10. VARIÁVEL ALEATÓRIA DISCRETA
Exemplos
1. Lança-se uma moeda 10 vezes e anota-se o número de caras. Este número pode ser 0, 1, 2 ...10.
2. Em u...
10. VARIÁVEL ALEATÓRIA DISCRETA
Exemplos 1. Lança-se uma moeda 10 vezes e anota-se o número de caras. Este número pode ser 0, 1, 2 ...10.
2. Em uma pesquisa de mercado feita com 200 pessoas, perguntam-se estes compram um determinado produto. O número de pessoas que compram o produto varia de 0 a 200.
3. Conta-se o nº de acidentes que ocorrem em uma rodovia num feriado prolongado. O número de acidentes em questão pode ser: 0, 1, 2… Como não temos um valor que limite esse número, supomos que o número de acidentes é qualquer inteiro não negativo.
4. Número de chamadas telefônicas que chegam a uma central em um intervalo de tempo.
10.1. Introdução Vamos incorporar o conceito de probabilidade ao estudo de variáveis associadas a características em uma população. Muitos experimentos produzem resultados não-numéricos. Antes de analisá-los, é conveniente transformar seus resultados em números. Isto é feito através da variável aleatória que é uma função que associa um valor numérico a cada ponto do espaço amostral. Para entender melhor o conceito, considere o seguinte exemplo. Exemplo: Observa-se o sexo das crianças em famílias com três filhos. O espaço amostral é = {(MMM), (MMF), (MFM), (FMM), (MFF), (FMF), (FFM),(FFF)} Uma variável aleatória de interesse é: X = {nº. de crianças do sexo masculino}. A cada evento simples, ou ponto de , associamos um número, que é o valor assumido pela variável aleatória X: Evento MMM MMF MFM FMM MFF FMF FFM FFF X 3 2 2 2 1 1 1 0 Poderíamos também ter considerado o nº. de crianças do sexo feminino. Os valores de X, na mesma ordem, seriam então 0, 1, 1, 1, 2, 2, 2, 3. Obs: A expressão “variável aleatória” será abreviada por “v.a.”. Definição: Uma v.a. é discreta quando o conjunto de valores possíveis for finito ou infinito numerável. Exemplos: Número de filhos, Número de bactérias numa lâmina, número de lâmpadas em uma residência, etc. O passo fundamental para entendermos uma v.a. discreta é associar a cada valor a sua probabilidade, obtendo o que se chamamos de distribuição de probabilidade. X x1 x2 ... xn P(X=x) P(X=x1) P(X=x2) ... P(X=xn) A função de probabilidade (P()) deve satisfazer: 0 ≤ P(X=xi) ≤ 1 p/ xi e ni i xXP1 1)( Exemplo: Um certo departamento da UFSJ é formado por 35 professores, sendo 21 homens e 14 mulheres. Uma comissão de 3 professores será constituída, sorteando-se, ao acaso, três membros do departamento. Qual a probabilidade da comissão ser formada por pelo menos duas mulheres? Seja X = { nº. de mulheres na comissão}. 10.2. Esperança Matemática (Média) Assim como definimos a média de uma distribuição de freqüências como a soma dos produtos dos diversos valores observados pelas respectivas freqüências relativas, é natural definirmos agora a média de uma v.a., ou de sua distribuição de probabilidade, como a soma dos produtos dos diversos valores de xi da v.a. pelas respectivas probabilidades P(xi). A média de uma v.a. X é também chamada valor esperado ou esperança matemática, ou simplesmente esperança de X. É representada por E(X) e se define como n1i iinn2211 )xX(Px)xX(Px)xX(Px)xX(Px)X(E É uma média ponderada dos xi, em que os pesos são as probabilidades associadas. Exemplo: Um lojista mantém extensos registros das vendas diárias de certo aparelho. O quadro a seguir dá o número xi de aparelhos vendidos em uma semana e a respectiva probabilidade: Número xi 0 1 2 3 4 5 Probabilidade P(X = xi) 0,1 0,1 0,2 0,3 0,2 0,1 Se for de R$ 20,00 o lucro por unidade vendida, qual o lucro esperado nas vendas de uma semana? Espaço Amostral X Probabilidade HHH 0 203,0 3319x 3420x 3521 Distribuição de Probabilidade HHM 1 150,0 3314x 3420x 3521 X 0 1 2 3 P(X) 0,203 0,450 0,291 0,056 HMH 1 MHH 1 Assim, P(X ≥ 2) = P(X = 2) + P(X = 3) HMM 2 097,0 3313x 3414x 3521 = 0,291+ 0,056 MHM 2 = 0,347 MMH 2 MMM 3 056,0 3312x 3413x 3514 Solução: Calculemos inicialmente E(X), que é o número esperado de aparelhos vendidos em uma semana: E(X) = (0)(0,1) + (1)(0,1) + (2)(0,2) + (3)(0,3) + (4)(0,2) + (5)(0,1) = 2,70. Para x unidades vendidas o lucro é 20x. Logo, o lucro esperado é de R$ 54,00. 10.3. Variância Assim como a média é uma medida de posição de uma v.a., é natural que procuremos uma medida de dispersão dessa variável em relação à média. Essa medida é a variância, a ser representada por 2 e definida por n1i i 2 i 2 )xX(P))X(Ex()X(Var Desenvolvendo o termo quadrático do somatório, obtemos uma expressão mais fácil de calcular a variância dada por: 222 )]X(E[)X(E)X(Var onde n1i i 2 i 2 )xX(Px)X(E . Desvio Padrão O desvio padrão () é a raiz quadrada positiva da variância. Tem sobre essa última a vantagem de exprimir a dispersão na mesma unidade de medida da v.a.: 2 10.4. Exercício – Parte II – A2 1) A distribuição de X: nº de crianças por domicílio numa determinada região é dada pela tabela abaixo: X 0 1 2 3 4 5 P(X = x) 0,10 0,15 0,25 0,30 0,15 0,05 Calcule: (a) O número médio de crianças por domicílio, X. (b) O desvio padrão de X, X. (c) A probabilidade P{X - X X X + X}. 10.5. Distribuição Bernoulli Na prática existem muitos experimentos que admitem apenas dois resultados. Exemplos: 1) Uma peça é classificada como boa ou defeituosa; 2) Um entrevistado concorda ou não com a afirmação feita; 3) O resultado de um exame médico para detecção de uma doença é positivo ou negativo; 4) No lançamento de um dado ocorre ou não a face 5. Situações com alternativas dicotômicas podem ser representadas genericamente por respostas do tipo sucesso-fracasso. Esses experimentos recebem o nome de ensaio de Bernoulli e originam uma v.a. com distribuição Bernoulli. Variável Aleatória de Bernoulli É uma v.a. X que assume apenas dois valores: 1 se ocorrer sucesso, e 0 se ocorrer fracasso, e, sendo p a probabilidade de sucesso, 0 < p < 1. Denotamos por X ~ Bernoulli (p) uma v. a. com distribuição de Bernoulli com parâmetro p. 1, se ocorrer “sucesso” X = 0, se ocorrer “fracasso” e função de probabilidade, X 1 0 P(X=x) p 1-p Segue-se que E(X) = p e Var(X) = p(1-p) Repetições independentes de um ensaio de Bernoulli dão origem ao modelo binomial. 10.6. Distribuição Binomial Experimento Binomial: É o experimento (a) que consiste em n ensaios de Bernoulli; (b) cujos ensai
Compartilhar