Funo discreta de probabilidade e distribuio de probabilidade

Prof Willian Gonzaga

Introduo
Todas as vezes que se estudam fenmenos de observao, cumpre-se distinguir o prprio fenmeno e o modelo

matemtico (determinstico ou probabilstico) que melhor o

explique. Os fenmenos estudados pela estatstica so

fenmenos cujo resultado, mesmo em condies normais de experimentao, varia de uma observao para outra,

dificultando dessa maneira a previso de um resultado.

A observao de um fenmeno casual recurso

poderoso para se entender a variabilidade do mesmo.

Entretanto, com suposies adequadas e sem observar diretamente o fenmeno, podemos criar um modelo terico que reproduza de forma bastante satisfatria a distribuio das frequncias quando o fenmeno observado

diretamente. Tais modelos so os chamados modelos de

probabilidades.

Fenmenos aleatrios
Podem conduzir a diferentes resultados e mesmo quando as condies iniciais so as mesmas, existe a imprevisibilidade do resultado.Ex: lanamento de um dado.

Podemos considerar os experimentos aleatrios como

fenmenos produzidos pelo homem. Lanamento de uma moeda honesta; Lanamento de um dado;

 Lanamento de duas moedas; Retirada de uma carta de um baralho completo, de 52 cartas; Determinao da vida til de um componente eletrnico. A anlise desses experimentos revela que:

No se conhece em particular

o valor do experimento a

priori, porm pode-se descrever todos os possveis resultados ou possibilidades; Para a explicao desses fenmenos (fenmenos

aleatrios), adota-se um modelo Matemtico probabilstico.

Funo discreta de probabilidade

A funo que atribui a cada valor da varivel aleatria sua probabilidade denominada de Funo Discreta de Probabilidade ou simplesmente Funo de Probabilidade. A notao a ser utilizada : P(X = xi ) = p(xi ) = pi , i = 1 , 2 , ... OU ainda
0 pi 1 e pi = 1

Uma funo de probabilidade satisfaz

As variveis aleatrias so completamente caracterizadas pela sua funo probabilidade e uma parte importante da Estatstica juntamente obter , para uma dada varivel de interesse , a funo de probabilidade que melhor represente seu comportamento na populao .

Exemplo : Considere o experimento de lanar uma moeda e observar se ocorre cara ou coroa.Registre a varivel de caras em dois lanamentos dessa moeda . Se denotarmos por N a varivel de interesse , segue imediatamente que N pode assumir os valores 0 , 1 ou 2. Para atribuir probabilidade a cada um desses valores , necessrio fazer alguma suposio a respeito da probabilidade de ocorrncia de cara ou coroa . Admitindo que a moeda equilibrada , as probabilidade de cada face sero iguais ,isto , P(cara ) = P(coroa)= .Suponhamos ainda a independncia entre lanamentos , de modo que a ocorrncia de uma determinada face no primeiro lanamento no altera a probabilidade de cara ou coroa no segundo lanamento .

Podemos concluir com espao amostral o seguinte

conjunto = ( CC , CR , RC , RR ) , como C e R a ocorrncia de cara e coroa ,

representando

respectivamente .Para deduzir a funo de probabilidade de N , observe que o valor 1 ocorre nos eventos CR e RC ,enquanto

que os valores 0 e 2 tem apenas um evento a eles associado ,

respectivamente , RR e CC .Segue ento que as

probabilidades associadas aos valores de N so as seguintes :

Funo de distribuio de probabilidade

A Funo de Distribuio ou Funo Acumulada de Probabilidade de uma varivel aleatria discreta X definida, para qualquer numero real x , pela seguinte expresso :

F(x) = P( X x ).

 A distribuio de probabilidades associa uma probabilidade a

cada resultado numrico de um experimento, ou seja, d a probabilidade de cada valor de uma varivel aleatria. Por exemplo, no lanamento de um dado cada face tem a mesma probabilidade de ocorrncia que 1/6. Como os valores das distribuies de probabilidades so probabilidades, e como as variveis aleatrias devem tomar um de seus valores, temos as duas regras a seguir que se

aplicam a qualquer distribuio de probabilidades:

1) A soma de todos os valores de uma distribuio de

probabilidades deve ser igual a 1 P(x) = 1, onde x toma todos os valores possveis . 2) A probabilidade de ocorrncia de um evento deve ser 0 P (x) 1 para todo x .

No exemplo do lanamento de um dado, como todas as faces

tm a mesma probabilidade de ocorrncia que 1/6, logo temos que P(x) = 1, ou seja: P(x) = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 1

No lanamento de dois dados, qual a probabilidade de ocorrerem nmeros iguais? Vamos construir o espao amostral do lanamento de dois dados e determinar os eventos em que as faces dos dados so iguais.

Eventos em que as faces so iguais: {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6)} Assim, a probabilidade surge da relao: P(A) = 6 / 36 = 1 / 6

Concluses :
Muitas variveis aleatrias associadas a experimentos
aleatrios tm propriedades similares e , portanto,podem ser descritas atravs de uma mesma distribuio de probabilidade , com pressuposies bem definidas.A escolha da distribuio de probabilidade deve ser criteriosa

de modo que descreva corretamente as observaes

geradas no experimento aleatrio.

Referncias :
BARBETTA ,Pedro Alberto . 1999 . Estatstica Aplicada a Cincias Sociais . 3a edio , Florianpolis , Editora UFSC BUCCHI , Paulo .1998 . Curso pratico de matemtica .1a edio , So Paulo , Editora Moderna