Estatstica

Seo 5 - Variveis Aleatrias e

Distribuies Discretas

Prof. Iara Braz Neves

Objetivos:
O aluno dever reconhecer os
conceitos de variveis
aleatrias e distribuies
discretas

 O resultado do lanamento de uma moeda pode ser

utilizado para tomar decises, por exemplo:
O rbitro de uma partida de futebol sorteia quem inicia o
primeiro tempo do jogo e ainda o ganhador do sorteio
escolhe a metade do campo onde sua equipe iniciar o jogo.
Outras vezes, o resultado da moeda para realizar uma
tarefa agradvel ou no, etc.

Embora o resultado do sorteio possa ser utilizado com

diferentes finalidades, o experimento aleatrio lanamento
de uma moeda permanece o mesmo, mantendo os
mesmos resultados.

Varivel Aleatria
Varivel aleatria (VA) uma varivel cujo valor o
resultado numrico de um experimento aleatrio. A VA
uma funo formada por valores numricos definidos
sobre o espao amostral de um experimento:
A cada resultado do experimento aleatrio corresponder
apenas um nico valor numrico da VA.
Entretanto, um valor numrico da VA poder corresponder
a um ou mais resultados de um experimento.

 Um experimento aleatrio se no for possvel antecipar seu

resultado, apesar de conhecer todos os resultados possveis que
definem o espao amostral do experimento.
Cada vez que o experimento for repetido, seu resultado
pertencer a esse espao amostral, sendo cada resultado
denominando ponto amostral
Em vez de operar com o espao amostral, agora utilizaremos um
conceito mais amplo denominado varivel aleatria, que adota
valores de acordo com os resultados de um experimento
aleatrio.

Varivel Aleatria

(continuao)

Dependendo dos valores numricos, a varivel aleatria poder

ser discreta ou contnua.
Se os valores numricos da VA se referem a contagens, ento a VA
ser uma varivel aleatria discreta. Por exemplo, o nmero de
peas rejeitadas por lote numa linha de produo uma VA
discreta.
Se os valores numricos da VA pertencem ao conjunto dos nmeros
reais, ento a VA ser uma varivel aleatria contnua. Por exemplo,
o lucro lquido mensal de uma empresa uma VA contnua.
Entretanto, nem sempre a separao entre varivel discreta e
varivel contnua fica clara.

Definio da varivel aleatria X

A varivel aleatria X est definida pelos seus valores
numricos xi e suas probabilidades associadas p(xi),
como apresentado na tabela.
x

p(x)

12,5%

37,5%

37,5%

12,5%

A tabela da VA foi obtida a partir de uma populao

conhecida. Alm disso, a VA representa uma
distribuio de frequncias relativas, como mostra o
histograma acima.

Exemplo
Na reunio anual, o consenso do
grupo de analistas definiu os
retornos possveis do mercado de
aes nos prximos doze meses
e suas probabilidades associadas
de acordo com quatro possveis
cenrios e os resultados
registrados na tabela ao lado.

-10%

0%

12%

25%

Cenrio

Retorno

Probabilidade

Ruim

-10%

10%

Regular

0%

20%

Bom

+12%

40%

Excelente

+25%

30%

Com a distribuio de
frequncias relativas da tabela
acima os analistas definiram a
varivel aleatria X cujo
histograma mostrado ao
lado.

Definio de VA
Os resultados dos exemplo anterior ajudam
estabelecer a definio de varivel aleatria discreta:
A VA discreta X tem o conjunto de valores:
X = {x1, x2, ..., xi ..., xn }.
Cada valor xi de X tem associada probabilidade
p(xi) formando a distribuio de frequncias registrada
na tabela seguinte:
X
p(x)

x1

x2

p(x1) p(x2)

...

xi

...

xn

...

p(xi)

...

p(xn)

Definio de VA

(continuao)

As probabilidades p(x i) de cada x i atendem s

seguintes premissas:
Todos os valores x de X tm um valor de
probabilidade no intervalo (0, 1) ou de outra maneira
0 p(x i) 1
A soma das probabilidades de todos os x de X
sempre igual a um; de outra maneira:
n

p ( x1 ) p ( x2 ) ... p ( xn ) p ( xi ) 1
i 1

Valor Esperado da VA
Seja a varivel aleatria X com valores numricos x1,
x2 , ... , xn e probabilidades associadas p(x1), p(x2), ... ,
p(xn). O valor esperado E[X] da varivel X definido
por:

[ X ] x1 p ( x1 ) x2 p ( x2 ) ... xi p ( xi ) ... xn p ( xn )
n

[ x] xi p ( xi )
i 1

Exemplo
O seguro de vida da seguradora LIFE para pessoas com
menos de 40 anos $200.000 devendo-se pagar $600 por
ano. Se a probabilidade de uma pessoa com menos de 40
anos morrer no prximo ano for 0,1%, qual a expectativa do
lucro anual da seguradora?
Soluo: Os dados mostram que a varivel aleatria X
deste seguro tem dois eventos elementares:
A probabilidade da pessoa no morrer durante o ano
p(x1)=99,9%. Neste caso, a seguradora ganha x1= $600.
A probabilidade da pessoa morrer durante o ano
p(x2)=0,1%. Neste caso, a seguradora perde
x2= - $199.400 = $600 - $200.000

O valor esperado do lucro anual da seguradora

E[X] = $400 obtido de:
2

[ X ] xi p ( xi ) x1 p ( x1 ) x2 p ( x2 )
i 1

[ X ] $199.400 0,001 $600 0,999 $400

Qual o significado desse resultado? Se a quantidade
de seguros deste tipo vendidos anualmente pela
seguradora for um nmero muito grande, ento o lucro
mdio anual da seguradora ser igual a $400 por
seguro vendido.

Varincia e Desvio Padro

da VA
Seja a varivel aleatria X com valores numricos x1,
x2, ... , xn e probabilidades associadas p(x1), p(x2), ...,
p(xn). Definimos como:
Varincia da varivel X:

x2 ( x1 E[ X ]) 2 p( x1 ) ... ( xn E[ X ]) 2 p( xn )
n

x2 ( xi E[ X ]) 2 p( xi )
i 1

Desvio padro de X: x x2

Deve-se destacar que:

2
2
A varincia pode ser apresentada como x E[( X E[ X ]) ]
Essa forma de varincia de X como valor esperado obtida
da prpria definio de valor esperado de X. substituindo a
varivel X pela varivel (X E[X]). onde E[X] passa a ser
E[(X E[X])].

A varincia da varivel aleatria X pode ser obtida. tambm

com a frmula x2 E[ X 2 ] E[ X ]) 2

Distribuio Binomial
Muitas variveis aleatrias tm apenas dois possveis
resultados ou eventos elementares, por exemplo:
O tcnico do controle de qualidade sempre retira uma
amostra de dez peas de cada lote recebido do fornecedor.
O nmero de peas que no atendem especificao uma
varivel aleatria X.
O nmero de respostas sim a uma pergunta da pesquisa
aplicada em 1.800 pessoas uma varivel aleatria X.
O nmero de aes que ontem subiram comparadas com as
cinqenta aes mais negociadas uma varivel aleatria X.

Nos trs exemplos, o nmero de vezes em que um

resultado ocorre durante um determinado nmero de
repeties do experimento a varivel aleatria X.

Premissas de um
experimento binomial
O experimento repetido n vezes. e os n resultados
do experimento so independentes.
O experimento tem apenas dois possveis
resultados ou eventos mutuamente excludentes:
sucesso ou falha.
A probabilidade do sucesso do experimento e
se mantm constante durante as n repeties do
experimento. A probabilidade de falha do
experimento (1- ).

Probabilidade da
distribuio binomial
Se em n experincias ocorrem x= 1. 2, ... , n sucessos
com probabilidade , a varivel X ter distribuio
binomial de probabilidades:
P( x)

n!
x (1 ) n x
x!(n x)!

Nessa expresso x! x( x 1)( x 2)...(2)(1) e 0! 1

2 n (1 )

Informando os valores da probabilidade de sucesso

na clula C4 e o nmero de experimentos ou tentativas,
limitadas a 50, a planilha calcula a mdia e a varincia
nas clulas F4 e F5, respectivamente, e a probabilidade
escolhida na caixa de grupo a partir da clula C8 da
tabela:
Probabilidade P(x). Fornecer a probabilidade de
ocorrerem x sucessos, de 0 at n, em n tentativas, com a
probabilidade de sucesso registrada em C4.
Probabilidade Acumulada at x. Fornecer a probabilidade
acumulada de ocorrerem at x sucessos em n tentativas,
com a probabilidade de sucesso registrada em C4.

Exemplo
Uma moeda lanada dez vezes seguidas. Qual a
probabilidade de conseguir trs caras?
Soluo: A probabilidade de conseguir trs caras
0,3125 ou 31,25%, resultado obtido com a frmula:
5!
P ( x 3)
0,503 (1 0,50) 53
3!(5 3)!
P ( x 3) 10 0,55 0,3125

Esse resultado pode ser obtido com a funo

estatstica DISTRBINOM do Excel registrando a
frmula =DISTRBINOM(3;5,0;5;FALSO) numa clula
vazia de qualquer planilha.

Probabilidade de Sucesso
Os exemplos anteriores mostram tabelas de probabilidades
e histogramas da distribuio binomial para a ocorrncia de
x sucessos com probabilidade durante n experincias. A
seguir, algumas concluses:
Num experimento com distribuio binomial, o nmero
de resultados igual a n+1, pois 0xn.
A probabilidade de sucesso varia entre 0+ e prximo
de 1, pois nos casos extremos o experimento no seria
aleatrio.
Para cada valor de probabilidade de sucesso , h uma
distribuio binomial de probabilidades diferente,
mantendo os outros parmetros inalterados. A planilha
Modelo probabilidade mostra essa caracterstica.

 Com a barra de rolagem dessa planilha, pode-se

acompanhar a variao da probabilidade de que
ocorra um determinado sucesso e a probabilidade
acumulada at esse definido sucesso em funo
da probabilidade de sucesso varivel no
intervalo (0, 1) de um experimento com dez
tentativas.

 Quanto forma da distribuio de probabilidade,

para =0,5, a distribuio sempre simtrica,
independentemente do valor do nmero n de
tentativas.
Para valores de <0,5, a distribuio de probabilidade
apresentar inclinao positiva, para a direita,
acentuando-se medida que se aproxima de zero.
Para valores de >0,5, a distribuio de probabilidade
apresentar inclinao negativa, para a esquerda,
acentuando-se medida que se aproxima de um.

Exemplo

So realizadas dez experincias com probabilidade de

sucesso =0,10. Considerando que o experimento
tem distribuio binomial, calcular a mdia e o desvio
padro.
Soluo. Aplicando as frmulas temos:
n 10 0,1 1
n (1 ) 10 0,10 (1 0,10) 0,9487

Exemplo 2
Voc tem uma carteira com quinze aes. No prego
de ontem 75% das aes na bolsa de valores caram
de preo. Supondo que as aes que perderam valor
tm distribuio binomial:
Quantas aes da sua carteira voc espera que tenham
cado de preo?
Qual o desvio padro das aes que tem na carteira?
Soluo. Como 75% das aes caram de preo, o
nmero de aes da carteira que devem ter cado de
preo ser 11.2 = 0,75 x 15 . O desvio padro 1,67
obtido com a frmula:

n (1 ) 15 0,75 (1 0,75) 1,67

Distribuio de Poisson
Depois da binomial, a distribuio de Poisson a distribuio
de probabilidade discreta mais utilizada, pois pode ser
aplicada a muitos casos prticos nos quais interessa o nmero
de vezes que um determinado evento pode ocorrer durante
um intervalo de tempo ou num determinado ambiente fsico,
denominados rea de oportunidade, por exemplo:
O nmero de acidentes de carros por dia numa grande
cidade como So Paulo.
O nmero de chamadas telefnicas por hora recebidas na
central telefnica durante o perodo normal de operao de
uma empresa.
O nmero de defeitos de soldagem em seis metros de
tubo; o nmero de garrafas mal fechadas por trinta minutos
na mquina de enchimento de cerveja.

Distribuio de Poisson
(continuao)

Num processo de Poisson podem ser observados

eventos discretos numa rea de oportunidade de tal
forma que, reduzindo suficientemente essa rea de
oportunidade que pode ser um intervalo de tempo,
espao, ou rea na qual mais de uma ocorrncia de
um evento pode ocorrer:
A probabilidade de observar apenas um sucesso no
intervalo estvel.
A probabilidade de observar mais de um sucesso no
intervalo zero.
A ocorrncia de um sucesso em qualquer intervalo
estatisticamente independente da ocorrncia em qualquer
outro intervalo.

Distribuio de Poisson

(continuao)

A distribuio de Poisson caracterizada apenas pelo parmetro .

Enquanto a varivel aleatria do processo de Poisson X se refere
ao nmero de sucessos por rea de oportunidade, o parmetro
se refere ao valor esperado, ou mdia, do nmero de sucessos por
rea de oportunidade.

Probabilidade da
Distribuio de Poisson
A probabilidade P(x) de ocorrncia de x conhecido

x
e

P( x)
x!

o numero esperado de sucessos.

x = 0, 1, 2, ..., o numero de sucessos.
e constante aproximadamente igual a 2,7182....
A mdia e a varincia so iguais a e 2

Exemplo
As lmpadas de iluminao da rea de manufatura
da montadora so substitudas numa mdia de oito
lmpadas por dia. Se a distribuio de frequncias
das lmpadas substitudas for do tipo Poisson...
Soluo. Dos dados deduzimos que o nmero
esperado de trocas dirias de lmpadas = 8.
Qual a probabilidade de amanh substituir cinco
lmpadas?
e 8 85
P ( x 5)
0,091604
5!

Qual a probabilidade de amanh no substituir

nenhuma lmpada?
e 8 80
P ( x 0)
0,000335
0!

Qual a probabilidade de amanh substituir no mximo cinco

lmpadas?
A probabilidade de amanh substituir no mximo (ou at)
cinco lmpadas
P(x5)=P(x=0)+P(x= 1)+P(x=2)+P(x=3)+P(x=4)+P(x=5 )=19,12%

resultado obtido com a frmula:

e 8 8i
P ( x 5)
0,1912
i!
i 0
5

 Informando o nmero esperado de sucessos na

clula C4, a planilha calcula a mdia, a varincia e
as probabilidades escolhidas na caixa de grupo a
partir da clula C8:
Probabilidade P(x). Fornecer a probabilidade de ocorrerem
x sucessos, com o nmero esperado de sucessos registrado
em C4.
Probabilidade Acumulada at x. Fornecer a probabilidade
acumulada de ocorrerem at x sucessos com o nmero
esperado de sucessos registrado em C4.

Distribuio Binomial
Negativa
Para apresentar a distribuio binomial negativa,
faremos uma anlise do que foi apresentado na
distribuio binomial.
O ponto de partida o processo de Bernoulli, definido
como o experimento aleatrio cujo espao amostral tem
apenas dois possveis resultados mutuamente excludentes
denominados sucesso e falha, sendo a probabilidade de
sucesso.
Se o processo Bernoulli for repetido n vezes, considerando
que as experincias so independentes, ento a varivel
aleatria X que define o nmero de sucessos do
experimento ter distribuio binomial. Observe que, na
distribuio binomial, o nmero de experimentos n
definido antecipadamente.

Distribuio Binomial
Negativa
(continuao)

Em vez de repetir o experimento um nmero

determinado de vezes, pode-se estabelecer que o
experimento seja repetido at conseguir o primeiro
resultado sucesso. Nesse caso, a varivel aleatria
X que define o nmero de experimentos
necessrios at conseguir o primeiro resultado
sucesso tem uma distribuio geomtrica.

Distribuio Binomial
Negativa
(continuao)

Ampliando as premissas da distribuio geomtrica,

em vez de repetir o experimento at conseguir o
primeiro resultado sucesso, a distribuio binomial
negativa, conhecida tambm como Distribuio de
Pascal, permite determinar a probabilidade de que
ser necessrio realizar exatamente n
experimentos para obter x resultados de sucesso
com probabilidade .

Referncias Bibliogrficas
LAPPONI, J. C. Estatstica usando Excel. 4
edio. Rio de Janeiro: Elsevier, 2005.
LEVINE, D. M.; BERENSON, M. L.; STEPHAN, D.
Estatstica: Teoria e Aplicaes usando Microsoft
Excel em portugus. Rio de Janeiro: LTC, 2000.
BUSSAB, W.; MORETTIN, P. A. Estatstica bsica
5 ed. So Paulo: Saraiva, 2005.