Variáveis Aleatórias Discretas

Aula 02

Bussab e Morettin, Seções 6.1 a 6.5

Meyer, Seções 4.1 e 4.2
 Conteúdo

Definição de Variável Aleatória (v.a.)

Conceito de v.a. Discreta
Distribuição de Probabilidades
Esperança Matemática
i. Definição;
ii. Propriedades
Função de Distribuição Acumulada
 Exemplo 1
Um aplicador investiu R$10.000 num ativo. Esse
investimento pode render ou perder 1% de um dia
para o outro. A probabilidade de sofrer uma
valorização é de 60% e uma desvalorização de
40%. Admitindo independência entre dois dias
consecutivos de aplicação e sabendo que o
investimento tem duração de 2 dias, ao fim dos
quais haverá um resgate total (valor
investido+ganhos):
a) Descreva como se comporta o ganho do
investidor, em R$?
b) Qual a probabilidade do investimento não ser
lucrativo?
 Variáveis Aleatórias
Espaço Amostral
X

Reta real
Números
reais
Variável aleatória: dado um experimento aleatório com
espaço amostral , uma variável aleatória é uma regra
(função) que associa a cada elemento de um número
real.
Notação: X, Y, Z, ...
 Voltando ao Exemplo 1
(item a)
Espaço Amostral
o o Ganho
1 dia 2 dia
V V 201
V N -1
N V -1
N N -199

V: o ativo sofreu valorização

N: o ativo não sofreu valorização
 Voltando ao Exemplo 1
(item a)
G: ganho com a aplicação

G 201
(V,V)
(V,N) -1
(N,V)
(N,N) -199

Espaço Amostral
 Tipos de variáveis aleatórias
(i) Uma função X, definida no espaço amostral e com
valores num conjunto enumerável de pontos da
reta é dita uma variável aleatória (v.a.) discreta.
Exemplos: número de caras, número de filhos,
número de vezes que o preço de uma ação caiu
durante um dia...

(ii) Uma função X, definida sobre o espaço amostral

e assumindo valores num intervalo de números
reais, é dita uma variável aleatória (v.a.) contínua.
Exemplos: temperatura, preço de uma ação...
 Outros Exemplos de
Variáveis Aleatórias Discretas

X: Número de peças defeituosas em um lote

com 30 peças: x = 0, 1, 2, ..., 30
Y: Número de partidas jogadas por um time
de futebol até se conseguir a primeira vitória:
y = 1, 2, ...
Z: Número de vendas em um dia de
funcionamento de uma loja: z = 0, 1, ....
Distribuição de Probabilidades
Definição: (Função de Probabilidade) – Chama-se
função de probabilidade da v.a. discreta X, que
assume valores x1, x2, ..., xn, ...., a função {(xi,
p(xi)), i = 1, 2, ...}, que a cada valor de xi
associa a sua probabilidade de ocorrência,
isto é,
p(xi) = P(X = xi) = pi, i = 1, 2, ...

Definição: (Distribuição de uma v.a.) - Seja X uma

v.a.. A distribuição da v.a. X ou distribuição de
probabilidades da v.a. X é o conjunto de todos
os pares formados pelos valores de X e
respectivas probabilidades da variável
assumir tais valores.
 Condições Necessárias de uma
Função de Probabilidades de uma
Variável Aleatória Discreta
Campo de variação de X = x1, x2, ...

• 0 P(X = xi) 1
• P(X = xi) = 1
 Voltando ao Exemplo 1
Um aplicador investiu $10.000 num ativo. Esse
investimento pode render ou perder 1% de dia para o
outro. A probabilidade de sofrer uma valorização é de
60% e uma desvalorização de 40%. Admitindo
independência entre dois dias consecutivos de
aplicação e sabendo que o investimento tem duração
de 2 dias, ao fim dos quais haverá um resgate total
(valor investido+ganhos):
a) Descreva como se comporta o ganho do
investidor, em R$?
b) Qual a probabilidade do investimento não ser
lucrativo?
 Voltando ao Exemplo 1
V: o ativo sofreu valorização
N: o ativo não sofreu valorização

Espaço Amostral
Ganho Probabilidade
1o cliente 2o cliente
V V 201 0,36
V N -1 0,24
N V -1 0,24
N N -199 0,16

Distribuição de g P(G=g)

probabilidades 201 0,36

de G -1 0,48
-199 0,16
 Exemplo 2
Um corretor de seguros recebe uma comissão de
R$50,00 a cada novo seguro que vende. A
probabilidade de um determinado perfil de cliente
adquirir o seguro é de 0,20. Descreva como pode se
comportar a comissão se o corretor abordará 2
clientes de maneira independente um do outro.

C: o cliente compra o seguro

N: o cliente não compra o seguro
 Exemplo 2
Espaço Amostral
Comissão Probabilidade
1o cliente 2o cliente
C C 100 0,04
C N 50 0,16
N C 50 0,16
N N 0 0,64

Comissão Probabilidade

100 0,04
50 0,16 + 0,16 = 0,32
0 0,64
Características de v.a. Discretas
 Características de v.a. discretas

Considere a seguinte distribuição de

probabilidades para uma v.a. discreta X

X x1 x2 x3 ... xk Total

P(X = xi) p1 p2 p3 ... pk 1,00

 Características de v.a. discretas

Definição (valor esperado ou esperança

matemática ou média ou valor médio):
O valor esperado de uma v.a. X é a soma
dos produtos dos valores da variável pelas
respectivas probabilidades da variável
assumir tais valores.
k k
E  X    X   xi P X  xi    xi pi
i 1 i 1
 Características de v.a. discretas
Propriedades:

(i) E(X+a) = E(X) + a, onde a é uma constante.

(ii) E(bX) = bE(X), onde b é uma constante.

(iii) Combinando (i) e (ii):

E(aX+b) = aE(X) + b,
onde a e b são constantes.
 Voltando ao Exemplo 2
Distribuição de probabilidades de X

xi P(xi)

0 0,64
50 0,32
100 0,04
Total 1,00

E(X) = 0x0,64 + 50x0,32 + 100x0,04 = 20 reais

(valor médio da comissão do corretor)
 Exemplo 3
Uma empresa de segurança visita, em um dia de trabalho, dois
potenciais clientes para oferecer seus serviços. A probabilidade
de fechar contrato com o primeiro cliente visitado no dia é da
ordem de 10%. Quando a primeira visita resulta em contrato, a
probabilidade de se fechar contrato na segunda visita
quadruplica, caso contrário, ela se mantém. Admitindo que o
custo dessas visitas seja da ordem de $10 e que a receita
obtida com um contrato fechado seja da ordem de $50,
pergunta-se:

a) Qual a probabilidade de se ter prejuízo num dia?

b) Vale a pena manter essas visitas?
c) Qual a variância do lucro?
 Exemplo 3 (cont.)
Espaço Amostral
Probabilidade
1a visita 2a visita
F F 0,04
F N 0,06
N F 0,09
N N 0,81

Espaço Amostral Custo

Receita Lucro
1a visita 2a visita Fixo
F F 10 100 90
F N 10 50 40
N F 10 50 40
N N 10 0 -10
 Exemplo 3 (cont.)
Defina a v.a. X como sendo o lucro obtido durante
o período de interesse. Assim,

Espaço Amostral
X Probabilidade
1a visita 2a visita
F F 90 0,04
F N 40 0,06
N F 40 0,09
N N -10 0,81
 Exemplo 3 (cont.)
Finalmente, a distribuição de probabilidades da
v.a. X, definida anteriormente, fica dada por

X Prob.
90 0,04
40 0,06+0,09=0,15
-10 0,81
Total 1,00
 Exemplo 3 (cont.)
a) Qual a probabilidade de se ter prejuízo num
dia?
P( X  0)  0 ,81
b) Vale a pena manter essas visitas?

E(X) = 90 x 0,04 + 40x 0,15 + (-10) x 0,81 = 1,5

c) Qual a variância do lucro?

 Características de v.a. discretas
Definição: (Variância) – A variância de uma
v.a. X é o valor esperado da
variável (X – E(X))2, isto é,
2
X 
σ  Var(X)  E (X  E(X))  2

  (xi  E ( X ) ) P(X  xi )  E(X )  (E(X))
2 2 2

em que,
2
E(X )   xi  P(X  xi )
2
 Voltando ao Exemplo 3
Distribuição de probabilidades de X
X Prob.
90 0,04
40 0,15
-10 0,81
Total 1,00

E(X) = 90 x 0,04 + 40x 0,15 + (-10) x 0,81 = 1,5

E(X2) = (90)2 x 0,04 + (40)2 x 0,15 + (-10)2 x 0,81 = 645
Var(X) = E(X2) – [E(X)]2 = 645- (1,5)2 =642,75
 Características de v.a. discretas
Propriedades da Variância:

(i) Var(X+b) = Var(X) , onde b é uma constante.

(ii) Var(aX) = a2Var(X) , onde a é uma

constante.

(iii) De (i) e (ii),

Var(aX+b) = a2Var(X),
onde a e b são constantes.
 Função
de
Distribuição Acumulada
Função de Distribuição Acumulada

Definição. Dada uma v.a. X, chamaremos de

função de distribuição
acumulada (f.d.a.), ou
simplesmente função de
distribuição (f.d) F(x) à função

F ( x )  P( X  x ).
 Exemplo 4
Considere dois lançamentos independentes de uma
moeda equilibrada. Com o espaço de probabilidade
sendo o usual, defina X como sendo a variável
aleatória (v.a.) que denota o número de caras nos
dois lançamentos.
Assim, não é difícil observar que a função de
probabilidade será dada por:

X 0 1 2
P(X = xi) 0,25 0,50 0,25
 Exemplo 4 (cont.)

Baseando-se no resultado anterior, a função de

distribuição correspondente é dada por:

0, se x  0;
0,25, se 0  x  1;

F ( x)  P X  x   
0,75, se 1  x  2;
1, se x  2.
 Observação

O gráfico de F(x) é em escada. Os pontos de

descontinuidade ocorrem nos valores
assumidos pela variável aleatória, sendo o
tamanho do salto a probabilidade da variável
aleatória assumir aquele determinado valor.
Exercícios
 Exercício 1

Historicamente, as vendas mensais de uma

loja têm média de $25.000 e desvio-padrão
$4.000. Os lucros correspondem a 30% das
vendas menos um custo fixo de $6.000.
Encontre o valor esperado e o desvio-padrão
do lucro.
 Exercício 2
Um rapaz está pensando em convidar sua namorada
para sair. O problema é que as despesas correm por
sua conta. Eles podem ir ao cinema ou ao teatro. 70%
das vezes ela prefere ir ao cinema, nesse caso, ele
gasta $30,00 com os ingressos. Quando eles vão ao
teatro, o gasto fica em $90,00. Se eles forem ao
cinema, ele sabe que em 80% das vezes ela pede
para ir jantar, a despesa com o jantar fica em $100,00;
20% das vezes, eles vão direto para casa. Levando a
namorada ao teatro, em 40% das vezes ela pede para
ir jantar e 60% das vezes eles vão direto para casa.
 Exercício 2 (cont.)
Pergunta-se:

a) Qual a distribuição de probabilidades do gasto

que o rapaz tem com a namorada?
b) Qual o gasto médio?
c) Qual a variância do gasto?
 Exercício 3
(ANPEC 2011 – Questão 9) Hã?

(0) F (1) V (2) F