UNIVERSIDADE FEDERAL DE PERNAMBUCO

CENTRO ACADMICO DO AGRESTE

Programa de Ps-Graduao em Engenharia Civil e Ambiental
ECA925 Estatstica Aplicada

Aula 06 Probabilidade
Variveis Aleatrias

Prof. Anderson Paiva

18/09/2017
 Variveis Aleatrias (VA)
No espao amostral (S) associado a um experimento (E),
podemos observar que os resultados possveis no so, necessa-
riamente, numricos.

E1: Lanar duas moedas e observar a face superior de cada uma.

Neste experimento, temos S = {CC; CK; KC; KK} C=cara; K=coroa

Na prtica, o que realmente podemos estar interessados em

observar , por exemplo, o nmero de vezes que ocorre cara (K),
ou seja, temos interesse num nmero real que est associado a cada
resultado do espao amostral S.

Slide 2 Prof. Anderson Paiva

 Variveis Aleatrias (VA)
Definio: o caracterstico numrico do resultado de um
experimento. Assim, um nmero real que representar o resultado
do experimento.

Experimento Aleatrio (E) e um espao amostral (S) associado

ao experimento. Dizemos que a funo X uma varivel aleatria
quando associado a cada elemento do espao amostral, s S, um
nmero real, x = X(s)

Exemplo:
E: escolher ponto ao acaso no crculo unitrio
S: {(y, z): y + z 1}
Dado s = (y, z); x = X(s) = -- nmero real
Slide 3 Prof. Anderson Paiva
 Variveis Aleatrias (VA)
Exemplo: Considere o experimento
E1: Lanar duas moedas e observar a sequncia de caras (K) e coroas (C).
Se X a varivel aleatria que representa o nmero de vezes que ocorre cara
(K):

a) Descreva o espao amostral, S, e obtenha os possveis valores que a varivel

aleatria X pode assumir.
X(C; C) = 0; X(C; K) = 1; X(K; C) = 1; X(K; K) = 2
b) Represente atravs de um grfico o espao amostral e a funo X = X(s), isto
, a varivel aleatria X.

Slide 4 Prof. Anderson Paiva

 Variveis Aleatrias (VA)
X(s): S , isto , a varivel aleatria X.

VA X uma funo real definida em S tal que dado um evento

aleatrio s S.

Variveis Aleatrias podero ser discretas e contnuas.

Exemplos de VA:
1) X = nmero de acidentes com avies de uma Companhia Area dentre sete
acidentes areos selecionados aleatoriamente.
2) X = nmero de mulheres entre 10 empregados recm-admitidos.
3) X = nmero de alunos que no compareceram a aula de estatstica hoje.
4) X = altura de um aluno do sexo masculino selecionado aleatoriamente.

Slide 5 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Definio: Dizemos que uma varivel aleatria discreta se o
nmero de valores possveis finito ou infinito enumervel
(contvel), de maneira que podemos listar todos os resultados
como x1; x2; x3; ...
Funo de Probabilidade: a funo p = p(xi) que associa
uma probabilidade a cada valor xi da varivel aleatria X.

Distribuio de Probabilidades: Ao conjunto de todos os pares

[xi; p(xi)], i = 1; 2; ... n; .... damos o nome de Distribuio de
Probabilidades da varivel aleatria X, desde que:


Slide 6 Prof. Anderson Paiva
 Variveis Aleatrias Discretas
Exemplo: Vamos encontrar a distribuio discreta de probabi-
lidade da varivel nmero de caras encontradas no lanamento de
trs moedas.
E: ; S = ; VA X = ; Distribuio de probabilidade

E: lanamento da moeda
S = {(C; C; C), (C; C; K), (C; K; C), (K; C; C), (C; K; K), (K; C;
K), (K; K; C), (K; K; K)}
VA X = nmero de caras = 0, 1, 2, 3.
Distribuio de Probabilidade
Tabela (xi, p(xi))

Slide 7 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exemplo: Firma para montagem de produto composto de uma
esfera e um cilindro, adquiridas em fbricas diferentes (A, B).
Montagem: juntas as duas partes e pintar. Produto final tem
comprimento (cilindro) e espessura (esfera) dentro de limites,
observado aps a montagem. Para avaliar a viabilidade desta
fbrica, precisa-se saber a distribuio do lucro por pea montada.
Cada componente pode ser: Bom (B); Longo (L); Curto (C)
Preo esfera: $ 5,00; Preo cilindro: $ 5,00
Distribuio de Probabilidade da produo das peas:
Tabela
Produto Fbrica A (Cil) Fbrica B (Esf)
Bom 0,80 0,70
Longo 0,10 0,20
Curto 0,10 0,10

Slide 8 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exemplo: Firma para montagem de produto composto ...
Se o produto final tiver algum C ser irrecupervel, sendo
vendido por $ 5,00 como sucata.
Cada L poder ser recuperado por $ 5,00.
Preo de venda $ 25,00.

Como seria a distribuio de frequncia da varivel X: lucro

por conjunto montado?

E:
S=
Diagrama de rvore
Slide 9 Prof. Anderson Paiva
 Variveis Aleatrias Discretas
Exemplo: Firma para montagem de produto composto ...
Distribuio de Probabilidade dos produtos finais.
Tabela

Lucro de $15, se ocorrer Evento A1 =

Lucro de $10, se ocorrer Evento A2 =
Lucro de $5, se ocorrer Evento A3 =
Lucro de $-5, se ocorrer Evento A4 =

Probabilidades dos Eventos Ai

Slide 10 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exemplo: Firma para montagem de produto composto ...
Probabilidades dos Eventos Ai
P(A1) =
P(A2) =
P(A3) =
P(A4) =

Podemos escrever a funo (x, p(x)), que o modelo terico

para a distribuio da VA X. Assim, possvel avaliar a
viabilidade econmica.

Funo de Probabilidade (x, p(x))

Grfico
Slide 11 Prof. Anderson Paiva
 Variveis Aleatrias Discretas
Exemplo: Considere uma urna contendo 3 bolas Vermelhas e 5
Pretas. Retire 3 bolas, sem reposio, e defina VA X igual ao
nmero de bolas Preta. Obtenha a distribuio de X.

Slide 12 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Valor Mdio de uma VA (E(X))
Seja X uma VA discreta, com valores possveis x1; x2; ...; xn.
Seja p(xi) = P(X = xi); i = 1; 2; ...; n. Ento, o valor esperado de X
(ou valor mdio ou esperana matemtica de X), denotado por
E(X) definido como

Exemplo: Distribuio da VA X do exemplo da Firma para

montagem de produto composto de uma esfera e um cilindro.
Tabela [xi; p(xi)]
E(X) = 0,56.15 + 0,23.10 + 0,02.5 + 0,19.(-5) =
E(X) = 9,85

Slide 13 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Propriedades do Valor Mdio de uma VA (E(X))
Se X uma VA e k um valor qualquer, constante, ento:
1.

2.

3.

4.

5.

Slide 14 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Varincia de uma VA (Var(X))
Dada a varivel aleatria discreta X e a respectiva funo de
probabilidade p(x), a varincia de X dada por

Exemplo: Distribuio da VA X do exemplo da Firma para

montagem de produto composto de uma esfera e um cilindro.
Tabela [xi; p(xi)]
Var(X) = (15 - 9,85).0,56 + (10 - 9,85).0,23 +
(5 9,85).0,02 + (-5 9,85).0,19 =
Var(X) = 57,33
DP(X) = 7,57
Slide 15 Prof. Anderson Paiva
 Variveis Aleatrias Discretas
Propriedades da Varincia de uma VA (Var(X))
Se X uma VA e k um valor qualquer, constante, ento:
1.

2.

3.

4.

Slide 16 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Funo de Distribuio Acumulada (FDA)
Dado VA X a Funo de Distribuio Acumulada (FDA) a
funo
F(x) = P (X x) [0;1]; x

Slide 17 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Propriedades:

i. X

ii. X

iii. A funo F no decrescente

iv. F contnua direita

Slide 18 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Funo de Distribuio Acumulada (FDA)

Exemplo: Distribuio da VA X do exemplo da Firma para

montagem de produto composto de uma esfera e um cilindro.
F(x) =
Grfico

Exemplo: Suponhamos que a VA X tome os trs valores 0, 1 e 2,

com probabilidades 1/3, 1/6 e 1/2, respectivamente. Encontre a
funo de distribuio F e FDA, e represente-a graficamente.

Slide 19 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exerccio 1: Em uma caixa, tm-se cinco peas boas e quatro
defeituosas. So retiradas aleatoriamente trs peas sem
reposio. Faamos X a varivel aleatria: nmero de peas boas
dentre as trs peas retiradas.
a) Calcule a distribuio de probabilidade

b) Quanto a funo acumulada de probabilidade, calcule:

F(-0,7); F(0,5); F(1,0); F(1,8); F(2,1); F(3,0); F(8,0).

c) Quanto a probabilidades, calcule:

p(2 x 3); p(x < 1); p(x > 3); probabilidade de pelo menos uma
pea boa

Slide 20 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exerccio 1: Na construo de um certo prdio, as fundaes
devem atingir 15 metros de profundidade e, para cada 5 metros de
estacas colocadas, o operador anota se houve alterao no ritmo de
perfurao previamente estabelecido. Essa alterao resultado de
mudanas para mais ou para menos, na resistncia do subsolo. Nos
dois casos, medidas corretivas sero necessrias, encarecendo o
custo da obra. Com base em avaliaes geolgicas, admite-se que a
probabilidade de ocorrncia de alteraes de 0,1 para cada 5
metros. O custo bsico inicial de 100 UPCs (unidade padro de
construo) e ser acrescido de 50k, com k representando o
nmero de alteraes observadas. Como se comporta a varivel
custo das obras de fundao?
A ocorrncia de alterao em cada intervalo
AC no ocorrncia de alterao em cada intervalo

Slide 21 Prof. Anderson Paiva

 Variveis Aleatrias Discretas
Exerccio 2: Uma populao de 1000 crianas foi analisada num
estudo para determinar a efetividade de uma vacina contra um tipo de
alergia. No estudo, as crianas recebiam uma dose de vacina e, aps um
ms, passavam por um novo teste. Caso ainda tivessem tido alguma
reao alrgica, recebiam outra dose da vacina. Ao fim de 5 doses todas
as crianas foram consideradas imunizadas. Os resultados completos
esto na tabela a seguir.
Doses 1 2 3 4 5
Frequncia 245 288 256 145 66
Supondo que uma criana dessa populao sorteada ao acaso, qual ser
a probabilidade dela ter recebido 2 doses? Calcular funo de
probabilidade da VA.
Suponha, agora, que desejamos calcular a probabilidade da criana ter
recebido at duas vacinas. Calcular a funo acumulada de
probabilidade da VA.
Slide 22 Prof. Anderson Paiva
 Variveis Aleatrias Discretas
Exerccio 3: Uma varivel aleatria X tem a seguinte funo de
distribuio:
0,0 se x < 10;
0,2 se 10 x < 12;
F(x) = 0,5 se 12 x < 13;
0,9 se 13 x < 25;
1,0 se x 25
Determine:
a) A funo de probabilidade de X.
b) P(X 12)
c) P(X < 12)
d) P(12 X 20)
e) P(X > 18)
Slide 23 Prof. Anderson Paiva
 Modelos Probabilsticos

Modelos de distribuio de probabilidade uma

forma matemtica de representar as variaes possveis
de uma varivel aleatria.

Consiste em uma sntese plausvel do comportamento

de uma varivel aleatria e pode ser usado para
interpolar, ou extrapolar, probabilidades no contidos na
amostra de observaes.

Slide 24 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Uniforme Discreta
Caso mais simples, cada valor possvel tem a mesma
probabilidade.
Seja X uma VA cujos possveis valores so representados por x1,
x2, x3, ... xk. Dizemos que X segue o modelo Uniforme Discreto se
atribui a mesma probabilidade 1/k a cada um desses k valores, isto
:

Slide 25 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Uniforme Discreta
Exemplo: Lanamento do dado

Slide 26 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio de Bernoulli
Dizemos que uma varivel X segue o modelo Bernoulli se
atribui a 0 ou 1 ocorrncia de fracasso ou sucesso,
respectivamente. Com p representando a probabilidade de sucesso,
0 p 1, sua funo discreta de probabilidade dada por:

Slide 27 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio de Bernoulli

Notao: (X ~ Ber(p)) Distribuio de Bernoulli com par-

metro p.

Exemplos:
Moeda lanada: ou cara, ou no (coroa)
Dado lanado: ocorre face 5 ou no (1, 2, 3, 4, 6)
Pea escolhida ao acaso de um lote de 500 peas: defeituosa
ou no
Pessoa escolhida ao acaso dentre 1000: masculino ou no
(feminino)
Slide 28 Prof. Anderson Paiva
 Modelos Probabilsticos
Distribuio de Bernoulli
Exemplo: Lanamento de um dado, no viciado, observando-se
a ocorrncia da face 5.

Slide 29 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Binomial
Experimentos que resultam numa VA Bernoulli so ensaios de
Bernoulli.
Se repetirmos um experimento de Bernoulli n vezes, ou, de
maneira alternativa, obtemos uma amostra de tamanho n de uma
distribuio de Bernoulli.
Caractersticas:
Cada tentativa apresenta sucesso (S ou 1) ou insucesso (I ou 0)
As tentativas so independentes, uma no afeta a outra
X mede o n de sucessos em n tentativas (k).

Slide 30 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Binomial
Notao: (X ~ B(n,p)) Distribuio de Binominal com par-
metros n e p.

Exemplo:
Moeda lanada 3 vezes: P(X = 2 caras);
Dado lanado 5 vezes: P(X = face 5, 3 vezes);
Dez peas extradas ao acaso, com reposio, lote de 500
peas, sendo 10% do lote defeituoso: P(X = 10 peas defeitu-
osas);
5 pessoas escolhidas dentre 1000: P(X = 2 homens)

Slide 31 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Binomial
Exemplo: Numa famlia de 4 crianas, qual a probabilidade de
haver pelo menos um menino? Admitir a probabilidade de
nascimento de 1/2.

Exemplo: Sabe-se que a eficincia de uma vacina de 80%.

Um grupo de trs indivduos sorteado, dentre a populao
vacinada, e submetido a testes para averiguar se a imunizao foi
efetiva, evento representado por I. Qual a distribuio de
probabilidade.

Slide 32 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Binomial
Exerccio: Num determinado processo de fabricao 10% das
peas so consideradas defeituosas. As peas so
acondicionadas em caixas com 5 unidades cada uma.
(a) Qual a probabilidade de haver exatamente 3 peas defeituosas
numa caixa?
(b) Qual a probabilidade de haver duas ou mais peas defeituosas
numa caixa?
(c) Se a empresa paga uma multa de R$ 10,00 por caixa em que
houver alguma pea defeituosa, qual o valor esperado da multa
num total de 1000 caixas?

Slide 33 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Hipergeomtrica
Considere uma populao (conjunto) composta de N objetos, r
dos quais tm uma certa caracterstica A, logo, N - r no tm a
caracterstica A (AC). Suponha que n desses objetos so escolhidos
ao acaso sem reposio e que estamos interessados na varivel X :
nmero de elementos que possuem a caracterstica A dentre os n.
Ento, a varivel definida desta forma dita ter distribuio
hipergeomtrica com parmetros N, r e n e funo de
probabilidade dada por.

r = objetos classificados como sucessos; k = n de sucessos da amostra;

n = tamanho da amostra; N-k = objetos classificados como insucessos
Slide 34 Prof. Anderson Paiva
 Modelos Probabilsticos
Distribuio Hipergeomtrica
Notao: X ~ hip(N; r; n) Distribuio de Hipergeomtrica
com parmetros N, r e n.
Caractersticas:
Amostras retiradas sem reposio de um conjunto com N objetos
A VA X = n de sucessos na amostra

Onde: p = r/N, a probabilidade de se obter um objeto com a caracterstica A numa nica extrao.

Observao: Quando a populao muito grande, ou seja, N ,

quando comparado com n, a retirada ao acaso, com ou sem repo-
sio, sero praticamente equivalentes, de modo que a distribuio
hipergeomtrica se aproxima da distribuio binomial (n,p=k/N).
Slide 35 Prof. Anderson Paiva
 Modelos Probabilsticos
Distribuio Hipergeomtrica

Exemplo: Num lote de 100 peas, 10 so defeituosas.

Escolhendo 5 peas sem reposio, qual a probabilidade de no se
obter peas defeituosas?

Exemplo: Em um dia de produo, de 850 peas 50 peas no

satisfazem aos requerimentos dos consumidores. Duas peas so
selecionadas ao acaso, sem reposio da produo do dia. Qual a
probabilidade de se tirar 2 peas no conforme?

Slide 36 Prof. Anderson Paiva

 Modelos Probabilsticos
Distribuio Hipergeomtrica

Exerccio 1: Uma caixa contm 12 lmpadas das quais 5 esto

queimadas. So escolhidas 6 lmpadas ao acaso. Qual a
probabilidade de que:
(a) Exatamente duas estejam queimadas?
(b) Pelo menos uma esteja boa?
(c) Pelo menos duas estejam queimadas?
(d) O nmero esperado de lmpadas queimadas?
(e) A varincia do nmero de lmpadas queimadas?

Slide 37 Prof. Anderson Paiva

 Modelos Probabilsticos
Exerccios modelos anteriores
Exerccio 2: Sabendo-se que doze por cento dos que reservam
lugar num voo sistematicamente faltam ao embarque:
a) Determine a probabilidade de que todos os 15 passageiros que
reservaram lugar compaream ao embarque, caso o avio comporte
15 passageiros.
b) Se houve 16 pedidos de reserva e o avio comporta 16
passageiros, determine a probabilidade:
i) de uma pessoa ficar de fora;
ii) de nenhuma ficar de fora;
iii) de mais de uma ficar de fora.

Slide 38 Prof. Anderson Paiva

 Modelos Probabilsticos
Exerccios modelos anteriores
Exerccio 3: Em um departamento de inspeo de recebimento,
lotes de cermica so recebidos periodicamente. Os lotes contm
100 unidades, e o seguinte plano de amostragem de aceitao
usado. Seleciona-se uma amostra aleatria de 10 unidades sem
reposio. O lote aceito se a amostra tiver, no mximo, uma
cermica defeituosa. Suponha que um lote seja recebido e que
estima-se que a produo possua 5% de peas defeituosas.

Slide 39 Prof. Anderson Paiva

 Modelos Probabilsticos
Exerccios modelos anteriores
Exerccio 4: Deseja-se aumentar a capacidade de memria RAM
do seu microcomputador. A placa me do PC permite a instalao
de at quatro pentes de memria e atualmente s possui um pente.
Ele vai a um posto de revenda de computadores e solicita a compra
e instalao de mais trs pentes de memria, idnticos ao atual. Na
loja h 12 pentes com essa caracterstica. O que o comprador no
sabe, e o tcnico tambm no, que entre os 12 h quatro pentes
defeituosos. Se os trs pentes novos forem escolhidos ao acaso,
qual a probabilidade de que:
a) A capacidade de memria do PC realmente aumente?
b) O PC continue com a capacidade de memria original?
Obs.: Considerar distribuio Hipergeomtrica e Binomial.

Slide 40 Prof. Anderson Paiva

 Variveis Aleatrias Discreta
Modelos probabilsticos de variveis aleatrias
discretas no Excel.
- Binomial: = DISTR.BINOM(x; n; p; 0 ou 1)
- Hipergeomtrica = DIST.HIPERGEOM.N(x; n; r; N; 0 ou 1)
- Poisson = DIST.POISSON(x; l; 0 ou 1)
Obs.: 0 para valor discreto e 1 para valor acumulado.

Slide 41 Prof. Anderson Paiva