Universidade Federal do Tocantins

Campus de Palmas
Curso de Engenharia Civil e Eltrica
Disciplina : Estatstica e Probabilidade
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Aula - 9
Varivel Aleatria e Distribuies Binomial
UFT/2012.2 Prof. Hayda Maria Alves Guimares
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Varivel Aleatria :

Suponhamos um espao amostral S e que a cada ponto amostral seja atribudo um
nmero.

Fica, ento definida uma funo chamada varivel aleatria, indicada por uma letra
maiscula, sendo seus valores indicados por letras minsculas.

Assim, se o espao amostral relativo ao lanamento simultneo de duas moedas S =
{(Ca, Ca), (Ca, Co), (Co, Ca), (Co, Co)} e se X representa o nmero de caras que
aparecem, a cada ponto amostral podemos associar um nmero para X, conforme a Tabela
abaixo:
Ponto Amostral X
(Ca, Ca) 2
(Ca, Co) 1
(Co, Ca) 1
(Co, Co) 0
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Distribuio de Probabilidade :

Consideremos a distribuio de frequncias relativas ao nmero de acidentes dirios em
um estacionamento:
Nmero de Acidentes Frequncias
0 22
1 5
2 2
3 1

=30
73 , 0
30
22
= = p
Em um dia, a probabilidade de:

No ocorrer acidente :

UFT/2012.2 Prof. Hayda Maria Alves Guimares
,
17 , 0
30
5
= = p
07 , 0
30
2
= = p
03 , 0
30
1
= = p
Ocorrer um acidente :

Ocorrerem dois acidentes :

Ocorrerem trs acidentes :

UFT/2012.2 Prof. Hayda Maria Alves Guimares
Nmero de Acidentes Probabilidade
0 0,73
1 0,17
2 0,07
3 0,03

Podemos, ento, escrever:

= 00 , 1
Essa tabela denominada distribuio de probabilidade.
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Seja X uma varivel aleatria que pode assumir os valores x1, x2, x3, ..., xn. A cada valor
xi correspondem pontos do espao amostral.

Associamos, ento, a cada valor xi a probabilidade pi de ocorrncia de tais pontos no
espao amostral.

Assim, temos:




Os valores x1, x2, x3, ..., xn e seus correspondentes p1, p2, ..., pn definem uma
distribuio de probabilidade.

= 1 p
UFT/2012.2 Prof. Hayda Maria Alves Guimares

Ponto Amostral
X P(X)
(Ca, Ca) 2 x =
(Ca, Co) 1 x =
(Co, Ca) 1 x =
(Co, Co) 0 x =

Nmero de Caras (X)

P(X)
2
1 2/4
0

=1
Tomando como exemplo na Tabela, temos:
Logo, podemos escrever:
UFT/2012.2 Prof. Hayda Maria Alves Guimares
A correspondncia entre os valores da varivel aleatria X e os valores da varivel P
definem a funo probabilidade, sendo representada por:




Os valores (i = 1, 2, ..., n) formam o domnio da funo e os valores (i = 1, 2, ..., n), o
seu conjunto imagem.

A funo determina a distribuio de probabilidade da varivel aleatria X.
( ) ( )
i
x X P x f = =
( )
i
x X P =
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Exemplo:

Ao lanarmos um dado, a varivel aleatria X, definida por pontos de um dado, pode
tomar os valores 1, 2, 3, ..., 6.

Como a cada um destes valores est associada uma e uma s probabilidade de
realizao e , fica definida uma funo de probabilidade, da qual resulta a seguinte
distribuio de probabilidade:
X P(X)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6

=1
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Consideremos apenas os experimentos que satisfaam os seguintes condies:

1. O experimento deve ser repetido, nas mesmas condies, um nmero finito de vezes
(n);

2. As provas repetidas devem ser independentes, isto , o resultado de uma no deve
afetar os resultados das sucessivas;

3. Em cada prova deve aparecer um dos dois possveis resultados: sucesso e insucesso;

4. No decorrer do experimento, a probabilidade p do sucesso e a probabilidade q (q = 1
p) do insucesso manter-se-o constantes.
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Exemplo:
O experimento obteno de caras em cinco lanamentos sucessivos e independentes de
uma moeda satisfaz essas condies.

Suponhamos, agora, que realizemos a mesma prova n vezes sucessivas e independentes. A
probabilidade de que um evento se realize k vezes nas provas dada pela funo:



na qual:

P(X = k) a probabilidade de que o evento se realize k vezes em n provas;


p a probabilidade de que o evento se realize em uma s prova sucesso;


q a probabilidade de que o evento no se realize no decurso dessa prova insucesso;

o coeficiente binomial de n sobre k, igual a .

( ) ( )
k n k
q p
k
n
k X P X f

|
|
.
|

\
|
= = =
( )! !
!
k n k
n
|
|
.
|

\
|
k
n
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Exemplo 01:
Uma moeda lanada 5 vezes seguidas e independentes. Calcule a probabilidade de serem
obtidas 3 caras nessas 5 provas.

Temos:


Pela lei binomial, podemos escrever:






Se a probabilidade de obtermos cara numa s prova (sucesso) e a probabilidade
de no obtermos cara numa s prova (insucesso) , ento:
n = 5 e k = 3
( )
2 3 3 5 3
3
5
3
5
3 q p q p X P
|
|
.
|

\
|
=
|
|
.
|

\
|
= =

2
1
= p
2
1
2
1
1 = = q
UFT/2012.2 Prof. Hayda Maria Alves Guimares
( ) = =
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= =
4
1
8
1
! 2 ! 3
! 5
2
1
2
1
3
5
3
2 3
x x X P
16
5
4
1
8
1
1 . 2 . 1 . 2 . 3
1 . 2 . 3 . 4 . 5
= = x x
( )
16
5
3 = = X P
Logo:
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Exemplo 2 :
Dois times de futebol, A e B, jogam entre si 6 vezes. Encontre a probabilidade de o time A
ganhar 4 jogos.

Temos:



Ento:





Logo: , ou seja,



ou
3
2
3
1
1
3
1
, 4 , 6 = = = = = q q e p k n
( )
243
20
9
4
81
1
! 2 . ! 4
! 6
3
2
3
1
4
6
4
2 4
= =
|
.
|

\
|
|
.
|

\
|
|
|
.
|

\
|
= = x x X P
( )
243
20
4 = = X P ( ) 0823 , 0 4 = = X P
P(X = 4) = 8,23%
UFT/2012.2 Prof. Hayda Maria Alves Guimares
Bibliografia :
AZEVEDO, A. G. de. Estatstica bsica. 4. ed. Rio de Janeiro: Ao Livro Tcnico e
Cientfico, 1984.

DOWNING, D.; CLARK, J. Estatstica aplicada. So Paulo: Saraiva 2000.

CRESPO, A. Estatstica fcil. So Paulo: saraiva, 2001.

MARTINS, G. Estatstica geral e aplicada. So Paulo: atlas, 2005.

SILVA, H. et al. Estatstica para os cursos de economia, administrao e
contbeis. 3. Ed. So Paulo: atlas, 1999.