VARIVEL ALEATRIA

- DISTRIBUIO BINOMIAL -

Varivel Aleatria
Uma funo X que associa a cada elemento do
espao amostral um valor x R denominada uma
varivel aleatria
aleatria, sendo o conjunto de resultados
possveis do experimento.
Experimento: jogar 1 dado duas vezes e observar o resultado
(P = par e I = impar)
X: nmero de vezes que saiu face 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
Uma v.a. discreta quando o conjunto de valores possveis
que ela assume for finito ou infinito enumervel.

Varivel aleatria contnua

Uma v.a. contnua quando o conjunto de valores possveis
que ela assume for no enumervel.
3

Exemplos:
1) Observa-se o sexo (caracterstica) das crianas em
famlias com trs filhos (M: masculino e F: feminino).
Espao amostral:
= {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)}
1

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

MMM
3

MMF

MFM

FMM

MFF

FMF

FFM

FFF

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

uma varivel aleatria discreta.
4

2) Observar 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.

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
P(X=x)

x1
P(X=x1)

...
...

x2
P(X=x2)

xn
P(X=xn)

Uma funo de probabilidade deve satisfazer:

n

0 P( X = xi ) 1

P( X = x ) = 1
i

i =1
6

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
mulheres?
Vamos definir a v.a.
X: n. de mulheres na comisso.
Quais so os possveis valores que X pode assumir?
7

Espao amostral

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

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

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.

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?
= {(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 ?

Admitindo-se que o dado seja perfeitamente
homogneo e sendo os lanamentos independentes,
P(wi) = 1/36 , qualquer wi .
9

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

10

X: Soma dos pontos nos dois lanamentos

20. lanamento

1.
Lan
amento

10

10 11

10 11 12

11

VALOR ESPERADO E VARINCIA

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

P(X = x)

1/36

2/36

3/36

(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)}

36 pontos
igualmente
provveis

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

12

VALOR ESPERADO 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 da distribuio de X o
valor
n

E( X ) = x1 P( X = x1) +...+ xn P( X = xn ) = xi P( X = xi )
i=1
i=

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.
13

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 )]2 P( X = xi )
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).
14

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
2

Var(X) = (2 - 7)
=

210
36

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

= 5,83.

Alternativamente, poderamos calcular

1
2
2
1
2
2
2
2

=
+
+
+
+
E(X ) 2
3
... 11
12
36
36
36
36
1974
=
= 54 ,83
36
2

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

15

Propriedades:
1) Se P(X = a) = 1, 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).

16

- MODELOS PROBABILSTICOS DISCRETOS Modelo de Bernoulli ou Binrio

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

Exemplos:
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.
17

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.
18

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
0
1
P(X=x) 1 - p 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.
19

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
= {SSS, SSF, SFS, FSS, SFF, FSF, FFS, FFF}
20

Estamos interessados no nmero total de sucessos que,

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

X
3

(SSF)

p 2q

(SFS)

p2q

q
p

F
S

(SFF)
(FSS)

pq2
p 2q

1
2

(FSF)

pq2

(FFS)

pq2

(FFF)

q3

q
F

Prob
p3

(SSS)

F
q
F

21

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.

22

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).

23

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

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

24

Comentrios::
Comentrios
A expresso para a varincia de uma v.a. binomial parece
ser bastante razovel:

A quantidade np(1-p) maior quando p = 0,5 e
diminui conforme p se aproxima de 0 ou de 1.
 Quando p muito grande ou muito pequeno,
quase todos os resultados tomam o mesmo valor -por exemplo, quase todo mundo fuma ou quase
todo mundo no fuma -- e a variabilidade entre os
resultados pequena.
 Se metade da populao assume o valor 0 e a
outra metade assume o valor 1, mais difcil
predizer qualquer resultado particular; nesse caso, a
variabilidade relativamente grande.
25

Note que a distribuio :

assimtrica direita, se p < 0,5;
assimtrica esquerda, se p > 0,5;
simtrica, se p = 0,5.

26

Exemplo 1: 25% dos pacientes picados com uma agulha

infectada com hepatite B desenvolvem a doena.
Suponha que selecionamos 12 indivduos da populao de
pacientes que foram picados com um agulha infectada com
hepatite B.
a) Qual a probabilidade de que pelo menos seis indivduos,
entre os doze, desenvolvam a hepatite B?
b) Qual a probabilidade de que no mximo um paciente
desenvolva a doena?
c) Qual seria o nmero esperado de pessoas que
desenvolveriam a doena? e a varincia?
Sendo X: nmero de pacientes nessa amostra que desenvolvem
a doena,
ento, X uma v.a. binomial com parmetro n = 5 e p = 0,25 ou
X b(12; 0,25).
27

28

29

30

x
Pr
0 3.167635e-02 0,0317
1 1.267054e-01 0,1267
2 2.322932e-01 0,2323
3 2.581036e-01 0,2581
4 1.935777e-01 0,1936
5 1.032414e-01 0,1032
6 4.014945e-02 0,0401
7 1.147127e-02 0,0115
8 2.389848e-03 0,0024
9 3.540516e-04 0,0004
10 3.540516e-05 0,0000
11 2.145767e-06 0,0000
12 5.960464e-08 0,0000

Ento,
a) P(X 6) = 0,0401+ 0,0115+
0,0024+0,0004 = 0,0544.
b) P(X 1) = 0,0317 + 0,1267 =0,1584.
c) E(X) = np = 120,25 = 3,
ou seja, entre 12 pacientes picados com
uma agulha infectada com hepatite B,
em mdia, 3 desenvolvem a doena.
Var(X) = np(1-p)
= 120,25 0,75 = 2,25.
DP(X) = 2,25 = 1,5

31

32

P(X>5)

33