Aula 7 - Variáveis Aleatórias Discretas - Parte 3

VARIÁVEIS ALEATÓRIAS
DISCRETAS E SEUS PRINCIPAIS

MODELOS – PARTE 3
1
2. Modelo Bernoulli
Na prática muitos experimentos admitem apenas dois resultados

Exemplo:
1. Uma peça é classificada como boa ou defeituosa;
2. O resultado de um exame médico para detecção de uma doença é positivo ou
negativa.
3. Um entrevistado concorda ou não com a afirmação feita;
4. No lançamento de um dado ocorre ou não face 6;
5. No lançamento de uma moeda ocorre cara ou coroa.
Estas situações tem alternativas dicotômicas e podem ser representadas

genericamente por resposta do tipo sucesso-fracasso.
Esses experimentos recebem o nome de Ensaios de Bernoulli e originam uma
v.a. com distribuição de Bernoulli.
Distribuição de uma v.a. de Bernoulli
Uma V.A. (X) de Bernoulli é aquela que assume apenas dois valores 1
se ocorrer sucesso (S) e 0 se ocorrer fracasso (F), com
probabilidade de sucesso p, 0 < p <1. Isto é, se X(S)=1 e X(F)=0. Logo
a função de probabilidade é dada por:
x 0 1  p x (1 − p)1− x ; x = 0,1
f ( x) = P ( X = x) = 
P(X=x) 1-p p  0; c.c
Notação: X~Bernoulli (p), indica que a v.a. X tem distribuição de Bernoulli com
parâmetro p
Se X~Bernoulli(p) pode-se mostrar que:
E(X)=p
Var(X)=p(1-p).
Repetições independentes de um ensaio de Bernoulli dão origem ao

modelo Binomial.
3. Modelo Binomial
Exemplo 1: Suponha que uma moeda é lançada 3 vezes e probabilidade de

cara seja p em cada lançamento. Determinar a distribuição de probabilidade
da variável X, número de caras nos 3 lançamentos.
Denotemos, S: sucesso, ocorrer cara (c) e F:fracasso, ocorrer coroa(k).
O espaço amostral para o experimento de lançar um moeda 3 vezes é:
={FFF.FFS, FSF,SFF,FSS, SFS, SSF,SSS}
Seja, Xi é uma variável aleatória Bernoulli (i=1,2,3). Então a variável
X=X1+X2+X3, representa o número de caras nos 3 lançamentos.
 Probabilidade X1 X2 X3 X=X1+X2+X3
FFF (1-p)3 0 0 0 0
FFS (1-p)2p 0 0 1 1
FSF (1-p)2p 0 1 0 1
SFF (1-p)2p 1 0 0 1
FSS (1-p)p2 0 1 1 2
SFS (1-p)p2 1 0 1 2
SSF (1-p)p2 1 1 0 2
SSS P3 1 1 1 3
Daí temos que:
P( X = 0) = P({FFF }) = (1 − p) 3
P( X = 1) = P({FFS , FSF , SFF }) = 3 p(1 − p) 2
P( X = 2) = P({FSS , SFS , SSF }) = 3 p 2 (1 − p)
P( X = 3) = P({SSS}) = p 3
A função de probabilidade da v.a. X é dada por:
x 0 1 2 3
f ( x) = P( X = x) (1 − p) 3 3 p(1 − p) 2 3 p 2 (1 − p) p3
O comportamento de X , pode ser representado pela seguinte função:
 3  x
  p (1 − p) 3− x , x = 0,1,2,3
f ( x) =  x 

 0, c.c
 3 3!
onde   =
 x  x!(3 − x)!
Distribuição de uma v.a. Binomial
Considere a repetição de n ensaios de Bernoulli independentes e todos com a

mesma probabilidade de sucesso p. A variável aleatória que conta o número
total de sucessos nos n ensaios de Bernoulli é denominada de variável
aleatória Binomial com parâmetros n e p e sua função de probabilidade é dada
por:
 n  x
  p (1 − p) n − x , x = 0,1,  , n
f ( x) =  x 

 0, c.c
n n!
onde   = , representa o coeficiente Binomial.
 x  x!(n − x)!
Notação, X~B(n,p), para indicar que v.a. X tem distribuição Binomial com
parâmetros n e p.
Se X~Bernoulli(p) pode-se mostrar que:

E(X)=np
Var(X)=np(1-p).
Distribuição Binomial com parâmetros n=10 e p
p=0,1 p=0,3
0.4
0.20
P(X=x)
P(X=x)
0.2
0.00
0.0
0 2 4 6 8 0 2 4 6 8
x x
p=0,5 p=0,8
0.20
P(X=x)
P(X=x)
0.15
0.00
0.00
0 2 4 6 8 0 2 4 6 8
x x
p=0,1 p=0,3
0.15
0.20
P(X=x)
P(X=x)
0.00
0.00
0 5 10 15 20 0 5 10 15 20
x x
p=0,5 p=0,8
0.15
P(X=x)
P(X=x)
0.00 0.10
0.00
0 5 10 15 20 0 5 10 15 20
x x
p=0,1 p=0,3
P(X=x)
P(X=x)
0.15
0.10
0.00
0.00
0 10 20 30 0 10 20 30
x x
p=0,5 p=0,8
0.15
0.10
P(X=x)
P(X=x)
0.00
0.00
0 10 20 30 0 10 20 30
x x
Exemplo 2.
O professor da disciplina de Estatística elaborou um prova de múltipla

escolha, consistente em 10 questões, cada uma com 5 alternativas. Suponha
que nenhum dos estudantes que vão a fazer a prova vão as aulas e não
estudaram para a prova (o que é muito frequente). O professor estabeleceu
que para aprovar deve contestar corretamente pelo menos 6 questões. Qual a
probabilidade de um aluno aprovar?.
S: “questão respondida corretamente”
F:”questão respondida incorretamente”
A probabilidade se sucesso é constante e c/ estudante responde
independentemente a questão
Solução:Seja a v.a. X: número de questões respondidas corretamente nas 10
questões. Então o evento de interesse é:
10  1   4 
x 10− x
  , x = 0,1, ,10
f ( x) =  x  5   5 
P(S)=1/5 e P(F)=4/5. Logo, X~B(10,p).
P( X  6) = 1 − P( X  6) = 0,006369 
 0, c.c
A probabilidade de um aluno aprovar é: 0,00636

Exemplo 3.
Suponha uma urna com 20 bolas brancas e 15 bolas pretas, extraímos da urna
consecutivamente e com reposição 12 bolas. Encontre a probabilidade de se
obter 5 bolas brancas.
S: “obter uma bola branca em cada extração”
F:” obter uma bola preta em cada extração”
A probabilidade se sucesso é constante em c/ extração e os resultado

são independentes em cada extração.
Solução:Seja a v.a. X: número de bolas brancas (sucessos) nas 12

extrações da urna. Então o evento de interesse é:
12  4  x  3 12− x
P(S)=4/7 e P(F)=3/7. Logo, X~B(12,4/7).   , x = 0,1,,12
f ( x) =  x  7   7 
A probabilidade de obter 5 bolas brancas é: 
 0, c.c
f (5) = P( X = 5) = 0.12
DISTRIBUIÇÃO MULTINOMIAL
É uma generalização da Binomial. Assim, considere a possibilidade

de k alternativas, isto é, repartirmos o espaço amostral em k
eventos A1, A2, ... ,An, mutuamente exclusivos com probabilidade de
que A1 ocorra X1 vezes, A2 ocorra X2 vezes, ... , An ocorra Xn vezes, é
igual a:
n!
P( X 1 , X 2 ,..., X n ) = p1x1 . p 2x2 ... p nxn
X 1! X 2 !...X n !
Distribuição Multinomial
UM DADO É LANÇADO 10 VEZES. QUAL É A PROBABILIDADE DE TEREM

APARECIDO DUAS VEZES O Nº 2, DUAS VEZES O Nº 5, TRÊS VEZES O Nº 1 E
UMA VEZ OS DEMAIS RESULTADOS?
AS LÂMPADAS COLORIDAS PRODUZIDAS POR UMA FÁBRICA SÃO 60%

VERDES, 30% AZUIS E 10% AMARELAS. EM 5 LÂMPADAS, ENCONTRE A
PROBABILIDADE DE QUE 2 SEJAM VERDES, 1 AZUL E 2 AMARELAS.
DISTRIBUIÇÃO GEOMÉTRICA
a. UMA TENTATIVA É REPETIDA ATÉ QUE O SUCESSO OCORRA;

b. AS TENTATIVAS REPETIDAS SÃO INDEPENDENTES UMAS DAS
OUTRAS;
c. A PROBABILIDADE DE SUCESSO P É CONSTANTE PARA CADA
TENTATIVA.
A PROBABILIDADE DE QUE O PRIMEIRO SUCESSO OCORRERÁ NA
k −1
P( x = k ) = pq
TENTATIVA NÚMERO “K” É:
E(X) = (1-p)/p
VAR(X) = (1-p)/p2
Distribuição GEOMÉTRICA
POR EXPERIÊNCIA, VOCÊ SABE QUE A PROBABILIDADE DE QUE IRÁ CONSEGUIR

UMA VENDA EM QUALQUER CHAMADA TELEFÔNICA DADA É DE 0,23. OBTENHA A
PROBABILIDADE DE QUE SUA PRIMEIRA VENDA EM UM DADO DIA OCORRA NA
QUARTA OU NA QUINTA CHAMADA TELEFÔNICA.
UM FABRICANTE DE CEREAIS COLOCOU UMA PEÇA PREMIADA NAS

EMBALAGENS DE SEU PRODUTO. A PROBABILIDADE DE GANHAR UM PRÊMIO É
DE UM PARA QUATRO. DETERMINE A PROBABILIDADE DE QUE VOCÊ:

Aula 7 - Variáveis Aleatórias Discretas - Parte 3

Enviado por

Direitos autorais:

Formatos disponíveis

Aula 7 - Variáveis Aleatórias Discretas - Parte 3

Enviado por

Dados do documento

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aula 7 - Variáveis Aleatórias Discretas - Parte 3

Enviado por

Direitos autorais:

Formatos disponíveis

VARIÁVEIS ALEATÓRIAS

DISCRETAS E SEUS PRINCIPAIS

Na prática muitos experimentos admitem apenas dois resultados

Estas situações tem alternativas dicotômicas e podem ser representadas

Repetições independentes de um ensaio de Bernoulli dão origem ao

Exemplo 1: Suponha que uma moeda é lançada 3 vezes e probabilidade de

Considere a repetição de n ensaios de Bernoulli independentes e todos com a

Se X~Bernoulli(p) pode-se mostrar que:

O professor da disciplina de Estatística elaborou um prova de múltipla

A probabilidade de um aluno aprovar é: 0,00636

A probabilidade se sucesso é constante em c/ extração e os resultado

Solução:Seja a v.a. X: número de bolas brancas (sucessos) nas 12

É uma generalização da Binomial. Assim, considere a possibilidade

UM DADO É LANÇADO 10 VEZES. QUAL É A PROBABILIDADE DE TEREM

AS LÂMPADAS COLORIDAS PRODUZIDAS POR UMA FÁBRICA SÃO 60%

a. UMA TENTATIVA É REPETIDA ATÉ QUE O SUCESSO OCORRA;

A PROBABILIDADE DE QUE O PRIMEIRO SUCESSO OCORRERÁ NA

POR EXPERIÊNCIA, VOCÊ SABE QUE A PROBABILIDADE DE QUE IRÁ CONSEGUIR

UM FABRICANTE DE CEREAIS COLOCOU UMA PEÇA PREMIADA NAS

Você também pode gostar