Variáveis Aleatórias Discretas

Definição e Exemplos

1 / 20
Variável Aleatória
Definição 1
Seja Ω um espaço amostral associado a um experimento aleatório E. Uma
função X : Ω → RX , RX ⊆ R, que associa a cada ponto amostral ω ∈ Ω
um único número real X(ω) é denominada de variável aleatória.

2 / 20
Observações
O conjunto RX dos possı́veis valores da variável aleatória (v.a.) X, pode ser con-
siderado como um espaço amostral associado à v.a. X.
Seja X : Ω → RX uma v.a.. Seja B um evento definido em relação a RX , ou seja,
B ⊂ RX , considere um evento A ⊂ Ω definido por A = {ω ∈ Ω; X(ω) ∈ B}.

Neste caso, dizemos que A e B são eventos equivalentes. Dessa forma,

PX (B) = P (A), em que PX denota a probabilidade induzida pela probabilida-
de calculada no espaço amostral Ω.
3 / 20
Exemplo 1
Considere o experimento aleatório E que consiste em jogar duas moedas
honestas, com C simbolizando cara e R coroa. Seja X uma v.a. que
representa o número de caras que aparecerem. Note que,
Ω = {CC, CR, RC, RR} é o espaço amostral de E e
RX = {0, 1, 2} é o espaço amostral associado à v.a. X.

Como calcular probabilidades nesse “novo” espaço amostral RX ?

4 / 20
Exemplo 1
Temos que

P (X = 0) = P ({RR}) = 1/4,

P (X = 1) = P ({CR, RC}) = 2/4,

P (X = 2) = P ({CC}) = 1/4.

5 / 20
Variável Aleatória Discreta
Definição 2
Uma variável aleatória X : Ω → RX é dita discreta se o conjunto RX
dos possı́veis valores de X é finito ou infinito enumerável, de maneira
que podemos listar todos os resultados como x1 , x2 , . . . , xi , . . . .
Ilustração:

A v.a. X do Exemplo 1 é discreta, pois RX = {0, 1, 2} é um conjunto finito.

6 / 20
Função de Probabilidade
Definição 3
Seja X : Ω → RX uma v.a. discreta. A função p : RX → [0, 1] que associa a cada
xi ∈ RX o número real p(xi ) = P (X = xi ), satisfazendo as condições
∞
X
(a) p(xi ) ≥ 0, ∀i e (b) p(xi ) = 1,
i=1

é chamada de função de probabilidade (f.p.) da v.a. X.

Definição 4
A coleção de pares ordenados do tipo (xi , p(xi )) para todo i = 1, 2, 3, . . . é denominada
de distribuição de probabilidade da v.a. X.
7 / 20
Exemplo 2
Seja X uma v.a. que representa o número de caras que aparecem no lançamento de duas
moedas honestas (ver Exemplo 1). Obtenha a função de probabilidade (f.p) da v.a. X.
Temos que
RX = {0, 1, 2},
p(0) = P (X = 0) = P ({RR}) = 1/4,
p(1) = P (X = 1) = P ({CR, RC}) = 2/4 = 1/2,
p(2) = P (X = 2) = P ({CC}) = 1/4.
Logo, a f.p. da v.a. X é
X = xi 0 1 2
p(xi ) = P (X = xi ) 1/4 1/2 1/4
8 / 20
Exemplo 3
Considere uma v.a. X cuja função de probabilidade p(xi ) é dada por:
1
p(xi ) = P (X = xi ) = 2xi , xi = 1, 2, 3, . . .
Calcule:
(a) P (X < 3).
(b) P (X ≤ 3).
(c) P (X > 3).
(d) P (X ser par).
(e) P (X ≥ 3 | X é par).
9 / 20
Exemplo 3(a): Solução.
Podemos exibir a f.p. da v.a. X da seguinte maneira:
X = xi 1 2 3 4 5 6 7 ···
p(xi ) = P (X = xi ) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 ···

(a) Temos que

P (X < 3) = P (X = 1 ou X = 2)

= P (X = 1) + P (X = 2)

= p(1) + p(2) = 1/2 + 1/4 = 3/4 = 0, 75.

10 / 20
Exemplo 3(b): Solução.
Podemos exibir a f.p. da v.a. X da seguinte maneira:
X = xi 1 2 3 4 5 6 7 ···
p(xi ) = P (X = xi ) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 ···

(b) Temos que

P (X ≤ 3) = P (X = 1) + P (X = 2) + P (X = 3)

= p(1) + p(2) + p(3)

= 1/2 + 1/4 + 1/8 = 7/8 ≃ 0, 88.

11 / 20
Exemplo 3(c): Solução.
Podemos exibir a f.p. da v.a. X da seguinte maneira:
X = xi 1 2 3 4 5 6 7 ···
p(xi ) = P (X = xi ) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 ···

(c) Temos que

P (X > 3) = 1 − P (X ≤ 3)

= 1 − [ p(1) + p(2) + p(3) ]

= 1 − 7/8 = 1/8 ≃ 0, 12.

12 / 20
Exemplo 3(d): Solução.
Podemos exibir a f.p. da v.a. X da seguinte maneira:
X = xi 1 2 3 4 5 6 7 ···
p(xi ) = P (X = xi ) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 ···

(d) Temos que

P (X ser par) = p(2) + p(4) + p(6) + · · ·

= 1/4 + 1/16 + 1/64 + · · ·

1/4 1/4
= = = 1/3 ≃ 0, 33.
1 − 1/4 3/4
13 / 20
Exemplo 3(e): Solução.
Podemos exibir a f.p. da v.a. X da seguinte maneira:
X = xi 1 2 3 4 5 6 7 ···
p(xi ) = P (X = xi ) 1/2 1/4 1/8 1/16 1/32 1/64 1/128 ···
(e) Temos que
P (X ≥ 3 e X é par) p(4) + p(6) + · · ·
P (X ≥ 3 | X é par) = =
P (X é par) p(2) + p(4) + p(6) + · · ·

1/16 + 1/64 + · · · (1/16)/(1 − 1/4)

= =
1/4 + 1/16 + 1/64 + · · · (1/4)/(1 − 1/4)

1/12
= = 1/4 ≃ 0, 25.
1/3
14 / 20
Exemplo 4
Um determinado vendedor pode visitar, em um dia, 1 ou 2 clientes, com
probabilidades iguais a 1/4 e 3/4, respectivamente. De cada contato, pode
resultar a venda de um produto por R$ 1500,00 (com probabilidade 1/5)
ou nenhuma venda (com probabilidade 4/5). Seja X uma variável aleatória
que indica o valor total, em reais, de vendas diárias desse vendedor.
(a) Quais os valores possı́veis da v.a. X?
(b) Obtenha a função de probabilidade da v.a. X.
(c) Calcule a probabilidade do valor total de vendas diárias desse vende-
dor ser no mı́nimo R$ 1500,00.

15 / 20
Exemplo 4(a): Solução.
V1 X = 1500 Considere os seguintes eventos:
1/5
C1 Ci : o vendedor visitar i clientes num
4/5
V1c X=0 determinado dia, i = 1, 2.
1/4

Vk : o vendedor conseguir vender o pro-

V2 X = 3000
1/5
duto para o k-ésimo cliente, k = 1, 2.
V1
3/4 4/5
1/5 V2c X = 1500
(a) Quais os valores possı́veis da v.a. X?
C2
Temos que: RX = {0, 1500, 3000}.
4/5 V2 X = 1500

V1c
1/5
(b) Obtenha a f.p. da v.a. X.
4/5
V2c X=0

16 / 20
Exemplo 4(b): Solução.
V1 X = 1500 p(0) = P (C1 ∩ V1c ) + P (C2 ∩ V1c ∩ V2c )
1/5
C1
4/5 1 4 3 4 4
V1c X=0 = · + · · = 0, 68;
1/4
4 5 4 5 5

1/5
V2 X = 3000
p(1500) = P (C1 ∩ V1 ) + P (C2 ∩ V1 ∩ V2c ) + P (C2 ∩ V1c ∩ V2 )
V1
3/4 4/5
1/5 V2c X = 1500 1 1 3 1 4 3 4 1
= · + · · + · · = 0, 29;
C2 4 5 4 5 5 4 5 5
4/5 V2 X = 1500

V1c
1/5
p(3000) = P (C2 ∩ V1 ∩ V2 )
4/5
V2c X=0
3 1 1
= · · = 0, 03.
4 5 5

17 / 20
Exemplo 4(b): Solução.

1/5
V1 X = 1500
Portanto, a função de probabilidade (f.p.) da v.a. X é:
C1
4/5

1/4
V1c X=0
X = xi 0 1500 3000
p(xi ) = P (X = xi ) 0,68 0,29 0,03
V2 X = 3000
1/5
V1
3/4 4/5
1/5 V2c X = 1500

C2

4/5 V2 X = 1500
1/5
V1c
4/5
V2c X=0

18 / 20
Exemplo 4(c): Solução.
(c) Calcule a probabilidade do valor total de vendas diárias desse vendedor ser no
mı́nimo R$ 1500,00.
Observando a f.p. da v.a. X, temos que:
X = xi 0 1500 3000
p(xi ) = P (X = xi ) 0,68 0,29 0,03

P (X ≥ 1500) = P (X = 1500) + P (X = 3000)

= 0, 29 + 0, 03

= 0, 32.

19 / 20
Bibliografia
Estatı́stica Básica (7ª edição). Wilton O. Bussab e Pedro A. Morettin (2011).
Editora Saraiva.
Noções de Probabilidade e Estatı́stica (4ª edição). Marcos N. Magalhães e Antonio
C. P. de Lima. (2002). Edusp.
Probabilidade, Aplicações à Estatı́stica (2ª edição). Paul L. Meyer (1995). LTC.

Cora Coralina
O que vale na vida não é o ponto de partida e sim a caminhada. Caminhando e semeando,
no fim terás o que colher.

20 / 20