foi formada por famı́lias da cidade.
Escolaridade (E)
5 6 7 8 9
2 0,01 0,02 0,05 0,03 0,01
N Filhos 3 0,05 0,05 0,09 0,08 0,06
4 0,11 0,10 0,10 0,13 0,11
Determine a Covariância entre os dados.

Exemplo: Uma urna contém 5 bolas brancas e 7 bolas
pretas. Três bolas são retiradas simultaneamente dessa
urna. Responda:
A Qual a distribuição de probabilidade do número de

bolas brancas retiradas? 4
B Se ganharmos R$2, 00 por bola branca reitrada e
perdermos R$1, 00 por bola preta retirada, qual seria
o nosso lucro esperado?5
4
resp. 0,1984;0,4253;0,3038;0,0723
5
resp.R$0,75
Exemplo: Uma pessoa joga 3 moedas e ganha R$6, 00 se
obtiver só caras ou coroas. Quanto deve pagar se perder,
para que o jogo seja equitativo?

Exemplo: Um dodecaedro regular tem suas faces
enumeradas de 1-12; outro, tem as faces numeradas com
os numeros pares de 2-24. Seja X uma variável aleatória
obtida ao se lancar o primeiro dodecaedro e Y a variável
aleatória obtida ao se lançar o segundo dodecaedro.
Cacular a média e variância da variável aleatória
Z = X +Y.

Exemplo: Uma máquina automática enche garrafas, saindo
a produção com peso bruto médio de 850g e desvio padrão
de 4, 5g . As garrafas utilizadas têm peso médio de 220g e
desvio padrão de 2, 7g . Determine o peso lı́quido médio e
seu desvio padrão se:
A a máquina pesa o lı́quido dentro da garrafa

(formando o peso lı́quido).
B a máquina pesa o lı́quido e depois o coloca dentro da
garrafa (formando o peso bruto ).

Distribuições de Probabilidade: Tipo Discreta
São funções matemáticas probabilı́sticas em que representam a

base de estudo para TODOS os demais tipos de distribuições;
Essas ferramentas podem resolver problemas especı́ficos, de
acordo com a situação proposta.

Distribuição de Bernoulli
Uma V.A.D. segue o modelo de Bernoulli, se apenas assumir

valores do tipo 0 ou 1. Dizemos que X ∼ Ber (p) com
parâmetro p, variando de 0 ≤ p ≤ 1, se sua função de
probabilidade é expressa por:
P(X = x) = p x .(1 − p)1−x , com x=0 ou x=1.
p: Probabilidade de Sucesso;
q = 1 − p: Probabilidade de Fracasso.
Média da Bernoulli: E (X ) = p;
Variância da Bernoulli: Var (X ) = p.(1 − p) ou Var (X ) = p.q

Exemplo
Uma urna apresenta 30 bolas brancas e 20 verdes. Estudemos as

seguintes situações:
1 Retira-se uma bola dessa urna. Seja X: bola sorteada ser
verde. Calcular E(X), Var(X) e determinar P(X).
P(x=1) 20/50
2 Retira-se uma bola branca e após (com reposição) uma bola
verde.
P(x=branca,y=verde)
3 Retira-se uma bola branca, após (com reposição) uma bola
verde, outra branca, outra verde, verde, branca, até n-ézima
branca.

Distribuição Binomial
Estuda uma quantidade X de sucesso dentro de n ensaios com

reposição;
É uma consequência da Bernoulli;
A Sequência de sucessos não considera a ordem.

Definição
Considere uma sequência de n ensaios de Bernoulli e seja X o
número de sucessos obtidos. Dizemos que X tem uma distribuição
Binomial com parâmetros n e p, em que n é um número positivo, p
a probabilidade do evento estudado e sua função de probabilidade
é dado por:

n x
P(X = x) = p .(1 − p)n−x , x=0,1,...,n
x
n: n◦ de ensaios; x: n◦ de sucessos; p: probabilidade;

Ordem do sucesso não importa;
Média: E (X ) = np2;
Variância: Var (X ) = npq;
Notação: X ∼ B(n, p).
Demonstração Binomial é fdp
n n
X X n x n−x
P(X = x) = p q
x
x=0 x=0
n
X
P(X = x) = (p + q)n = (p + 1 − p)n
x=0
n
X
P(X = x) = 1
x=0

Demonstração 1o momento da Binomial
n n
X X n x n−x
E (X ) = xP(X = x) = x p q
x
x=0 x=0
Pn n!
E (X ) = x p x q n−x
Pnx=0 x(x−1)!(n−x)!
n!
E (X ) = x x (x−1)!(n−x)!
x=0 p x q n−x

(n−1)!
np nx=1 p x−1 q n−x
P
E (X ) = x x (x−1)!(n−x)!

(n−1)!
np nx=1 (x−1)!(n−x)! p x−1 q n−x = np nx=1 x−1
n−1 x−1 n−x
P P
E (X ) = p q
Pn n−1 x−1 n−x

E (X ) = np x=1 x−1 p q com: x − 1 = j j =x +1
Pn−1 n−1 j n−1−j n−1
E (X ) = np j=0 j p q = np(p + q)
E (X ) = np

Demonstração 2o momento da Binomial
np
E (X 2 ) = E (X 2 −X +X ) = E (X 2 −X )+E (X ) = E (X (X −1))+
*

E (X
)
np
n
*
X n n
E (X 2 ) = p x q n−x + x px q n−x

x(x − 1)
x x
x=0
E (X 2 ) = nx=0 n! x n−x + np
P
x(x− 1) (x−2)!(n−x)! p q

x(x−1)

(n−2)!
E (X 2 ) = n(n − 1)p 2 nx=2 (x−2)!(n−x)! p x−2 q n−x + np, com j=x-2
P
(n−2)!
E (X 2 ) = n(n − 1)p 2 n−2 j n−2−j + np
P
j=0 j!(n−2−j)! p q
E (X 2 ) = n(n − 1)p 2 n−2 n−2 j n−2−j
P
j=0 j p q + np
:1

E (X 2 ) = n(n − 1)p 2
(p n−2 + np = n2 p 2 − np 2 + np
+q)
2 2
Var (x) = E (X ) − E (X ) = n22 − np 2 + np − n2
p 2
p

Var (x) = −np 2 + np Var (x) = np(1 − p)
Var (x) = npq
Exemplo
Jogamos um mesmo dado 5 vezes queremos saber a probabilidade

de que o ponto 06 apareça:
Em 4 jogadas;
Em 5 jogadas;
Calcule a média e variância.

Exemplo: O setor de controle de qualidade de uma fábrica
testa 6 peças de cada lote composto por 80 unidades
recebidas, adotando o seguinte critério: se for encontrada
no máximo 1 peça defeituosa, o lote é aceito normalmente,
caso contrário deve sofre inspeção total. Admitindo a
existência de 4 peças defeituosas por lote, calcular:
A Probabilidade de não haver inspeção total num certo lote;

resposta: 96, 7%
B Probabilidade de somente 3 lotes, de um grupo de 5 lotes
iguais, apresentaram no máximo 1 peça defeituosa por lote;
resposta: 0, 984%
C Admitindo um custo de inspeção total de R$200, 00 por lote,
estimar o custo de inpeçã total de 20 lotes recebidos.
resposta R$132

Exemplo: Um produtor de sementes vende pacotes com 20
sementes cada. Os pacotes que apresentarem mais de uma
semente sem germinar são indenizados. A probabilidade de
uma semente germinar é 98%.
Qual a probabilidade de um pacote não seja indenizado?

Se o produtor vende 1000 pacotes, em quantos se espera
indenização?
Quando o pacote é indenizado, o produtor tem um prejuı́zo de
R$1, 20 por pacote, e se o pacote não for indenizado, o
produtor tem um lucro de R$2, 50. Qual o lucro esperado por
pacote?

Exemplo
Uma nova raça leiteira foi gerada entre cruzamento de gado,

observou-se num grupo de 100 animais que 30 animais apresentam
produção de leite superior a média e os demais continuam com a
sua produção de leite inferior a média dos pais. O produtor
decepcionado decide vender em lotes com 5 animais da nova raça.
Você como administrador deve dar um parecer estatı́stico. Qual a
probabilidade deste grupo apresentar:
Apenas 1 animal com média superior aos pais?
Nenhum animal produzir média superior aos pais?
Mais de três animais com média superior?

Exemplo
Numa loja de carros recebemos 10 clientes por dia com aptidão

financeira. A possibilidade de compra é 0,2 (compras serão
consideradas como sucesso).
Faça uma tabela explicativa com as possibilidade de venda
para um dia desta loja;
Ao final expresse os valores encontrados na forma gráfica.
Qual a esperança de vender algum carro coisa hoje?

Exemplo: Um industrial tem dois canais para escoamento
da sua produção. O lote de seu produto é composto por
500 peças cada.
A Vende o lote fechado a R$8, 00unid e não exige ensaio;

B Vende o lote, testando 10 unidades e seguindo os preços: (i)
paga R$10unid se todas as 10 unidades estiverem sem avarias;
(ii) pega R$8unid se 9 peças estiverem sem avarias; (iii) paga
R$5unid se 8 ou menos peças estiverem sem avarias.
Sabe-se, por experiência de venda, que 10% das peças possuem
algum tipo de avaria, qual seria a melhor alternativa de venda para
seu produto?
6
6
A, pois B pagará R$3952, 00 em média por lote.
Exemplo
Um grupo holandês disponibilizou no mercado 5 empresas para

serem vendidas na bolsa de valores. Existe uma estatı́stica
levantada que 10% das empresas desse grupo estão falidas.
A probabilidade de 3 empresas estarem falidas no grupo?
A probabilidade de 2 ou mais estarem falidas no grupo?
A probabilidade de todas estarem falidas no grupo?
A probabilidade de todas estarem bem no grupo?
Quantas empresas esperamos encontrar falidas?

Exemplo
Num determinado processo de fabricação, 10% dos processadores

são defeituosos. Esse equipamento é enviado ao distribuidor em
lotes de 5 unidades cada.
A) Qual a probabilidade de haver exatamente 3 peças
defeituosas numa caixa?
B) Se o fabricante paga multa de R$1000.00 caixa com
peça defeituosa. Qual seria o valor da multa que o
distribuidor irá receber num lote de 30 caixas?

Polinomial ou Multinomial
Nessa ditribuição obedece as seguintes hipóteses:

A São realizadas n provas independentes;
B Cada prova admite um único dentre r possı́veis
resultados;
C As probabilidades pi de ocorrer um determinado
resultado i são constantes para todas as provas.
n!
P(X1 = k1 , X2 = k2 , ..., Xs = ks ) = p1 k1 .p2 k2 ...ps ks
k1 !k2 !...ks !
PS Ps
Onde: i=1 ki =ne i=1 =1

Exemplo:
Uma fábrica tem sua produção composta de 30% da máquina A;

20% da máquina B e 50% da máquina C. Retirando 9 peças da
produção:
A Qual a probabilidade de serem 4 da máquina A, 2 da
máquina B e 3 da máquina C?
B Qual a probabilidade de não haver, em 9 peças,
nenhum da máquina B?

Distribuição Hipergeométrica
Sua aplicação é similar a Geométrica, no entanto os elementos

não são repostos, ou seja, a situação é alterada a cada evento;
A distribuição Binomial não satisfaz ao critério da
probabilidade constante, ou seja, alteração a cada evento;
Os elementos da amostras saem do sorteio, se for o caso.

Definição
Considere uma população de tamanho N dividida em 2 classes,
uma composta por r , sucessos, e a outra composta por N − r ,
fracassos. Dessa população, vamos extrair uma amostra de
tamanho n, sem reposição, e k o número de sucessos em estudo.
Assim sendo a sua probabilidade é dado por:
r N−r

k n−k
P(X = k) = N
, k= 0, 1, 2, ..., n
n
r ◦

k : N Total de Sucessos;
N−r ◦

n−k : N Total de Fracassos;
N
◦
n : N Total de Possiblidades.
Notação: X ∼ hiper (N, r , n)
Média: E (X ) = np, p = Nr ;
Variância: Var (X ) = np(1 − p) N−n
N−1
Demonstração
Vamos considerar:
s+r s r
(1 + x) = (1 + x) (1 + x)
| {z } | {z }
s k Pr r k
Ps
x x
k=0 k k=0 k

r
x k ∗ sk=0 kr x k
Pr P
k=0 k
Desenvolvendo o polinômio:
r r r r s s s s

0 1 2 r 0 1 2 s
[ x + x + x + ... + x ]∗[ x + x + x + ... + + x ]
0 1 2 r 0 1 2 s
retirando os coeficientes de acordo com a potência de X entre r e s:

r s r s r s r s r s r s

+[ + ]x 1 + [ + + ]x 2 + ... +
0 0 1 0 0 1 2 0 1 1 0 2
| {z } | {z } | {z }
0 C C C2
1
r s r s r s

[ + + ... + ]x r +s
r 0 r −1 1 0 s
| {z }
Ck

Pk r s
Ck = p=0 p k−p
é uma generalização.
Pr +s s+r k
Lembre que (1 + x) ∗ (1 + x)s = (1 + x)r +s =
r
k=0 k
x :

Demonstração - continuação
Lembre
que, ao desenvolver
(1 + x)r +s os coeficientes que acompanharão aos potências de X são:
r s 0 s+r 0
x = x
00 0

r s
1 0
x 1 + 0r s
x 1 = s+r x1
1 1

r s r s r s
x 2
+ x 2
+ x 2 = s+r x2
20 11 02 2

r s r s r s r s
3 0
x 3
+ 2 1
x 3
+ 1 2
x 3
+ 0 3
x 3 = s+r
3
x3
.
.
.

r s r s r s r s
r 0
x r +s + r −1 1
x r +s + r −2 2
x r +s + r −3 3
x r +s + . . . + 0r s
s
x r +s = s+r
r +s
x r +s
Logo,
o resultado
:

r s r s r s r s
r 0
+ r −1 1
+ r −2 2
+ r −3 3
+ . . . + 0r s
s
= s+r
r +s
É equivalente a soma:
k
r s s+r
X
=
p=0 p k−p k

Exemplo
Uma caixa contém 12 lâmpadas das quais 5 estão queimadas.

Serão retiradas 6 lâmpadas sem reposição ao acaso para
iluminação do escritório. Qual a probabilidade de que:
2 lâmpadas estejam queimadas?
Pelo menos 2 lâmpadas estejam queimadas?

Exemplo
Na loteria o apostador escolhe 6 números de 1 até 60, sem repor

os números sorteados na caixa. Qual a probabilidade dele acertar:
Quadra? 0.0004
Quina?
Sena?
Nada?

Exemplo
Um caçador, após um dia de caça, verificou que matou 5

andorinhas e 2 aves raras, proibidas a caça. Como todos espécimes
tinham o mesmo tamanho, ele colocou na mesma bolsa, pensando
em dificultar o trabalho de fiscalização. No posto existem dois
fiscais: Manoel e Pedro, que adotam diferente técnicas de
amostragem. Manoel retira 3 espécimes por bolsa e Pedro retira
um espécime, classifica-o, repõe na bolsa e em seguida um segundo
espécime é sorteado. Em qualquer dos casos o caçador será
multado se for encontrado ao menos um espécime proibido. Qual
dos dois fiscais é mais favorável para o caçador em questão?

Exemplo
Uma impressora apresenta 50 páginas brancas a cada 850

impressões. Decide-se imprimir duas páginas em ordem para
testá-la. Qual a probabilidade de:
Duas páginas com defeito (branca)? 0.0034
Uma página com defeito? 0.11
Não apresentar defeito?
Ao menos uma página com defeito?

Exemplo
Num posto de fiscalização da recita federal próximo do Paraguai a

expectativa de carros com produtos contrabandeados é 200 a cada
300 carros que passam. Qual a probabilidade de:
Numa abordagem em 5 veı́culos, 1 tenha contrabando?
Numa abordagem em 5 veı́culos, 4 tenham contrabando?
Numa abordagem em 5 veı́culos, 5 tenham contrabando?
Em média, esperam quantos veı́culos passem nesse local com
contrabando?

Distribuição Geométrica
Estuda o primeiro sucesso numa sequência de falhas;
Utilidade no campo industrial, com a vida útil dos produtos e
organiza o modo de produção;
O objetivo é calcular o tempo de espera para que um sucesso
ocorra.
Exemplo: Imagine que você deseja ter um(a) namorado(a),
você sai por Juazeiro e Petrolina tentando, quando você
consegue não vai mais procurar outro(a) namorado(a). Então
o primeiro sucesso é você conseguir a sua namorada, agora
quantas vezes você vai conseguir isso depende, veja o
diagrama das possibilidades (S-conseguiu e N- Não
conseguiu):
S : 1 tentantiva e sucesso na primeira tentativa
N − S : 2 tentativas e sucesso na segunda tentativa
N − N − S : 3 tentativas e sucesso na terceira tentativa
N − N − N − ... − S : n tentantivas e sucesso na n-ésima
tentantiva.
Definição
Considere uma sequência de ensaios de Bernoulli independentes.

Seja X o tempo de espera para o primeiro sucesso. A variável
segue o modelo geométrico com parâmetro p, 0 ≤ p ≤ 1 e tem
função de probabilidade especificada por:
P(X = x) = p.(1 − p)x−1 , x= 1, 2, 3, ...
Notação: X ∼ Geo(p);
Média: E (X ) = p1 ;
1−p q
Variância: Var (X ) = p2
= p2

Demonstração da Função de Probabilidade Geométrica
P∞ x−1
x=1 p.(1 − p)
P∞ x−1
p x=1 (1 − p) , considere: j = x − 1 ou x = j + 1
∞
X
p (1 − p)j , logo:
j=0
| {z }
1
1−(1−p)
P∞ 1
p j=0 (1 − p)j = p 1−(1−p) , logo:
PX = P(x = 1) + P(x = 2) + P(x = 3) + ... = 1

Demonstração da Esperança Geométrica
∞
X
E (X ) = xpq x−1
x=1
P∞ ∂ x
E (X ) = p x=1 xq x−1
considere que: xq x−1 = ∂q q
P∞ ∂ x
p x=1 ∂q q
∂ P∞ x x
E (X ) = p ∂q x=1 q mudando a pontência de q para j = x − 1
∂ P ∞ j−1
E (X ) = p ∂q j=0 q
∞
1(1−q)−q(−1)
X
∂ q
∂
E (X ) = p ∂q q q j → E (X ) = p ∂q 1−q → E (X ) = p (1−q)2
j=0
| {z }
1
1−q
E (X ) = p p12
E (X ) = p1

Demonstração da Variância Geométrica - parte 01
Var (X ) = E (X 2 ) − E 2 (x)
| {z }
1/p 2
P∞ 2 x−1
E (X 2 ) = P =p ∞ x 2 q x−1
P
x=1 x pq x=1
E (X 2 ) = p ∞ ∂ x ∂ ∞ x
P
x=1 ( ∂q xq ) = p ∂q x=1 xq
∞
∂ E (X )
X
∂
E (X ) = p ∂q q xq x−1 = p ∂q q p
|x=1 {z }
E (x)
p
2 −q(2)(1−q)(−1)
∂
E (X ) = p ∂q q p12 = p ∂q
∂ q
(1−q)2
= p 1(1−q) (1−q)4
1−2q+q 2 +2q−2q 2 1−q 2
E (X ) = p (1−q)2
= p (1−q)4
(1−q)(1+q) 1+q (1+1−p) 2−p
E (X ) = p (1−q)4 = p (1−q) 3 = p (1−q)3 = p 2
2−p 1 1−p q
Var (X ) = 2
− 2 = 2
= 2
p p p p
Exemplo
Suponha que a probabilidade de algum componente de computador

ser defeituoso é 0.2. Numa mesa de teste uma sequência de
componentes foi retirada. Determine a probabilidade de:
O primeiro defeito ser apresentado no sétimo teste;
O primeiro defeito ser encontrado no primeiro teste;
O primeiro defeito ser encontrado no vigésimo teste;

Exemplo
João deve a Antonio e ele decide iniciar a cobrança, sabendo que a

probabilidade de encontrar João em casa é de 31 . Qual a
probabilidade de:
Antonio ter de ir mais de 3 vezes na casa de João para
conseguir cobrar?
Quantas viagens, em média, Antonio espera realizar para
encontrar João em casa?

Exemplo
A probabilidade de que um bit transmitido através de um canal

digital seja recebido com erro é 0,1. Suponha que as transmissões
são eventos independentes. Retira-se uma sequência de 5 bit de
determinado sinal e queremos saber qual a probabilidade de
obtermos um bit danificado na transmissão do quinto bit? 0,0656

Exemplo: Livro do Costa Neto e Cymbalista,
PROBABILIDADES, pg 112 questão 35
O custo de lançamento de um foguete é de R$1000,00. Se o

lançamento falhar, ocorrerá um custo extra de R$500,00 em
virtude de consertos na plataforma de lançamento e outros custos.
Em caso de sucesso, o projeto é finalizado no primeiro sucesso. A
probabilidade de um lançamento ser bem sucedido é 30%. Qual o
custo esperado do projeto?
7
7
Resp. X suficientemente grande o Ex ∼ R$4500
Exemplo: Internet
Numa produção de uma peça são empregadas 2 máquinas. A

primeira é utilizada para, efetivamente, produzir as peças e custo
de produção de R$50und . A probabilidade de perfeição é de 90%.
As peças defeituosas (geradas pela 1a máquina) são corrigidas na
segunda máquina para tentar recuperar, torna-se perfeita. O Custo
nessa 2a máquina é R$25und , mas são recuperadas 60%, de fato.
Sabendo que cada peça perfeita é vendida por R$90und e que cada
peça defeituosa é vendida por R$20und , calcule o lucro por peça
esperado pelo fabricante? 8
8
Resp.P
E (X ) = L ∗ PL = (+40) ∗ 0, 90 + (+15) ∗ 0, 06 + (−55) ∗ 0, 04 = R$34, 7
Distribuição de Poisson
É a distribuição voltada para o sucesso no decorrer do tempo;

É a distribuição probabilı́stica das filas:
supermercados, bancos, lotéricas, falhas de sistemas, centrais
telefônicas...

Definição
A variável aleatória X tem distribuição de Poisson, com parâmetro

, λ > 0, se sua função de probabilidade é expressa como:
e −λ λx
P(X = x) = , x= 0, 1, 2, ...
x!
Notação: X ∼ Pois(λ), onde λ = µ.t;

Média: E (X ) = λ;
Variância: Var (X ) = λ.

Demonstração da fdp de Poisson
∞ ∞ ∞
X X e −λ λx X λx
P(X = x) = = e −λ
x! x!
x=0 x=0
|x=0{z }
eλ
∞
X
P(X = x) = e −λ e λ
x=0
∞
X
P(X = x) = 1
x=0

Demonstração 1o Momento de Poisson - E (x)
∞ ∞
X X e −λ λx
E (X ) = xP(X = x) = x
x!
x=0 x=0
∞ x−1
X x λλ
E (X ) = e −λ
Z
x=0
Z(x − 1)!
x
∞
−λ
X λx−1
E (X ) = λe
(x − 1)!
x=1 | {z }
eλ
E (X ) = λe −λ e λ
E (X ) = λ

Demonstração 2o Momento de Poisson - E (X 2 )
P∞ 2 e −λ λx
E (X 2 ) = ∞ 2
P
x=0 x P(X = x) = x=0 x x!
2
P∞ 2 e −λ λx
E (X ) = x=0 (x +x − x) x!
e −λ λx e −λ λx
E (X 2 ) = ∞ 2
P
x=0 (x −x) x! +x x!
e −λ λx e −λ
*λ
λx
E (X 2 ) = ∞
P
x=0 x(x − 1) x(x−1)(x−2)! + x
x!
e −λ λx
E (X 2 ) = ∞
P
x=0 x (x−1)

(x−2)! λ +
∞
x
(x−1)

X λx−2
E (X ) = e −λ λ2 −λ = e −λ
λ 2 e λ + λ
(x − 2)!
|x=2 {z }
eλ
E (X ) = λ2 + λ
Var (X ) = E (X 2 ) − E 2 (X ) = Var (X ) = λ2 + λ − λ2
| {z } | {z }
λ2 +λ λ2
Var (X ) = λ

Exemplo
Em determinado departamento de polı́cia durante os finais de

semana a central recebe em média 5 chamadas por hora. Qual a
probabilidade de:
Em uma hora receber 3 chamadas? 0,14
Não receber chamadas? red0,006
Em uma hora receber pelo menos 2 chamadas? 0,98

Exemplo
Num processo de fabricação de papel alumı́nio encontramos 1

falhas a cada 400m. Para economizar energia o fabricante resolve
aumentar a produção para 1000m. Calcule a probabilidade:
O processo manter o mesmo nı́vel de falha. 0.2052
O processo aumentar para 3 falhas. 0.2137
O processo não apresentar falhas. 0.082

Exemplo
A experiência passada indica que o número médio de

abastecimento em determinado posto de combustı́veis seja 12
clientes para 2 horas que param para colocar gasolina numa das
bombas do posto. Nesta bomba qual é:
A probabilidade de 3 clientes pararem em 1 hora? 0,089
A probabilidade que mais de 3 clientes pararem em 1 hora?

Exemplo
Certo tipo de equipamento elétrico consome 750m de fio. Sabe-se

que o fio rompe, em média, duas vezes a cada 1000 metros. O
lucro e a qualidade deste equipamento são relacionados de acordo
com o quadro a seguir:
Qualidade n emendas Lucro

1a 0 R$100, 00
2a 1 ou 2 R$60, 00
3a Mais de 2 R$40
Se a produção anual deste equipamento é de 10000 unidades, qual
o lucro esperado em um ano?9
9
resp. P(x = 0) = 0, 2231; P(x = 1 ∪ x = 2) = 0, 5857;
P(x > 2) = 0, 1911; R$651000
Exemplo
Se a probabilidade de um indivı́duo sofrer uma reação nociva,

resultante da injeção de um determinado soro, é 0,001. Determine
a probabilidade de, entre 2000 indivı́duos:
A Exatamente 3 sofrerem aquela reação;
B mais de 2 sofrerem aquela reação;
C Em média, quando irão sofre aquela reação.

Exemplo
A experiência passada mostra que 1% das lâmpadas

incandescentes produzidas numa fábrica são defeituosas. Encontre
a probabilidade de mais que uma lâmpada numa amostra aleatória
de 30 lâmpadas sejam defeituosas, usando:
A distribuição Binomial;
A distribuição Poisson.

Exemplo: O número de chegadas a um posto de
informações turı́sticas é modelado por Poisson com taxa 2
pessoas por hora. Para uma hora qualquer, qual a
probabilidade de ocorrer:
Pelo menos uma chegada? resp.: P(X ≥ 1) = 86, 46%

Mais de duas chegadas, dado que chegaram menos de 5
pessoas? resp.: P(X > 2|X < 5) = 28, 57%

Exemplo: Seja X ∼ Poisson(λ) responda:
Se P(X = 1) = P(X = 2) qual o valor de P(X < 4)? resp.:

85,71%
Sendo P(X = 1) = 0, 1 e P(X = 2) = 0, 2 quanto vale
P(X = 3)? resp.: 19,54%

Exemplos diversos: (Parte I)
A Um atirador acerta na mosca do alvo, 20% dos tiros.

Qual a probabilidade de ele acertar na mosca pela
primeira vez no décimo tiro?
B Um atirador acerta na mosca do alvo, 20% dos tiros.
Se ele dá 10 tiros, qual a probabilidade de ele acertar
na mosca no máximo 1 vez?
C Joga-se um dado equilibrado. Qual é a probabilidade
de serem necessários 9 lançamentos até a primeira
ocorrência de um seis?

Exemplos diversos: (Parte II)
D Dois adversários A e B disputam uma série de 8

partidas de um determinado jogo. A probabilidade de
A ganhar uma partida é 0, 6 e não há empate. Qual é
a probabilidade de A ganhar a série?
E Entre os 16 programadores de uma empresa, 12 são
do sexo masculino. A empresa decide sortear 5
programadores para fazer um curso avançado de
programação. Qual é a probabilidade dos 5 sorteados
serem do sexo masculino?
F Uma central telefônica recebe uma média de 5
chamadas por minuto. Supondo que as chamadas
que chegam constituam uma distribuição de Poisson,
qual é a probabilidade de a central não receber
nenhuma chamada em um minuto? e de receber no
máximo 2 chamadas em 2 mintuos?

Exemplos diversos: (Parte III)
G Em um certo tipo de fabricação de fita magnética,

ocorrem cortes a uma taxa de um corte por 2000 pés.
Qual é a probabilidade de que um rolo com
comprimento de 4000 pés apresente no máximo dois
cortes? Pelo menos dois cortes?
H
I
J


Variaveis Aleatorias Discretas

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Variaveis Aleatorias Discretas

Enviado por

Direitos autorais:

Formatos disponíveis

Variáveis Aleatórias Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Arranjo com repetição ARm,r : São sequências de tamanho r

Arranjo sem repetição (Am,r ): São m elementos tomados r a

Permutações (Pm ): Todo arranjo em que r = m.

Pm = m.(m − 1).(m − 2)...3.2.1 = m!

Prof. Dennis Marinho O R de Souza V. A. Discretas

Uma urna X contém 8 bolas enumeradas de 1 a 8. Outra urna

Prof. Dennis Marinho O R de Souza V. A. Discretas

Não interessa a ordem dos elementos, tipo: a, b = b, a, logo

Prof. Dennis Marinho O R de Souza V. A. Discretas

Otenha todas as combinações dos elementos de

Prof. Dennis Marinho O R de Souza V. A. Discretas

É o estudo da variável Xi ou evento Xi acontecer definido

Prof. Dennis Marinho O R de Souza V. A. Discretas

Seja uma probabildiade P denominaremos variável aleatória

para todo intervalo I contido em <.

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Figura: Gráfico da Distribuição Discreta

Figura: Gráfico da Distribuição Contı́nua

É uma função que associa a cada possı́vel valor de uma

Prof. Dennis Marinho O R de Souza V. A. Discretas

Teste as duas propriedades básicas.

Prof. Dennis Marinho O R de Souza V. A. Discretas

Seja uma variável aleatória discreta com espaço de probabilidade

Teste as duas propriedades básicas.

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

Seja uma variável aleatória discreta com espaço de probabilidade

Calcule ou Construa a Função Distribuição de Probabilidade, não

Prof. Dennis Marinho O R de Souza V. A. Discretas

Toda variável aleatória possui medidas de posição e dispersão.

Prof. Dennis Marinho O R de Souza V. A. Discretas

Definição: Seja X uma V.A.D., cujos valores possı́veis são

Média é finita: E (X ) < ∞;

Prof. Dennis Marinho O R de Souza V. A. Discretas

Se X = c, c constante, então, E(X)=c;

Prof. Dennis Marinho O R de Souza V. A. Discretas

É uma consequência da operacionalização da média, do tipo:

Prof. Dennis Marinho O R de Souza V. A. Discretas

Se c constante, Var (cX ) = c 2 Var (X );

Se X e Y são independentes, Var (X + Y ) = Var (X ) + Var (Y )

Prof. Dennis Marinho O R de Souza V. A. Discretas

Resp: Média: 0.91 e Variância: 3.09

Prof. Dennis Marinho O R de Souza V. A. Discretas

A Qual a distribuição de probabilidade do número de

pl ou lp 4/100 -80 0 -80

Determine a Covariância entre os dados.

Prof. Dennis Marinho O R de Souza V. A. Discretas

A Qual a distribuição de probabilidade do número de

Prof. Dennis Marinho O R de Souza V. A. Discretas

Prof. Dennis Marinho O R de Souza V. A. Discretas

A a máquina pesa o lı́quido dentro da garrafa

Prof. Dennis Marinho O R de Souza V. A. Discretas

São funções matemáticas probabilı́sticas em que representam a

Prof. Dennis Marinho O R de Souza V. A. Discretas

Uma V.A.D. segue o modelo de Bernoulli, se apenas assumir

Prof. Dennis Marinho O R de Souza V. A. Discretas

Uma urna apresenta 30 bolas brancas e 20 verdes. Estudemos as