Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 Introduo
Uma Varivel Aleatria uma varivel (geralmente representada por X) que tem um valor
numrico nico (determinado aleatoriamente) para cada resultado de um experimento
Uma varivel aleatria tem comportamento discreto quando ela admite um nmero
finito de valores ou tem uma quantidade enumervel de valores (admite apenas valores
inteiros).
A definio de uma VAD s fica completa a partir do momento em que se define a
funo de probabilidade da varivel aleatria X. Uma funo de probabilidade a funo
que associa a cada valor assumido pela varivel aleatria a probabilidade do evento
correspondente, ou seja:
Seja X uma varivel aleatria discreta. Portanto, o contradomnio de X ser
formado por um nmero finito ou enumervel de valores x1; x2;.........A cada possvel
resultado xi, associaremos um nmero p(xi) = P(X = xi), i = 1; 2; 3;......, denominado
probabilidade de xi. Ou seja
Os nmeros p(xi) devem satisfazer s seguintes condies:
a) p( xi ) 0, i ;
n
b) p ( xi ) 1
i 1
Dessa forma funo p, definida acima, denominada funo de probabilidade da
varivel aleatria X e a coleo de pares [xi; p(xi)] i = 1; 2;..........., denominada
distribuio de probabilidade de X.
Uma distribuio de probabilidades uma distribuio de freqncias relativas para os
resultados de um espao amostral; mostra a proporo das vezes em que a varivel
aleatria tende a assumir cada um dos diversos valores.
Janete Pereira Amador 2
Ex1: Lanam-se dois dados. Seja a v.a. X: soma das faces. Determinar a distribuio de
probabilidade da varivel aleatria X.
a) O espao amostral do experimento corresponde a:
A varincia de uma VAD pode ser definida como a mdia ponderada das diferenas
ao quadrado entre cada resultado possvel e sua mdia aritmtica, sendo os pesos as
probabilidades de cada um dos respectivos resultados. Assim a varincia da varivel
aleatria discreta X pode ser expressa da seguinte maneira:
n
V ( X ) ( xi ) 2 P( xi ) onde :
I 1
X = varivel aleatria discreta de interesse
xi = isimo resultado de x
P(xi) = probabilidade de ocorrncia do isimo resultado de x
i= 1,2,3......,n
Janete Pereira Amador 3
Exerccios:
1. A empresa Equilibrada S:A vende trs produtos, cujos lucros e as probabilidades de
venda esto anotadas a seguir:
Produto Lucro unitrio (US$) Probabilidade de venda
(%)
A 15 20
B 20 30
C 10 50
Pede-se calcular:
a) o lucro mdio por unidade vendida:
b) o desvio padro:
n!
C nk = , que a frmula do Binmio de Newton (p + q)n, da o nome Binomial.
k! n k
Desta forma tem-se:
n!
Px . p x .q n x para x = 1, 2, .................., n
n x ! x!
com n nmero de provas
x nmero de sucessos em n provas
p probabilidade de sucesso em qualquer prova
q probabilidade de falha (fracasso) em qualquer prova ( q 1 p )
Parmetros da distribuio:
Mdia, Varincia e Desvio padro da distribuio binomial
Mdia ou valor esperado E(X)= n. p
Varincia V(X)= 2 n. p.q
Janete Pereira Amador 5
Exerccios
3. Numa criao de coelhos, 40% so machos. Qual a probabilidade de que nasam pelo
menos 2 coelhos machos em num dia em que nasceram 20 coelhos.
R:0,99948
b) f ( x) dx 1;
Observaes:
Seja X uma varivel aleatria contnua com funo densidade de probabilidade f(x).
Sejam a < b, dois nmeros reais. Define-se:
, isto , a probabilidade de que X assuma valores entre os
nmeros a e b a rea sob o grfico de f(x) entre os pontos x = a e x = b.
Neste caso, tem-se tambm:
(a) P(X = a) = 0, isto , a probabilidade de que uma varivel aleatria contnua assuma um
valor isolado igual a zero. Para variveis contnuas s faz sentido falar em probabilidade
em um intervalo, uma vez, que a probabilidade definida como sendo a rea sob o grfico.
f(x) no representa nenhuma probabilidade. Somente quando ela for integrada entre dois
limites produzir uma probabilidade. P(c < x < d) representa a rea sob a curva, como
exemplificado na figura abaixo da f.d.p. f, entre x = c e x = d.
Janete Pereira Amador 7
Ex: Seja X uma varivel aleatria contnua. Com a seguinte funo densidade de
2 x para 0 x 1
f ( x)
probabilidade verificar se a funo uma
0 para quisquer outros valores
fdp da varivel X.
1. f(x) 0
1
1
x2 12 0 2
2. f ( x ) dx 2 xdx 2 2 1
0 2 0 2 2
Como vemos f(x) uma um fdp satisfazendo as condies.
1. forma campanular, isto , possui forma de sino, sendo simtrica em relao a mdia;
2. a varivel aleatria pode assumir qualquer valor real;
Janete Pereira Amador 9
3. a rea total sob a curva 1; porque essa rea corresponde probabilidade da varivel
aleatria assumir qualquer valor real;
4. uma curva assinttica;
5. possui dois pontos de inflexo;
A configurao da curva dada por dois parmetros: a mdia e a varincia.
Mudando a mdia, muda a posio da distribuio no sentido horizontal. Mudando a
varincia, muda a disperso da distribuio fazendo com que o grfico mais achatado ou
mais alongado. Tias configuraes esto representadas na figura a seguir:
x1 x
z1 z2 2
Desta forma a varivel aleatria X transforma-se em varivel normal reduzida Z,
como podemos ver graficamente a seguir:
Janete Pereira Amador 10
68,27%
95,45%
99,73%
Ex3: A concentrao de um poluente em gua liberada por uma fbrica tem distribuio
N(8,1.5). Qual a chance, de que num dado dia, a concentrao do poluente exceda o limite
regulatrio de 10 ppm?
A soluo do problema resume-se em determinar a proporo da distribuio que
est acima de 10 ppm, isto P(X>10). Usando a estatstica z temos:
Portanto, espera-se que a gua liberada pela fbrica exceda os limites regulatrios
cerca de 9% do tempo.
Ex4: Sabe-se que as alturas das plantas de milho de uma certa variedade se distribuem
normalmente com mdia de 2,20m e desvio padro de 0,20m. Qual a percentagem
esperada de plantas com altura compreendida entre 2,30 e 2,35m?
X = altura das plantas; X = N (2,20 ; 0,202); P (2,30 < X < 2,35) = P (z1 < Z < z2)
2,30 2,20 0,10 2,35 2,20
z1 = 0,5 e z2 = 0,75 ento;
0,2 0,2 0,2
P (2,30 < X < 2,35 ) = P (0,5 < X < 0,75) = 0,0819 ou 8,19% corresponde a percentagem
de plantas que espera se alcanar as alturas de 2,30 a 2,35m.
Exerccios
Propriedades
A distribuio t de Student diferente, conforme o tamanho da amostra;
A distribuio tem a mesma forma geral simtrica (forma de sino) que a
distribuio normal, mas reflete a maior variabilidade (com distribuio mais amplas)
que esperada em pequenas amostras;
A distribuio tem mdia t = 0, tal como a distribuio normal padronizada, com
mdia z = 0.
O desvio padro da distribuio varia com o tamanho da amostra, mas superior a 1
ao contrario da distribuio normal padronizada, em que 1 .
Na medida em que aumenta o tamanho n da amostra, a distribuio t de Student
aproxima-se da distribuio norma padronizada. Para valores n>30, as diferenas so
to pequenas que podem utilizar os valores crticos Z.
Ex: Achar o valor de 2 pra n =7 e =1 =0,01
n 1 6 1 5
t n 1, = t 6;0, 01 =3,143 corresponde ao valor tabelado de t