Beruflich Dokumente
Kultur Dokumente
Objetivo da Aula
Ao final desta Aula, voc dever ser capaz de:
57
Introduo
Muitas situaes cotidianas no podem ser descritas
numericamente de forma determinstica, devido ao fato de
estarem associadas a experimentos aleatrios. Nesses casos,
utilizamos o termo varivel aleatria para descrever o valor
correspondente ao resultado desse experimento.
VARIVEIS ALEATRIAS
Definio
Seja S um espao amostral de um experimento aleatrio.
Se, para cada ponto de S, associarmos um nico nmero real,
teremos uma funo de S no conjunto dos nmeros reais. A
funo assim definida denominada varivel aleatria.
Nesta disciplina, vamos denotar as variveis aleatrias
(v.a.) por letras maisculas e os valores que elas podem
assumir por letras minsculas.
Por exemplo, seja X uma varivel aleatria que denota o
nmero de caras aps trs lanamentos sucessivos de uma
moeda equilibrada.
Os resultados possveis para X so:
x = 0 (nenhuma),
x = 1 (exatamente uma),
x = 2 (exatamente duas),
x = 3 (exatamente trs),
que podem ser descritos em um conjunto X(S) = {0,1, 2, 3}.
As variveis aleatrias so variveis quantitativas. Por
este motivo, tambm so classificadas de acordo com o
nmero de resultados que podem assumir. Quando esse
nmero finito ou infinito enumervel, dizemos que ela
discreta, isto , ela pode assumir um nmero limitado de
valores em qualquer escala de medida, pode ser obtida
mediante alguma forma de contagem, e a interpretao de
seus valores dada exatamente por esse mesmo valor.
A (v.a.) do exemplo discreta. Quando uma (v.a.)
assume um nmero infinito (no enumervel) de valores, ela
considerada contnua. Como exemplo de (v.a.) contnua
podemos citar uma medio de comprimento ou de tempo.
Faculdade On-line UVB
58
Definio
Seja X uma V.A. discreta, e sejam x1, x2, x3, x4,... os
valores que ela pode assumir, dispostos em ordem crescente
de magnitude.
Seja f(xi) = P(X = xi) sua funo de probabilidade. Ento:
f(xi) > 0
f(xi) = 1
Nenhuma cara: { C C C } P( X 0)
1
= 0,125 ou
8
12,5%
3
= 0,375 ou
8
37,5%
59
1
Exatamente trs : { C C C } P( X 3) =0,125 ou
8
12,5%
Distribuio:
N.
0,125
0,375
0,375
0,125
Caras
(x)
P(X = x)
Esperana Matemtica
Os conceitos de medidas estatsticas, descritos nas
Aulas 4 e 5 para a as distribuies de freqncia, podem ser
estendidos para uma distribuio de probabilidade de uma
varivel aleatria. Isto significa que podemos definir mdia,
varincia e desvio padro para essas distribuies.
Chamamos de Esperana o valor esperado ou mdia
de uma v.a. discreta ao nmero E(X) = , tal que:
E(X) = xi. f(xi) , onde f(xi) = P(X= xi)
Podemos tambm determinar a varincia e o desvio
padro de uma varivel aleatria pela frmula:
Var(X) = 2 (( x ) 2 .P( X x)
1/8
3/8
3/8
1/8
60
1
3
3
1 12
E ( X ) 0. 1. 2. 3.
1,5
8
8
8
8 8
3
8
3
8
1
8
61
Distribuio Binomial
Consideremos n tentativas independentes de um
mesmo experimento aleatrio. Na distribuio de Bernouilli,
cada tentativa tem apenas dois resultados: um sucesso com
probabilidade p e outro, fracasso, com probabilidade q.
Seja X o nmero de sucessos nas n tentativas
independentes.(No estamos interessados na ordem em que
ocorrem os sucessos).
A probabilidade de ocorrer k sucessos nas n repeties
independentes, quando no estamos interessados na ordem e
que eles ocorrem, dada por:
P(X=k) =
p
n
k
q n k q = 1-p
n
n!
Onde
o nmero binomial ou combinao
k k!.(n k )!
simples de n objetos tomados em grupamentos simples de k
objetos.
5.4.3.2.1
.( 0,5)5 10.( 0,5)5 10.0,03125 0,3125
(3.2.1).( 2.1)
ou 31,25%.
62
(0,5)10 .e 0,5
Poisson: P(X = 10) =
= 1,63 x 10-10.
10!
Isto significa que a aproximao boa at a nona casa
decimal.
Faculdade On-line UVB
63
Referncias
Farias, Alfredo Alves, Jos Francisco Soares e Cibele Comini
Csar. Introduo Estatstica 2 Ed. LTC 2003.
Kazmier, Leonard J. Estatstica Aplicada Economia e
Administrao. Editora Makron Books. 2004.
Morettin, Luiz Gonzaga. Estatstica Bsica, v.1. S. Paulo:
Makron Books, 2000.
Milone, Giuseppe. Estatstica Geral e Aplicada. So Paulo:
Pioneira Thomson Learning. 2003.
Spiegel, Murray Ralph. Probabilidade e Estatstica. So
Paulo: Pearson Education do Brasil. 2003.
64