Você está na página 1de 5

UNIVERSIDADE FEDERAL DO ABC

Lista 9 - Introduo Probabilidade e Estatstica

Desigualdades e Teoremas Limites


Um arqueiro aponta a um alvo de 20 cm de raio. Seus disparos atingem o alvo, em mdia, a 5 cm do centro deste. Assuma que cada disparo independente de qualquer outro disparo. Limite superiormente a probabilidade do atirador errar o alvo no prximo disparo. Suponha que X seja uma varivel aleatria com mdia e varincia iguais a 20. O que possvel dizer sobre P(0 < X < 40)? Com sua experincia, um professor sabe que a nota de um estudante na prova nal uma varivel aleatria com mdia 75. a) Fornea um limite superior para a probabilidade de que a nota de um estudante exceda 85. Suponha, alm disso, que o professor saiba que a varincia da nota de m estudante igual a 25. b) O que se pode dizer sobre a probabilidade de que a nota de um estudante esteja entre 65 e 85? c) Quantos estudantes teriam que fazer a prova para assegurar, com probabilidade mnima de 0, 9, que a mdia da turma esteja entre 75 5? No use o Teorema Central do Limite. Uma moeda honesta lanada de forma independente n vezes. Seja Sn o nmero de caras obtidas nesses n lanamentos. Use a desigualdade de Chebyshev para obter um limitante inferior para a 1 n probabilidade de que Sn diste de 2 menos do que 0, 1 quando 1.n = 100. 2.n = 10000. 3.n = 100000.

1

que

5

No contexto do problema anterior verique


Sn 1 |< )=1 n 2

lim P(|

para todo

> 0.

2

3

Considere uma moeda desonesta com probabilidade p de sair cara. Seja Sn o nmero de caras obtidas em n lanamentos independentes desta moeda. Escreva um limite semelhante ao problema anterior. Calcule o valor deste limite. Utilize a desigualdade de Chebyshev para mostrar que para toda funo continua f : [0, 1] R,
n

6 7

k =0

k n k f( ) x (1 x)k f(x) n k

uniformemente em x [0, 1] quando n . Dez dados honestos so lanados. Encontre, aproximadamente, a probabilidade de que a soma dos nmeros assim obtidos esteja entre 30 e 40. Suponha que um programa de computador tem n = 100 pginas de cdigos. Seja Xi o nmero de erros na isima pgina. Suponha que as variveis aleatrias Xi tem distribuio Poisson de parmetro
100

8 9

4

1 e que so independentes. Seja Y =


j=1

Xj o nmero

total de erros. Utilize o Teorema Central do Limite para aproximar P[Y < 90]. Uma amostra aleatria de n itens tomada de uma distribuio com media e varincia 2 , 0 <

10 

2 . Utilizando o Teorema Central do Limite, deter-

mine o menor nmero de itens a serem considerados para que a seguinte relao seja satisfeita:
P[| Sn | ] 0, 99 . n 4

peas sejam ensaiadas, fornecendo uma durao de vida mdia de 501, 2 horas. Suponha-se que o desvio padro seja conhecido e igual a 4 horas. Construa um intervalo de conana de 95% para a mdia. A diretoria de uma escola de segundo grau quer estimar a proporo p de estudantes que conseguiram entender de forma satisfatria as mensagens transmitidas numa exposio de arte. Essa proporo dever ser estimada com um erro de 5% para um coeciente de conana de 90%. a) Qual o tamanho de amostra necessrio para atender s exigncias da diretoria? b) Que tamanho dever ter a amostra sabendo que p est entre 0, 20 e 0, 60? E sabendo que p < 0, 20? c) Numa amostra de 150 estudantes, 60 apresentaram desempenho satisfatrio num teste aplicado na sada da exposio. Qual seria a estimativa intervalar de p nesse caso, para = 0, 95? Uma revista semanal, em artigo sobre a participao das mulheres em curso superior de administrao, pretende estimar a proporo p de mulheres neste curso. a) Quantos estudantes de administrao devem ser entrevistados de modo que a proporo p seja estimada com um erro de 0, 04 e uma probabilidade de 0, 98? b) Se tivermos a informao adicional de que a proporo p pelo menos 35%, voc conseguiria diminuir o tamanho amostral calculado no item anterior? Justique. Um estudo da prefeitura indica que 30 das crianas da cidade tm decit de ateno na escola. Numa amostra de 200 crianas, qual a probabilidade de pelo menos 50 crianas tenham esse problema?

Uma pessoa possui 100 lmpadas cujos tempos de vida so exponenciais independentes com mdia de 5 horas. Se as lmpadas so usadas uma de cada vez, sendo a lmpada queimada imediatamente substituda por uma nova, obtenha uma aproximao para a probabilidade de que ainda exista uma lmpada funcionando aps 525 horas.

11 

16 

12  13 

Mostre que lim e


n

n k =0

nk 1 = . k! 2

(Sug-

esto: Considere uma sequncia de variveis aleatrias i.i.d com distribuio Poisson e utilize o Teorema Central do Limite.) Seja (Xn )n1 uma sequncia de variveis aleatrias tal que 1. lim E [Xn ] = . 2. lim Var [Xn ] = 0. Mostre que, > 0, lim P [|Xn | ] = 0.
n n n

17 

Um provedor de acesso Internet est monitorando a durao do tempo de conexes de seus clientes, com o objetivo de dimensionar seus equipamentos. A mdia desconhecida, mas o desvio padro considerado igual a 50 minutos. Uma amostra de 500 conexes resultou em um valor mdio observado de 25 minutos. O que dizer da verdadeira mdia, com conana = 0, 92? Suponha que X represente a durao da vida de uma pea de equipamento. Admita-se que 100

14 

15 

18 

1 Seja X a distncia do ponto atingido ao centro do 6 Sejam X , X , . . . , X


alvo. Note que X 0. Seja Y uma varivel aleatria denida como sendo igual a 20 caso X 20 e 0 em outro caso. Logo, X Y . Tomando esperana temos que
E[X] E[Y ] = 20P[X 20].

Respostas dos Exerccios

n variveis aleatrias indepen1 2 dentes cada uma assumindo os valores 0 e 1 com probabilidade p e 1 p respectivamente. Por conveno assumiremos que 1 representa cara e 0 representa coroa. Logo Sn = X1 + X2 + . . . + Xn representa o nmero de caras em n lanamentos. Temos que

2 P[0 < X < 40] = P[20 < X 20 < 20] = 3 (a)P[X 85] E[X]/85 = 15/17. 4 Sejam X , X , . . . , X
1 2 i=1 n

Como E[X] = 5 temos que P[X 20] 1 4. Observao: Poderamos simplesmente ter aplicado a desigualdade de Chebyshev.
1 P[|X 20| 20] 1
20 400

Sn 1 E[ ] = n n

E[Xi ] = p
i =1

e, devido a independncia, temos que


V( Sn 1 )= 2 n n
n

19 20 .

V (Xi ) =
i =1

p(1 p) , n

(b)P[65 X 85] = 1 P[|X 75| > 10] n 25 (c)P[| Xi /n 75| > 5] . Logo n = 10. 25n

25 1 100 .

j que E[Xi ] = p e V (Xi ) = p(1 p) para todo i, i = 1, 2, . . . , n. Aplicando a desigualdade de Chebyschev temos que
P(| Sn p(1 p) p| ) 2n n

variveis aleatrias independentes cada uma assumindo os valores 0 e 1 com probabilidade 1 2 . Deniremos que 1 representa cara e 0 representa coroa. Logo Sn = X1 +X2 +. . .+Xn representa o nmero de caras em n lanamentos. Temos que
E[ 1 Sn ]= n n
n

para todo

> 0. Isto implica que


n

E[Xi ] =
i=1

1 2

7 Este

lim P(|

Sn p| < ) = 1. n

e, devido a independncia, temos que


V( Sn 1 )= 2 n n
n

V (Xi ) =
i=1

1 , 4n

1 j que E[Xi ] = 1 2 e V (Xi ) = 4 para todo i, i = 1, 2, . . . , n. Aplicando a desigualdade de Chebyschev temos que

8 Seja X

exerccio opcional. Dica: Sejam X1 , X2 , . . . , Xn variveis aleatrias independentes cada uma assumindo os valores 0 e 1 com probabilidade p e 1 p respectivamente. Seja Sn = X1 + X2 + . . . + Xn o nmero de caras em n lanamenn tos. Dena o polinmio rn (p) = E[f( Sn )] e estude a expresso |rn (p) f(p)|.
i

o nmero sorteado pelo i-simo dado e


10

seja S10 =
i=1

Xi a soma dos nmeros sorteados nos

Sn 1 1 P(| | 0, 1) . n 2 4(0, 1)2 n

5 Analogamente ao problema anterior temos que


Sn 1 1 P(| |< )1 2 . n 2 4 n

Substituindo temos que os limites inferiores fornecidos pela desigualdade de Chebyschev so: (a)1 1 1 1 4 , (b)1 400 e (c)1 4000 respectivamente.

9 Note que E[Y] = 100 e que V (Y) = 100.


3

lanamentos dos 10 dados. Logo, P[30 < S10 < 40] = 7 S10 7 40 7 30 2 2 2 91 < ]. Utilizando a aproxiP[ 10 91 91 < 10 6 10 6 6 mao dada pelo Teorema Central do Limite temos 40 7 30 7 2 2 que P[30 < S10 < 40] ( 10 91 ) ( 10 91 ), onde 6 6 (t) a funo de distribuio acumulada de uma varivel aleatria com distribuio normal padro. logo,

O resultado segue desta desigualdade.

100 100 P[Y < 90] = P[ Y < 90 10 10 ]. Pelo Teorema Cen100 100 90100 tral do Limite, P[ Y < 90 10 10 ] ( 10 ) = (1) = 0, 1587.

10 Note que P[|

11 Anlogo ao exerccio 9. 12 Considere uma sequncia (X )


n

tribuio acumulada de uma varivel aleatria com distribuio normal padro. Logo, encontre n tal n que ( 4 ) 0, 995.

Sn Sn n | 4 ] = P[ 4 n n S n n 4n ]. Pelo Teorema Cen4 ] = P[ 4 n n n n n tral do Limite, P[ 4n S ] ( 4 4 ) n ( 4n ) = 2( 4n ) 1, onde (t) a funo de dis-

de forma satisfatria e uma estimativa do valor desconhecido p. A estimativa intervalar para a proporo desconhecida dada por um intervalo da forma [Xn , Xn + ], onde a margem de erro. A estimativa intervalar com margem de erro tem coeciente de conana se = P[|Xn p| ]. Note que
n Sn np n np(1 p) n ] p(1 p)

= P[ = P[ (tn,

de variveis aleatrias independentes, identicamente distribudas, com distribuio Poisson de parmetro 1. Sn =


n n1

Xk tem distribuio Poisson de parmetro n.

np(1 p) np(1 p) n Sn np p(1 p) np(1 p) ) (tn, ),

Logo temos que


n n

k =1

P[Sn n] =
k =0

P[Sn = k] = en
k =0

nk k!

n n Como E[Xi ] = 1 e V (Xi ) = 1 e P[Sn n] = P[ S n S n n n n ] = P[ 0] o Teorema Central do Limite n n implica que

onde (t) a funo de distribuio acumulada de uma varivel aleatria com distribuio normal n padro e tn, = . A aproximao deve-se p(1p) ao Teorema Central do Limite. Na prtica, tomase = (tn, ) (tn, ). Pelas propriedades da funo segue que = 2(tn, ) 1. 2 (a) tn, = n . Logo, n t4n,2 j que p desconhecido e portanto limitamos a expreso p(1 p) por 1/4 que seu valor mximo no intervalo [0, 1]. Como = 0, 05 e = 0, 90 ento tn, = 1, 65. Logo, n 272, 5. Toma-se n = 272. (b) A funo f(p) = p(1 p) tem um mximo absoluto em I = [0, 1] em p = 1 2 . Desta forma, se o valor desconhecido de p pertence ao intervalo (0.2, 0.6) limitamos o valor de f(p) por 1/4 e n deve ser como no problema anterior, n = 272. Se 0 < p < 0, 2 ento f(p) 0.16. Logo, n 174, 24. Toma-se n = 174. (c) Na prtica substitui-se a proporo desconhecida Xn pela proporo amostral ^ . Da expreso p Sn np n ] temos que = P[ n
p(1p) np(1p) p(1p) p(1p)

n n

lim e

n k =0

nk 1 = (0) = , k! 2

13 Chebyschev. 14 O intervalo de conana para a mdia com var15 Anlogo ao exerccio 14. 16 Seja X Bernoulli(p) assumindo os valores 0
i n

onde (t) a funo de distribuio acumulada de uma varivel aleatria com distribuio normal padro.

incia 2 conhecida e coeciente de conana ou , Xn + a ], onde Xn 100% dado por [Xn a n n a mdia amostral e a tal que (1 (a)) = 2 com = 1 . Logo, a tal que (a) = 0, 96 . Portanto a = 1, 755, Xn = 25, n = 500 e = 50.

e 1, onde Xi = 1 se o i-simo estudante entendeu a mensagem de forma satisfatria e 0 em outro


Xi

+z um intervalo de conana para a proporo desconhecida com coeciente de conana onde z e esto relacionados atravs da equao = (z) (z) = 2(z) 1. 60 No problema n = 150, p ^ = 150 = 0, 40, = 0, 95 e portanto z = 1, 96. Logo, I = [0.3216, 0.4784]. I = [^ pz
p ^ (1^ p) ^ n ,p p ^ (1^ p) n ]

n = i=1 representa a procaso. Logo, Xn = Sn n poro dos estudantes que entenderam a mensagem

17 Idem Exerccio 16. 18 Vamos considerar o caso em que cada criana


4

tem a mesma probabilidade de ter este problema.

Denindo
Xj = 1 se a jsima criana tem esse problema. 0 c.c.

aproximamos a distribuio de X pela distribuio de uma varivel aleatria Y com Y N(60, 42). Logo,
P[X 50] P[Y 50] Y 60 50 60 = P[ ] 42 42 = 1 (1, 42) = 0, 940,

temos que X = X1 + + X200 Binomial(200, 0, 30). A probabilidade a ser calculada


200

P[X 50] =
k=50

200 0, 3k 0, 7200k k

Vamos aproximar esse valor. Sabemos que X Binomial(200, 0, 30). Logo, E[X] = 200 (0, 3) = 60 e Var(X) = 200 (0, 3)(0, 7) = 42. Assim sendo,

onde (t) a funo de distribuio aumulada de uma varivel aleatria com distribuio normal padro.