Instituto Tecnológico de Aeronáutica

Divisão de Engenharia Mecânica-Aeronáutica

MOQ-12
Capítulo 03 - VA’s e Distribuições

Professora:
Denise Beatriz T. P. do Areal Ferrari
denise@ita.br
 Roteiro
Motivação
Variáveis Aleatórias Unidimensionais
Tipos de VA’s
Função Distribuição de Probabilidade
Função Distribuição Acumulada
 Motivação
Objetivo:
Modelar os experimentos aleatórios a fim de quantificar os
valores das probabilidades dos eventos

• Variável Aleatória (VA): descreve eventos

• Função Distribuição Acumulada (FDA): determinar probabilidades
de eventos em termos de VA’s

Importância:
• VA’s transformam um espaço amostral qualitativo em quantitativo
• Se adaptam a um grande contingente de diferentes problemas
 Variáveis Aleatórias Unidimensionais
Notação:
{X(s) = x} ï P {X(s) = x} = P(X=x) ou p(x)
Definição:
Funções reais que mapeiam o espaço amostral na reta real
(associam a cada evento de W um número real)
X(.): WÆ
X(s)
s


W
 Exemplo 1
Uma moeda honesta é lançada uma vez. O espaço amostral
é formado pelos dois únicos resultados possíveis: cara (K)
e coroa (C).
• K e C são os dois “pontos” que formam o espaço amostral, W
={K,C}.
• Vamos definir: X(K) ª 1 e X(C) ª 0
• Como a moeda é honesta, os resultados são equiprováveis;
portanto: P(K)=P(X=1) = ½
P(C)=P(X=0) = ½

X é uma v.a. que pode assumir ½ ½

dois valores, 0 e 1, cada um
probabilidade ½:
0 1 X
 Exemplo 2
Se lançarmos duas, em vez de uma moeda honesta. O espaço amostral
é formado por quatro elementos:

Resultados Possíveis (K,K) (K,C) (C,K) (C,C)

Valor associado, X(s) 0 1 1 2

Neste caso, temos:

P(X=0) = ¼
P(X=1) = ½
P(X=2) = ¼ ¼ ½ ¼

0 1 2 X
 Exemplo 3
Considere o lançamento de dois dados. O conjunto amostral deste
experimento é formado por 36 pontos:
W ={(i,j)|i=1,...,6 e j=1,...,6}

1º dado

6
5
4
3
2
1

1 2 3 4 5 6 2º dado
 Exemplo 3
Podemos definir várias VA’s associadas a este experimento. Sejam:
X = soma dos valores das faces resultantes
Y = diferença entre os valores das faces resultantes

X(s) = i + j, se s =(i,j) ï X(s) ={2,3,...,12}

Y(s) = |i – j|, se s =(i,j) ï Y(s) ={0,1,...,5}

 Observações
“Variável” aleatória: nome inadequado
VA x Função Probabilidade
 Tipos de VA’s

Qualitativas

VA’s
Discretas
Quantitativas
Contínuas
 VA’s Discretas
Uma v.a. X é dita discreta se assumir um número finito ou
infinito enumerável de valores reais x1,x2,....

Neste caso, Ω = U{s : X ( s ) = x n } = U{ X = x n }

n n

{ X = xi } I { X = x j } = φ , i≠ j

Portanto: 1 = P (Ω ) = ∑ P ( X = xn )
n
(do axioma iii)

Exemplos: números de filhos numa família; número de pessoas esperando

em uma fila; número de itens defeituosos num lote.
 VA’s Contínuas
Uma v.a. X é dita contínua se assumir um número infinito
não-enumerável de valores e a probabilidade de que X
assuma um valor em particular é nula.

Neste caso,
P(X = xi) = 0, para qualquer i.

Exemplos: altura e peso de pessoas, quantidade de açúcar em

um alimento, tempo de espera em uma fila.
Função Distribuição de Probabilidade
Podemos associar a cada evento de um
experimento uma va X.

A f.d.p. de uma va X indica como a probabilidade

total (1) está distribuída por todos os valores que
X pode assumir.
Função Distribuição de Probabilidade
Definição (caso discreto):
Se x é uma v.a. discreta que assume valores discretos
x1,x2,...,xn,..., então definimos a função distribuição de
probabilidade (f.d.p.) de X como sendo a função

fX(.): Æ [0,1]

⎧⎪ P ( X = x j ), se x = x j , j = 1,2,..., n,...
f X ( x) = ⎨
⎪⎩0, se x ≠ x j
 f.d.p. (caso discreto)
Propriedades

• f(xj) > 0, para j =1,2,...

• f(xj) = 0, para x ≠ xj, j =1,2,...

• .∑ f ( x j ) = 1
j
 Exemplo
Considere um grupo de cinco doadores de sangue em
potencial (A, B, C, D e E), dos quais, apenas A e B
possuem sangue tipo O+.
As cinco amostras de sangue, uma de cada um dos
indivíduos, são colhidas aleatoriamente, até que um
doador do tipo O+ seja identificado.
Seja Y = número de amostras necessárias para identificar
o doador do tipo O+.

• Determinar a f.d.p. de Y
 Exemplo (cont.)
A f.d.p de Y está representada das seguintes formas:
y 1 2 3 4 soma

P(y) 0,4 0,3 0,2 0,1 1

0.5

0.4

0.3
p(y)

0.2
Representação da
distribuição de 0.1

probabilidades de Y 0
0 1 2 3 4 5
y
Função Distribuição de Probabilidade
Definição (caso contínuo):
Se x é uma v.a. contínua, então definimos a função
distribuição de probabilidade (f.d.p.) de X como
sendo a função

fX(.): Æ [0,∞), t.q. " a ≤ b

b
P(a ≤ X ≤ b) = ∫ f X (u )du para todo xœ.
a
 f.d.p. (caso contínuo)
Propriedades

• f(x) ≥ 0, para todo xœ.

∞
•
∫. f ( x)dx = 1
−∞

Obs: Se X for uma v.a. contínua, " c, P(X = c) = 0.

Portanto, para quaisquer números a < b,

P ( a ≤ X ≤ b) = P ( a < X ≤ b) = P ( a ≤ X < b) = P ( a < X < b)

 Exemplo
Suponha que uma pessoa utiliza para ir ao trabalho uma
determinada linha de ônibus que passa a cada 5 minutos.
Devido a variações no tempo em que a pessoa leva para
sair de casa, ela nem sempre chega no mesmo horário na
parada de ônibus.
Seja X= tempo de espera da pessoa na parada de ônibus
X œ[0,5]
 Exemplo (cont.)
Uma possível f.d.p para X é:

⎧ 15 0≤ x≤5 0,4

f ( x) = ⎨
⎩0 c.c.

f(y)
0,2

Graficamente:
0
0 1 2 3 4 5 6
y

Qual a probabilidade de que a pessoa espere:

a. de 1 a 3 minutos?
b. Pelo menos 4 minutos?
 Função Distribuição Acumulada
Definição:
A função distribuição acumulada (FDA) de uma v.a. X,
representada por FX(.), é a função

FX(.): Æ[0,1], que satisfaz:

FX(x) = P(X ≤ x) = P({s: X(s) ≤ x}), para -∞< x <∞

Função Distribuição Acumulada
Propriedades

• FX(.) é uma função monotônica não-decrescente; i.e,

FX(x1)≤FX(x2), para x1 < x2.

• FX(-∞) = xlim FX ( x) = 0 e FX(∞) = lim FX ( x ) = 1

→ −∞ x →∞

• FX(.) é contínua pela direita; i.e, FX(x) = FX(x+)

 Mais Propriedades
Teorema 1:
"x, P(X > x) = 1 – FX (x)
Teorema 2:
" x1, x2, t.q x1 < x2,
P(x1 < X ≤ x2) = P(X ≤ x2) – P(X ≤ x1)
Teorema 3:
" x , P(X < x) = FX (x-)
Teorema 4:
" x, P(X = x) = FX (x+) – FX (x-)
 FDA de v.a. Discreta
Seja X uma v.a. discreta. FX(.) pode ser obtida a
partir de fX(.) e vice-versa.

• Dada fX(.), então FX ( x ) = P ( X ≤ x ) = ∑f

{ j: x j ≤ x}
X (x j )

• Dada FX(.),então f X ( x j ) = FX ( x j ) − lim FX ( x j − h)

0< h →0
 Exemplo
Voltando ao exemplo do doador de sangue:
Considere um grupo de cinco doadores de sangue em potencial (A, B, C,
D e E), dos quais, apenas A e B possuem sangue tipo O+.
As cinco amostras de sangue, uma de cada um dos indivíduos, são
colhidas aleatoriamente, até que um doador do tipo O+ seja
identificado.
Seja Y = número de amostras necessárias para identificar o doador do
tipo O+.

Qual a FDA para cada um dos possíveis valores de Y?

 Solução

⎧0 se y < 1
⎪0,4 se 1 ≤ y < 2
⎪⎪
F ( y ) = ⎨0,7 se 2 ≤ y < 3
⎪0,9 se 3 ≤ y < 4
⎪
⎪⎩1 se 4 ≤ y
 FDA de v.a. Contínua
Seja X uma v.a. contínua. FX(.) pode ser obtida a
partir de fX(.) e vice-versa.
x
• Dada fX(.), então FX ( x ) = P ( X ≤ x) = ∫f
−∞
X (u )du

dFX ( x)
• Dada FX(.),então f X ( x) =
dx

De acordo com (i), para cada x, FX(.) corresponde à área

debaixo da curva de fX(.) à esquerda de x.