2- VARIVEIS ALETRIAS

DEFINIO 2.1: Sejam E um experimento e S o espao amostral associado ao experimento. Uma funo X, com domnio S e
contradomnio denominada Varivel Aleatria. (V.A.)
EXEMPLO:
E : lanamento de duas moedas;
S={(c,c), (c,k), (k,c), (k,k)}
X: nmero de caras (k) obtidas nas duas moedas.
Neste caso X assume valores
X=0 corresponde ao evento {(c,c)} cuja probabilidade 1/4.
X=1 corresponde ao evento {(c,k), (k,c)} cuja probabilidade 2/4.
X=2 corresponde ao evento {(k,k)} cuja probabilidade 1/4.
DEFINIO 2.2: Quando os valores assumidos por X so isolados (por exemplo inteiros) a V.A. dita discreta.
DEFINIO 2.3: A probabilidade de que a V.A. assuma um valor particular x (escolhido) na imagem de X, define uma funo a
qual chamaremos de funo distribuio de probabilidade, e representamos por P(X=x) ou P(x).
Obs 1: Observe que P(x) est sempre entre 0 e 1.
Obs 2: Quando somamos P(x) para todos os possveis valores de x na imagem de X o resultado igual a 1. No exemplo anterior
temos P(0)+P(1)+P(2)= 1/4 + 2/4 + 1/4 =1
Quando usamos uma ou mais V.A. como parmetro(s) para definir uma outra funo esta ser tambm uma V.A.
EXEMPLO: X1 e X2 representam cada uma (isoladamente) os resultados obtidos no lanamento de um dado:
1234-

X=(X1, X2) representa o resultado obtido no lanamento de dois dados

Y= X1 + X2 representa a soma dos resultados
Z= O resto da diviso inteira do primeiro (X1) pelo segundo (X2)
W=Min{(X1, X2)}

DEFINIO 2.4: A probabilidade de que a V.A. assuma valores menores ou iguais a um valor particular x (escolhido) na
imagem de X, define uma funo a qual chamaremos de funo densidade acumumulada de probabilidade, e representamos
por F(x)=P(Xx)
Obs 3: Observe que quando x o maior valor de imagem de X ento F(x)=1, pois F(x)=P(x1)+P(x2)+ ... +P(x) onde xi<x.
DEFINIO 2.5: Quando os valores assumidos por X no so isolados, isto , os valores assumidos por X esto muito prximos
a V.A. dita contnua.
Obs 4: Para uma V.A. continua X vamos denotar por IX a imagem de X. (que , na maioria das aplicaes, um intervalo fechado)
DEFINIO 2.6: Seja X uma V.A. contnua. Uma funo f definida em IX dita uma funo densidade de probabilidade se ela
satisfaz:
a)

f(x)0 para todo x em IX.

b)

IX

f ( x)dx 1

DEFINIO 2.7: Seja f uma funo densidade de probabilidade definida em IX. Para quaisquer a<b com a e b em IX definimos
P(a<X<b)=

Obs 5: Das propriedades de integral segue-se que:

a) P(X=x0)=0
b) P(aXb)= P(aX<b)= P(a<Xb)= P(a<X<b)

f ( x )dx

2.8 EXERCCIOS
1-) No lanamento simultneo de dois dados, considere as seguintes variveis aleatrias:
X : Nmero de pontos conseguidos no primeiro dado
Y : Nmero de pontos conseguidos no segundo dado
a)

Construir a distribuio de Probabilidade atravs de uma tabela e de grfico das seguintes variveis aleatrias
i)

A = X-Y

ii)

B = 2.Y

iii)

C = X.Y

iv)

D = Max{X,Y}

b)

Construir o grfico da funo distribuio de probabilidade acumulada das variveis do item a)

c)

Calcule as seguintes probabilidades:

i) P(-3<A3)

ii) P(0A4,5)

iii) P(A>6)

iv) P(C5,5)
vii) P(A8)

v) P(C=3)
viii) P(B11)

vi) P(1D4)
ix) P(20C35)

x) P(D=8)

xi) P(-1<B<8)

xii) P(3,5<C<34)

2-) Uma varivel aleatria discreta tem a distribuio de probabilidade dada por P(X)=
a)

Calcular o valor de K

K
para x= 1, 3, 5, 7
x

b) Calcular P(x=5)

3-) Seja X a varivel aleatria correspondente ao nmero de pontos de uma pea de domin
a)

Construir a tabela e traar o grfico de P(X)

b)

Construir a tabela e esboar o grfico de F(X)

c)

Calcular P(2X<6)

d)

Calcular F(8)

4-) Numa urna temos cinco bolas pretas e quatro bolas vermelhas. So retiradas aleatoriamente trs bolas. Faa X a varivel
aleatria nmero de bolas pretas. Determine:
a)

Encontre a tabela e trace o grfico da distribuio de probabilidade de X

b) Encontre a tabela e trace o grfico da distribuio de probabilidade acumulada de X

c)

Calcule

i) P(X 2)

ii) P(X0)

iii) P(1<X3)

iv) P(2<X<3)

v) P(X>-1)

vi) P(X<5)

d) Determine: F(2,5) ; F(3) ; F(0,53) ; F(3,5) ; F(2) ; F(1) ; F(6) ; F(-0,5)

3- DISTRIBUIES DISCRETAS DE PROBABILIDADE

3.1 DISTRIBUIO DE BERNOULLI
Seja E um determinado experimento e vamos chamar (x 1=sucesso) um determinado resultado (que possivelmente nos
interessa). Qualquer outro resultado que aparea vamos chamar de (x 2= fracasso). Se admitirmos que P( X=x 1) = p, temos ento
que P( X=x2) = q onde p+q=1
DEFINIO 3.1: Uma V.A. que satisfaz as condies acima dita ter a distribuio de Bernoulli
Propriedades: Uma V.A. de Bernoulli satisfaz
a)

A mdia =p

b) A varincia 2=p.q
3.2 DISTRIBUIO BINOMIAL
Este modelo fundamenta-se em: n provas independentes com V.A de Bernoulli so realizadas. Y representa o nmero de
sucessos das n provas. Nesse caso Y ter distribuio binomial e pode ser 0, 1, 2, 3, ... , n. Para esse modelo temos:
P( Y=r ) =

n!
p r q nr
( n r )!r!

onde p representa o nmero de sucessos.

n!

OBS :
( n r )!r!
r
Propriedades: Uma V.A. que tem distribuio binomial satisfaz
a)

A mdia =n.p

b) A varincia 2=n.p.q
3.3 EXERCCIOS
1-) Uma moeda jogada 10 vezes. Calcular as seguintes probabilidades
a)
b)
c)
d)
e)

De Ocorrer 6 caras
(105/512)
De dar pelo menos duas caras (1.013/1.024)
De no dar nenhuma coroa (1/1.024)
De dar pelo menos uma coroa (1.023/1.024)
De no dar 5 caras e 5 coroas (193/256)

2-) Admitindo-se que o nascimento de meninos e meninas sejam iguais, calcular a probabilidade de um casal com 6 filhos ter
quatro filhos homens e 2 mulheres. (15/64)
3-) Em 320 famlias com 4 crianas cada uma, quantas se esperaria que tivessem:
a)
b)
c)

Nenhuma menina (20)

3 meninos (80)
4 meninos (20)

5
4-) Qual a probabilidade de se obter ao menos uma vez o valor 3 em n jogadas de um dado 1
6

5-) Estima-se que o time do So Paulo tem 2/3 de probabilidade de vitria sempre que joga. Se o So Paulo jogar 5 partidas,
calcule a probabilidade de:
a)

O So Paulo vencer exatamente 3 partidas (80/243)

b)

O So Paulo vencer ao menos uma partida (242/243)

c)

O So Paulo vencer mais da metade das partidas (64/81)

6-) A probabilidade de um atirador acertar o alvo de 1/3. Se ele atirar 6 vezes, qual a probabilidade de:

a)

Acertar exatamente 2 tiros ? (80/243)

b)

No acerta nenhum tiro ? (64/729)

7-) Num teste do tipo certo-errado, com 100 perguntas, qual a probabilidade de um aluno, respondendo as questes ao acaso,
100 1 100
100
100!
lembre-se


acertar 70% das questes ?

(100 70)! x 70!

70
70 2

8-) Uma varivel aleatria Y com distribuio normal tem funo de distribuio acumulada dada por:

F (0)

1
243

F (1)

11
243

F ( 2)

51
243

F (3)

131
243

F ( 4)

211
243

F (5)

243
243

Determine:
a) n

(5)

b) p e q ( 2/3 1/3)
c) a mdia de Y

( 10/3)

d) a varincia de Y

( 10/9)

e) P(Y1)

( 242/243)

f) P(2Y4)

( 200/243)

9-) Se 5% das lmpadas de certa marca so defeituosas, achar a probabilidade de que, numa compra de 100 lmpadas,
escolhidas ao acaso, tenhamos:
a) Nenhuma defeituosa
b) 3 defeituosas
c)

0,95
100

100
3
97

0
,
05

0
,
95

Mais do que uma boa.

1 0,05

100

100
100!

3
(100 3)! x3!

lembre-se

100 0,95 0,05

99

3.4 DISTRIBUIO DE POISSON

Em algumas vezes conhece-se a quantidade de sucessos, mas se torna difcil e as vezes sem sentido determinar o nmero de
fracassos ou o nmero total de provas.
Exemplo 1 Durante um determinado tempo voc conta os carros que por ali passam, porm o numero de carros que por ali no
passam no pode ser contado.
Exemplo 2 Tome um rolo de Papel Higinico, solte a ponta e durante um determinado tempo pea que algum puxe a ponta voc
permitindo que o rolo desenrole. possvel contar quantos sinais de picotado passam, porm no tem como contar quantas vezes
deixam de passar o sinal de picotado.
Observe que em ambos os casos a medida que o tempo passa a probabilidade de x sucessos tende a aumentar.
Para encontrar a expresso que nos d a probabilidade de x sucessos em um intervalo de tempo t, algumas hipteses devem ser
admitidas.
H1: A probabilidade de X ser igual a x1 (sucesso) em um intervalo de tempo t proporcional a t
P( X=1 em um intervalo de tempo t= .t =p
H2: A probabilidade de X ser maior que um em um intervalo de tempo t igual a zero
H3: A Probabilidade de X ser zero em um intervalo de tempo t q = 1-p = 1- t
H4: As ocorrncias de sucessos em intervalos so independentes.

Utilizando a distribuio binomial com t

t
t
o que nos d p=
n
n

e q= 1 -

t
n

e usando conceitos de Clculo

Obtemos que
P( X=n em um tempo t) =

( t ) n t
e
n!

onde e=2,7....

Propriedades: Uma V.A. que tem distribuio binomial satisfaz

a) A mdia = t
b) A varincia 2= t
3.5 EXERCCIOS
1-) Uma fbrica de Pneus verificou que ao testar seus pneus nas pistas, havia em mdia um estouro a cada 5.000 km.
a)

Qual a probabilidade de que num teste de 3.000 km haja no mximo um pneu estourado ?

b) Qual a probabilidade de que um carro ande 8.000 km sem estourar nenhum pneu

(0,8784)

(0,2020)

2-) Certo sistema de apoio recebe em mdia 3 chamadas por dia. Calcular a probabilidade de:
a)

Receber 4 chamadas num dia

(0,168)

b)

Receber 3 ou mais chamadas num dia (0,5767)

3-) A mdia de chamadas telefnicas numa hora 3. Qual a probabilidade de:

a)

Receber exatamente 3 chamadas numa hora ? (0,2241)

b) Receber 4 ou mais chamadas em 90 minutos ?

(0,658)

4-) Na pintura de paredes aparecem defeitos em mdia na proporo de 1 defeito por metro quadrado. Qual a probabilidade de
aparecerem 3 defeitos numa parede de 2m por 2m ( 0,1952 )
5-) Suponha que haja em mdia 2 suicdios por ano numa populao de 50.000. Em uma cidade de 100.000 habitantes,
encontre a probabilidade de que em um dado ano tenha havido:
a)

0 ( 0,0183 )

b) 1 ( 0,0732 )
c)

2 ( 0,1464 )

d) 2 ou mais suicdios ( 0,9085 )

6-) Suponha 400 erros de impresso distribudos aleatoriamente em um livro de 500 pginas. Encontre a probabilidade de que
uma dada pgina contenha:
a)

Nenhum erro

b) Exatamente 2 erros
7-) Uma loja atende em mdia 2 clientes por hora. Calcular a probabilidade de em uma hora:
a)

Atender exatamente dois cliente

b) Atender 3 clientes