Você está na página 1de 28

VARIVEL ALEATRIA

e
DISTRIBUIO BINOMIAL

Varivel Aleatria
Uma funo X que associa a cada elemento w do
espao amostral W um valor x R denominada
uma varivel aleatria.
Experimento: jogar 1 dado duas vezes e observar o resultado
(P = par e I= impar)
X: nmero de vezes que saiu par em 2 lances do dado
PP

X = 0 II
X = 1 IP ou PI
X = 2 PP

PI

IP
II

2
2

Varivel Aleatria
Uma varivel aleatria pode ser classificada em:
Varivel aleatria discreta
Varivel aleatria contnua

Varivel Aleatria
Varivel aleatria discreta

Uma v.a. discreta quando o conjunto de valores possveis


que ela assume for finito ou infinito enumervel.

Exemplo:
Observa-se o sexo (caracterstica) das crianas em
famlias com trs filhos (M: masculino e F: feminino).
Espao amostral:
W = {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
w1

w2

w3

w4

w5

w6

w7

w8

Defina X: n de crianas do sexo masculino (M).


W
X

MMM
3

MMF

MFM

FMM

MFF

FMF

FFM

FFF

Ento X assume valores no conjunto {0, 1, 2, 3}, logo


uma varivel aleatria discreta.
5

Exemplo:
No mesmo experimento...
Espao amostral:
W = {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
w1

w2

w3

w4

w5

w6

w7

w8

Podemos definir agora


Y: n de crianas do sexo feminino (F).
W
Y

MMM
0

MMF

MFM

FMM

MFF

FMF

FFM

FFF

Ento Y tambm assume valores no conjunto {0, 1, 2, 3},


porm, para outros valores de W.
6

Varivel Aleatria
Varivel aleatria contnua

Uma v.a. contnua quando o conjunto de valores possveis


que ela assume for no enumervel.

Exemplo:

Observa-se o tempo de vida, em horas, de lmpadas


produzidas por uma fbrica.
Defina T: tempo de vida, em horas, da lmpada escolhida,
ao acaso, da fbrica.

Ento, T uma varivel aleatria contnua que assume


qualquer valor real no negativo.
8

VARIVEL ALEATRIA DISCRETA


Caracterizao
Funo de probabilidade: a funo que atribui a cada
valor xi da v. a. discreta X sua probabilidade de ocorrncia
e pode ser representada pela tabela:
x

x1

x2

...

xn

P(X=x)

P(X=x1)

P(X=x2)

...

P(X=xn)

Uma funo de probabilidade deve satisfazer:


0 P ( X xi ) 1

P ( X xi )

i 1

Exemplo 1:
O Departamento de Estatstica formado por 35
professores, sendo 21 homens e 14 mulheres. Uma
comisso de 3 professores ser constituda sorteando,
ao acaso, trs membros do departamento.
Qual a probabilidade da comisso ser formada por
pelo menos duas mulheres?
Vamos definir a v.a.
X: n de mulheres na comisso.
Quais so os possveis valores que X pode assumir?
10

Espao amostral
(HHH)
(HHM)
(HMH)
(MHH)
(HMM)
(MHM)
(MMH)
(MMM)

Probabilidade
21 20 19 0,203
35 34 33
21 20 14 0,150
35 34 33
21 14 20 0,150
35 34 33
14 21 20 0,150
35 34 33
21 14 13 0,097
35 34 33
14 21 13 0,097
35 34 33
14 13 21 0,097
35 34 33
14 13 12 0,056
35 34 33

X
0
1
1
1
2
2
2
3

P(X = x)

0,203

0,450

0,291

0,056

Assim,

P(X

2) = P(X=2) + P(X=3) =

0,291 + 0,056 = 0,347.


11

Exemplo 2: Um dado lanado duas vezes, de forma


independente. Qual a probabilidade da soma dos pontos
nos dois lanamentos ser menor do que 6?
W = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),
(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}.

Qual a probabilidade de cada ponto wi de W ?


Admitindo que o dado perfeitamente homogneo e
sendo os lanamentos independentes,
P(wi) = 1/36 , qualquer wi W.
12

Defina X: soma dos pontos nos dois lanamentos do dado.

Funo de probabilidade de X:
x

10

11

12

P(X=x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Ento,
P(X < 6) = P(X=5) + P(X=4) + P(X=3) + P(X=2)
= 4/36 + 3/36 + 2/36 + 1/36
= 10/36 = 0,278

13

Podemos estar interessados em outras variveis aleatrias


definidas para o mesmo espao amostral.
Y: valor mximo obtido dentre os dois lanamentos.
1

P(Y = y) 1/36 3/36 5/36 7/36 9/36 11/36

Z: diferena entre os pontos do 2 e do 1 lanamento.


z

-5

-4

-3

-2

-1

P(Z = z) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

15

MDIA E VARINCIA
Qual o valor mdio da soma dos pontos (X) no lanamento
de dois dados? W = {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6),

P(X = x)

1/36

2/36

3/36

36 pontos
igualmente
provveis

(2,1), (2,2), (2,3), (2,4), (2,5), (2,6),


(3,1), (3,2), (3,3), (3,4), (3,5), (3,6),
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6),
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}

6/36
5/36

4/36

5/36

6/36

5/36

2/36

4/36

1\36

10

3/36

11

3/36

12

1/36

P(X=x)

4/36
3/36

7
x

10

11

12

16

MDIA E VARINCIA
Valor Esperado (mdia): Dada a v.a. X, assumindo os
valores x1, x2, ..., xn, chamamos de valor mdio, ou valor
esperado, ou esperana matemtica de X o valor
n

E ( X ) x1 P ( X x1 ) ... x n P ( X x n ) xi P ( X xi )
i 1

Notao: = E(X)

No exemplo, para mdia de X (soma de pontos), temos:


E(X) = 2(1/36) + 3(2/36) + ... + 11(2/36) + 12(1/36)
= 252/36 = 7,
ou seja, em mdia, a soma dos pontos no lanamento dos
dois dados igual a 7.
17

Varincia: o valor esperado da v.a. (X E(X))2, ou seja,


se X assume os valores x1, x2, ..., xn, ento
n

Var( X ) [ xi - E ( X )] P ( X xi )
2

i 1

Notao:

2 Var(X).

Da relao acima, segue que

Var( X ) E ( X 2 ) [ E ( X )] 2 .
Desvio Padro: definido como a raiz quadrada
positiva da varincia, isto ,

DP( X ) Var( X ) .
Notao:

DP(X).
18

No exemplo,
x

10

11

12

P(X=x) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Var(X) (2 - 7)
2

210

1
2
1
2
2 2
2
(3 - 7) ... (11- 7)
(12 - 7)
36
36
36
36

5,83.

36

Alternativamente, poderamos calcular


1
2
2
1
2
2
2

3
... 11
12
E(X ) 2
36
36
36
36
1974

54,83
36
2

e, portanto, Var(X) = 54,83 72 = 5,83.


19

Propriedades:
1) Se X = a, em que a uma constante, ento

E(X) = a

Var(X) = 0.

2) Se Y = aX + b, em que a e b so constantes, ento


E(Y) = E(aX + b) = aE(X) + b
e
Var(Y) = Var(aX + b) = a2 Var(X).

20

- MODELOS PROBABILSTICOS DISCRETOS Modelo de Bernoulli ou Binrio


Na prtica, existem muitos experimentos que admitem
apenas dois resultados.

Exemplos:
uma pea classificada como boa ou defeituosa;
o resultado de um exame mdico para deteco de uma
doena positivo ou negativo;
um paciente submetido a um tratamento, durante um
perodo de tempo fixo, cura-se ou no da doena;
um entrevistado concorda ou no com a afirmao feita;
no lanamento de um dado ocorre ou no a face 5.
21

Situaes com alternativas dicotmicas podem ser


representadas, genericamente, por respostas do tipo
sucesso-fracasso.

Esses experimentos recebem o nome de Ensaios de


Bernoulli e originam uma v.a. com distribuio de
Bernoulli.
Varivel aleatria de Bernoulli: uma v.a. que assume
apenas dois valores:
1 se ocorrer sucesso,
0 se ocorrer fracasso.
Geralmente, a probabilidade de sucesso representada
por p, 0 < p < 1.
22

X ~ Bernoulli (p) indica uma v.a. com distribuio de


Bernoulli com parmetro p, isto ,
1, se ocorrer sucesso
X=
0, se ocorrer fracasso
e sua funo de probabilidade pode ser representada pela
tabela
X
1
0
P(X=x) p 1 - p
Segue que

E(X) = p,
Var(X) = p(1 p).

Repeties independentes de um ensaio de Bernoulli,


com a mesma probabilidade de ocorrncia de sucesso,
do origem ao modelo de probabilidade binomial.
23

Modelo Binomial
Exemplo: Um dado equilibrado lanado 3 vezes.
Qual a probabilidade de se obter a face 5 duas vezes?

Denotamos,

S: sucesso, ocorrer face 5;


F: fracasso, no ocorrer face 5.
fcil ver que p = P(sucesso) = 1/6 e
q = 1 p = P(fracasso) = 5/6
W = {SSS, SSF, SFS, FSS, SFF, FSF, FFS, FFF}
24

Estamos interessados no nmero total de sucessos que,


no caso, o nmero de vezes que a face 5 observada
nos 3 lanamentos do dado.

(SSF)

p 2q

(SFS)

p2q

q
p

F
S

(SFF)
(FSS)

pq2
p 2q

1
2

(FSF)

pq2

(FFS)

pq2

(FFF)

q3

Prob
p3

X
3

q
F

W
(SSS)

q
F

25

A funo de probabilidade de X dada por:


Probabilidades binomiais para n = 3 e P(S) = p
no. de sucessos

probabilidades

p = 1/6

q3

125/216=0,5787

3pq2

75/216=0,3472

3p2q

15/216=0,0694

p3

1/216=0,0046

Podemos escrever essa funo como

P(X k)

3

k

p k q 3 - k , k 0, 1, 2, 3.

No exemplo, para n = 3 e p = 1/6, P (X 2) 0,0694.


26

Distribuio binomial:
A v.a. X correspondente ao nmero de sucessos em
n ensaios de Bernoulli independentes e com mesma
probabilidade p de sucesso tem distribuio binomial
com parmetros n e p.
Sua funo de probabilidade dada por
P (X k)

n

k

p k (1 - p) n- k , k 0, 1, ... , n.

Notao: X ~ B(n; p).


27

Resultado: Se X ~ B(n; p), ento


mdia: = E(X) = np

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

28

Exemplo utilizando o R:
Considere uma prova com 12 questes, cada uma com
4 alternativas. Suponha que o aluno escolha as
respostas ao acaso. Qual a probabilidade de que ele
acerte pelo menos 6 questes?
X: n de questes que o aluno acertar
X pode assumir valores no conjunto {0, 1, 2, 3, 4,
5, 6, 7, 8, 9, 10, 11 ou 12}.
X ~ B(12; 0,25)

12
12 x
x

P X x 0, 25 1 0, 25
x

29