VARIÁVEIS ALEATÓRIAS

E DISTRIBUIÇÕES DISCRETAS
 O resultado do lançamento de uma moeda pode ser utilizado
para tomar decisões, por exemplo:
 O árbitro de uma partida de futebol sorteia quem inicia o
primeiro tempo do jogo e ainda o ganhador do sorteio
escolhe a metade do campo onde sua equipe iniciará o
jogo.
 Outras vezes, o resultado da moeda é para realizar uma
tarefa agradável ou não etc.
 Embora o resultado do sorteio possa ser utilizado com
diferentes finalidades, o experimento aleatório lançamento de
uma moeda permanece o mesmo, mantendo os mesmos
resultados.
 Um experimento é aleatório se não for possível antecipar seu
resultado, apesar de conhecer todos os resultados possíveis
que definem o espaço amostral do experimento.
 Cada vez que o experimento for repetido, seu resultado
pertencerá a esse espaço amostral, sendo cada resultado
denominando ponto amostral
 Em vez de operar com o espaço amostral, agora utilizaremos
um conceito mais amplo denominado variável aleatória, que
adota valores de acordo com os resultados de um experimento
aleatório.
VARIÁVEL ALEATÓRIA

 Variável aleatória VA é uma variável cujo valor é o resultado

numérico de um experimento aleatório. A VA é uma função
formada por valores numéricos definidos sobre o espaço
amostral de um experimento:
 A cada resultado do experimento aleatório corresponderá
apenas um único valor numérico da VA.
 Entretanto, um valor numérico da VA poderá corresponder
a um ou mais resultados de um experimento.
VARIÁVEL ALEATÓRIA
 Dependendo dos valores numéricos, a variável aleatória poderá
ser discreta ou contínua.
 Se os valores numéricos da VA se referem a contagens,
então a VA será uma variável aleatória discreta. Por
exemplo, o número de peças rejeitadas por lote numa linha
de produção é uma VA discreta.
 Se os valores numéricos da VA pertencem ao conjunto dos
números reais, então a VA será uma variável aleatória
contínua. Por exemplo, o lucro líquido mensal de uma
empresa é uma VA contínua.
 Entretanto, nem sempre a separação entre variável
discreta e variável contínua fica clara.
Definição da variável aleatória X.
 A variável aleatória X está definida pelos seus valores
numéricos xi e suas probabilidades associadas p(xi), como
apresentado na tabela seguinte.

A tabela da VA foi obtida a partir de uma população

conhecida. Além disso, a VA representa uma distribuição
de freqüências relativas, como mostra o histograma
acima.
DEFINIÇÃO DE VA
Valor Esperado da VA
VARIANCIA E DESVIO PADRÃO da VA
DISTRIBUIÇÃO BINOMIAL
 Muitas variáveis aleatórias têm apenas dois possíveis resultados
ou eventos elementares, por exemplo:
 O técnico do controle de qualidade sempre retira uma
amostra de dez peças de cada lote recebido do
fornecedor. O número de peças que não atendem à
especificação é uma variável aleatória X.
 O número de respostas sim a uma pergunta da pesquisa
aplicada em 1.800 pessoas é uma variável aleatória X.
 O número de ações que ontem subiram comparadas com
as cinqüenta ações mais negociadas é uma variável
aleatória X.
 Nos três exemplos, o número de vezes em que um resultado
ocorre durante um determinado número de repetições do
experimento é a variável aleatória X.
   n

 2  n    (1  )
 Informando os valores da probabilidade de sucesso  na célula
C4 e o número de experimentos ou tentativas, limitadas a 50, a
planilha calcula a média e a variância nas células F4 e F5,
respectivamente, e a probabilidade escolhida na caixa de grupo
a partir da célula C8 da tabela:
 Probabilidade P(x). Fornecerá a probabilidade de
ocorrerem x sucessos, de 0 até n, em n tentativas, com a
probabilidade de sucesso registrada em C4.
 Probabilidade Acumulada até x. Fornecerá a
probabilidade acumulada de ocorrerem até x sucessos em
n tentativas, com a probabilidade de sucesso registrada
em C4.
PROBABILIDADE DE SUCESSO
 Os exemplos anteriores mostram tabelas de probabilidades e
histogramas da distribuição binomial para a ocorrência de x
sucessos com probabilidade  durante n experiências. A seguir,
algumas conclusões:
 Num experimento com distribuição binomial, o número de
resultados é igual a n+1, pois 0xn.
 A probabilidade de sucesso  varia entre 0+ e próximo de
1, pois nos casos extremos o experimento não seria
aleatório.
 Para cada valor de probabilidade de sucesso , há uma
distribuição binomial de probabilidades diferente,
mantendo os outros parâmetros inalterados. A planilha
Modelo probabilidade mostra essa característica.
 Com a barra de rolagem dessa planilha, pode-se acompanhar a
variação da probabilidade de que ocorra um determinado
sucesso e a probabilidade acumulada até esse definido sucesso
em função da probabilidade de sucesso  variável no intervalo
(0, 1) de um experimento com dez tentativas.
 Quanto à forma da distribuição de probabilidade, para =0,5, a
distribuição é sempre simétrica, independente do valor do
número n de tentativas.
 Para valores de <0,5, a distribuição de probabilidade
apresentará inclinação positiva, para a direita, acentuando-
se à medida que se aproxima de zero.
 Para valores de >0,5, a distribuição de probabilidade
apresentará inclinação negativa, para a esquerda,
acentuando-se à medida que se aproxima de um.
DISTRIBUIÇÃO DE POISSON
 Depois da binomial, a distribuição de Poisson é a distribuição de
probabilidade discreta mais utilizada, pois pode ser aplicada a
muitos casos práticos nos quais interessa o número de vezes
que um determinado evento pode ocorrer durante um intervalo
de tempo ou num determinado ambiente físico, denominados
área de oportunidade, por exemplo:
 O número de acidentes de carros por dia numa grande
cidade como São Paulo.
 O número de chamadas telefônicas por hora recebidas na
central telefônica durante o período normal de operação de
uma empresa.
 O número de defeitos de soldagem em seis metros de
tubo; o número de garrafas mal fechadas por trinta minutos
na máquina de enchimento de cerveja.
 Num processo de Poisson podem ser observados eventos
discretos numa área de oportunidade de tal forma que,
reduzindo suficientemente essa área de oportunidade que pode
ser um intervalo de tempo, espaço, ou área na qual mais de uma
ocorrência de um evento pode ocorrer:
 A probabilidade de observar apenas um sucesso no
intervalo é estável.
 A probabilidade de observar mais de um sucesso no
intervalo é zero.
 A ocorrência de um sucesso em qualquer intervalo é
estatisticamente independente da ocorrência em qualquer
outro intervalo.
 A distribuição de Poisson é caracterizada apenas pelo parâmetro
.
 Enquanto a variável aleatória do processo de Poisson X se
refere ao número de sucessos por área de oportunidade, o
parâmetro  se refere ao valor esperado, ou média, do número
de sucessos por área de oportunidade.

2  
 Informando o número esperado de sucessos  na célula C4, a
planilha calcula a média, a variância e as probabilidades
escolhidas na caixa de grupo a partir da célula C8:
 Probabilidade P(x). Fornecerá a probabilidade de
ocorrerem x sucessos, com o número esperado de
sucessos registrado em C4.
 Probabilidade Acumulada até x. Fornecerá a probabilidade
acumulada de ocorrerem até x sucessos com o número
esperado de sucessos registrado em C4.
DISTRIBUIÇÃO BINOMIAL NEGATIVA

 Para apresentar a distribuição binomial negativa, faremos uma

análise do que foi apresentado na distribuição binomial.
 O ponto de partida é o processo de Bernoulli, definido como
o experimento aleatório cujo espaço amostral tem apenas
dois possíveis resultados mutuamente excludentes
denominados sucesso e falha, sendo  a probabilidade de
sucesso.
 Se o processo Bernoulli for repetido n vezes, considerando
que as experiências são independentes, então a variável
aleatória X que define o número de sucessos do
experimento terá distribuição binomial. Observe que, na
distribuição binomial, o número de experimentos n é
definido antecipadamente.
 Em vez de repetir o experimento um número determinado de
vezes, pode-se estabelecer que o experimento seja repetido até
conseguir o primeiro resultado sucesso. Nesse caso, a variável
aleatória X que define o número de experimentos necessários
até conseguir o primeiro resultado sucesso tem uma distribuição
geométrica.
 Ampliando as premissas da distribuição geométrica, em vez de
repetir o experimento até conseguir o primeiro resultado
sucesso, a distribuição binomial negativa, conhecida também
como Distribuição de Pascal, permite determinar a probabilidade
de que será necessário realizar exatamente n experimentos para
obter x resultados de sucesso com probabilidade .
DISTRIBUIÇÃO HIPERGEOMÉTRICA

 A distribuição hipergeométrica não é derivada da distribuição

binomial, pois os experimentos são dependentes.
 Numa população composta de N objetos que podem ser
classificados em duas categorias, C1 e C2, de forma que na
população há N1 em C1 e N2 em C2, desejamos retirar uma
amostra sem reposição de n objetos dessa população,
selecionando x objetos de C1 e (n-x) objetos de C2.