Aula

PROBABILIDADES: TEOREMA DE
BAYES, VARIVEL ALEATRIA E
DISTRIBUIES DE VARIVEIS
ALEATRIAS DISCRETAS
5

META
Estudar o comportamento e aplicao das Variveis Aleatrias Discretas, bem
como das Distribuies Binomial e Poisson.

OBJETIVOS
Ao final desta aula, o estudante dever:
Identificar em que circunstncias alguns experimentos podem ser observados
pelo teorema de Bayes.
Saber utilizar as variveis aleatrias discretas e calcular seus principais
parmetros: Esperana Matemtica e Varincia.
Aplicar as Distribuies: Binomial e Poisson a determinados tipos de
experimentos de variveis aleatrias discretas.

PR-REQUISITO:
Conhecimentos da teoria de probabilidades, envolvendo: espao amostral e
principais eventos, bem como a independncia de eventos. Tambm so
importantes: Papel, Calculadora ou Computador para realizao dos clculos.
 Bioestatstica

INTRODUO

Ol! Tudo bem? Vamos dar seqncia ao estudo sobre probabilidades?

Para isto fundamental tudo o que foi visto na aula anterior, novamente
voc vai trabalhar com espao amostral e probabilidade de eventos.
Quando o experimento for realizado repetidamente os resultados in-
dividuais parecem ocorrer de forma acidental. Contudo, se o experimento
for repetido um grande nmero de vezes uma configurao definida ou
regularidade surgir. esta regularidade que torna possvel construir um
modelo matemtico preciso, com o qual se analisar o experimento.
O desenvolvimento da teoria das probabilidades permitiu a criao
de tcnicas mais adequadas de amostragem e formas de relacionar as
amostras e as populaes de onde provieram essas amostras.
Com o desenvolvimento desta aula voc vai empregar a teoria da
probabilidade para tirar concluses acerca de uma populao com base
em uma amostra extrada da mesma.
Com o advento da teoria das probabilidades, foi possvel estabelecer
as distribuies de probabilidades, consideradas espinha dorsal da teo-
ria estatstica, pois todos os processos de inferncias estatsticas so re-
sultantes das aplicaes de distribuies de probabilidades.
No caso de uma varivel aleatria discreta sua distribuio de proba-
bilidades uma distribuio de freqncias relativas para os resultados de
um espao amostral. Estas freqncias mostram a proporo das vezes
em que referida varivel tende a assumir cada um desses valores.
importante poder descrever as caractersticas principais de uma
distribuio, ou seja, caracterizar os resultados da experincia aleatria
mediante alguns parmetros. Chegamos assim, ao estudo das caractersti-
cas associadas a uma varivel aleatria, introduzindo os conceitos de es-
perana matemtica e varincia, relacionando-os com os de mdia e
varincia de uma varivel estatstica.
Existe uma variedade de tipos de distribuies de probabilidades na
estatstica. Cada qual tem seu prprio conjunto de hiptese que definem as
condies sob as quais o tipo de distribuio pode ser utilizado. Nesta aula
vamos trabalhar a distribuio Binomial e de Poisson.

66
Probabilidades: teorema de Bayes, varivel aleatria e distribuies...
Aula

TEOREMA DE BAYES 5
A ocorrncia de certo acontecimento R pode estar condicionada a
um ou mais acontecimentos (A1, A2 , ..., An), que representam as parties
mutuamente exclusivos de determinado Espao Amostral S. Dessa forma,
o acontecimento R ser igual soma desses acontecimentos, ou seja:
P(R) = P(A1 R) + P(A2 R) + ... + P(An R)
P(R) = P(A1) * P(R / A1) + P(A2) * P(R / A2) + ... + P(An) * P(R /An)
O teorema de Bayes, tambm chamado teorema das causas, relacio-
na-se a acontecimentos que esto associados. Imaginando a possibilidade
de existir uma relao de causa e efeito entre os acontecimentos, esse
teorema permitir encontrar a probabilidade que certo evento Ai acarre-
tou par a ocorrncia de R, isto :
P(Ai / R) = P(R Ai) / P(R) Desenvolvendo e substituindo P(R)
nessa equao temos:
P(Ai / R) = (P(Ai) * P(R / Ai)) / ((P(Ai) * P(R / Ai))

Exemplo: Trs mquinas C1, C2 e C3 so utilizadas para fabricar arru-

elas. Suponha-se que cada arruela seja classificada: perfeita ou defeituo-
sa. As mquinas produzem respectivamente 40%, 40% e 20% da produ-
o total daquela Indstria. A percentagem de itens defeituosos da pro-
duo de C1, C2 e C3 3%, 2% e 1%. Seleciona-se aleatoriamente um
item, verificando-se ser defeituoso. Qual a probabilidade de pertencer
mquina C2?

P(A2 / R) = (P(A2) * P(R / A2)) / ((P(Ai) * P(R / Ai))

P(A2 / R) = (0,4 * 0,02) / (0,4 * 0,03 + 0,4 * 0,02 + 0,2 * 0,01) =
0,008 / 0,0022 = 36,36%

VARIVEIS ALEATRIAS DISCRETAS

Uma varivel aleatria dita discreta quando ela assume somente

valores inteiros num conjunto enumervel de pontos do conjunto real,
isto : uma funo que associa a cada ponto de um espao amostral, um
nmero real. A soma das probabilidades de todos os valores assumidos
por esta varivel igual a 1.

Distribuio de Probabilidade de uma Varivel Aleatria Discreta

Seja X uma Varivel Aleatria Discreta definida num espao amostral

S, tal que X possa assumir valores x1, x2, ..., xn, com respectivas probabi-
lidades p1, p2, ..., pn. A associao entre os valores assumidos por esta

67
 Bioestatstica

varivel X e respectivas probabilidades de ocorrncia determina a Distri-

buio (Funo) de Probabilidade dessa varivel.
A distribuio dada por P(X = xi) satisfaz as condies: P(xi) 0
e P(xi) = 1
Exemplo: Seja X uma varivel aleatria que representa o nmero de
meninas de uma famlia com 4 crianas. Determine a distribuio de pro-
babilidade de X.
S = {MMMM; MMMF; MMFM; MFMM; FMMM; MMFF; MFMF;
MFFM; FFMM; FMFM; FMMF; FFFM; FFMF; FMFF; MFFF; FFFF}

Distribuio de Probabilidade de nascimento de meninas.

X = xi 0 1 2 3 4
pi = P(X=xi) 1/16 4/16 6/16 4/16 1/16

Funo de Distribuio Acumulada de

Seja uma varivel aleatria. Define-se a funo acumulada de como:

F(X) = P(X xi), X R

Distribuio acumulada relativa ao nascimento de meninas do exem-

plo anterior:

X = xi 0 1 2 3 4
pi = Fxi 1/16 5/16 11/16 15/16 1

PARMETROS DE UMA VARIVEL

ALEATRIA DISCRETA

1. Valor Esperado ou Esperana Matemtica

Se Xi = x1, x2, ... xn so os possveis valores de varivel aleatria

discreta e pi e as respectivas probabilidades da varivel assumir esses
valores ento o valor esperado ou esperana matemtica (media),
de X , representado por E ( X ) ou x , definido por:
E(X) = xi * pi

68
Probabilidades: teorema de Bayes, varivel aleatria e distribuies...
Aula

Considerando o nascimento de meninas do exemplo anterior o valor

esperado dessa ocorrncia :
5
E(X) = = 0*1/16 + 1*4/16 + 2*6/16 + 3*4/16 + 4*1/16 =
32/16 = 2

2. Varincia

Seja X uma varivel aleatria discreta, definimos a varincia de X,

denotada por V (X) ou , da seguinte maneira:
V(X) = = (xi - ) * pi. ou V(X) = E(X) [E(X)]

Sendo: E(X) = xi * pi

Propriedades da Mdia:

E(K) = K (K constante)
E(KX) = K * E(X)
E(X Y) = E(X) E( Y)
E(X K) = E(X) K
E(XY) = E(X) * E(Y) se X e Y so independentes
Propriedades da Varincia:
V(K) = 0
V(KX) = K * V(X)
V(X K) = V(X)
V(X + Y) = V(X) + V(Y) se X e Y so independentes

Considerando o nascimento de meninas do exemplo anterior a

varincia dessa ocorrncia :

V(X) = = (0 2) * 1/16 + (1 2) * 4/16 + (2 2) * 6/16 +

(3 2) * 4/16 + (4 2) * 1/16
V(X) = = 4/16 + 4/16 + 0/16 + 4/16 + 4/16 = 16/
16 = 1

PRINCIPAIS DISTRIBUIES DE VARIVEL

ALEATRIA DISCRETA

Distribuio Binomial

uma distribuio de probabilidade adequada aos experimentos que

apresentam apenas dois resultados (sucesso ou fracasso). Alm disso, essa

69
 Bioestatstica

distribuio apropriada para pequenas amostras (n<30), desde que o

experimento investigado atenda as seguintes caractersticas:

1. O nmero de provas do experimento deve ser conhecido.

2. Todas as provas do experimento devem ser independentes.
3. Cada tentativa do experimento admite apenas dois resultados: sucesso
ou fracasso.

Sucesso (p) representa a probabilidade de ocorrncia da caracte-

rstica observada.
Fracasso (q) representa a probabilidade de que a caracterstica
observada no ocorra.
Observao: Sucesso e fracasso so eventos complementares, por-
tanto: p + q = 1.

P(X = k) =

A varivel X tem distribuio Binomial, com parmetros n e p, e indi-

caremos pela notao X~B(n,p).

Ex. Em determinado Hospital 6 pacientes devem submeter-se a um tipo

de operao na qual a probabilidade de xito de 70%. Qual a probabi-
lidade de que 2 pacientes consigam sobreviver.

p = P( acerto ) = 0,7 X : B( 6, 0,7) e k = {0, 1, 2, 3, 4, 5 6}

P(X = 2) = (6! / 4! * 2!)* 0,7 * 0,7 * 0,3 * 0,3 * 0,3 * 0,3 = 15 * 0,49
* 0,0081 = 0,05953 = 5,9%

Parmetros da Binomial

Esperana (Mdia) = E(X) = n.p e Var(X) = n.p.q

Distribuio de Poisson

Trata-se do caso limite da Distribuio Binomial quando o nmero

de provas tende para infinito, enquanto a probabilidade do evento inves-
tigado tende para zero. uma distribuio indicada para eventos inde-
pendentes e raros. Essa distribuio refere-se contagem do nmero de
vezes que ocorre determinado sucesso por unidade de tempo (ms, dia,
hora, minuto, etc.), por unidade de medida (comprimento, rea, peso, etc.)
ou por contagem (nmero de itens, de ligaes, etc.).

70
Probabilidades: teorema de Bayes, varivel aleatria e distribuies...
Aula

Em muitos casos, conhece-se o nmero de sucessos, porm torna-se

difcil e, s vezes, sem sentido determinar o nmero de fracassos ou o
5
total de resultados.
Por exemplo: automveis que passam numa esquina. Poderemos num
determinado intervalo de tempo anotar o n de carros que passaram, po-
rm, o n de carros que deixaram de passar pela esquina no poder ser
determinado.
Seja X o n de sucessos no intervalo ento:

Parmetros de Poisson: Esperana Matemtica (mdia) e Varincia

E( X ) = np = e Var( X ) = np =

Ex.: Num livro de 800 pginas h 800 erros de impresso. Qual a proba-
bilidade de que uma pgina contenha pelo menos 3 erros?

Soluo: X: n de erros por pgina e = 1

P(X 3) = 1 P(X < 3) = 1- {P(X = 0) + P(X = 1) + P(X = 2)} =

1- = 1 - {0,367879 + 0,367879 + 0,183940}

= 1 0,919698 = 0,080302

ATIVIDADES

1. Suponha que temos duas urnas 1 e 2, cada uma contm duas gavetas. A
urna 1 contm uma moeda de ouro em uma gaveta e uma moeda de prata
na outra gaveta; enquanto a urna 2 contm uma moeda de ouro em cada
gaveta. Uma urna escolhida ao acaso; a seguir uma de suas gavetas
aberta ao caso. Verifica-se que a moeda encontrada nesta gaveta de
ouro. Qual a probabilidade de que a moeda provenha da urna 2?

2. Um indivduo pode chegar ao emprego utilizando-se apenas de um

desses meios de locomoo: bicicleta, motocicleta ou carro. Sabe-se que
por experincia a probabilidade de ele se utilizar do carro de 0,6; de
bicicleta 0,1 e de motocicleta 0,3. A probabilidade de chegar atrasado, no
caso de se utilizar do carro, 0,05; de motocicleta 0,08, e de bicicleta,
0,02. Certo dia ele chegou atrasado. Qual o meio de locomoo mais
provvel de ter sido escolhido?

71
 Bioestatstica

3. Qual a esperana matemtica e o desvio-padro de um jogo no qual se

pode ganhar R$ 25,00 com a probabilidade 0,2; R$ 10,00 com a probabi-
lidade 0,3 e R$ 4,00 com 0,5?

4. Joga-se uma moeda trs vezes. Seja X o nmero de caras. a) Construir a

distribuio de probabilidade e a funo de distribuio acumulada de X. b)
Determinar E(X) e V(X).

5. Seja X uma varivel aleatria que representa o nmero de meninas em fam-

lias com 5 crianas. Determine a distribuio de probabilidade de X e a funo
de distribuio acumulada. Calcule tambm E(X) e V(X).

6. Um aluno conhece bem 60% da matria dada. Num exame, com 5 perguntas
sorteadas ao acaso sobre toda a matria, que probabilidade tem de responder
mais da metade das perguntas?

7. Uma companhia de seguros vendeu aplices a 5 pessoas, todas da mesma

idade e com boa sade. De acordo com as tbuas atuariais, a probabilidade de
que uma pessoa daquela idade esteja viva daqui a 30 anos de 2/3. Calcular a
probabilidade de que daqui a 30 anos: a) Exatamente 2 pessoas estejam vivas;
b) Todas as pessoas estejam vivas; c) Pelo menos 3 pessoas estejam vivas.

8. A probabilidade de um indivduo apresentar crie dentria em determinada

populao de 30%. Entre seis pessoas escolhidas ao acaso, qual a probabili-
dade de que duas no apresentem crie dentria?

9. A probabilidade de que um atleta ultrapasse 17,30m num nico salto triplo

de 70%. O atleta d 4 saltos. Qual a probabilidade de que pelo menos um dos
saltos ultrapasse 17,30m?

10. Certo curso de treinamento aumenta a produtividade de uma populao de

funcionrios em 80% dos casos. Se 10 funcionrios quaisquer participam deste
curso, encontre a probabilidade de: a) Exatamente 7 funcionrios aumentarem a
produtividade. b) No mais do que 8 funcionrios aumentarem a produtividade.

11.A probabilidade de um menino ser daltnico e 6%. Qual a probabilidade

de serem daltnicos todos os 4 meninos que se apresentaram, em determinado
dia, para um exame oftalmolgico?

12. Estima-se em 1% a probabilidade de vender aplices de seguro a pesso-

as que respondem a um anncio especial. Nessa base se 800 pessoas res-
pondem a um anncio, qual a probabilidade de que pelo menos duas com-
pre a referida aplice?

72
Probabilidades: teorema de Bayes, varivel aleatria e distribuies...
Aula

13. Uma pesquisa cientifica revelou que para cada 1000 pessoas entrevista-
das, uma est sujeita a choque traumtico quando da aplicao de penicili-
5
na. Determine a probabilidade de que, entre 700 pessoas entrevistadas ao
acaso, no mximo duas sofra aquele choque nas mesmas condies.

14. A proporo de partos prematuros numa populao de 10 por 1000.

Qual a probabilidade de haver no mximo 1 parto prematuro em 500
partos realizados.

15. Sendo 1% a proporo de canhotos numa populao, qual a probabi-

lidade de termos pelo menos um canhoto numa classe de 50 alunos?

16. Em uma cidade com 250.000 habitantes o nmero de acidentes de

trnsito de 3 por dia, em cada 100.000 habitantes. Qual a probabilidade
de que ocorram, nessa cidade, em um dia mais de 2 acidentes?

CONCLUSO

Com esta aula, voc deve ser capaz de entender o que uma varivel
aleatria. Deve entender que uma varivel aleatria discreta uma fun-
o que associa a cada ponto de um espao amostral, um nmero real e
que a soma das probabilidades de todos os valores assumidos por esta
varivel igual a um. Deve ser capaz de elaborar uma Distribuio de
Probabilidade de varivel aleatria discreta onde vai associar a cada valor
assumido pela varivel sua respectiva probabilidade de ocorrncia. Com
a Distribuio de probabilidade voc pode calcular os parmetros desta
varivel, representados pelo Valor Esperado ou Esperana Matemtica e
Varincia, estimativas dos parmetros calculados com base nos dados de
uma populao j vistos em aulas anteriores.
Entendendo o que uma varivel aleatria discreta vai utilizar a Dis-
tribuio de probabilidade Binomial que uma distribuio de probabili-
dade adequada aos experimentos que apresentam apenas dois resultados
(sucesso ou fracasso). Alm disso, essa distribuio apropriada para pe-
quenas amostras e formada por eventos independentes.
Tambm ser capaz de trabalhar com a distribuio de Poisson que
est associada a experimentos cujos resultados constituem eventos inde-
pendentes e que ocorram com raridade. A distribuio de Poisson o caso
limite da distribuio Binomial quando o nmero de provas tende para infi-
nito, enquanto a probabilidade do evento investigado tende para zero.
No final da aula temos uma lista de exerccios para serem resolvidos
em grupos de no mximo cinco pessoas ou individual. Com certeza voc
vai ficar muito satisfeito com os resultados do seu desempenho.

73
 Bioestatstica

RESUMO

Nesta aula voc tomou conhecimento de conceitos muito importan-

tes na continuao dos estudos sobre probabilidades e uso de das distri-
buies de probabilidades. Uma varivel aleatria sempre est associada
ocorrncia de valores esperados, mas no certos e que esta varivel
pode ser discreta ou continua. Na varivel aleatria discreta estes valores
podem ser contados visto que seu intervalo finito.
Utilizando dados de uma varivel aleatria discreta possvel organizar
os mesmos em uma distribuio de probabilidades e a partir deste conjunto
calcular a Esperana Matemtica e Varincia. Estes parmetros representam
estimativas para a mdia aritmtica e varincia de uma populao.
Dando seqncia aos temas abordados por esta aula chegamos as dis-
tribuies de freqncias e como utiliza-las em determinados experimen-
tos. Estas distribuies foram formalizadas de acordo a ocorrncia de de-
terminadas caractersticas da varivel investigada. A partir dessa associa-
o modelos de distribuies so criados para facilitar a investigao de
determinados experimentos em um valor especfico ou no total do seu es-
pao amostral. Com a aplicao destas distribuies a maioria dos experi-
mentos pode ser investigada de forma mais rpida, pela existncia deste
modelo, mas no esquea que a base destes modelos formada pelo espao
amostral da varivel observada e os teoremas do clculo das probabilida-
des, portanto os resultados de um experimento podem ser encontrados,
usando o modelo estatstico apropriado ou os teoremas da probabilidade.
Entre os diversos modelos de distribuies de probabilidades de va-
riveis discretas voc tomou conhecimento do modelo Binomial, indica-
do para pequenas amostras formadas por eventos independentes e o de
Poisson que trabalha com grandes amostras constitudas por eventos in-
dependentes e que ocorram com raridade. Estas distribuies juntamente
com a Normal, que veremos na aula seguinte, so as mais importantes
para o seu curso.

AUTO-AVALIAO

Sou capaz de trabalhar com variveis aleatrias discretas?

Sou capaz de calcular os parmetros de uma varivel aleatria discre-
ta e entender seu significado?
Sou capaz de aplicar o modelo da distribuio de probabilidades
Binomial?
Sou capaz de aplicar o modelo da distribuio de probabilidades
Poisson?

74
Probabilidades: teorema de Bayes, varivel aleatria e distribuies...
Aula

PRXIMA AULA
5
Estudo das Probabilidades, envolvendo Varivel Aleatria Contnua
e Distribuio Normal.

REFERNCIAS

RODRIGUES, PEDRO CARVALHO. Bioestatstica. Universidade Fe-

deral Fluminense.
FONSECA, JAIRO DA. Curso de Estatstica. Editora Atlas.
OLIVEIRA, FRANCISCO ESTEVAM MARTINS DE. Estatstica e
Probabilidade. Editora Atlas.
TANAKA. Elementos de Estatstica. Editora McGraw.Hill.
BARBETTA, PEDRO A. Estatstica Aplicada as Cincias Sociais.
Editora da UFSC.
GES, LUIZ A. C. Estatstica I e II. Editora Saraiva.
DAZ, FRANCISCA; LOPES, FRANCISCO JAVIER. Bioestatstica.
Editora Thomson.

75