Variável Aleatória (V.A.
3. VARIÁVEIS
ALEATÓRIAS
Exemplo 3.1 - Experimento: lançar 3 moedas,
e observar as faces voltadas para cima.
O espaço amostral é S =
{(CO,CO,CO);(CA,CO,CA);...;(CA,CA,CA)}.
Suponha que estejamos interessados na
probabilidade de obter duas caras.
A v.a. adequada é: X = ´número de caras`.
Suponha agora que estejamos interessados na
probabilidade de um indivíduo, selecionado
ao acaso, possuir sangue do tipo O.
Nesta situação, uma v.a. mais adequada seria:
X = 0, se o tipo sanguíneo é A, B ou AB;
X = 1, se o tipo sanguíneo é O.
Temos aqui uma v.a. binária, ou seja, que
pode assumir apenas dois valores.
Uma variável aleatória (v.a.) é uma
representação numérica dos resultados
de um experimento aleatório.
Notação:
v.a. → X (maiúscula);
valor observado da v.a. → x (minúscula).
Exemplo 3.2 - Experimento: selecionar uma
pessoa ao acaso e observar o seu tipo
sanguíneo.
Neste caso, o espaço amostral é :
S = {A,B,AB,O}.
Uma possível variável aleatória é:
X = 1, se o tipo sanguíneo é A;
X = 2, se o tipo sanguíneo é B;
X = 3, se o tipo sanguíneo é AB;
X = 4, se o tipo sanguíneo é O.
Exemplo 3.3 - Experimento: lançar uma
moeda e observar a face voltada para cima.
Neste caso, temos naturalmente uma v.a.
do tipo binária:
X = 0, se a face voltada para cima é coroa;
X = 1, se a face voltada para cima é cara.
(poderia ser o inverso: 0 p/ cara e 1 p/ coroa)
1
 Exemplo 3.4 - Seja o experimento: atirar 5
vezes contra um alvo. Suponha que
estejamos interessados na probabilidade
de acertar 3 tiros.
A v.a. apropriada seria:
X = número de acertos.
Que valores esta v.a. poderia assumir?
Alguns exemplos de v.a.`s contínuas:
1 - Duração de um componente ou de um
equipamento eletrônico;
2 - Retorno financeiro de um fundo, ação
ou carteira de títulos;
3 – Temperatura, altura , Q.I., renda, etc.
Distribuição de Probabilidade
(caso discreto)
É uma função P(X=x) que associa, a
cada valor possível x de uma v.a.
discreta X, a sua probabilidade.
Exemplo 3.5 - Seja X uma v.a assumindo
valores 0, 1 e 2. Uma possível distribuição de
probabilidade associada a esta v.a. é:
P(X=0) = 1/2; P(X=1) = 1/3; P(X=2) = 1/6.
• V.A.`s Discretas x Contínuas
As v.a.`s dos 4 exemplos anteriores
assumem valores contáveis.
Variáveis deste tipo são chamadas discretas.
Por outro lado, uma v.a. que assuma valores
em um intervalo é chamada contínua.
• Distribuições de Probabilidade
Uma vez definida a v.a. X, e listados seus
possíveis valores, o passo seguinte é a
descrição da probabilidade de ocorrência
de cada valor.
Ou, em outras palavras, de como as
probabilidades distribuem-se de acordo
com os valores de X.
Propriedades de uma distribuição discreta:
1) P(X=x) ≥ 0, para todo x;
2) A soma de P(X=x), para todos os
valores possíveis de x, é igual a 1.
Verifique que as propriedades acima são
satisfeitas no exemplo 3.5.
2
 Exemplo 3.6 - Ache a distribuição da v.a.
definida no ex. 3.1: X = número de caras
em 3 lançamentos de uma moeda. A distribuição de probabilidade de X é:

Solução: x P(X=x)
As probabilidades solicitadas podem ser 0 1/8
calculadas via abordagem clássica. 1 3/8
Para obter o número de casos favoráveis à 2 3/8
cada valor de X, basta mapear o espaço 3 1/8
amostral S no conjunto de possíveis valores
assumidos pela v.a. (= domínio da v.a.).

Exemplo 3.7 - Seja X = peso de um

Distribuição de Probabilidade
carregamento, com distribuição:
(caso contínuo)
f(x) O cálculo desta área
Uma distribuição contínua f(x) é uma envolve o conceito de
função que permite calcular a integral, não abordado
neste curso.
probabilidade de que uma v.a.
contínua pertença a um intervalo.

P(c ≤ X ≤ d) é dada pela área sob o x

gráfico de f(x) que corresponde ao
intervalo [c,d]. A figura mostra: P(6.000<X< 8.000).

Valor Esperado

O valor esperado de uma v.a. discreta

VALOR ESPERADO E é a soma dos seus valores possíveis,
VARIÂNCIA DE UMA ponderados por suas probabilidades.
V.A. DISCRETA
Fórmula:
E(X) = ∑ xP(X = x ).
x

3
 Exemplo 3.8 - Considere a distribuição de
probabilidade do exemplo 3.5:
P(X=0) = 1/2; P(X=1) = 1/3; P(X=2) = 1/6.
Calcule o valor esperado de X.
Exemplo 3.9 - Uma fábrica avalia 2
projetos de expansão, 1 e 2. Os retornos
correspondentes a cada projeto, X1 e X2,
como função do nível de demanda pelo
principal produto da fábrica, são:

Demanda X1 X2
Solução:
↓
E(X) = 0*1/2 + 1*1/3 + 2*1/6 = 2/3.
Baixa R$ 50.000 R$ 0
É comum referir-se à E(X) como média Média R$ 150.000 R$ 100.000
de X, e denotá-lo pela letra grega µ.
Alta R$ 200.000 R$ 300.000

Por qual dos projetos você, como No entanto, o nível de demanda pelo
produto não é conhecido com certeza!
diretor desta fábrica, optaria?
A decisão será baseada no retorno esperado
de cada projeto.
Se soubéssemos ao certo a demanda futura
pelo produto, a decisão seria imediata:
Suponha as seguintes probabilidades:
Para demanda baixa, escolheríamos 1; P(demanda baixa) = 0.2;
Para demanda média, escolheríamos 1; P(demanda média) = 0,5;
Para demanda alta, escolheríamos 2. P(demanda alta) = 0.3.

Os retornos esperados dos projetos

1 e 2 são calculados a seguir:
E(X1) = 50.000*0,2 + 150.000*0,5 +
200.000*0,3 = 145.000;
E(X2) = 0*0,2 + 100.000*0,5 +
300.000*0,3 = 140.000.
Conclusão: o projeto 1 será escolhido,
uma vez que possui maior retorno esperado.
Variância
A variância de uma v.a. representa
o valor esperado de sua dispersão
em torno da média: E[X-E(X)]2.
A variância pode ser calculada da
seguinte forma:
V(X) = E(X2) - E2(X).

4
 Exemplo 3.10 - Considere novamente a
distribuição de probabilidade do exemplo
3.5:
P(X=0) = 1/2; P(X=1) = 1/3; P(X=2) = 1/6.
Calcule a variância de X.
• Algumas Propriedades do Valor
Esperado e da Variância
1) Se b é uma constante:
E(b) = b e V(b) = 0.
2) Se a é uma constante:
E(aX) = aE(X) e V(aX) = a2V(X).
3) Se a e b são constantes:
E(aX+b) = aE(X) + b;
V(aX+b) = a2V(X).
• Padronizando uma V.A.
Padronizar uma v.a. X tal que E(X) = µ e
V(X) = σ2 é transformá-la em uma v.a. Z
definida da seguinte forma:
Z = (X-µ)/σ.
Z, como vimos no exemplo 3.11, possui
média 0 e variância/desvio padrão 1.
Este resultado será muito útil no módulo 4.
Solução:
E(X2) = 02*1/2 + 12*1/3 + 22*1/6 = 1.
V(X) = E(X2) - E2(X) = 1-(2/3)2 = 1 - 4/9 =
5/9.
É comum denotar V(X) por σ2. Neste caso,
o desvio padrão é denotado por σ.
Exemplo 3.11 - Se X é uma v.a. tal que E(X)
= µ e V(X) = σ2, calcule a média, a variância
e o desvio padrão de Z = (X-µ)/σ.
Solução:
Z pode ser escrito da seguinte forma:
aX+b, sendo a = 1/σ e b = -µ/σ.
Assim, basta usar as propriedades:
E(aX+b) = aE(X) + b e V(aX+b) = a2V(X),
para chegar aos resultados solicitados.
• Percentis e Quartis
O percentil p da distribuição de uma v.a. X
é o valor x tal que: P(X ≤ x) = p/100.
Os percentis 25, 50 e 75 são os quartis:
250 Percentil = primeiro quartil (Q1);
500 Percentil = segundo quartil (Q2);
750 Percentil = terceiro quartil (Q3).