No mundo da probabilidade, uma Variável Aleatória não é um espaço reservado para um número desconhecido como na álgebra. Em vez disso, pense nela como um tradutor formal. É uma função de valor real $X: S \rightarrow \mathbb{R}$ que mapeia cada resultado qualitativo de um experimento (como "tirar uma bola branca") em um valor numérico quantitativo (como "-1 dólar").
A Lógica do Mapeamento
Ao usar variáveis aleatórias, deixamos de falar sobre conjuntos de resultados abstratos e passamos a falar sobre eventos em termos de números. Por exemplo, se lançarmos uma moeda três vezes, em vez de olhar para o conjunto $\{HHT, HTH, THH\}$, definimos $X$ como "o número de caras" e analisamos simplesmente o evento $X=2$.
Uma variável aleatória é discreta se seu domínio for finito ou infinitamente contável (como os inteiros). Essa é uma distinção fundamental porque nos permite usar soma ($∑$), em vez de integração, para encontrar probabilidades totais.
Função de Massa de Probabilidade (PMF)
A PMF, denotada $p(a)$, captura a probabilidade de que uma variável aleatória discreta assuma um valor específico $a$. Ela deve satisfazer dois axiomas não negociáveis:
- $p(x_i) \geq 0$ (Sem probabilidades negativas).
- $\sum_{i=1}^{\infty} p(x_i) = 1$ (A massa total de probabilidade deve cobrir todos os resultados possíveis).
Exemplo Resolvido: O Paradoxo da Urna
Considere uma urna com 8 bolas brancas, 4 pretas e 2 laranja. Tiramos uma bola e definimos $X$ como nosso ganho: ganhamos $2 por preto, mas perdemos $1 por branco. A PMF transforma a ação de "tirar uma bola" em uma distribuição financeira, permitindo calcular a probabilidade de ficar sem dinheiro versus sair empatado.
Se $p(i) = c\lambda^i/i!$ para $i=0, 1, 2, \dots$, primeiro encontramos $c$ garantindo que a soma seja igual a 1. Usando a série de Taylor para $e^\lambda$, encontramos $c = e^{-\lambda}$. Então, $P\{X=0\} = e^{-\lambda}$ e $P\{X>2\} = 1 - e^{-\lambda}(1 + \lambda + \lambda^2/2)$.