UNIDADE IV - PROBABILIDADE

4.0 INTRODUO A PROBABILIDADE

Normalmente impossvel identificar com certeza o resultado de um evento futuro:

De qual sexo ser o primeiro filho de determinado casal;

Qual lado da moeda vai sair;

Com quantos anos determinada pessoa vai morrer;

Quais os nmeros que sero sorteados na loteria;

Usando a teoria da probabilidade, possvel quantificar a chance de um evento futuro ocorrer com
base em informaes obtidas de eventos passados.

4.1 - CONCEITOS IMPORTANTES

Experimentos Aleatrios
Experimentos que quando repetidos, nas mesmas condies, produzem diferentes resultados
(Jogar um dado numa superfcie plana; Retirar uma carta de baralho; Lanar uma moeda).
Espao Amostral
O conjunto de resultados possveis, relacionado a um experimento, denominado espao
amostral. E representamos pela letra grega .
Exemplos:

Lanamento de um dado (existem 6 resultados possveis)

= {1, 2, 3, 4, 5, 6}

Retirar uma carta de um baralho (existem 52 resultados possveis)

= {s de copas, s de ouros,..., Reis de paus, Rei de espada}

Evento
Um evento pode ser referido a um nico resultado, ou a um subconjunto de resultados,
pertencente um espao amostral;
Exemplo:

Lanamento de um dado:

E1= sair face 5

E2= sair um valor menor do que 3.

Retirar uma carta de um baralho:

E1= sair um 5 de paus.

56

E2= sair uma carta de espadas;

EXEMPLO 01: Lanam-se dois dados e observa-se as faces superiores.
Vamos imaginar como seria o espao amostral neste caso. Ao lanar dois dados, temos ento os
seguintes resultados que podem ocorrer como resultados deste lanamento:

Podemos determinar o espao amostral do experimento atravs do diagrama de rvore, til para
resoluo de problemas que sero vistos futuramente:

Podemos observar os seguintes eventos:

A: Sada de faces iguais;
A = { (1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}.

B: Sada de faces cuja soma seja igual a 10;

B = { (4, 6), (5, 5), (6, 4)}.
57

C: Sada de faces cuja soma seja menor que 2;

C=
Isto quer dizer que temos um evento chamado Evento Vazio ou Evento impossvel.
D: Sada de faces cuja soma seja menor que 13;
D=
E: Sada de faces onde uma face o dobro da outra.
E = { (1, 2), (2, 1), (2, 4), (3, 6), (4, 2), (6, 3)}.

4.2 - DEFINIES DE PROBABILIDADE

Denio clssica:

A probabilidade de um evento a diviso do nmero de resultados favorveis pelo nmero

de resultados possveis.
() =

Denio frequentista:

Se repetir um experimento um grande nmero de vezes a probabilidade pela frequncia

relativa de um evento tende para probabilidade, est dada por:
() =

onde m o nmero de vezes que observado A e n o nmero de repeties do experimento.

Quando temos um espao amostral finito em que todos os pontos amostrais tm a mesma
probabilidade 1/n, no necessrio explicitar completamente e A. Nesse caso, so usado os
mtodos clssicos de contagem da anlise combinatria. Um princpio fundamental de contagem diz
que, se uma tarefa pode ser executada em duas etapas, a primeira podendo ser realizada de p
maneiras e a segunda de q maneiras, ento, a tarefa completa pode ser executada de p.q maneiras.
Esse o princpio multiplicativo.

EXEMPLO 02: E: Retirar uma carta de um baralho de 52 cartas

B: Extrair um s
Bem misturado significa que qualquer carta tem a mesma chance de ser extrada. Como h s = 4
ases entre as n = 52 cartas, a probabilidade dada por:

58

() =

4
1
=
=

52
13

EXEMPLO 03: Em um estudo para verificar a probabilidade dos indivduos da cidade X apresentarem
Rh- ou +, em seus tipos sanguneos, foram coletadas informaes de 820 indivduos.

Os resultados foram: Rh negativo 83 indivduos

Rh positivo 737 indivduos

Evento A = o indivduo apresentar Rh em seu tipo sanguneo;

() =

83
= 0,1012
820

Evento B = o indivduo apresentar Rh + em seu tipo sanguneo;

() =

737
= 0,8988
820

EXEMPLO 04: Os registros de uma companhia de aviao mostram que durante certo tempo 468
dentre 600 de seus jatos da linha Vitria-Rio chegaram no horrio, qual a probabilidade de que um
avio daquela linha chegue no horrio?
N de jatos que chegaram no horrio: 468
N total de jatos: 600
( ) =
=

468
600

= 0,78 = 78%

Lei dos grandes nmeros: Se repete-se um experimento um grande nmero de vezes a

probabilidade pela frequncia relativa de um evento tende para probabilidade terica.

Propriedades da Probabilidade:

0 P(A) 1 para qualquer evento A.

P() = 1

Se o complemento do evento A, ento () = 1 ()

Dois eventos A e B, so mutuamente exclusivos se possuem interseo vazia, a

probabilidade deles ocorrerem simultaneamente nula. Isto =

Teorema da soma: Se A e B so dois eventos quaisquer, ento:

( ) = () + () ( )

Operaes com Eventos

59

A UNIO de dois eventos denotadas por: ( )

A INTERSECO entre dois eventos denotadas por: ( )

O COMPLEMENTAR do evento A, denotado por Ac ou , o evento que ocorre quando A

no ocorre;

ILUSTRAO DAS PROPRIEDADES

( )

Teorema da soma:

( )

Ac

( ) = () + () ( )

Eventos Mutuamente Exclusivos

Eventos mutuamente exclusivos so aqueles que jamais podem ocorrer ao mesmo tempo.

Exemplo:

Lanamento de um dado: A = sair 2; B= sair um valor maior do que 4.

60

Representao (Eventos Mutuamente Exclusivos)

( ) = () + ()

EXEMPLO 05 Tipo sanguneo

Usando os dados do exemplo 03, os eventos A e B so mutuamente exclusivos, j que um indivduo
no pode apresentar Rh- e Rh+, em seu tipo sanguneo, ao mesmo tempo;
() =

83
= 0,1012
820

() =

737
= 0,8988
820

( ) = 0
( ) = () + () = 0,1012 + 0,8988 = 1
c = B
c = A

EXEMPLO 06: A tabela a seguir apresenta dados relativos distribuio de sexo e alfabetizao em
habitantes de Sergipe com idade entre 20 e 24 anos.

Um jovem entre 20 e 24 anos escolhido ao acaso em Sergipe, calculamos as probabilidades das

seguintes maneiras:
61

 : conjunto de 101.850 jovens de Sergipe, com idade entre 20 e 24 anos.

M: jovem sorteado do sexo masculino;
F: jovem sorteado do sexo feminino;
S: jovem sorteado alfabetizado;
N: jovem sorteado no alfabetizado.

Temos,
() =

() =

48.249
101.850
85.881
101.850

= 0,474

() =

= 0,843

() =

= 0,526

15.696
101.850

= 0,157

:
( ) =

53.601
101.850

39577
=
= 0,389

101850

:
( ) =

39577
=
= 0,389

101850

85881 + 48249 39577

= 0,928
101850

EXERCCIOS (Resolvidos em sala)

Questo 01: Considere a experincia que consiste em pesquisar famlias com trs crianas, relao
ao sexo das mesmas, segundo ordem de nascimento. Determinar o espao amostral e enumerar os
seguintes eventos:
a) A ocorrncia de dois filhos do sexo masculino;
b) A ocorrncia de pelo menos um filho do sexo masculino;
c) A ocorrncia de no mximo duas crianas do sexo masculino.

Questo 02: Sendo A e B dois eventos em um mesmo espao amostral traduza para a linguagem
da teoria dos conjuntos, as seguintes situaes:
a) Pelo menos um dos eventos ocorre;
62

b) O evento A ocorre, mas B no ocorre;

c) Nenhum deles ocorre;
Questo 03: Em uma universidade,2000 estudantes do curso de medicina, em determinado ano,
foram classificados de acordo com o tipo de esporte que praticam. Futebol praticado por 260
estudantes, natao por 185 estudantes e musculao por 210 estudantes, sendo que alguns
praticam mais de um desses esportes. Assim, tem-se 42 estudantes que praticam natao e
musculao, 12 futebol e musculao, 18 futebol e natao e 3 praticam as trs modalidades. Se um
desses estudantes sorteado ao acaso, qual a probabilidade de:

a) Praticar somente musculao;

b) Praticar pelo menos um destes esportes;

c) Praticar pelo menos dois destes esportes;

d) No praticar nenhum destes esportes.

Questo 04: Trs cavalos A, B, C esto numa corrida. Sabe-se que A duas vezes mais provvel de
ganhar que B e esse duas vezes mais do que C. Determinar as probabilidades de ganhar dos
cavalos A, B e C.

Questo 05: Supor uma classe onde trs alunos so considerados com capacidade de liderana, 16
no tem essa capacidade e dois so no-classificveis. Escolhendo-se um aluno ao acaso, qual ser a
probabilidade de esse aluno ter capacidade de liderana ou ser no-classificvel.

Questo 06: Suponha que em um lote com 20 animais existem 5 doentes. Escolhem-se 4 animais do
lote ao acaso, isto , uma amostra de 4 elementos, de modo que a ordem dos elementos seja
irrelevante. Considerando o evento E: 2 doentes na amostra, calcular P(E).

63

Questo 07: O jogo da Megasena consiste em escolher 6 dezenas dentre as 60 dezenas (01, 02,...,
60). Qual a probabilidade de um jogador ganhar o prmio mximo com um nico jogo de 6 dezenas?
E com um nico jogo de 15 dezenas?

4.3 - PROBABILIDADE CONDICIONAL

a probabilidade de ocorrncia de um evento submetida a ocorrncia de um outro evento.
Muitas vezes existe o interesse em determinar a probabilidade de um evento B, dado que j se
conhece o resultado de um evento A;
Exemplo:

Num experimento em que um dado lanado duas vezes, sabe-se que a soma dos dois
resultados vale 9. Qual a probabilidade de que o primeiro resultado tenha sido 6?

a probabilidade de uma pessoa ser hipertensa varia segundo o estado nutricional dela. Os
obesos tm maior probabilidade de hipertenso comparados com os no obesos.

A notao : P(A|B) e se l da seguinte maneira: Probabilidade de ocorrer o evento A dado que

ocorreu o evento B.
Neste caso, a ocorrncia do evento B um fato. No existe incerteza a esse respeito. A incerteza
est restrita ocorrncia do evento A.

Expresso formal da probabilidade condicional:

(|) =

( )
()

(|) =

( )
()

64

Exemplo 07: Os dados abaixo se referem a 200 alunos matriculados em determinado Instituto de
matemtica, de acordo com o sexo e o curso:
Matemtica Pura
Estatstica
Total

Masculino
60
80
140

Feminino
50
10
60

Total
110
90
200

Sejam os eventos: A = {aluno faz matemtica pura}

E = {aluno faz estatstica}
M = {aluno do sexo masculino}
F = {aluno do sexo feminino}

Qual seria a probabilidade de uma pessoa aleatoriamente escolhida:

a) Estar matriculada em matemtica pura?
() =

b) Estar matriculada em matemtica pura, dado ser homem?

( )

(|) =
=
=

()

c) Ser homem?
() =

d) Ser homem dado que est matriculado em estatstica?

( )
(|) =
=
()

e)

Estar matriculada em matemtica pura, sabendo-se que mulher?

( )
(|) =
=
()

OBSERVAO: No caso de probabilidade condicionada, vrios postulados da probabilidade so

satisfeitos, isto :
65

1) (|)
2) (|) = 1
3) [( |) = ( |) + ( |) ( |)
OU
[( |) = ( |) + ( |) , se =

4.4 - REGRA DO PRODUTO E INDEPENDNCIA ENTRE EVENTOS

O produto de probabilidades est relacionado coma a intercesso de eventos. a probabilidade de

ocorrerem os eventos A e B simultaneamente.
Sai diretamente da probabilidade condicional:
( ) = (|). ()
( ) = (|). ()
Essa regra de grande utilidade na verificao de dependncia entre eventos envolvidos.
Dois eventos so considerados independentes quando a ocorrncia de um no influencia na
ocorrncia ou no ocorrncia do outro;
Logo, se dois eventos, A e B, so INDEPENDENTES tem-se:
P(A|B) = P(A) e P(B|A) = P(B);
Ou seja, P(AB) = P(A) x P(B)
OBS: os termos mutuamente exclusivos e independentes no so sinnimos; basta lembrar que
eventos mutuamente exclusivos no possuem interseco.

Exemplo 08: Uma urna contm 2 bolas brancas (B) e 3 vermelhas (V). Suponha que sorteamos duas
bolas ao acaso sem reposio.

a primeira retirada tem as seguintes probabilidades:

P (B) = 2/5 e P (V) = 3/5

a segunda retirada ter probabilidades diferentes, de acordo com o que foi selecionado na
primeira, portanto, ter as seguintes probabilidades:
P (B|B) = 1/4 , P (B|V) = 2/ 4 , P (V|B) = 3/4 e P (V|V) = 2/4

Essas probabilidades so representadas no diagrama a seguir.

66

Diagrama em rvore para a extrao de duas bolas

de uma urna, sem reposio.
1/4

B
2/5

3/4

2/4
3/5

V
2/4

As probabilidades conjuntas da primeira e segunda retirada:

P(B, B) = P (B).P (B|B) = 2/5 1/4 = 2/20
P(B, V) = P (B).P (V|B) = 2/5 3/4 = 6/20
P(V, B) = P (V).P (B|V) = 3/5 2/4 = 6/20
P(V, V) = P (V).P (V|V) = 3/5 2/4 = 6/20

Exemplo 09: Uma urna contm 2 bolas brancas (B) e 3 vermelhas (V). Suponha que sorteamos duas
bolas ao acaso com reposio. Nesse caso, as retiradas so independentes, ou seja, a primeira
retirada no influencia nas possibilidades de resultados da segunda retirada.

a primeira retirada tem as seguintes probabilidades:

P (B) = 2/5 e P (V) = 3/5

a primeira retirada tem as seguintes probabilidades:

P (B|B) = 2/5 , P (B|V) = 2/5 , P (V|B) = 3/5 e P (V|V) = 3/5

Essas probabilidades so representadas no diagrama abaixo.

Diagrama em rvore para a extrao de duas bolas
de uma urna, com reposio.
2/5

B
2/5

3/5

2/5
3/5

V
B

V
3/5

Note que P(B|) = P(B) e P(V|) = P(V), Portanto:

67

P(B, B) = P(B) P(B|B) = P(B) P(B) = 2/5 2/5 = 4/25

P(B, V) = P(B) P(V|B) = P(B) P(V) = 2/5 3/5 = 6/25
P(V, B) = P(V) P(B|V) = P(V) P(B) = 3/5 2/5 = 6/25
P(V, V) = P(V) P(V|V) = P(V) P(V) = 3/5 3/5 = 9/25

EXERCCIOS (Resolvidos em sala)

Exerccio 01: Considere as situaes dadas abaixo. Identifique se os eventos so mutuamente

exclusivos ou independentes.
a) Evento A: O 1 filho de um casal ser menina; Evento B: O 2 filho de um casal ser menina.
b)

Evento A: Um indivduo, de determinada populao, ter o tipo sanguneo A; Evento B: Um

indivduo, de determinada populao ter o tipo sanguneo O.

c) Considere dois eventos, A e B, dado que P(A)= 0,8, P(B) = 0,5 e P(A B) = 0,4.

Exerccio 02: A tabela a seguir mostra a relao entre dois sintomas que costumam aparecer em
pessoas com uma determinada doena. A amostra est formada por 266 pessoas com a doena.

a) Qual a probabilidade de um paciente ter o sintoma A?

b) Qual a probabilidade de um paciente, que tem o sintoma B, ter o sintoma A?

Exerccio 03: Em um estudo feito com 25 pessoas, foram coletadas informaes sobre o estilo de
vida de cada um (sedentrio ou no) e sobre o peso de cada um (obeso ou no). Foi observado 8
pessoas obesas e 12 sedentrias; dentre as 8 pessoas obesas, 6 foram classificadas como
sedentrias. Qual a probabilidade de:

a) Um indivduo ser obeso ou sedentrio;

b) Um indivduo ser sedentrio e obeso;

68

c) Um indivduo ser sedentrio dado que ele obeso;

d) Um indivduo ser obeso dado que ele sedentrio;

Exerccio 04: Sejam A e B eventos com P(A) = , P(A U B) = 1/3 e P(B) = p. Encontre p nos seguintes
casos:
a) Se A e B so mutuamente exclusivos.

b) Se A e B so independentes.

4 Lista de Exerccios - Probabilidade

1.

Em uma escola, as turmas A, B e C tm 40, 50 e 10 % do total de alunos de determinada srie,

respectivamente. Dos alunos de cada turma, 3, 5 e 2%, respectivamente, so reprovados.
Escolhido ao acaso um aluno dessa srie, pede-se:
a) Qual a probabilidade de o aluno ser reprovado? (R: 0,039)
b) Seleciona-se ao acaso um aluno dessa escola, sabendo-se que o aluno foi reprovado, qual a
probabilidade de que ele seja da turma B? (R: 0,641)

2.

Suponha duas estaes metereolgicas A e B, em certa regio. As observaes mostraram que

a probabilidade de chuva em A 0,55 e em B 0,4. A probabilidade de ocorrncia de chuva
simultnea nas duas regies 0,25. A partir destas informaes, determine a probabilidade de:
(a) No ocorrer chuva em A; (R: 0,45)
(b) Ocorrer chuva em pelo menos uma das duas regies A ou B. (R: 0,70)

3.

Sejam P(A)=0,50, P(B)=0,40 e P(A B)=0,70.

a) A e B so eventos mutuamente exclusivos? Por qu?
b) A e B so eventos independentes? Por qu?
c) Calcule P(A/B) e P(B/A). (R: 0,50 e 0,40)

4.

A probabilidade de um aluno A resolver uma questo de prova de 0,8, enquanto que a do

outro B resolv-la 0,6. Qual a probabilidade da questo ser resolvida se ambos tentam
resolv-la independentemente. (R: 0,92)
69

5.

A firma X apresentou proposta para um projeto de construo. Se o principal concorrente

apresentar proposta, h 25% de probabilidade da firma X ganhar a concorrncia. Se a
concorrente no apresentar proposta, h 2/3 de chances da firma X ganhar. A chance de a
concorrente apresentar proposta de 60%.
a) Qual a probabilidade da firma X ganhar a concorrncia? (R: 0,4167)
b) Se a firma X ganhou, qual a probabilidade de a concorrente ter apresentado proposta? (R:
0,36)

6.

De sua turma de 30 alunos, escolhida uma comisso de 3 representantes. Qual a

probabilidade de voc fazer parte da comisso? (R: 1/10)

7.

Se num grupo de 10 homens e 6 mulheres sorteamos 3 pessoas para formarem uma comisso,
qual a probabilidade de que essa comisso seja formada por 2 homens e 1 mulher? (R: 27/56)

8. A probabilidade de fechamento de cada rel do circuito apresentado abaixo dada por p. Se

todos os rels funcionarem independentemente qual ser a probabilidade de que haja corrente
entre os terminais L e R? (R: 2p-p4 )

9.

Um restaurante popular apresenta apenas dois tipos de refeies: salada completa ou um prato
base de carne. Considere que 20% dos fregueses do sexo masculino preferem a salada, 30%
das mulheres escolhem carne, 75% dos fregueses so homens e os seguintes eventos:
H: fregus homem
A: fregus prefere salada
M: fregus mulher

B: fregus prefere carne.

Para um fregus sorteado ao acaso desse restaurante, calcule:

a)
b)
c)

P(H), P(A|H), P(B|M); R. 0,75 ; 0,20; 0,30

P(A H ) R. 0,15;
P(M|A) R. 0,538

10. Em uma fbrica de parafusos, as mquinas A, B e C produzem 25, 35 e 40% do total produzido
respectivamente. Da produo de cada mquina 5, 4 e 2%, so defeituosos, respectivamente.
Retira-se um parafuso ao acaso e verifica-se que defeituoso. Qual o probabilidade que tenha
sido produzido por A? E por B? e por C? (R: 0,36; 0,41; 0,23)
11. As probabilidades de trs motoristas serem capazes de guiar at em casa, independentemente,
com segurana, depois de beber, so: 0,30, 0,25 e 0,20. Se decidirem guiar at em casa, aps
beberem numa festa:
a) Qual a probabilidade de todos os trs motoristas sofrerem acidentes? (R: 0,42)
b) Qual a probabilidade de pelo menos um dos motoristas guiar at em casa a salvo? (R:0,58)

12. A probabilidade de que um atleta A ultrapasse 17,30 m num nico salto triplo de 0,7. O atleta
d 4 saltos. Qual a probabilidade de que em pelo menos num dos saltos ultrapasse 17,3m? (R:
0,9919)
70

13. O Jos est indeciso quanto compra de trs discos. Resolveu fazer o seguinte: para cada um
atira uma moeda ao ar e se sair cara compra o disco. Determine a probabilidade de:
a) no comprar nenhum; (R: 1/8)
b) comprar pelo menos um; (R: 7/8)
c) comprar pelo menos dois. (R: 1/2)
14. O Joo tem 20 pares de meias e o Jos tem 16. Se escolhermos ao acaso um par de meias de
cada um, a probabilidade de ambas serem brancas 0.25. Se o Joo tem 10 pares de meias
brancas quantas meias brancas tem o Jos? (R: 8 meias brancas)
15. Dos ouvintes de uma estao radiofnica 37% ouvem o programa X, 53% ouvem o programa Y
e 15% ouvem ambos os programas. Ao escolher aleatoriamente um ouvinte desta estao qual
a probabilidade de que
i) Oua apenas um dos referidos programas; (R: 0,6)
ii) No oua nenhum destes dois programas. (R: 0,25)
16. A tabela a seguir apresenta dados dos 1000 ingressantes de uma universidade, com
informaes sobre rea de estudo e classe scio econmica.
rea\Classe
Exatas
Humanas
Biolgicas

Alta
120
72
169

Mdia
156
85
145

Baixa
68
112
73

Se um aluno ingressante escolhido ao acaso, determine a probabilidade de:

a)
b)
c)
d)

Ser da classe econmica mais alta.

Estudar na rea de exatas.
Estudar na rea de exatas e ser da classe mdia.
Ser da classe baixa, dado que estuda na rea de biolgicas.
Resp. a) 0,361 b) 0,344 c) 0,220

d) 0,189

17. - Em um lote de 12 peas, 4 so defeituosas. Sendo retirada aleatoriamente 2 peas, calcule:

a) A probabilidade de ambas serem defeituosas.
b) A probabilidade de ambas no serem defeituosas.
c) A probabilidade de ao menos uma ser defeituosa.
Resp. a) 1/11

b) 14/33

c) 19/33

18. Duas lmpadas ruins so misturadas com 2 lmpadas boas. As lmpadas so testadas uma a
uma, at que as 2 ruins sejam encontradas. Qual a probabilidade de que a ltima ruim seja
encontrada no:
a) Segundo teste;
b) Terceiro teste;
c) Quarto teste.

Resposta: a) 1/6

b) 1/3

c) 1/2

19. Uma pessoa joga um dado. Se sair 6, ganha a partida. Se sair 3, 4 ou 5, perde. Se sair 1 ou 2,
tem direito de jogar novamente. Desta vez, se sair 4, ganha, e se sair outro nmero, perde. Qual
a probabilidade de ganhar? (R: 2/9)
71

UNIDADE V - Varivel aleatria

O conjunto de todos os possveis resultados de um experimento aleatrio o espao

amostral. Os elementos desse conjunto podem ser numricos ou no.
Por exemplo, se o experimento for escolher um aluno de uma turma e registrar sua altura, teremos
um conjunto numrico, porm se indagarmos o time de futebol preferido do aluno, teremos um
conjunto no numrico.

Considere o espao amostral do lanamento de um dado e observao da face superior: S =

{1, 2, 3, 4, 5, 6}. O espao constitudo por nmeros reais.
Considere o espao amostral do lanamento de uma moeda e observao da face superior: S
= {c, k}. Neste caso o espao amostral no constitudo por nmeros reais.
Considere o espao amostral de todas as possveis alturas de pessoas, o intervalo real [1,50,
1,90]. Neste caso o espao amostral contm pontos amostrais que formam uma continuidade.

Como em muitas situaes experimentais precisamos atribuir um nmero real x a todo elemento do
espao amostral, vamos definir o conceito de varivel aleatria.

Varivel aleatria (v.a) uma varivel que tem um valor numrico nico, para cada resultado de um
experimento.

Sejam E um experimento aleatrio e S o espao amostral associado ao experimento. Uma

funo X, que associe a cada elemento s S um nmero real X(s) denominada varivel aleatria.

R
X

X(s)

Varivel aleatria

Exemplo 01:

E: lanamento de duas moedas

X: nmero de caras obtidas nas duas moedas
72

S = {(ca,ca),(ca,co),(co,ca),(co,co)}
X = 0: corresponde ao evento (ca,ca)
X = 1: corresponde ao evento (co,ca), (ca,co)

5.1. VARIVEL ALEATRIA DISCRETA (v.a.d.)

Dizemos que a varivel discreta X aleatria se a cada um de seus possveis valores se associa uma
probabilidade P(x).
5.1.1 Funo de probabilidade da varivel aleatria discreta

uma funo que associa a cada valor assumido pela varivel aleatria a probabilidade do evento
correspondente. O conjunto dos valores da varivel e das respectivas probabilidades, isto , o
conjunto dos valores Xi e P(Xi), com i = 1,...,n, uma distribuio de probabilidade de X.

Seja X uma v. a. discreta, a probabilidade da varivel aleatria X assumir um valor particular x, a

funo de probabilidade X que se representa por P(X = x). A funo P(X = x) constitui uma
Distribuio de probabilidades desde que:

1. 0 () 1,
2. 1 ( ) = 1, onde x toma todos os valores possveis.

Exemplo 02: E: Lanamento de trs moedas.

X: N de caras obtidas em trs lanamentos.

S = {(C,C,C), (C,C,K), (C,K,C), (K,C,C), (C,K,K), (K,C,K), (K,K,C), (K,K,K)}

73

A distribuio de probabilidade da v. a. X dada por:

P(x)

1/8

3/8

3/8

1/8

Distribuio de Probabilidades
Pode-se verificar o que est ocorrendo com um conjunto de dados utilizando tabelas, grficos,
medidas de tendncia central e medidas de variao. Combinando esses conceitos com os da Teoria
das Probabilidades podemos definir as Distribuies de Probabilidades, que descrevem o que
provavelmente acontecer, em lugar do que efetivamente aconteceu.
Toda Distribuio de Probabilidade deve ser apresentada por:
Tabelas

Grficos
74

Modelo (Equao)

Exemplo 03: Seja ( = ) =

,
2

= 0, 1, 2 3. Qual o valor da constante K para que P(X = x)

seja uma D.P?

Dado que 1 ( ) = 1, temos:

( = 0) + ( = 1) + ( = 2) + ( = 3) = 1

0
1
2
3
+
+
+
=1
2 2 2 2

6
=1
2

Logo, a equao P(X = x) =

x
,
6

=3

para x = 0, 1, 2 e 3 uma distribuio de probabilidade.

Exemplo 04: Considere o experimento que consiste em sortear duas bolas de uma urna que contm
3 bolas brancas (B) e 2 pretas (P). Montar a distribuio de probabilidade de X para os casos: com
reposio e sem reposio.
Seja X o nmero de bolas pretas na amostra.

Com reposio:
75

Sem reposio:

5.1.2 Mdia (ou valor esperado) e varincia de uma varivel aleatria discreta

Valor esperado E(X) uma medida de tendncia da varivel aleatria X.

A mdia de uma varivel aleatria discreta o resultado mdio de um nmero infinito de provas.
Podemos encarar essa mdia como o valor esperado no sentido de que o valor mdio que
esperaramos obter se as provas se prolongassem indefinidamente.

A sua expresso matemtica a seguinte:

E ( X ) x1 p( x1 ) x2 p( x2 ) ... xn p( xn )

Assim:

E ( X ) xP( x)
76

 tambm chamada de esperana matemtica ou mdia.

ALGUMAS PROPRIEDADES DA ESPERANA MATEMTICA

1) E(k) = k

k = constante

2) E(kX) = k E(X)
3) E(X + k) = E(X) + k
4) E(X Y) = E(X) E(Y)

Exemplo 05: Considere que o valor de venda de um determinado imvel pode alcanar os valores a
seguir, com as respectivas probabilidades de ocorrncia:

Qual o valor esperado do preo de venda deste imvel?

O valor esperado ser, ento, igual a:

E ( X ) xi P( xi )
i 1

(180.000 * 0,15) (215.000 * 0,30) (250.000 * 0,45) (280.000 * 0,10)

232.000,00

Isso significa que se este imvel fosse vendido um infinito n de vezes, a mdia dos seus valores de
venda seria igual a $232.000,00. Uma outra interpretao seria a de que se um n infinito de imveis
desse mesmo tipo fosse vendido, o valor mdio do preo de venda seria $ 232.000,00.

77

5.1.3 - Varincia de uma Varivel Aleatria Discreta

A varincia para uma distribuio de probabilidades dada por:

2 = ( )2 ( )

() = [ ()]2 ( )

Podendo ser reescrita como:

VAR ( X ) E ( X 2 ) [ E ( X )]2
O desvio padro ( ou S) da varivel aleatria da v.a. discreta dado por:

2 VAR ( X )

Propriedades da Varincia

1) VAR (k) = 0

k = constante

2) VAR (kX) = k2 . VAR (X)

3) VAR (X Y) = VAR (X) + VAR(Y)

(se X e Y independentes)

4) VAR (aX b) = a2 VAR (X)

No caso do Desvio padro:

S ( X Y ) VAR ( X ) VAR (Y )

1)
(o desvio padro da soma das variveis X e Y no a soma
dos desvio da varivel X mais o desvio da varivel Y)
2) S(X + k) = S(X)
3) S(kX) = k . S(X)

Clculo da Varincia de X a partir do seu Valor Esperado

Exemplo 06: Considere que o nmero de reclamaes recebidas diariamente em uma determinada
empresa de telefonia segue a seguinte distribuio de probabilidades:
78

Determine a varincia do n de reclamaes dirias.

O valor esperado do n de reclamaes dirias ser igual a:

E X xi . p( xi ) 1 0,10 2 0,30 3 0,35 4 0,25 2,75

O valor esperado do quadrado do n de reclamaes dirias ser igual a:

E X 2 x 2 p( xi ) 1 0,10 22 0,30 32 0,35 42 0,25 8,45

A varincia do n de reclamaes dirias ser igual a:

VAR ( X ) E ( X ) E ( X ) 8,45 2,75 0,8875

2

Tambm podemos calcular o desvio e o coeficiente de variao:

S ( X ) VAR ( X ) 0,8875 0,942

CV ( X )

S(X )
0,942
*100
*100 34,2%
E( X )
2,75

Exemplo 07: Considere que numa grande rede de computadores, em 60% dos dias ocorre alguma
falha. Construir a distribuio de probabilidades e calcular as medidas de posio e disperso para a
varivel aleatria X = nmero de dias com falhas na rede, considerando o perodo de observao de
trs dias. (Suponha independncia.)

Espao amostral: S = {(B,B,B), (B,B,R), (B,R,B), (R,B,B), (B,R,R), (R,B,R), (R,R,B), (R,R,R)}
79

Obtendo a distribuio de probabilidade de X:

Tabela e grfico de distribuio de probabilidade de X:

E X xi p( xi ) 0 * (0,064) + 1* (0,288) + 2 * (0,432) + 3 * (0,216) = 1,8

V X xi p( xi ) (0 - 1,8)(0,064) + (1 - 1,8)(0,288) + (2 - 1,8)(0,432) + (3 - 1,8)(0,216) 0,72

2

S ( X ) V X 0,72 0,848

O nmero esperado de dias com falha na rede E(X)= 1.8, ou seja, aproximadamente 2 dias.
Apresentando um desvio padro de 0,848.

80

EXERCCIOS (Resolvidos em sala)

1 - Em um lote com 4 peas, das quais 2 so defeituosas retira-se ao acaso duas peas, com
reposio. Considere X o nmero de peas defeituosas nas duas retiradas. Construa a distribuio de
probabilidade para a varivel X e calcule E(X).

2 - Dada a seguinte distribuio de probabilidades:

a) Ache A.
b) Calcule P(X 4).
c) Calcule P(X 3).

3 - O nmero de mensagens enviadas por hora, atravs de uma rede de computadores, tem a
seguinte distribuio:
X=
Nmero
mensagens
f(x)

de

10

11

12

13

14

15

0,08

0,15

0,30

0,20

0,20

0,07

Determine a mdia e o desvio padro do nmero de mensagens enviadas por hora.

81

6.2. VARIVEL ALEATRIA CONTNUA (v.a.c.)

O estudo de uma varivel aleatria contnua anlogo ao das variveis discretas.

Uma varivel aleatria contnua X pode assumir infinitos valores ou qualquer valor no intervalo de
sua definio.
Dessa forma, a probabilidade estimada para um intervalo de valores e no pontualmente P(X=x)
como no caso discreto. Assim, as probabilidades calculadas sero do tipo P(x1 < X < x2), e
interpretadas como a rea entre x1 e x2 de uma curva de probabilidades para os possveis infinitos
valores da varivel.

Assim a probabilidade de uma v. a. contnua assumir um determinado valor (probabilidade no ponto

[P(X=x)] ) nula, pois a rea embaixo de um ponto igual a zero.
Para identificar uma distribuio contnua, existe a funo densidade de probabilidade, que uma
equao do tipo y = f(x).

Exemplo 08: Uma metalrgica produz uma pea cujo comprimento varia aleatoriamente entre 5cm
e 7cm.
No possvel neste caso representar toda distribuio de probabilidade em uma tabela, pois h
infinitos valores. Como h infinito valores, mas a soma de todas as probabilidades continua sendo 1,
conclui-se que a probabilidade de um valor definido zero !!
S faz sentido falarmos em probabilidades intervalares.

Por exemplo:
Probabilidade do comprimento estar entre 5,2cm e 5,3cm. P( 5,2<x<5,3 )
Probabilidade do comprimento ser menor que 6,0cm. P( x<6,0 )
Probabilidade do comprimento ser maior que 6,5cm. P( x>6,5 )
82

6.2. 1 Funo de Densidade de Probabilidade (fdp)

Uma funo densidade de probabilidade f(x) pode ser usada para descrever uma distribuio de
probabilidades de uma varivel aleatria contnua X.
Funes de densidade so usadas na engenharia para descrever sistemas fsicos, como por exemplo,
a densidade de uma carga em uma viga longa e delgada.

Definio: Para uma varivel aleatria contnua X, uma funo densidade de probabilidade (fdp)
uma funo tal que:

a) f ( x) 0 para todo x ]-, [;

b) A rea definida por f(x) igual a 1;

f ( x)dx 1 ;

c) P(a X b)

f ( x)dx = a rea sob f(x) para quaisquer a, b, com a b .

a

Obs.:
* 0 P ( a X b) 1
* P( X x) 0
* P ( a X b) P ( a X b) P ( a X b) P ( a X b)

Exemplo 09: Suponha que o erro medido na temperatura de reao (C) em um experimento
controlado em laboratrio seja uma v.a. contnua cuja fdp dada por:

1
x se 1 x 2
f ( x) 3
0, caso contrrio
a) Verifique se f(x) satisfaz a condio para ser uma fdp.

1
x 2 2 (1)
x dx |
0,8889 0,1111 1
1 3
9 1 9
9

83

Satisfaz, pois

f ( x)dx 1

b) Calcule P[0 < X 1].

3 xdx
0

x 1 1 (0)
| 9 9 0,1111 0 0,1111 ou 11,11%
9 0

Exemplo 10: Uma varivel X tem distribuio triangular no intervalo [0,1] se sua f.d.p for dada por:
0

() = {
(1 )
0

< 0
0 1/2
1/2 1
> 1

a) Qual valor deve ter a constante C?

Devemos escolher C de modo que f(x) satisfaa:

(i)
f(x) 0 para todo x

(ii)

f ( x)dx 1

f ( x)dx

1/ 2

0dx

1/ 2

C xdx
0

Cxdx

1/ 2

C (1 x)dx 0dx

(1 x)dx
1/ 2

1
x 1 / 2
x

C x
2 0
2 1 / 2

1 1 1 C
1
C 1
2 2 8 4
8

C4

b) Determine P( X 1/2), P(X > 1/2) e P(1/4 X < 3/4).

1
P( X )
2

1/ 2

1/ 2

f ( x)dx 4 xdx 2

1
1
1 1
P( X ) f ( x)dx 1 P( X ) 1
2 1/ 2
2
2 2

84

3/ 4

1/ 2

3/ 4

1
3
3
P( X ) f ( x)dx 4 xdx 4(1 x)dx
4
4 1/ 4
4
1/ 4
1/ 2

5.2.2 Mdia (ou valor esperado) e varincia de uma varivel aleatria contnua

A mdia e a varincia de uma v.a. contnua so definidas de modo similar a uma v.a. discreta. A
integrao substitui a soma nas definies.

Definio: Suponha que X seja uma v. a. contnua com uma funo densidade de probabilidade f(x).

A mdia ou o valor esperado de X, denotado por ou E(X)

E( X )

x f ( x)dx

2
A varincia de X, denotada por ou VAR(X), :

2 E X 2 E ( X ) 2

onde

E( X )
2

f ( x)dx

Exemplo 11: Suponha que f(x) = 0,125x para 0 < X < 4. Determine a mdia e a varincia de X.

f ( x)dx 0,125xdx 0,125x / 2| 1

E ( X ) xf ( x)dx 0,125x dx

0,125x 4 8
|0 3
3

E ( X ) x f ( x)dx 0,125xdx

0,125x 4 4
|0 8
4

8
VAR ( X ) E ( X ) E ( X ) 8 ( ) 0,89
3
85

Exerccios (Resolvidos em sala)

2 x 3 se 0 x 2
0, se x 0 ou x 2

1. Verificar se f ( x )

uma fdp.

1
(2 x 3) se 0 x 2

2. Verificar se f ( x) 10

0, se x 0 ou x 2

uma fdp.

3. Seja uma v.a. X a corrente em um fio delgado de cobre, medida em miliampres. Suponha que a
faixa de X seja [0;20] e considere que a funo densidade de probabilidade de X seja
f ( x) 0,05 para 0 x 20 . Qual a probabilidade de que uma medida da corrente seja menor
10 miliampres?

4. Suponha que o tamanho de uma partcula de contaminao possa ser modelado como

f ( x) 2 x 3 para 1 < X. Determine a mdia de X.

86

6.3 - Funo de Distribuio acumulada

A funo de distribuio acumulada nos d uma maneira de descrever como as probabilidades so

associadas aos valores ou aos intervalos de valores de uma varivel aleatria.
a funo que acumula as probabilidades dos valores inferiores ou iguais a x.

Definio: A funo de distribuio acumulada de uma varivel aleatria X uma funo que a cada
nmero real x associa o valor:

F(x) para varivel aleatria discreta:

F ( x) P[ X x] P[ X xi ]
xi x

F(x) para varivel aleatria contnua:

x

F ( x) P[ X x] P( X x) f (t )dt

Para cada x, FX (.) corresponde rea debaixo da curva de fX (.) esquerda de x.

OBS:
i)
ii)

FX(.) pode ser obtida a partir de fX(.) e vice-versa.

A derivada da funo de distribuio acumulada de uma varivel contnua e a funo de
densidade, ou seja, () =

iii)

()

P(a < X b) = P(X b) P(X a) = F(b) F(a)

Exemplo 12: Suponha que uma varivel aleatria discreta X tenha a seguinte distribuio de
probabilidade.

Temos, ento:
(1) = ( 1) = ( = 1) = 0,1
(2) = ( 2) = ( = 1) + ( = 2) = 0,3
87

(3) = ( 3) = ( = 1) + ( = 2) + ( = 3) = 0,1 + 0,2 + 0,4 = 0,7

(4) = ( 4) = ( 3) + ( = 4) = 0,7 + 0,2 = 0,9
(5) = ( 5) = ( 4) + ( = 5) = 0,9 + 0,1 = 1

Podemos calcular tambm:

(1,34) = ( 1,34) = ( 1) = (1) = 0,1

(3,98) = ( 3,98) = ( 3) = (3) = 0,7
(7) = ( 7) = ( 5) = (5) = 1
(3) = ( 3) = 0

Com esses resultados podemos representar das seguintes formas:

Funo

Grfico

Exemplo 13: Suponha que o erro medido na temperatura de reao (C) em um experimento
controlado em laboratrio seja uma v.a. contnua cuja fdp dada por:

1
x se 1 x 2
f ( x) 3
0, caso contrrio
a) Determine a fda para a v.a.

X = erro na medida da temperatura de reao

88

 0
, se x 1
x
x
1
FX ( x) t dt
, se 1 x 2
1 3
9

1
, se x 2

b) Usando F(x), calcule P[0 < X 1]

P[0 x 1] P[ x 1] P[ x 0] FX (1) FX (0) 0,1111 0 0,1111

1
0,1111
9
0
FX (0) 0
9

FX (1)

Exerccios (Resolvidos em sala)

1 - Verifique se as seguintes funes so funes de probabilidade e determine as probabilidades

requeridas:

a) P(X 2)
b) P(X > - 2)
c) F(2) F(-1)
d) F(0)
e) Construir a funo de distribuio acumulada.

2 - Seja

uma varivel contnua com f.d.p. dada por:

a) Construa a funo de distribuio acumulada.

b) Obtenha F(0,5), P(0,5 < X < 0,8)

89

5 Lista de Exerccios Variveis Aleatrias

1. Uma turma de Estatstica compreende 3 canhotos e 24 destros. Selecionam-se aleatoriamente

dois estudantes diferentes para um projeto de coleta de dados, representando-se por X o nmero
de estudantes canhotos escolhidos. Obtenha a distribuio de probabilidades de X, calcule a mdia,
a e o desvio padro da varivel aleatria X.
Resp: E(X) = 6/27
S(X) = 4/9

2. Se uma v.a. X apresenta E(X) = 20 e VAR(X)=3, calcule:

a) VAR(2X)
Resp: 12
b) E(2X)
Resp: 40
c) E(2X +10)
Resp: 50
c) VAR(5X-10)
Resp: 75
d) VAR(2/5X - 4) Resp: 0,48

3. Uma confeitaria estabeleceu um registro de vendas (tabela abaixo) para certo tipo de bolo.
Determine o nmero esperado de bolos encomendados.
N de bolos/dia
0
1
2
3
4
5
6
7
8
9
Freq. Relativa

0,02

0,07

0,09

0,12

0,20

0,20

0,18

0,10

0,01

0,01

Resp: E(X) = 4,36

4. Um jogador lana um dado. Se aparecerem os nmeros 1, 2 ou 3, recebe R$ 10,00. Se, no

entanto, aparecer 4 ou 5, recebe R$ 5,00. Se aparecer 6, ganha R$ 20,00. Qual o ganho mdio do
jogador?
Resposta: R$ 10,00

5. As probabilidades de que haja 1, 2, 3, 4, ou 5 pessoas em cada carro que v ao litoral num sbado
so, respectivamente: 0,05; 0,20; 0,40; 0,25 e 0,10. Qual o nmero mdio de pessoas por carro? Se
chegam no litoral 4000 carros por hora, qual o nmero esperado de pessoas, em 10 horas de
contagem?
Resposta: 3,14 pessoas; 126.000 pessoas.
6. A funo de probabilidade da varivel aleatria X : P(X) = 1/5, para X = 1, 2, 3, 4, 5. Calcular E(X)
e E(X), e usando esses resultados, calcular:
a)
b)

E(X+3)
VAR(3X 2)
Resposta: a) 38

b) 18

90

7. Seja X uma varivel aleatria discreta com a seguinte distribuio de probabilidades:

a)
b)
c)

Calcule E(X) e VAR(X)

Determine a funo de distribuio acumulada de X.
Calcule P(X 0 | X<2). ( Resp. 0,3)

8. Considere a varivel aleatria discreta X com a seguinte funo de probabilidade:

,
= 1, 2, 3
( = ) = {
0,

Sendo a uma constante real. Calcule a e defina a funo de distribuio de X.

(a=1/6)
9. O nmero de televisores encomendados mensalmente em determinada loja bem descrito por
uma varivel aleatria X com a seguinte funo de distribuio acumulada:

a) Determine a funo distribuio de probabilidades da varivel aleatria X.

b) Quantos televisores deve ter a loja em stock, por ms, para que a probabilidade de
satisfazer todas as encomendas seja superior a 0,95? (Resp. 3 ou mais)

10. Seja X a durao da vida (em horas) de um certo componente eletrnico. Admitindo que X seja
contnua e com fdp:

() = { 3 ,

1500 2500;
0,

a) Determine a constante k.
Resp: k=7031250
b) Calcular (2200 2500). Resp: 0,1639
c) Calcule E(X).
Resp: 1875

91