UNIDADE VII VARIÁVEL ALEATÓRIA E DISTRIBUIÇÃO DE PROBABILIDADE OBJETIVOS DA UNIDADE - Identificar o fenômeno aleatório: discreto e contínuo. - Montar a árvore de possibilidades de um experimento aleatório. - Construir a distribuição da probabilidade. - Introduzir a idéia de valor esperado, como auxilio na tomada de decisões. - Calcular o valor esperado, esperança matemática, e os parâmetros da variável discreta. 7.1. Conceito de variável aleatória Quando temos que tomar alguma decisão, que leva em conta a incerteza, não podemos ter como base apenas a probabilidade, devemos também analisar qual o tipo de variável em questão. Se uma variável tem resultados ou valores que tendem a variar de uma observação para outra dependendo de fatores relacionados a chance, chama-se variável aleatória. Na prática é desejável que se defina uma variável aleatória em relação a uma amostra ou experimento, de tal modo que a seus resultados possam ser correspondido valores numéricos. Uma variável aleatória é uma função com valores numéricos, cujo valor é determinado por fatores de chance. Considere as seguintes situações: Um vendedor recebe uma lista com 15 nomes de possíveis compradores de seguros que deve visitar a cada dia. A experiência do vendedor e de que é feita 5 vendas de seguros por dia. Qual a probabilidade de que hoje ele venda 7 seguros? - Variável aleatória : número de seguros vendido por dia. Um estudante responde a um teste do tipo verdadeiro-falso com 10 questões, das quais precisa acertar pelo menos seis. Ele se preocupa apenas com a probabilidade de conseguir atingir o resultado esperado, sem se preocupar com as questões. - Variável aleatória: número de acertos. Um geólogo estuda a idade de uma rocha, sem se preocupar com seu grau de dureza. - Variável aleatória: idade da rocha. Um agrônomo estuda uma nova variedade de soja, analisando a produção por acre e a melhor temperatura do solo para a germinação das sementes. - Variáveis aleatórias: produção e temperatura do solo. Para atingirmos nosso objetivo, calcular a probabilidade em determinada situação devemos sempre ter em destaque qual a variável aleatória em nosso problema. Devemos também saber o tipo da variável em estudo: Discreta ou Contínua Variável Aleatória Discreta: A variável aleatória é denominada “discreta” quando pode assumir um número finito de valores num intervalo finito. Geralmente seus valores são obtidos através da contagem. Uma variável aleatória é discreta quando, entre dois valores seqüenciais não se pode ter um outro valor. As variáveis discretas assumem somente um número finito de valores. Exemplos de variáveis aleatórias discretas: Número de filhos nas famílias. Uma família pode ter 1 filho, 2 filhos, 3 filhos, ..... não temos famílias com 2,5 filhos, entre 2 e 3 não temos possibilidades de resultado. Joga-se um dado 10 vezes, o ponto 6 apareceu 1 vez, 2 vezes, 3 vezes, .... o ponto seis não vai aparecer 3,2 vezes, entre 3 e 4 não temos resultado possível. Número de acertos em testes. Resolve-se uma prova com 10 testes de múltipla escolha, onde apenas uma resposta está correta. Acerta-se 1ou 2 ou 3, 4, 5,6 ..., 10, não se acerta 4,5 testes, entre 4 e 5 não temos resultado possível. Variável Aleatória Contínua: A variável aleatória é denominada “contínua” são aquelas que podem assumir infinitos valores num intervalo finito. O conjunto universo da variável contínua possui infinitos elementos. A variável aleatória contínua é aquela que se pode atribuir qualquer valor dentro de determinado intervalo Exemplos de variáveis aleatórias contínuas: Pesos de alunos do 7° ano. Entre um aluno que pesa 42 kg e outro que pesa 43 kg podemos ter vários pesando 42,3 kg, 42,8 kg, 42,9 kg, .... Saldos bancários de clientes de um banco. Mesmo entre dois clientes, em que um possui R$2345,00 e o outro R$2346,00, podemos ter outros com saldos de R$2345,80, de R$2345,86, de R$2345,71, ..... As alturas dos alunos de uma sala. Entre dois alunos que tem 165cm e 166cm de altura, podemos ter outros alunos com 165,3cm, 165,8cm ..... 7.2. Distribuição de Probabilidades A distribuição de probabilidades é utilizada para estudarmos mesmo com um número limitado de informações, qual a probabilidade de X assumir um determinado valor, ou um intervalo de valores. É o conjunto de valores de uma variável, associado às suas respectivas probabilidades. n A soma de todas as probabilidades será sempre igual à unidade: P( x ) 1 i 1 i P( xi ) Probabilidade de ocorrer xi C n, x n! número de possibilid ades favoráveis ao evento x!(n x)! p x q n x P(x i ) probabilid ade relativa a cada possibilid ade, então n! p x q n x x!(n x)! onde : n número de provas x número de vezes que ocorre o evento p probabilid ade de ocorrer o evento q probabilid ade de não ocorrer o evento P(x i ) probabilid ade do evento ocorrer x vezes em n provas Exemplos: 1) Consideremos a distribuição do número de “caras” obtido ao se lançar uma moeda 5 vezes. As possibilidades são: 0, 1, 2, 3, 4, e 5 caras e as probabilidades respectivas são: 5 5 1 1 P(0) 32 2 5 5 1 P(1) 5 32 2 5 10 1 P(2) 10 32 2 5 10 1 P(3) 10 32 2 5 1 P(4) 5 32 2 Denominando de xi os valores da variável e P( xi ) as probabilidades respectivas, podemos escrever a seguinte distribuição de probabilidades: 5 1 1 P(5) 32 2 xi P ( xi ) 0 1 2 3 4 5 1/32 5/32 10/32 10/32 5/32 1/32 P( x ) 1 i Representação gráfica da distribuição de probabilidades 10/32 5/32 1/32 1 2 3 4 5 2) Consideremos a distribuição do número de crianças do sexo masculino em famílias de 4 filhos. As possibilidades são: 0, 1, 2, 3, e 4, e as probabilidades respectivas são: 4 1 1 P(0) 16 2 4 4 1 P(3) 4 16 2 4 4 1 P(1) 4 16 2 4 1 1 P(4) 16 2 4 6 1 P(2) 6 16 2 Denominando de xi os valores da variável e P( xi ) as probabilidades respectivas, podemos escrever a seguinte distribuição de probabilidades: xi P ( xi ) 0 1 2 3 4 1/16 4/16 6/16 4/16 1/16 P( x ) 1 i Representação gráfica da distribuição de probabilidades 6/16 4/16 1/16 1 2 3 4 7.3. Frequência relativa das Variáveis Aleatórias Quando o conjunto universo das possibilidades de uma prova é indeterminado, então não se pode fixar a probabilidade que se associa a cada valor da variável. Neste caso usamos a freqüência relativa como estimativa da probabilidade. Exemplos 1) Consideremos uma prova que consiste em verificar o número de peças produzidas com defeito, semanalmente por uma máquina, durante 30 semanas. Consideremos que tenham sido obtidos os resultados: xi = número semanal de peças defeituosas f i = freqüência, número de semanas. xi 0 1 2 3 4 5 6 fi 2 5 8 6 4 2 3 A freqüência relativa f r , que constitui a estimativa da probabilidade de cada valor de xi , é dada por f r fi , desta forma temos: n f i 1 i 2 30 4 f r (4) P(4) 30 5 30 2 f r (5) P(5) 30 f r (0) P(0) f r (1) P(1) 8 30 3 f r (6) P(6) 30 f r (2) P(2) f r (3) P(3) A distribuição de probabilidades correspondente pode ser representada por: P ( xi ) 8/30 6/30 5/30 4/30 3/30 2/30 1 2 3 4 5 6 xi 2) Consideremos a quantidade de uniformes, de cada tamanho a ser adquirido por uma empresa. Seja xi = tamanho do uniforme e f i = quantidade de uniformes. xi 1 2 3 4 fi 12 20 18 8 12 6 58 29 18 9 f r (3) P(3) 58 29 f r (1) P(1) P(xi) 10/29 9/29 20 10 58 29 8 4 f r (4) P(4) 58 29 f r (2) P(2) 6 30 6/29 4/29 1 2 3 4 xi EXERCÍCIOS 1) Consideremos a ocorrência de acidentes de trabalho em uma empresa, durante os 6 primeiros meses do ano. Determine a probabilidade da ocorrência de acidentes para cada mês. xi Janeiro Fevereiro Março 2 fi a) jan = 4% b) jan = 8% c) jan =8% d) jan = 2% fev = 24% fev = 12% fev =1 2% fev = 3% 3 Abril Maio Junho 4 6 5 5 mar = 40% mar = 40% mar = 20% mar = 5% abr = 32% abr = 32% abr = 16% abr = 4% mai = 24% mai = 16% mai = 24% mai = 6% jun = 20% jun = 20% jun = 20% jun = 5% 2) Elabore a distribuição da probabilidade do número de “caras” obtido ao se lançar uma moeda 4 vezes. a) P(0) = 5% P(1) = 20% P(2) = 50% P(3) = 20% P(4) = 5% b) P(0) = 10% P(1) = 20% P(2) = 40% P(3) = 20% P(4) = 10% c) P(0) = 8,5% P(1) = 16,5% P(2) = 50% P(3) = 16,5% P(4) = 8,5% d) P(0) = 6,25% P(1) = 25% P(2) = 37,5% P(3) = 25% P(4) = 6,25% 3) Consideremos os eventos realizados por uma empresa, durante as 5 primeiras semanas de funcionamento. Determine a probabilidade de eventos para cada semana. xi 1ª semana 2ª semana 3ª semana 4ª semana 5ª semana fi 4 7 9 8 10 a) 1° sem =11,11% b) 1° sem =10,53% c) 1° sem =13,33% d) 1° sem =12,12% Respostas corretas 1) c 2) d 2ª sem = 19,44% 2ª sem =18,42% 2ª sem =23,33% 2ª sem = 21,21% 3ª sem =25% 3ª sem =23,68% 3ª sem =30% 3ª sem = 27,27% 4ª sem =22,22% 4ª sem =21,05% 4ª sem = 26,66% 4ª sem =24,24% 5ª sem =27,78% 5ª sem =25,32% 5ª sem =33,33% 5ª sem = 30,3% 3) b 7.4. Parâmetros da variável discreta Quando a probabilidade dos eventos P( xi ) não pode ser determinada, os parâmetros (média) e ( desvio-padrão) também não podem ser calculados. Mas, se em lugar de P( xi ) f empregarmos a freqüência relativa f r i , podemos determinar x (estimativa da média) e s n (estimativa do desvio-padrão). Desta forma, x e s são parâmetros amostrais e constituem estimativas de e respectivamente. n n x i P( x i ) f comoP( x i ) i x n i 1 x i 1 i f i n x n x n i 1 P( x i ) 2 i f comoP( x i ) i s n i 1 x fi 2 i n Mas como já vimos devemos considerar no denominador ( n – 1) no lugar de n, então x n s i 1 x fi 2 i n 1 Exemplos: 1) A tabela abaixo apresenta a distribuição das notas atribuídas a uma turma de 40 alunos, em uma avaliação de Matemática. Calcular a média e o desvio padrão. Classes 0 /-- 2 2 /-- 4 4 /-- 6 6 /-- 8 8 /--/ 10 Freqüências 4 7 16 11 2 Solução: Classes Freqüências fi xi xi f i xi x ( xi x ) 2 ( xi x ) 2 f i 0 /-- 2 2 /-- 4 4 /-- 6 6 /-- 8 8 /--/ 10 4 7 16 11 2 40 1 3 5 7 9 4 21 80 77 18 200 -4 -2 0 2 4 16 4 0 4 16 40 64 28 0 44 32 168 n x f x i i 1 i n x n i 1 s 2) 200 x 5 40 x fi 2 i n 1 168 4,31 s 2,08 39 A tabela abaixo apresenta a distribuição dos atendimentos de profissionais da área da saúde, por dia, durante o mês, em um ambulatório médico. Calcular a média e o desvio padrão. Classes -Atendimentos 5 /-- 15 15 /-- 25 25 /-- 35 35 /-- 45 45 /--/ 55 Freqüências- quantidade de dias 2 6 12 9 1 Solução: Classes Freqüências fi 5 /-- 15 15 /-- 25 25 /-- 35 35 /-- 45 45 /--/ 55 2 6 12 9 1 30 xi xi f i xi x ( xi x ) 2 ( xi x ) 2 f i 10 20 30 40 50 20 120 360 360 50 910 -20,33 -10,33 -0,33 9,67 19,67 413,31 106,71 0,11 93,51 386,91 1000,55 826,62 640,26 1,32 841,59 386,91 2696,7 n x x f i i 1 i n x n s i 1 910 x 30,33 30 x fi 2 i n 1 2696,7 92,99 s 9,64 29 EXERCÍCIOS 1) A tabela abaixo apresenta a distribuição de acidentes de trabalho, ocorridos no ano de 2006. Calcular a média e o desvio padrão. Classes -Acidentes Freqüências- quantidade de meses 0 /-- 3 3 /-- 6 6 /-- 9 9 /-- 12 12 /-- 15 a) b) c) d) x =7 x =8 x = 7,7 x = 8,7 2 3 1 2 4 s= 4,7 s= 4,9 s= 4,9 s= 4,7 2) A tabela abaixo apresenta a distribuição dos atendimentos de profissionais da área da saúde, por dia, durante o mês, em um ambulatório médico. Calcular a média e o desvio padrão. Classes -Atendimentos 5 /-- 15 15 /-- 25 25 /-- 35 35 /-- 45 45 /--/ 55 a) b) c) d) x = 33,33 x = 20,2 x = 30,33 x = 33,33 Freqüências- quantidade de dias 2 6 12 9 1 s= 7,64 s= 6,64 s= 9,64 s= 6,64 CORRETAS 1) b 2) c ATIVIDADE 2.1 1) Consideremos as assessorias realizadas por um grupo de administradores em empresas, durante os 10 primeiros meses do ano. Determine a probabilidade de assessorias para cada mês do ano estudado, e assim determine a média e o desvio-padrão. mês Jan Fev Mar Abr Mai Jun Jul Ago Set Out assessorias 3 5 8 12 10 14 8 6 4 5 a) x 10,14 s 3,49 c) x 9,14 s 3,89 b) x 9,14 d) x 8,14 s 3,49 s 2,49 2) O tempo t, em minutos, necessários para um operário montar uma peça de refrigerador é uma variável aleatória com s distribuição de probabilidade dada abaixo. Determine o tempo médio de montagem da peça, e o desvio-padrão. 7.5. Esperança Matemática Muitas vezes é interessante, conveniente para o estudo de uma variável aleatória, um resumo sobre suas informações, já sabemos resumir um conjunto de informações em um único número que é a média de seus valores. Este valor, esta quantidade é o valor esperado de X, ou esperança de X. A esperança de uma variável aleatória nos dá a média de todos os valores que esperaríamos obter se medíssemos a variável aleatória um número muito grande de vezes. Usamos a letra E, para representar a esperança. E(X) = esperança de X n E( X ) n xi P ( xi ) i 1 n n xi P( xi ) i 1 EXEMPLOS: 1) Um jogo paga ao jogador R$2,00 para cada “cara” que se obtém quando lança 4 moedas. Se ele realizar um grande número de lançamentos, qual a média de ganho por jogada? Solução: As possibilidades de ganhos e as respectivas probabilidades são: Possibilidades Probabilidades 0 1/16 1 4/16 2 6/16 3 4/16 4 1/16 OBS: joga-se uma moeda 4 vezes, podemos ter 0, 1, 2, 3 ou 4 caras, com as seguintes probabilidades: 4 1 1 1 P(0) C 4,0 1 16 16 2 4 4 1 4 1 P(1) C 4,1 4 16 16 2 4 1 6 1 P(2) C 4, 2 6 16 16 2 1 4 1 P(3) C 4,3 4 16 16 2 4 1 1 1 P(4) C 4, 4 1 16 16 2 Vamos admitir que o jogador faça n lançamentos. Assim o número provável de ocorrências para cada possibilidade será: Possibilidades Possibilidade de ganho R$ Ganho em n lançamentos x i Probabilidades P( x i ) 0 0 n.0 1 2 n.2 2 4 n.4 3 6 n.6 4 8 n.8 1/16 4/16 6/16 4/16 1/16 Assim, o total que o jogador esperará ganhar em n lançamentos será: n E ( X ) xi P( xi ) i 1 1n 4n 6n 4n 1n 64n 0 2 4 6 8 4n 16 16 16 16 16 16 4n 4 n Portanto, a esperança de ganho em cada jogada será igual a 2) Qual a esperança matemática e o desvio-padrão de um jogo de dados que você recebe R$ 25,00 se sair ponto 6, R$ 10,00 se sair 4 ou 5 e R$ 4,00 se obter 1, 2 ou 3? Solução: Cálculo da média Resultado 6 4 ou 5 1, 2 ou3 Ganho R$ x i 25 10 4 P( x i ) 1/6 2/6 3/6 1 x i .P( x i ) 25/6 20/6 12/6 57/6=9,5 Portanto a esperança matemática é de que se ganha R$9,50 por jogada Cálculo do desvio-padrão: x n i 1 P ( xi ) 2 i 1 2 3 (25 9,5) 2 (10 9,5) 2 (4 9,5) 2 6 6 6 1 2 3 (15,5) 2 (0,5) 2 (5,5) 2 6 6 6 331,5 55,25 7,43 7,43 6 240,25 2(0,25) 3(30,25) 6 EXERCÍCIOS 1) 2) 3) 4) 5) 6) Qual a esperança matemática do ganho de um jogo em que você ganha R$10,00 multiplicado pelo número de pontos quando se joga um dado? Um jogador recebe R$1,00 por ponto que obtém quando lança um dado e sai um número par, e R$2,00 por ponto quando sai um número impar. Quanto esperará ganhar em 50 lançamentos, se paga R$ 2,50 por jogada? Qual a esperança matemática e o desvio-padrão de um jogo no qual se pode ganhar R$50,00 com probabilidade 0,2; R$ 30,00 com probabilidade 0,3 e R$10,00 com probabilidade 0,5? Um jogador ganha R$1,00 por ponto que obtém quando lança um dado. Quanto esperará ganhar em 60 lançamentos, se paga R$3,00 por jogada? Qual o preço justo a se pagar para entrar num jogo, no qual se pode ganhar R$30,00 com probabilidade 0,2 e R$ 15,00 com probabilidade 0,4? Um jogo de dado tem a seguinte tabela de ganho. Qual a esperança matemática desse jogo Ponto 1 2 3 4 5 6 1) a) R$25,00 b) R$32,00 c) R$35,00 d) R$45,00 2) a) R$ 125,00 b) R$ 250,00 c) R$150,00 d) R$ 300,00 3) a) 20 8 b) 25 10 c) 15 8 d) 15 10 4) a) R$ 45,00 b) R$ 30,00 c) R$ 40,00 d) R$ 55,00 5) a) R$ 12,00 b) R$ 15,00 c) R$ 18,00 d) R$ 10,00 6) a) R$23,2300 b) R$30,30 c) R$33,33 d) R$26,67 Respostas corretas 1) c 2) a 3) d 4) b 5) a 6) d Ganho R$ 10 15 20 30 35 50 ATIVIDADE 2.2 1) Uma Confeitaria anotou todas as vendas de um tipo de “Torta”, registrados na tabela abaixo. Determine a quantidade esperada de tortas encomendadas por dia. N° de tortas por dia Freqüência relativa 0 0,02 1 0,07 2 0,09 3 0,12 4 0,20 5 0,20 6 0,18 7 0,10 8 0,01 9 0,01 total 1 a) 4,36 b) 4,86 c) 5,36 d) 5,86 2) Um bilhete de loteria paga um prêmio de R$ 500 000,00 com chance de 0,00001, um prêmio de R$ 100 000,00 com chance de 0,0003 e um prêmio de R$50000,00 com chance de 0,0008. Qual o preço justo de venda deste bilhete. a) R$ 89,00 b) R$ 57,00 c) R$ 75,00 d) R$ 98,00 3) Em uma loteria beneficente, vendem-se 500 bilhetes para a extração de dois prêmios, um de R$ 1000,00 e outro de R$ 700,00. Qual a esperança matemática de uma pessoa que compra um bilhete? a) 4,3 b) 4,6 c) 3,4 d) 6,4