Variável Aleatória Discreta

PRINCIPAIS
DISTRIBUIÇÕES
A distribuição de probabilidades é a
Descrição do que pode ocorrer no
experimento aleatório

• Quais resultados podem ocorrer

• Qual é a probabilidade de cada

resultado
 DISTRIBUIÇÃO BERNOULLI
Ensaios de Bernoulli

Situações em que observamos a

presença ou não de alguma
característica

Ex.: em uma linha de produção, observar se um

item, tomado ao acaso, é ou não defeituoso.
 Na distribuição BERNOULLI

Indicamos por X = 1 o sucesso

X = 0 o facasso
Descrição dos possíveis Probaqbilidade de x
resultados (x) p(x)
1 p
0 1-p

Ex.: Selecione aleatoriamente uma peça em uma linha

de produção onde historicamente 98% da produção é
composta por itens perfeitos.

Descrição dos possíveis Probaqbilidade de x

resultados (x) p(x)
1 (perfeito) 0,98
0 (defeito) 0,02
ESPERANÇA E VARIÂNCIA NA DISTRIBUIÇÃO BERNOULLI
Descrição dos possíveis Probaqbilidade de x
resultados (x) p(x)
1 p
0 1-p

  𝒌
𝝁= 𝑬 ( 𝑿 )=∑ 𝒙𝒊 𝒑𝒊   1 * p + 0 * (1-p)   p
𝒊=𝟏

  𝒌

( 𝑋 ) =( 1− 𝑝 )2 ∗ 𝑝+ ( 0 − 𝑝 )2 ∗(1− 𝑝)
𝟐  𝑉
𝑽 ( 𝑿 ) = ∑ ( 𝒙 𝒊 − 𝝁 ) 𝒑𝒊
𝒊=𝟏

𝑉 ( 𝑋 ) =(1 −2 𝑝+ 𝑝 ²)❑∗ 𝑝+ 𝑝 ² ∗(1 − 𝑝)

 

𝑉 ( 𝑋 ) =1 𝑝 − 2 𝑝 ²+ 𝑝 ³ + 𝑝 ² − 𝑝 ³
  ❑

 𝑽 ( 𝑿 ) = 𝒑(𝟏 − 𝒑)
 Distribuição BINOMIAL

Uma distribuição BINOMIAL consiste em uma série de

ensaios de BERNOULLI em que os ensaios sejam
independentes e a probabilidade de sucesso
permanece constante.

Ex.: Lançar uma moeda cinco vezes e observar o

número de CARAS.
O resultado de um lançamento não interfere no
resultado dos demais e a probabildade de CARA
permanece constante em 50%.
Ex.: Uma amostra de quatro (4) peças será
selecionada aleatoriamente a partir de uma linha de
produção em larga escala a fim de verificar o nº de
peças defeituosas na amostra. Considerando que
historicamente essa linha de produção registra 3% dos
itens produzidos, com defeito, apresente a distribuição
de probabilidades.
Ao considerarmos uma produção em Larga escala, podemos admitir que o
resultado (probabilidade) de uma amostra ser defeituosa, não interfere na
probabilidade das outras serem ou não defeituosas (a interferência de fato
existe mas é despresível)

Considerando cada retirada como INDEPENDENTE, a probabilidade de

ocorrer defeito será constante e igual a 3%, CARACTERIZANDO UMA
DISTRIBUIÇÃO BINOMIAL
 1ª amostra 2ª amostra 3ª amostra 4ª amostra
P P P P
Probabilida
P P P D
de de
P P D P
ocorrer P D P P
defeito (D) D P P P
igual a 3%

Probabilida
de de
ocorrer
perfeito (P)
igual a
97%
1ª amostra 2ª amostra 3ª amostra 4ª amostra
P 0,97 P 0,97 P 0,97 P 0,97
P 0,97 P 0,97 P 0,97 D 0,03
P 0,97 P 0,97 D 0,03 P 0,97
P 0,97 D 0,03 P 0,97 P 0,97
D 0,03 P 0,97 P 0,97 P 0,97
P 0,97 P 0,97 D 0,03 D 0,03
P 0,97 D 0,03 P 0,97 D 0,03
D 0,03 P 0,97 P 0,97 D 0,03
P 0,97 D 0,03 D 0,03 P 0,97
D 0,03 P 0,97 D 0,03 P 0,97
D 0,03 D 0,03 P 0,97 P 0,97
P 0,97 D 0,03 D 0,03 D 0,03
D 0,03 P 0,97 D 0,03 D 0,03
D 0,03 D 0,03 P 0,97 D 0,03
D 0,03 D 0,03 D 0,03 P 0,97
D 0,03 D 0,03 D 0,03 D 0,03
1ª 2ª 3ª 4ª
amostra amostra amostra amostra Probabilidade de x perfeitas
P 0,97 P 0,97 P 0,97 P 0,97 P(4) = 1 * 0,97^4 * 0,03 ^ 0
P 0,97 P 0,97 P 0,97 D 0,03
P 0,97 P 0,97 D 0,03 P 0,97
P(3) = 4 * 0,97^3 * 0,03^1
P 0,97 D 0,03 P 0,97 P 0,97
D 0,03 P 0,97 P 0,97 P 0,97
P 0,97 P 0,97 D 0,03 D 0,03
P 0,97 D 0,03 P 0,97 D 0,03
D 0,03 P 0,97 P 0,97 D 0,03
P(2)= 6 * 0,97^2 * 0,03^2
P 0,97 D 0,03 D 0,03 P 0,97
D 0,03 P 0,97 D 0,03 P 0,97
D 0,03 D 0,03 P 0,97 P 0,97
P 0,97 D 0,03 D 0,03 D 0,03
D 0,03 P 0,97 D 0,03 D 0,03
P(1) = 4 * 0,97^1 * 0,03^3
D 0,03 D 0,03 P 0,97 D 0,03
D 0,03 D 0,03 D 0,03 P 0,97
D 0,03 D 0,03 D 0,03 D 0,03 P(0) = 1 * 0,97^0 * 0,03^4
  Todosos cálculos envolvem a probabilidade de
SUCESSO elevada ao nº de sucessos e a probabilidade
de FRACASSO elevada ao nº de fracassos.
Quanto ao coeficiente que indica quantas sequências
apresentam o mesmo número de sucessos, o mesmo
pode ser calculado mediante uma combinação
(combinação entre o nº de amostras e o nº de sucessos
desejado). em que n = nº de amostras e x = nº de
sucessos na amostragem. Obs. p = prob. de sucesso

=
 
   = 0,88529281

  P(3 sucessos) = = 0,10952076

  P(2 sucessos) = = 0,00508086

  P(1 sucessos) = = 0,00010476

  P(0 sucessos) = = 0,00000081

Todas as posibilidades foram descritas, logo a soma

P(4) + P(3) + P(2) + P(1) + P(0) = 1
Exemplo 5.2 página 130
Dados históricos mostram que 70% das pessoas que acessam a
página p23 da internet também acessam a página p24.
Considerando os próximos 10 acessos a página p23, como fica a
distribuição de probabilidades em relação ao acesso seguido a
p24?

Qual é o valor esperado?

Qual é a variância?

V(X) = n * p * (1 – p)
Exercíco 7 página 131
Dados históricos mostram que 5% dos itens provindos de um
fornecedor apresentam algum tipo de defeito. Considerando um
lote de 20 itens, calcular a probabilidade de:
a)Haver um item com defeito
P(1 defeito) = combinação(20, 1) * 0,05^1 * 0,95^19 = 0,37735360

b)Haver exatamente dois itens com defeito

P(2 defeitos) = combinação (20, 2) * 0,05^2 * 0,95^18 = 0,18867680

c)Haver mais de dois itens com defeito

P(mais de dois itens com defeito) = P(3) + P(4) + … + P(20)
Ou
P(x > 2 ) = 1 – P( x <=2) P(x<=2) = P(0) + P(1) + P(2)

d)Qual é o número esperado de itens defeituosos no lote

 Distribuição POISSON

Compreende situações em que avaliamos o

número de ocorrências por unidade (intervalo) de
tempo, área, comprimento ou volume.
Ex.: Nº de consultas a uma base de dados em um minuto;
Nº de erros tipográficos em um formulário;
Nº de defeitos em um m² de piso cerâmico;

Pressupostos básicos:
• Independência entre as ocorrências do evento;
• Os eventos ocorrem de forma aleatória sem que haja
nenhuma tendência
  Elementos da Distribuição POISSON
média por unidade (tempo, área, …)
x = nº de ocorrências que desejamos investigar

 Modelo da Distribuição POISSON

  𝑬 ( 𝑿 ) = 𝝀 𝒆 𝑽 ( 𝑿 )= 𝝀
Exemplo 5.5 página 135

Supondo que as consultas a um banco de dados

ocorrem de forma independente e aleatória, com uma
taxa média de três consultas por minuto, calcular a
probabilidade de que no próximo minuto ocorram menos
de três consultas

  P(x<3) = P(0) + P(1) + P(2)

+ +
Continuação:

Calcular a probabilidade de que nos próximos dois

minutos ocorram mais de 5 consultas

A unidade de tempo passou para dois minutos, logo a média

de 3 consultas por minuto conduz a uma média de 6 consultas
a cada dois minutos

P(x>5) = 1 – P(x<=5)