Leia o texto a seguir: Consideremos o seguinte experimento aleatórioLeia o texto a seguir: A distribuição binomial de probabilidade é aplicada à experimentos que se processam de forma repetitivas. Nessa probabilidade podemos verificar o sucesso e o fracasso de ocorrência de um evento; Exemplo: ao lançar uma moeda duas vezes. Se espero obter duas caras nesse experimento, isso é o sucesso, o restante se caracteriza como fracasso. Ou seja: O espaço amostral são os pares {(ca, ca), (ca, co), (co , ca), (co, co)}. Então, tenho uma chance em quatro possíveis, de obter sucesso, ou seja, 25% dos casos possíveis, e três não favoráveis, os fracassos. O modelo que se usa para medir essa probabilidade de sucesso é dado por: image.png Se k é o número de sucesso, n o espaço amostral, então n – k representa o número de fracasso. As probabilidades são representadas pelos valores porcentuais de p (sucesso) e q (fracasso) em relação ao objeto usado no experimento medidos em valores decimais. A opção correta, tomando como exemplo o que é relatado na situação acima, pode ser encontrada em: Grupo de escolhas da pergunta Para o experimento lançamento de moedas, p e q não representam a mesma probabilidade. Se ao lançarmos a moeda 4 vezes o espaço amostral passa a ser de 8 casos possíveis. No lançamento da moeda 3 vezes, a probabilidade de se observar 2 caras é dada pelo cálculo image.png A probabilidade de, no lançamento da moeda 2 vezes, o resultado é de 50%. O porcentual de fracasso q de fracasso é de 75% ou 0,753A Vamos sortear uma amostra de 20 funcionários de uma empresa que tem 100 funcionários. O espaço amostral deste experimento é formado por todas as amostras possíveis e, como a ordem não importa e não deve haver repetição de funcionários, o número total de tais amostras é image.png (100 funcionários tomados 20 a 20 para cada amostra). Cada elemento desse espaço amostral é formado pela relação dos 20 funcionários sorteados. Em situações como essa, em geral, o interesse não está no funcionário em si, mas, sim, em alguma característica deste funcionário, por exemplo, sua altura, se tem curso superior ou não, e número de dependentes. Dessa forma, poderíamos calcular a altura média dos funcionários da amostra, o número médio de dependentes, a proporção de funcionários com curso superior, etc. Então, a cada amostra possível, ou seja, a cada ponto do espaço amostral associamos um número. Esse número é o resultado de nosso experimento com os funcionários, já que desejamos calcular uma característica. [A definição de variável aleatória é importante para entender quando queremos traduzir um resultado, ou uma consequência ou o desfecho de alguma situação, em um valor numérico]. Essa é a definição de variável aleatória. Fonte: Variáveis Aleatórias Discretas - Universidade Federal Fluminense. (texto adaptado). Disponível em https://www.professores.uff.br/anafarias/wp-content/uploads/sites/210/2020/09/VADiscreta-0.pdf. Acesso em abril 2023. De acordo com o conceito de variável aleatória (v.a.) pode-se afirmar que: Grupo de escolhas da pergunta O comportamento de uma variável aleatória fica perfeitamente determinado através de uma função de probabilidade. Onde X é a função fx(x) que associa, a cada valor possível x de X, sua respectiva probabilidade, calculada da seguinte forma: fx(x) é a probabilidade do evento {X = x} que consiste em todos os resultados do espaço amostral que dão origem ao valor x. O comportamento de uma variável aleatória discreta fica perfeitamente determinado através de uma função de probabilidade. Seja a função f(x) satisfazendo que a área total sob o gráfico de f(x) é positivo e igual a 1, então f(x) representa alguma v.a. X, de modo que P(a ≤ X ≤ b) é a área sob a curva limitada pelos pontos a e b no gráfico da função. Se X é uma v.a. discreta, então a probabilidade do evento {X = a} é zero, ou seja, a probabilidade de X ser exatamente igual a um valor específico é nula. Ou melhor, se o evento {X = a} corresponde a um segmento de reta, e tal segmento tem área nula. Dada uma v.a. X, só pode-se obter outras variáveis aleatórias através de funções de X se, da mesma forma que calculamos a função de probabilidade de X, faz-se o cálculo da nova função de probabilidade para as novas variáveis, calculando π vezes a função probabilidade de X. Das propriedades (axiomas) da probabilidade resultam os seguintes fatos sobre a função de probabilidades de uma v.a. X: a fx(x) é maior ou igual a zero (0) e o somatório ao longo de todos os possíveis valores de X é Σfx(x) = 1. Contudo, não se pode afirmar que os eventos {X = x} serão mutuamente exclusivos e formam uma partição do espaço amostral.