Seo 6.

4 Algumas Propriedades do Valor Mdio

Creio que h um pequeno erro nesta seo. Ao apresentar a esperana matemtica da funo h (xi ) na equao 6.3, o autor registrou a seguinte expresso: (0.1)
E [h (X)] = h (xi ) p (xi ) .

Ora, a equao 0.1 s ser verdadeira nos casos em que p (h (xi )) = p (xi ). Notavelmente, o prprio autor deu um contra exemplo que a invalida ao tratar a distribuio da transformao W = X 2 !!!! evidente que p (h (xi )) = p (xi ) neste caso, pois como ele prprio ressaltou, ao evento W = 25 correspondem dois eventos da varivel aleatria X : X = 5 e X = 5. Portanto, a meu ver, a equao 0.1 deveria ser expressa como (0.2)
E [h (X)] = h (xi ) p (h (xi )) .

Nos casos em que a transformao for linear, ou seja, do tipo Y = aX + b, fcil ver que p (h (xi )) = p (xi ), pois tal funo injetora, ou seja,
xi = xj axi + b = axj + b yi = yj .

Desta forma, cada elemento xi corresponder a a um nico yi , e a contagem das frequncias permanece inalterada frente a transformao. A equao 6.4 bem evidente e no vou prov-la. Basta um pouco de esforo, e a prova se revelar! J a equao 6.5 mais interessante. No consegui deduzi-la de cabea, ento vamos l! Var (aX + b) =
i

[axi + b E (aX + b)]2 p (axi + b) [axi + b aE (X) b]2 p (xi )

i

= =
i

[a (xi E (X))]2 p (xi ) a2 [xi E (X)]2 p (xi )

i 2 i

= =a

[xi E (X)]2 p (xi )

= a Var (X) .
2

De fato, verdade e dou f.

Seo 6.5 Funo de Distribuio Acumulada

Seo breve, mas com um comentrio obscuro. Para obter a probabilidade de um dado ponto, basta calcular a diferena entre o valor da f.d.a no ponto e seu valor no limite lateral pela esquerda tendendo ao ponto:
P (X = xi ) = F (xi ) lim F (xi ) .
xxi

Foi por isto que ele registrou que o conhecimento da f.d.a de X implica no conhecimento da f.p de X .
1

2
Seo 6.6 Alguns Modelos Probabilsticos para Variveis Aleatrias Discretas

Achei interessante registrar qual foi a inteno do autor com o primeiro pargrafo ( bvio, isto apenas o meu entendimento...). O autor quis dizer que h problemas so casos aplicados de problemas mais gerais, para os quais foram desenvolvidos os modelos que ele ir tratar. Assim, resolv-los se torna uma tarefa muito mais simples caso estes modelos seja conhecidos pelo pesquisador. Apenas um breve comentrio. Creio que entendi o que o autor quis dizer, ao comentar as situaes (4') e (5') desta subseo. Quando os conjuntos so muito grandes, pequenas extraes podem ser consideradas como eventos independentes. Considere por exemplo a extrao de duas bolas sem reposio de uma urna com 100.000 delas. A probabilidade da extrao de uma determinada esfera ser de 1 1 na primeira extrao, e de 99.999 na segunda. A diferena absoluta dentre as 100.000 duas probabilidades de apenas 1.00001000009011e-10; ou seja; a menos que se estejam considerando instrumentos com tal preciso, o resultado de ambas idntico, podendo para ns prticos serem considerados como eventos independentes.
Subseo 6.6.3 Distribuio Binomial.

No havia entendido porque o autor usou max {0, n N + r} e min {r, n} como delimitadores do valor de k . Mas aps uma anlise mais detalhada, consegui conceber uma explicao. Para isto, tive que invocar diagramas de Venn-Euler, ilustrados nas Figuras tal e 0.1. Na Figura 0.1, est ilustrado o Diagrama de Venn-Euler representando o sistema. o espao amostral com N elementos, A o conjunto dos r elementos que possuem atributo A; B o conjunto dos N r elementos que possuem atributo B ; e G o conjunto considerado, com k elementos que possuem atributos A, o que foi denotado atravs de uma regio hachurada em G.
Subseo 6.6.4 Distribuio Hipergeomtrica.

Figura 0.1.

Representao diagramtica do sistema considerado.

As consideraes que permitem compreender as delimitaes impostas a k , registradas pelo autor nas desigualdades max {0, n N + r} k min {r, n} so as

seguintes: caso G A = , k = 0 o menor valor possvel para k . Em caso contrrio, tudo depende do tamanho de G. Para ilustrar esta considerao, registrei tal raciocnio na Figura 0.2.

As possveis conguraes envolvendo a interseco dentre os conjuntos G e A. Em (a), A G = . Em (b), o caso em que A G = , e em que o nmero de elementos de G B aumentou (o semicrculo correspondente foi desenhado em uma escala maior). Em (c), G B = .
Figura 0.2.

Considerando os casos registrados na Figura 0.2, pode-se compreender o que o autor quis dizer. Seja k o nmero de elementos de G A. Como G A e G B so disjuntos, k pode ser descrito em termos dos parmetros do sistema:
G = (G A) (G B) #G = # (G A) + # (G B) n = k + # (G B)

(0.3)

k = n # (G B) .

A Equao 0.3 revela que k assume o menor valor possvel quando G A = . Caso G A = , k assumir o menor valor possvel quanto maior for o conjunto G B . No caso extremo, G B = B , e assim, k = n (N r) = n N + r. Por m, k assume o maior valor possvel quando G B = . Sendo assim, ou G A = A, que usa apenas k para representar este caso; ou G A = A, no qual k o maior valor dentre todos, o prprio r. Acho que foi isto que ele quis dizer. Minha crtica, costumeira, que o autor deveria ser mais explcito. No sendo ele, eu sou. Encontrei uma demonstrao acerca do valor esperado desta distribuio em Incialmente, quero destacar que:
n

http://www.portalaction.com.br/content/54-distribui%C3%A7%C3%A3o-hipergeom% C3%A9trica, mas h um erro l, que eu vou me apressar em corrigir.

n

E [X] =
k=0

kP [X = k] =
k=1

kP [X = k]

; pois sendo k = 0 e 0 P (X = 0) 1, o resultado do primeiro termo nulo. Logo:

n n

E [X] =
k=1 n

kP [X = k] =
k=1

r k

N r nk N n

=
k=1 n

N r r! (N n)!n! n k (r k)!k! N! (N n)!n (n 1)! N r r (r 1)! N (N 1)! n k (r k)! (k 1)!

n

=
k=1

r =n N r =n N r =n N =n r N

k=1 n

N r (r 1)! (N n)! (n 1)! n k (r k)! (k 1)! (N 1)! N r nk

n r1 k1 N 1 n1

k=1

1
N 1 n1

k=1 n1

N r nk N r nk+1 =n

r1 k1 r1 k2

1
N 1 n1

k=0

(0.4)

r =n N

1
N 1 n1

N 1 n1

r = np. N

Na Equao 0.4 foi utilizada a identidade de Vandermonde. Eu consegui acompanhar apenas com os olhos, e sem maiores problemas a demonstrao algbrica na pgina http://en.wikipedia.org/wiki/Vandermonde%27s_identity. Talvez devesse explicitar apenas uma identidade interessante que aparece nesta demonstrao.
Teorema.

m i=0

ai x i )

n j j=0 bj x

m+n r=0

r k=0

ak brk ) xr ; ai = 0i > mbj =

0j > n.

No conheo outra forma de provar este Teorema que no o Princpio da Induo Finita. Mas vejamos primeiro se tal igualdade minimamente razovel.
m n m n

ai x i
i=0 j=0

bj x j

=
i=0 j=0 m n

ai x i b j x j ai bj xi+j .
i=0 j=0

(0.5)

Certo. Agora, considere um termo simples da expanso da Equao 0.5, por exemplo a que tem expoente i + j = 3. Ora, evidente que apenas algumas combinaes de valores de i e j produziro tal resultado; a saber (0, 3), (1, 2), (2, 1) e (3, 0). Tal termo poderia ser expresso assim: (0.6)
a0 b3 x3 + a1 b2 x3 + a2 b2 x3 + a3 b0 x3 = (a0 b3 + a1 b2 + a2 b2 + a3 b0 ) x3 .

Ora, evidente que a Equao 0.6 pode ser resumida desta forma:
3

a0 b3 x + a1 b2 x + a2 b2 x + a3 b0 x =
k=0

ak b3k x3 .

Como o mesmo raciocnio pode ser aplicado a cada termo de 0.5, verica-se que realmente a identidade de Vandermonde faz sentido. Mas vejamos a prova. uma aplicao do Princpio da induo nita, que creio ser o mais adequado a estes casos. Inicialmente, demonstra-se o passo base:
Demonstrao.

ai x
i=0

i j=0

bj x j

= a0 b0 + a0 b1 x + a1 b0 x + a1 b1 x2 = a0 b0 x0 + (a0 b1 + a1 b0 ) x + a1 b1 x2
2 r

(0.7)

=
r=0 k=0

ak brk

xr .

Acho que importante ressaltar; o termo a multiplicar x2 na Equao 0.7 simplesmente a1 b1 porque a0 b2 e a2 b0 so nulos, devido as condies de existncia ai = 0i > m bj = 0j > n. Na sequncia, preciso provar que: (0.8)
m n m+n r m+1 n m+n+1 r

ai x
i=0

i j=0

bj x

=
r=0 k=0

ak brk

x
i=0

ai x

i j=0

bj x

=
r=0 k=0

ak brk

xr

Ou, analogamente:
m n m+n r m n+1 m+n+1 r

ai x
i=0

i j=0

bj x

=
r=0 k=0

ak brk

x
i=0

ai x

i j=0

bj x

=
r=0 k=0

ak brk

xr .

Vou escolher a Equao 0.8 como tese.

Por hiptese de induo, a premissa

m n m+n r

ai x
i=0

i j=0

bj x

=
r=0 k=0

ak brk

xr

verdadeira. Ento:
m n n m+n r n

ai x
i=0 m

i j=0

bj x

+ am+1 x
n

m+1 j=0

bj x
m+n

=
r=0 r k=0

ak brk
n

x + am+1 x am+1 bj xj

m+1 j=0

bj x j

i=0 m+1

ai xi + am+1 xm+1
j=0 n

bj x j
m+n+1

=
r=0 r k=0

ak brk xr .

xr +
j=0

xm+1

i=0

ai x i
j=0

bj x j

=
r=0 k=0

ak brk

Sei que a prova carece de explicao. que eu no encontrei outra forma de complet-la seno discursivamente. n j xm+1 inMas, de fato, ela est correta. Isto porque a somatria j=0 am+1 bj x troduz exatamente os termos que tem que ser agregados a soma m+n ( r ak brk ) xr k=0 r=0 para gerar a soma m+n+1 ( r ak brk ) xr . Seno vejamos: ao se incrementar m k=0 r=0 n m+1 j i de uma unidade, os nicos termos novos resultantes do produto j=0 bj x i=0 ai x
n j iro envolver am+1 ; todos os demais j esto inclusos no produto ( m ai xi ) j=0 bj x . i=0 E dentre os novos termos, apenas os no nulos tem que ser considerados. Ora, so no nulos os termos que envolvem ndices i e j tais que 0 i m + 1 e 0 j n. Dentre os que envolvem m + 1, eles so o resultado do produto de am+1 com todos os possveis bj : assim, sero incorporados am+1 b0 , am+1 b1 , . . . e am+1 bn . Ora, tal soma no outra que no n

(0.9)
j=0

am+1 bj xj

xm+1 ,

presente na demonstrao anterior. Assim, agregando o termo expresso na Equao 0.9, a somatria m+n ( r ak brk ) xr conclui-se a prova. r=0 k=0 Sei que falta elegncia a esta demonstrao, mas por hora, foi o melhor que consegui fazer.