Escolar Documentos
Profissional Documentos
Cultura Documentos
lcio Lebensztayn
Cristian Favio Coletti
IMEUSP
2008
Sumrio
Prefcio
iii
Exerccios .
Respostas .
11
Captulo 2: Probabilidade
13
1.
Denies e propriedades
13
2.
16
Exerccios .
18
Respostas .
25
1.
Denies .
27
2.
29
3.
31
4.
33
5.
33
6.
34
7.
35
8.
36
9.
Estatsticas de ordem .
27
.
38
39
40
Exerccios .
41
Respostas .
53
Captulo 4: Esperana
1.
Denies e propriedades
57
.
57
Sumrio
ii
2.
59
3.
Funes geradoras
61
4.
Desigualdades .
65
Exerccios .
65
Respostas .
81
85
1.
Modos de Convergncia .
85
2.
Teoremas Limites.
86
3.
88
4.
Teoremas auxiliares .
89
Exerccios .
89
Respostas .
96
97
Referncias Bibliogrcas
99
Prefcio
Este livro destina-se a estudantes de cursos de probabilidade em nvel de Graduao
e Mestrado. Foi concebido com o intuito de ser um material de estudo para os alunos da
disciplina Introduo Probabilidade, candidatos a ingressar no Mestrado em Estatstica
do Instituto de Matemtica e Estatstica da USP.
Os temas abordados so: Anlise Combinatria, Probabilidade, Variveis Aleatrias, Esperana e Teoremas Limites. No comeo de cada captulo, visando recordao da
matria, renem-se em forma de tpicos as principais denies e resultados. Para mais
detalhes e demonstraes, sugerimos ao leitor que consulte as referncias bibliogrcas.
Ao nal de cada captulo, enunciam-se os exerccios correspondentes teoria exposta,
alguns dos quais tm a soluo apresentada.
Cumpre-nos salientar que, por ns didticos, decidimos denir os principais modos de convergncia para tratar dos teoremas limites. Por ora, no abordamos o Lema
de Borel-Cantelli.
Esperamos que este trabalho possa ser til no somente aos futuros
Aceitaremos,
Dezembro de 2007.
Os autores.
Captulo 1
Anlise Combinatria
etapas.
Existem
maneiras, existem
maneiras, existem
n1
n2
n3
n1
n2
Observao.
n1 n2 . . . nr .
ras de realizar uma determinada etapa no seja inuenciado por nenhuma das etapas
predecessoras.
Se
A1 , . . . An
n
n
[
X
A
=
|Ai |.
i
i=1
Princpio da Incluso-Excluso:
i=1
n
[
X
X
|Ai |
|Ai Aj |
Ai =
i=1
i<j
i<j<k
1.3.
ignore uma restrio do problema, contando a mais. Depois, desconte o que foi indevidamente contado.
1.4.
Um conjunto com
1.5. Permutaes:
elementos tem
2n
subconjuntos.
objetos distintos
n! = n (n 1) . . . 2 1.
O nmero
n!
chamado o fatorial de
n.
Por conveno,
0! = 1.
Anlise Combinatria
Observao.
Uma frmula muito importante quando se trata de fatoriais foi obtida por
Stirling (1730):
n! nn en 2n,
onde o smbolo
n .
objetos distintos em
(n 1)!.
Nessa contagem, interessa apenas a posio relativa dos objetos entre si, ou seja, duas
disposies so consideradas indistinguveis se uma pode ser obtida a partir da outra por
uma rotao conveniente dos objetos.
1.7. O nmero de palavras de comprimento k que podem ser compostas com n elementos
dados
nk .
1.8. Arranjos:
O nmero de
k -subconjuntos ordenados
de um
n-conjunto
1.9. Combinaes:
que chamado um
k -subconjuntos de um n-conjunto
n
n!
=
,
k
k! (n k)!
O nmero de
coeciente binomial.
1.11.
Tringulo de Pascal .
n 0 inteiro e x, y R,
n
X
n k nk
n
(x + y) =
x y .
k
k=0
Para quaisquer
tamanhos respectivos
objetos distintos em
grupos distintos de
n1 , n2 , . . . , nr (n1 + n2 + + nr = n)
n
n!
.
=
n1 , n2 , . . . , nr
n1 ! n2 ! . . . nr !
letras que
n1 vezes a letra `1 , n2 vezes a letra `2 , . . . , nr vezes a letra `r (n1 +n2 + +nr = n).
Exerccios
1.12.
p>0
(x1 , . . . , xn )
x1 + + xn = p p+n1
.
n1
combinaes completas
i).
p
p+n1
n1
1.13.
moedas idnticas a
crianas
p > 0
(x1 , . . . , xn ) a
p1
i = 1, . . . , n n1
.
x1 + + xn = p
xi 1
para todo
moedas idnticas a
p1
1.14.
no-
n1
crianas de
manho
pode ser escolhido mais de uma vez (amostragem com ou sem reposio) e se vamos distinguir entre duas escolhas com os mesmos objetos escolhidos em ordem diferente (amostra
ordenada ou no).
Ordenada
No-ordenada
Com reposio
nk
k+n1
n1
Sem reposio
(n)k
n
k
Exerccios
1. Quantas permutaes diferentes existem das letras A, B , C , D, E , F
A, B
no a ltima?
Soluo.
que fornece 5!
permutaes.
A,
em ltimo?
B?
diferentes.
AB ,
Anlise Combinatria
A o conjunto das permutaes que comeam por A e F o conjunto das permutaes que terminam em F . Pelo Princpio da Incluso-Excluso, o nmero de permutaes
que comeam por A ou terminam em F
(b) Sejam
quantas com
antes de
A,
2. Numa
antes de
a ltima, portanto
6! 5! = 600
permu-
no a ltima letra.
10 questes. Quantas escolhas ele tem? Quantas escolhas ele tem se entre as 7 questes
deve responder pelo menos 3 das primeiras 5 questes?
Soluo.
5 5
5 5
5 5
+
+
= 110.
3 4
4 3
5 2
5 5
Outra resposta para a segunda pergunta: 120
= 110.
2 5
3. Um
Exerccios
de tamanhos respectivos
Assim, a resposta
7
7!
=
= 210.
2, 2, 3
2! 2! 3!
Outras respostas: O pai dispe os presentes numa la, os dois primeiros destinados ao
lho mais velho, os dois seguintes ao lho do meio e os trs ltimos ao mais novo. Existem
7! maneiras de ordenar os presentes, porm xada uma ordenao entre os presentes, a
ordem dos presentes de cada um dos lhos pode ser alterada, sem mudar a distribuio.
7!
= 210
2! 2! 3!
7
2
5
modos; em seguida, deve escolher 2 dos 5 presentes restantes para o lho do meio (
2
modos); os 3 presentes que sobram so do mais novo. A resposta 21 . 10 = 210.
O pai escolhe 2 dos 7 presentes para o lho mais velho, o que pode fazer de
= 21
= 10
(b) Sejam
nv =
nr =
nvr =
nv + nr nvr = 2 .
5
2
5
2
6!
5!
= 110.
1! 2! 3! 2! 3!
= 110.
(c) Sejam
N1 =
meio e 3 ao mais novo, com o mais velho ganhando o videogame porm no o relgio;
N2 =
meio e 3 ao mais novo, com o mais velho ganhando o relgio porm no o videogame.
5
observar que o pai tem
= 5 escolhas para o outro presente
1
5
= 10 maneiras de dividir os 5 presentes restantes entre os
para o lho mais velho e
2
N1
nmero de maneiras
N1 + N2 = 100.
Anlise Combinatria
Soluo.
tipo 2,
O nmero de permutaes de
. . . , nk
so do tipo
so do tipo 1,
n2
so do
n!
.
n1 ! n2 ! . . . nk !
A palavra COMBINATORIA tem 2A, 2I, 2O, 1B, 1C, 1M, 1N, 1R, 1T, logo o nmero
total de anagramas (ordenaes diferentes das letras)
12!
= 59875200.
2! 2! 2!
Outra resposta:
A m de obter
|C|,
11!
2! 2!
|V|,
|V C| = 3 . 6 .
10!
.
2! 2!
Para
11!
2! 2! 2!
|V C| = |V| + |C| |V C| = 3 .
11!
11!
10!
+ 6.
3.6.
= 43545600.
2! 2!
2! 2! 2!
2! 2!
166o
66o
lugar.
algarismo escrito.
Antecedem-no
todos os nmeros comeados em 1 (4! = 24), em 2 (4! = 24), em 4 (4! = 24), em 61 (3!
= 6) e em 621 (2! = 2), logo 80 nmeros. O nmero 62417 ocupa o
81o
lugar.
Exerccios
Assim, o
66o
Comeados por
Quantidade
Acumulado
4! = 24
24
4! = 24
48
41
3! = 6
54
42
3! = 6
60
46
3! = 6
66
166 = 5 . 33 + 1,
166o algarismo
escrito o primeiro do
166
34o
34
nmero. Os
nmero comea
algarismo escrito 2.
(d) Iniciamos como se deve: somando as unidades dos nmeros formados. Cada um dos
algarismos 1, 2, 4, 6, 7 aparece como algarismo das unidades em 24 nmeros, portanto a
soma das unidades dos nmeros
24 . (1 + 2 + 4 + 6 + 7) = 480.
Analogamente, a soma
das dezenas 480 dezenas, isto , 4800. A soma das centenas 48000, a das unidades de
milhar 480000 e a das dezenas de milhar 4800000. A soma total ca ento
6. Quantos
adjacentes?
Soluo.
6!/3! = 120
modos,
Arrumadas as
120 . 7 . 6 . 5 = 25200
Outra resposta:
colocar nos quatro espaos disponveis (de forma que no quem consoantes adjacentes)
7
e nalmente permutamos as vogais. O total ca 3!
6!/3! = 25200.
3
7. Quantos so os nmeros inteiros positivos menores que 360 e primos com 360?
Soluo. Notamos que 360 = 23 . 32 . 5 e denimos os conjuntos
A = {1, 2, . . . , 360},
A1 = {x A : x
mltiplo de 2},
A2 = {x A : x
mltiplo de 3},
A3 = {x A : x
mltiplo de 5}.
Anlise Combinatria
360
= 180,
2
360
= 120,
|A2 | =
3
360
|A3 | =
= 72,
5
A \ (A1 A2 A3 ).
360
= 60,
2.3
360
|A1 A3 | =
= 36,
2.5
360
|A2 A3 | =
= 24,
3.5
|A1 | =
|A1 A2 | =
Porm,
|A1 A2 A3 | =
360
= 12.
2.3.5
8. Uma
Soluo.
Denimos
x1 : nmero
de moedas de 1 real,
x2 : nmero
de moedas de 50 centavos,
x3 : nmero
de moedas de 25 centavos,
x4 : nmero
de moedas de 10 centavos.
6,
satisfazendo as condies
x1 8, x2 7, x3 4
x4 3.
Sejam os conjuntos
A = {(x1 , x2 , x3 , x4 ) N4 : x1 + x2 + x3 + x4 = 6},
A1 = {(x1 , x2 , x3 , x4 ) A : x1 9},
A2 = {(x1 , x2 , x3 , x4 ) A : x2 8},
A3 = {(x1 , x2 , x3 , x4 ) A : x3 5},
A4 = {(x1 , x2 , x3 , x4 ) A : x4 4}.
y = |A| |A1 A2 A3 A4 |. No entanto,
4
5
|A1 | = |A2 | = 0,
|A3 | =
= 4,
|A4 | =
= 10,
3
3
9
|A| =
= 84,
3
|Ai Aj | = 0, 1 i < j 4,
|Ai Aj Ak | = 0, 1 i < j < k 4
|A1 A2 A3 A4 | = 0.
Usando o Princpio da Incluso-Excluso, obtemos que
y = 84 4 10 = 70.
Exerccios
9. O
conjunto
f :AB
B,
10 elementos.
Quantas funes
10. De quantos modos podemos colocar dois reis diferentes em casas no-adjacentes de
um tabuleiro
6 6?
11. (a) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas, denominados Esporte, Tupi e Minas?
(b) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas?
12. Quantos nmeros pares de dois algarismos podem ser formados no sistema decimal
(a) podendo repetir algarismos?
(b) sem repetir algarismos?
13. Quantos nmeros inteiros maiores que 53000 e de cinco algarismos distintos podem
ser formados com os algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
14. Cinco moas e cinco rapazes vo posar para uma fotograa, ocupando cinco degraus
de uma escadaria, de forma que em cada degrau que uma moa e um rapaz. De quantas
maneiras podemos arrumar este grupo?
15. De quantos modos quatro casais podem sentar-se em torno de uma mesa redonda
(a) no sentando juntos dois homens?
(b) no sentando juntos dois homens e nenhum homem cando perto de sua esposa?
16. De quantas maneiras se pode preencher um carto da loteria esportiva (com 13 jogos)
com trs prognsticos duplos e dois triplos?
17. Sinais luminosos so transmitidos de uma ilha para a costa por meio de seis lmpadas
brancas e seis lmpadas vermelhas, colocadas nos vrtices de um hexgono regular, de tal
modo que
(i) em cada vrtice h duas lmpadas de cores diferentes;
(ii) em cada vrtice no h mais do que uma lmpada acesa;
(iii) o nmero mnimo de vrtices iluminados trs.
Determine o nmero total de sinais que podem ser transmitidos.
18. Suponha que Joo vai participar de uma reunio na qual estaro mais 4 homens e 6
mulheres. Ele sabe que h
(a) De quantas formas poderia Joo imaginar que esto formados os casais?
(b) E se sabe que h exatamente
casais?
Anlise Combinatria
10
19. De quantos modos se podem repartir 27 livros diferentes entre Ana, Beto e Carla, de
forma que Ana e Beto, juntos, recebam o dobro de livros de Carla e que ningum que
sem livro?
22. De quantas maneiras se podem pintar seis esferas iguais, usando-se apenas trs cores
diferentes?
23. Obtenha uma frmula para o nmero de solues inteiras no-negativas da inequao
x1 + + xn p (p > 0
inteiro dado).
24. Obtenha uma frmula para o nmero de solues inteiras no-negativas da equao
x1 + + xn = p (p > 0
satisfazendo
que
inteiro dado)
so inteiros no-negativos tais
25. Representantes de dez pases, incluindo a Rssia, Frana, Inglaterra e Estados Unidos,
sero dispostos em uma la. De quantas maneiras isso pode ser feito, se os representantes
da Frana e da Inglaterra devem car um ao lado do outro, e o americano e o russo no
devem?
27. Se quatro americanos, trs franceses e trs ingleses so colocados em uma la, determine o nmero de maneiras de disp-los de forma que nenhum grupo de mesma nacionalidade que todo junto.
28. Quantos inteiros entre 1 e 33000 no so divisveis por 3, por 5 e nem por 11?
29. Quantos inteiros entre 1 e 1000000 no so quadrados perfeitos, cubos perfeitos e nem
quartas potncias perfeitas?
Respostas
11
e 3, de forma que em cada nmero gure cada um desses trs algarismos pelo menos uma
vez?
31. Quantos inteiros entre 1 e 10000 tm soma de seus algarismos igual a 23?
32. No elevador de um edifcio entram seis pessoas.
podem saltar no primeiro, segundo e terceiro andares, de forma que salte pelo menos uma
pessoa em cada um desses andares?
33. De
centavos e 4 moedas de 1 real entre dois meninos, de maneira que cada menino receba
pelo menos uma moeda?
35. Mostre que o produto de p nmeros naturais consecutivos divisvel por p!.
36. Prove, usando um argumento combinatrio, que
(a)
(b)
(c)
(d)
(e)
n
m
n
nk
=
para 0 < k m n.
m
k
k
mk
n+m
n m
n
m
n m
=
+
+ +
r
0
r
1
r1
r
0
n
X n
k 3 = 2n3 n2 (n + 3) para n 3.
k
k=1
(3n)!
2n 3n
(3n)!
n! 2n 3n
Sugesto:
um nmero inteiro
r n, r m.
(n 1).
um nmero inteiro
(c) Considere
para
(n 1).
de escolher um grupo com pelo menos uma pessoa e selecionar desse grupo um presidente,
um vice e um secretrio, os cargos podendo ser cumulativos.
(d) e (e) Pense qual o nmero de maneiras de separar
de tamanho 3.
Respostas
9. 1000 funes, 720 injetoras
10. 1040, 520
11. (a) 756756
(b) 126126
3n
objetos distintos em
grupos
Anlise Combinatria
12
12. (a) 45
13. 2160
14. 460800
15. (a) 144
(b) 41
(b) 12
16. 2279881890
17. 656
18. (a) 360 (b) 480
19. 1, 23 . 1012
20. 120
21. (a) 360
(b) 21600
22. 28
23.
p+n
n
24.
pa1 an +n1
n1
25. 564480
26. (a) 378
(b) 84
27. 3079296
28. 16000
29. 998910
30. 3n 3 . 2n + 3
31. 480
32. 540
33. 118
34. 5464800
(c) 15120
Captulo 2
Probabilidade
1. Denies e propriedades
1.1.
Um experimento
aleatrio
determinstico
espao amostral
implica a ocorrncia de
se
chamado
A implica que B .
evento.
Em palavras,
B.
A B = { : A
A
Um subconjunto
A e B , dizemos que A B
ou
B}
e representa o evento de
ocorre.
de que ambos
Dois eventos
que
ocorrem.
so
disjuntos
ou
mutuamente exclusivos se A B = .
Isso signica
no ocorrem simultaneamente.
A,
complementar
de
Ac = { : 6 A}
e representa o
no ocorre.
c
(
i=1 Ai ) = i=1 Ai ,
(DM1)
c
(
i=1 Ai ) = i=1 Ai .
(DM2)
Ai 's
Ai 's
Ai 's
ocorre igual ao
Probabilidade
14
AB
AB
A
A
A
B
B
Ac
disjuntos
A e B; A e B
disjuntos; Complementar de
A.
A ,
denimos a probabilidade de
P (A) =
Observao.
igualmente provvel.
como
|A|
.
||
Uma
probabilidade
uma funo
que
0 P (A) 1
(A2)
P () = 1,
para todo
A F,
[
i=1
A tripla
(, F, P )
chamada um
A1 , A2 , . . . F
X
Ai =
P (Ai ).
i=1
espao de probabilidade .
de eventos dois a
Denies e propriedades
Observao.
na classe
).
i , i = 1, 2, . . .,
i = 1, 2, . . ., p(i )
evento
de todos os subconjuntos de
No caso de
15
p(i )
um nmero
P()
= {1 , 2 , . . .}, associamos
P
p(i ) 0 e
i=1 p(i ) = 1. Para
tal que
ou
como
{i }.
A probabilidade de um
denida por
P (A) =
p(i ).
i: i A
Quando
eventos. O ponto essencial que essa classe contm todos os subconjuntos (eventos) de
interesse prtico. Um exemplo importante
-lgebra
de Borel.
Para mais
detalhes sobre esse tema, sem ainda abordar profundamente a Teoria da Medida, veja-se
o livro de James [6].
P () = 0.
2. Aditividade nita: Se
A1 ,
...,
An
n
[
n
X
Ai =
P (Ai ).
i=1
3.
P (Ac ) = 1 P (A)
5. Se
A B,
ento
i=1
A.
P (A) P (B).
Probabilidade
16
A1 , A2 , . . . , An
de
eventos,
n
[
X
X
Ai =
P (Ai )
P (Ai Aj )
i=1
i<j
i<j<k
8. Continuidade por baixo: Se
An A
quando
n ,
P (An ) P (A)
ento
quando
n .
para todo
P (An ) P (An+1 )
Ai
A=
para todo
[
An .
A1 , A2 , . . .
de eventos,
P (Ai ).
i=1
i=1
Seja
(, F, P )
probabilidade condicional
de
dado que
com
P (A B)
.
P (B)
P (A | B) =
so eventos com
P (B) > 0,
Se
A1 , A2 , . . . An
ento
2.3. Condicionamento:
Se
so eventos com
ento
P (A) = P (A | B) P (B) + P (A | B c ) P (B c ) .
Seja
{B1 , B2 , . . . , Bn }
Sn
i=1
Bi
P (Bi ) > 0
para todo
P (A) =
n
X
i=1
i.
P (A | Bi ) P (Bi ) .
A,
17
{B1 , B2 , . . . , Bn }
Seja
para todo
um evento com
P (A) > 0,
ento,
j = 1, . . . , n,
P (A | Bj ) P (Bj )
P (Bj | A) =
n
X
P (A | Bi ) P (Bi )
i=1
B5
B1
B2
B4
B8
B6
B7
B3
Figura 2.2: Partio de
em
B9
{B1 , B2 , . . . , B9 }
e um evento
A.
2.6. Para um evento B xado tal que P (B) > 0, temos que P ( | B) uma probabilidade.
2.7.
Dois eventos
Observao.
so
Em palavras,
independentes
e
se
P (A B) = P (A) P (B).
e ndices
2.9.
independente
eventos independente.
ou
Acj ,
P (B1 B2 . . . Bn ) = P (B1 ) P (B2 ) . . . P (Bn ).
Probabilidade
18
2.11.
independentes
Ai
A1 , A2 , . . .
so independentes.
Exerccios
1. Sejam A, B
eventos em termos de
(a) Apenas
(b)
A, B
C:
ocorre;
ocorrem, mas
no ocorre;
Soluo.
(a)
Observao.
52 . 48 . 44 . 40
0, 676;
52 . 51 . 50 . 49
(b)
52 . 39 . 26 . 13
0, 105.
52 . 51 . 50 . 49
Exerccios
19
3. Em uma classe, estudam dez crianas, entre as quais os irmos Ana e Beto.
A professora
decide separar ao acaso a turma em dois grupos de cinco crianas cada um; o primeiro
grupo far um trabalho sobre os planetas e o segundo sobre as civilizaes antigas. Qual
a probabilidade de que os irmos Ana e Beto faam parte do mesmo grupo? H alguma
diferena (no racioccio e no resultado) se ambos os grupos faro trabalhos sobre o mesmo
assunto?
5. Qual a probabilidade de que os aniversrios de doze pessoas sejam em meses diferentes? E a probabilidade de que os aniversrios de seis pessoas sejam em dois meses?
Calcule a probabilidade da
respectivamente, de 8 e 9 jogadores.
Quatro membros de cada clube so escolhidos ao acaso para participar de uma competio
entre as duas escolas. Os jogadores selecionados de uma equipe so pareados aleatoriamente com aqueles da outra equipe, e cada par joga uma partida de xadrez.
Suponha
que Rosa e sua irm Margarida esto nos clubes de xadrez em escolas diferentes. Qual a
probabilidade de que
(a) Rosa e Margarida sejam pareadas;
(b) Rosa e Margarida sejam escolhidas para representar suas escolas mas no joguem
entre si;
(c) exatamente uma das irms seja selecionada para representar sua escola.
9. Se Andr e Pedro esto entre n homens dispostos aleatoriamente em uma la, qual
a probabilidade de que haja exatamente
10. Suponha que cada uma de um total de n varetas seja quebrada em uma parte longa
e uma curta. As
2n
Probabilidade
20
acaso (com
Se
2r
sapatos so escolhidos ao
n = 10
Considere
r=2
12. Sejam A1 , A2 , . . .
(a) Se
P (An ) = 0
para todo
n 1,
ento
P (
n=1 An ) = 0.
(b) Se
P (An ) = 1
para todo
n 1,
ento
P (
n=1 An ) = 1.
14. Uma secretria atrapalhada prepara quatro cartas com contedos distintos para enviar a quatro rmas distintas. Na hora de envelop-las, bate um vento que derruba as
cartas e os envelopes, e, com pressa, a secretria coloca aleatoriamente as cartas nos
envelopes.
(a) Determine a probabilidade de que nenhuma carta tenha sido corretamente envelopada.
(b) Sabendo que ao menos uma carta foi colocada no envelope certo, calcule a probabilidade de que todas as cartas tenham sido corretamente envelopadas.
Soluo.
A : Pelo
Ai : A i-sima
i = 1, 2, 3, 4.
S
A = 4i=1 Ai , temos que, pelo Princpio da Incluso-Excluso,
X
X
X
P (A) =
P (Ai )
P (Ai Aj ) +
P (Ai Aj Ak ) P (A1 A2 A3 A4 ).
Como
i<j
i<j<k
Porm,
P (Ai ) =
3!
1
= , i = 1, 2, 3, 4,
4!
4
2!
1
= , 1 i < j 4,
4!
12
1
1
P (Ai Aj Ak ) =
= ,1i<j<k4
4!
24
P (Ai Aj ) =
Exerccios
21
P (A1 A2 A3 A4 ) =
1
1
= .
4!
24
Portanto,
1
4 1
4 1
1
5
P (A) = 4 .
+
= .
4
2 12
3 24 24
8
Assim, a probabilidade de que nenhuma carta tenha sido corretamente envelopada
P (Ac ) = 3/8 = 0, 375.
(b) Visto que
(A1 A2 A3 A4 ) A = A1 A2 A3 A4 ,
P (A1 A2 A3 A4 | A) =
a probabilidade desejada
1/24
1
P (A1 A2 A3 A4 )
=
= .
P (A)
5/8
15
16. Cinco bolas so selecionadas aleatoriamente, sem reposio, de uma urna que contm
5 bolas vermelhas, 6 bolas brancas e 7 bolas azuis.
17. Um colgio tem em seu corpo docente sete professores de Biolgicas, oito professores
de Exatas e nove professores de Humanas. Uma comisso de sete professores ser selecionada aleatoriamente. Determine a probabilidade de que nesta comisso haja pelo menos
um professor de cada rea.
19. Sabe-se que com probabilidade 1 pelo menos um dos eventos Ai , 1 i n, ocorre, e
que no mais que dois ocorrem simultaneamente. Se
mostre que
20. Trs
p 1/n
P (Ai ) = p
P (Ai Aj ) = q , i 6= j ,
q 2/n.
Para isso,
pegam uma urna com duas bolas brancas e uma bola vermelha, e cada um retira sucessivamente uma bola, sem reposio. Aquele que pegue a bola vermelha ser o escolhido
para realizar a misso. Mostre que todos tm a mesma probabilidade de ser o escolhido,
qualquer que seja a ordem em que realizem as extraes.
21. Um contador tem sobre a sua mesa dois grupos de 20 planilhas cada um.
No primeiro
grupo existem duas planilhas com erros de clculo e no segundo h trs. Um vento faz
com que as planilhas caiam da mesa, e, ao arrum-las, uma do primeiro grupo se mistura
s do segundo grupo. Qual a probabilidade de que, ao revisar uma planilha do segundo
grupo, o contador encontre um erro?
22. Um
um terno com probabilidade 2/5, uma gravata com probabilidade 5/12 e uma camisa
Probabilidade
22
2/15, um terno e uma camisa com probabilidade 17/60 e uma gravata e uma camisa com
probabilidade 1/4; compra os trs itens com probabilidade 1/12. Considere os eventos
(a) Os eventos
A, B
A: O
B: O
C: O
so independentes?
23. Em
um curso secundrio,
1/3
2/3
dos es-
Soluo.
Sejam os eventos
A: O
B: O
2
1 2 1 1
. + . = .
10 3 5 3
15
P (A| B) =
P (B| A) P (A)
(1/10)(2/3)
1
=
= .
P (B)
2/15
2
24. Uma fbrica de sorvete recebe o leite que utiliza de trs fazendas:
20% da fazenda 1,
Exerccios
23
25. Considere duas moedas, uma honesta e a outra que resulta cara em cada lanamento
com probabilidade
0, 6.
observa-se cara trs vezes. Qual a probabilidade de que a moeda escolhida tenha sido a
moeda honesta?
26. Jogamos um dado honesto e em seguida lanamos tantas moedas honestas como os
pontos indicados no dado.
(a) Qual a probabilidade de obter quatro caras?
(b) Dado que foram obtidas quatro caras, qual a probabilidade de que o dado tenha
mostrado seis pontos?
27. A
com probabilidades respectivas 0,02, 0,03 e 0,05 a massa do bolo no cresce. Sabe-se que
30 por cento e
bolo no cresceu, qual a probabilidade de que tenha sido preparada pelo cozinheiro
A?
descobre que sua coleo de jias foi roubada. Aps as investigaes, a polcia tem certeza
de que o ladro foi precisamente uma das 76 pessoas presentes festa (entre convidados
e garons). Ademais, os investigadores encontram na cena do crime o perl de DNA do
ladro, e sabe-se que este perl de DNA ocorre em 2% de toda populao. Dado que o
DNA do Sr. Joo, o primeiro suspeito cujo DNA analisado, combina com o perl achado
na cena do crime, qual a probabilidade de que ele tenha roubado as jias?
30. Um
Considere os
eventos
A:
B:
C:
Probabilidade
24
A, B
Prove que
31. Um
Sugesto:
An
Dena
7?
32. Existem
n-simo
n1
ensaio.
p = 1/10,
independente-
mente das demais. Determine a probabilidade de que exista uma estrada aberta de A a B
dado que no existe um caminho aberto de A a C.
Se, alm disso, existe uma estrada direta de A a C, esta estrada sendo bloqueada com probabilidade
pedida.
que a probabilidade delas obterem igual nmero de caras a mesma que a de obterem ao
todo
caras.
34. Sejam A1 , A2 , . . .
P
n
[
Ak = 1
n
Y
(1 P (Ak )) 1 exp
P (Ak ) .
k=1
k=1
k=1
n
X
P (Ak ) =
Ak = 1.
k=1
k=1
Bn =
Sn
k=1
Ak
k=1
Ak
quando
n .
onde
dena
um dos dois
Sugesto:
Prove que
37. Seja P
igual a
um divisor de
B
ou
faz de
1,
ento
que se
independente
Mostre que
F = P ()
e, para
|A| |B|.
e suponha que A um evento
independentes se e somente se P (B |A) =
com
Sugesto:
faz de
Se a ocorrncia de
B.
P (A)
Para provar
so
P (Ac B) + P (A B) = P (B).
Respostas
25
38. Seja P
E, F
P (A |B) = 1,
P (F Gc ) > 0,
ento
P (E |F ) = P (E |F G)P (G |F ) + P (E |F Gc )P (Gc |F ).
Respostas
1. (a) A B c C c
(b)
A B Cc
(c)
ABC
(d)
ABC
(e)
Ac B c C c = (A B C)c
(f )
(A B c C c ) (Ac B C c ) (Ac B c C)
(g)
(h)
(A B C c ) (A B c C) (Ac B C) (A B C) =
Complementar de (g)
(b)
0, 952
7. (a) 0, 236
(b)
0, 121
8. (a) 1/18
(b) 1/6
(c)
0, 999
(c) 1/2
n
2r
22r /
(b)
2n
2r
2n /
(b)
2n
n
n1
2r2
22r2 /
2n
2r
(c)
n
2
n2
2r4
22r4 /
2n
2r
15. 12/35
16. 6055/8568
17. 903/1012
18. 0, 051
20. Dena Vi
P (Vi ) = 1/3
para
i = 1, 2, 3.
i-sima
Probabilidade
26
21. 31/210
22. (a) No
(b) 4/15
(c) 16/35
(d) 1/6
(b) 8/13
25. 0, 42
26. (a) 29/384
27. (a) 1/6
(b) 15/29
(b) 7/12
(c) 8/21
28. 0, 345
29. 2/5
31. 5/11
32. 99/199 em ambos os casos.
35. (a) Sim.
faz de
P (A | B) > P (A).
P (A) = 0
P (A) = 1.
Captulo 3
Variveis aleatrias
1. Denies
1.1.
Uma
varivel aleatria X
em um espao de probabilidade
(, F, P )
uma funo a
tal que
{X x} = { : X() x} F
para todo
x R.
discretas
contnuas .
= FX
denida por
(F2)
contnua direita: se
(F3) Se
xn ,
ento
xn x,
F (xn ) 0;
se
a < b,
ento
ento
F (a) F (b).
F (xn ) F (x).
xn +,
ento
F (xn ) 1.
Outras propriedades:
(i) Para
(ii)
a, b R
com
para
x R,
P (X = x) = F (x) F (x ) = Salto
de
no ponto
x.
Ademais,
Variveis aleatrias
28
Observao.
Uma funo
F :RR
1.3.
X.
discreta
{x1 , x2 , . . .}, .
de
A funo
p(x) = P (X = x)
chamada
funo de probabilidade
X.
(absolutamente) contnua
f (x) 0
tal
que
f (t) dt, x R.
FX (x) =
Observao.
possveis
uma
de
X.
{xi }i1
e as respectivas probabilidades
pi > 0, i
{pi }i1
satisfazendo
pi = 1.
i=1
Uma varivel aleatria contnua denida quando denimos uma funo
Z
f (x) 0, x
f : R R tal que
f (x) dx = 1.
1.4.
funo indicadora
valores 1 ou 0 conforme
de um evento
(
IA () =
1.5.
Para
se
A,
se
6 A.
B R,
X
p(xi )
i: xi B
P (X B) =
Z
f (x) dx
se
discreta,
se
f,
um subconjunto de
29
F (x)
1
P (X = x3 )
P (X = x2 )
P (X = x1 )
x1
x2
x3
fX (x)
P (a X b)
buio.
1.
{x1 , . . . , xn } R
P (X = xi ) =
X
2.
1
, i = 1, . . . , n.
n
particular em que
x1 = 1, . . . , xn = n
0 p 1,
Bernoulli(p),
denotado por
{x1 , . . . , xn }.
O caso
Uniforme Discreta(n).
P (X = x) = px (1 p)1x , x = 0, 1.
X
rimento que tem somente dois resultados possveis: sucesso e fracasso, com probabilidades respectivas
(1 p)).
Variveis aleatrias
30
3.
n x
P (X = x) =
p (1 p)nx , x = 0, 1, . . . , n.
x
X
probabilidade de sucesso
em cada ensaio.
o Bernoulli(p).
Propriedade:
0 a
Se
Poisson(),
> 0,
vai de
Geomtrica(p),
(n + 1) p.
P (X = x) =
5.
4.
0 < p < 1,
0 < p 1,
e x
, x = 0, 1, . . .
x!
P (X = x) = p (1 p)x1 , x = 1, 2, . . .
X
em cada ensaio.
Propriedade fundamental:
Falta de memria.
P (X m + n | X m) = P (X n)
6.
r1
inteiro e
para
m, n = 1, 2, . . .
0 < p 1,
x1 r
P (X = x) =
p (1 p)xr , x = r, r + 1, . . .
r1
X
r-simo
31
Cumpre enfatizar que uma varivel aleatria com distribuio Binomial Negativa(r, p)
pode ser escrita como a soma de
o Geomtrica(p).
7.
Hipergeomtrica(n, R, N ),
n, R, N
inteiros,
n N, R N,
se tem funo de
1
N R R N
P (X = x) =
,
nx
x
n
para
N + R) x mn(n, R). X
so vermelhas e
o nmero de bolas
N R
azuis.
a, b R, a < b,
fX (x) =
X
2.
1
, a < x < b.
ba
2
Normal(, ),
R, > 0,
(a, b).
1
2
2
fX (x) = e(x) /(2 ) , x R.
2
Essa distribuio tambm chamada distribuio de Laplace-Gauss.
A distribuio normal de parmetros
= 0
= 1
padro. Sua importncia deriva do fato de que se pode obter uma varivel aleatria
normal padro a partir de uma normal qualquer. De fato, se
Z=
para todo
z.
ento
X
N (0, 1).
(z) + (z) = 1
X N (, 2 ),
(),
tabelada e satisfaz
Variveis aleatrias
32
3.
Exponencial(),
> 0,
fX (x) = ex , x 0.
Propriedade fundamental:
Falta de memria.
P (X s + t | X s) = P (X t)
4.
Gama(, ),
> 0, > 0,
s, t R
s0
com
t 0.
1 x
x
e
, x 0.
()
fX (x) =
Observao.
para
: (0, ) R
denida por
x1 ex dx, > 0,
() =
0
e possui as seguintes propriedades:
(i)
(ii)
( + 1) = (), > 0.
(n + 1) = n!
para
n0
inteiro.
x1 e x dx =
0
5.
Beta(a, b),
a > 0, b > 0,
fX (x) =
Observao.
()
se
>0
> 0.
1
xa1 (1 x)b1 , 0 x 1.
B(a, b)
B : (0, ) (0, ) R
denida por
B(a, b) =
0
e satisfaz
6.
Cauchy(a, b),
a R, b > 0,
fX (x) =
1
, x R.
b 1 + [(x a)/b]2
a = 0
b = 1
denominada Cauchy
33
probabilidade de
Poisson(), com
Se
grande
Y,
n,
entre 0 e
P (X = k) P (Y = k) =
e k
.
k!
= n p.
p,
ento, quando
grande e
pequeno o suciente a
n 20
p 0, 05
ou se
n 100
n p 10.
= np
2 = n p (1 p).
de De Moivre e Laplace (
X np
p
n p (1 p)
P (X i) = P
entre 0 and
X np
da normal padro.
n,
i np
p
p
n p (1 p)
n p (1 p)
i np
p
n p (1 p)
!
.
Visto que estamos aproximando uma varivel aleatria discreta por uma varivel contnua,
podemos fazer o seguinte ajuste:
P (X i) = P (X i + 0, 5)
i + 0, 5 n p
p
n p (1 p)
!
,
Variveis aleatrias
34
e, para
ij
P (i X j)
n,
j + 0, 5 n p
p
n p (1 p)
0, 5
de Fisher
i 0, 5 n p
p
n p (1 p)
conhecido como
!
.
correo de continuidade
recomendvel quando
np 5
n (1 p) 5
ou
n p (1 p) 10
Sejam
do par
(X, Y )
denida por
F (x, y) = P (X x, Y y), x, y R.
As
de
dade. A
6.2.
de
p(x, y) = P (X = x, Y = y), x, y R.
Note que
As
p(x, y) > 0
apenas para
(x, y)
de
p(x, y), x R
6.3. Sejam X e Y
mos que
uma
so
pY (y) =
R2 .
p(x, y), y R.
so
conjuntamente contnuas
f (x, y) 0,
chamada
F (x, y) =
f (u, v) du dv.
Se
35
Z
f (x, y) dy, x R
fX (x) =
Observao.
ento so
respectivas
f (x, y) dx, y R.
fY (y) =
f (x, y),
As variveis aleatrias
Ai R
(borelianos),
X1 , . . . , X n
so
independentes
i = 1, . . . , n,
P (X1 A1 , . . . , Xn An ) =
n
Y
P (Xi Ai ).
i=1
Ento,
X1 , . . . , Xn so
independentes se e somente se
x1 , . . . , x n .
X1 , . . . , X n
so independentes se e somente se
x1 , . . . , x n .
X1 , . . . , X n
dade conjunta
Ento,
X1 , . . . , X n
so independentes se e somente se
x1 , . . . , x n .
Variveis aleatrias
36
7.5.
independente
7.6.
Se
X1 , . . . , X n
7.7.
Xi 's
so independentes.
identicamente distribudas.
Seja
Suponhamos que
e seja
a inversa de
g(y) =
Observao.
d 1
(y)
dy
se
caso contrrio.
X,
tem uma
dada por
f (1 (y))
No caso de
Y = (X)
f.
y = (x)
para algum
x,
FY
em termos de
FX .
X
R
Sejam
um conjunto aberto de
R2 .
X1
X2
e suponhamos que
37
Y1
Y2 ,
mao
y1 = 1 (x1 , x2 ),
()
y2 = 2 (x1 , x2 ).
Suponhamos que:
1. As funes () so contnuas e tm derivadas parciais
em todos os pontos
yi /xj , i, j = 1, 2,
contnuas
(x1 , x2 ) A.
A?
a imagem da transfor-
x2 = 2 (y1 , y2 ),
()
em
A? ,
onde
mao.
3. A transformao inversa
x1 = 1 (y1 , y2 ),
A?
"
#
x1 /y1 x1 /y2
(x1 , x2 )
J(y1 , y2 ) =
= det
6= 0.
(y1 , y2 )
x2 /y1 x2 /y2
Ento,
Y1
Y2
g(y1 , y2 ) =
f (x1 , x2 ) |J(y1 , y2 )|
0
onde
x1
x2
Observao.
(y1 , y2 ) A? ,
se
caso contrrio
J(y1 , y2 ) = J(x1 , x2 )1 ,
x1
8.3.
(a) Sejam
x2
onde
funes de probabilidade
de probabilidade
pX
p = pX pY
pY ,
respectivamente. A
convoluo
denida por
p(z) =
X
x
pX (x) pY (z x),
de
pX
pY
a funo
Variveis aleatrias
38
para
z {. . . , 1, 0, 1, . . .}.
tria
Z =X +Y.
(b) Sejam
p(z)
A funo
sidade respectivas
fX
fY .
convoluo
de
fX
fY
a funo
f = fX fY
denida
por
fX (x) fY (z x) dx, z R.
f (z) =
Ento,
8.4.
Z =X +Y
Sejam
sidade respectivas
(i)
X Y
f.
fX
fY .
Ento,
fX (x) fY (x z) dx, z R.
fXY (z) =
(ii)
XY
Z
fXY (z) =
(iii)
Y /X
z
1
fX (x) fY
dx, z R.
|x|
x
fY /X (z) =
9. Estatsticas de ordem
Sejam
X1 , X2 , . . . , Xn
e funo de distribuio
aleatrias
F.
Dena
Y1 Y2 Yn
Yi
i-sima
X1 , X2 , . . . , Xn .
As variveis
estatsticas de ordem
associadas a
menor de
so denominadas as
X1 , X2 , . . . , Xn .
A densidade conjunta de
Y1 , . . . , Y n
dada por
i < j,
a densidade conjunta de
Yi
Yj
dada por
n!
[F (x)]i1 [F (y) F (x)]ji1 [1 F (y)]nj f (x) f (y)
(i 1)! (j i 1)! (n j)!
Modelos multidimensionais
para
39
x < y.
A densidade de
Yi
dada por
fYi (x) =
n!
[F (x)]i1 [1 F (x)]ni f (x), x R.
(i 1)! (n i)!
Em particular, as densidades de
Y1 =
mn{X1 , . . . , Xn } e
Yn =
mx{X1 , . . . , Xn } so,
respectivamente,
Distribuio multinomial:
Seja
{A1 , . . . , An } uma
P
pi = P (Ai ), ento ni=1 pi = 1.
partio de
Ai
nas
m repeties.
A varivel
Seja
em
eventos. Ob-
Xi o nmero de ve-
n-dimensional (X1 , . . . , Xn )
m, p1 , . . . , pn .
A funo de probabili-
P (X1 = x1 , . . . , Xn = xn ) =
para
xi {0, 1, . . . , m}
Note que
2.
Xi
com
m!
px1 . . . pxnn ,
x1 ! . . . xn ! 1
x1 + + xn = m .
Binomial(m, pi ) para
i = 1, . . . , n.
N1
so da cor 1,
N2
varivel
da cor 2,
N ),
. . . , Nr
e seja
r-dimensional (X1 , . . . , Xr )
de parmetros
n, N1 , . . . , Nr , N .
Xi
da cor
Observe que
Xi
com
bolas, das
Retiram-se
extradas. A
P (X1 = x1 , . . . , Xr = xr ) =
xi {0, 1, . . . , n}
r (N = N1 + + Nr ).
para
N1
x1
1
Nr
N
...
,
xr
n
x1 + + xr = n .
Hipergeomtrica(n, Ni , N ) para
i = 1, . . . , r.
Variveis aleatrias
40
3.
Distribuio uniforme:
Vol (G) o volume
Seja
G Rn
n-dimensional
de
G,
onde
denido por
Z
Vol (G)
> 0,
dx1 . . . dxn .
G
A varivel
densidade
Ento, para
B Rn ,
P (X B) =
e
G)
.
Vol (G)
Vol (B
G.
de estimao estatstica.
1. Se
Z1 , . . . , Zn
com distribuio
N (0, 1),
ento a varivel
X = Z12 + + Zn2
tem
distribuio
2. Se
2n
a Gama(n/2, 1/2).
X N (0, 1)
Y 2n ,
ento a
varivel
X
T =p
Y /n
tem
denotada
( n+1 )
1
fT (t) = 2 n
, t R.
n ( 2 ) (1 + t2 /n)(n+1)/2
A distribuio
t1
a Cauchy padro.
tn .
A densidade
Exerccios
3. Se
41
U=
tem
X 2m
Y 2n , ento a varivel
X/m
Y /n
( m+n
)
fU (u) = m 2 n mm/2 nn/2 um/21 (n + m u)(m+n)/2 , u > 0.
( 2 ) ( 2 )
Se
11.2.
X F (m, n),
Sejam
ento
X1 , . . . , X n
N (, 2 ). Denimos
Pn
Xi
X = i=1
= Mdia amostral e
n
Pn
Pn
2
2
2
2
i=1 (Xi X)
i=1 Xi n X
S =
=
= Varincia
n1
n1
com distribuio
Ento,
S2
1) S 2 / 2 2n1 .
amostral.
N (, 2 /n)
X
(n
)
(X
tn1 .
n
S
Exerccios
1. Quinze pessoas portadoras de determinada doena so selecionadas para se submeter
a um tratamento. Sabe-se que este tratamento ecaz na cura da doena em 80% dos
casos. Suponha que os indivduos submetidos ao tratamento curam-se (ou no) independentemente uns dos outros e considere
submetidos ao tratamento.
(a) Qual a distribuio de
X?
Variveis aleatrias
42
3. O
1/2.
haja trs ou mais erros tipogrcos nesta pgina. Calcule esta probabilidade dado que h
pelo menos um erro nesta pgina.
time estrangeiro em excurso pelo pas vai jogar um amistoso contra cada um dos times
1, 2 e 3. Suponha que contra o time 1 este time tem probabilidade 1/4 de conquistar a
vitria, enquanto que essa probabilidade vale 1/2 quando o adversrio o time 2 e vale
2/5 quando o adversrio o time 3. Assuma tambm que os resultados dos trs amistosos
so independentes. Seja
trs amistosos.
(a) Obtenha a funo de probabilidade de
X.
(b) Qual a probabilidade de que o time estrangeiro obtenha pelo menos uma vitria?
Suponha agora que, dependendo do seu desempenho nos trs amistosos, o time estrangeiro decidir fazer um quarto jogo, contra o time 4. Caso conquiste trs vitrias nos trs
amistosos, jogar contra o time 4; caso obtenha exatamente duas vitrias, far o quarto
jogo com probabilidade 4/5 e no realizar o quarto jogo caso obtenha apenas uma vitria
ou no vena nenhum dos trs amistosos.
(c) Determine a probabilidade de que o quarto jogo seja realizado.
(d) Dado que o quarto jogo se realizou, qual a probabilidade de que o time estrangeiro
tenha vencido os trs amistosos iniciais?
Soluo.
Vi : O
Sabemos que
i, i = 1, 2, 3.
Ento,
9
3 1 3
= ,
4 2 5
40
1 1 3 3 1 3 3 1 2
9
+
+
= ,
4 2 5 4 2 5 4 2 5
20
Exerccios
43
(b) A probabilidade de que o time estrangeiro obtenha pelo menos uma vitria
P (X 1) = 1 P (X = 0) =
(c) Denotando por
31
.
40
P (F | X = 3) = 1,
P (F | X = 2) = 4/5,
P (F | X = 1) = P (F | X = 0) = 0,
P (F ) = P (F | X = 3) P (X = 3) + P (F | X = 2) P (X = 2) +
+ P (F | X = 1) P (X = 1) + P (F | X = 0) P (X = 0)
=1
4 11
1
+
= 0, 27.
20 5 40
P (X = 3 | F ) =
P (F | X = 3) P (X = 3)
1/20
5
=
=
0, 185.
P (F )
27/100
27
Seu controle
X.
6. Um nmero aleatrio N
P (N = i) =
A soma dos resultados
(a)
N =2
(b)
S=3
7. Seja X
dado que
dado que
S.
1
, i = 1, 2, . . .
2i
S = 3;
N
par.
a (1 + x)
2/3
f (x) =
se
se
caso contrrio.
Obtenha:
(a) o valor de
a.
(b)
0 < x 1,
1 < x 2,
Variveis aleatrias
44
8. Se Y
9. Dena
P (Ea ) = 1
Sugesto:
Ea , 0 < a < 1,
P (a Ea ) = 0.
Seja
a,
mas
(0, 1)
e dena cada
Ea
em termos de
X.
10. O tempo de durao em horas de um componente eletrnico tem distribuio exponencial de parmetro 1/8.
produz descarta todos os componentes que falham nas trs primeiras horas, e os restantes
so comercializados.
(a) Determine a densidade da durao em horas de um componente comercializado.
(b) Qual a probabilidade de um componente comercializado durar mais que 12 horas?
duzidas pelo mtodo A e o resto pelo mtodo B. A durao em horas das lmpadas tem
distribuio exponencial com parmetro 1/80 ou 1/100, conforme se utilize o mtodo A
ou o B. Em um grupo de 10 lmpadas selecionadas ao acaso, qual a probabildade de que
6 delas durem pelo menos 90 horas?
menos 20 canhotos em uma escola com 200 alunos. Esclarea as suas hipteses.
14. O
15. Uma urna contm trs bolas brancas e duas bolas azuis.
sem reposio. Sejam
16. A
Y,
trs divorciadas, duas vivas e uma casada. Uma comisso de trs pessoas escolhida ao
acaso para elaborar folhetos de propaganda da organizao. Sejam
o nmero de
Y,
(b) Calcule a probabilidade de que pelo menos uma viva integre a comisso.
Exerccios
45
(c) Qual a probabilidade de que haja na comisso mais solteiras que vivas?
Distribumos
bolas
distinguveis
em
urnas,
Xj
j.
Demonstre que
(a)
(b)
(c)
k!
nk para kj 0
k1 ! . . . kn !
i
ki
k
1
1
P (X1 = i) =
1
, i = 0, . . . , k .
i
n
n
P (X1 = k1 , . . . , Xn = kn ) =
lim
n,k, k/n(0,)
P (X1 = i) =
com
Pn
j=1
kj = k .
e i
, i = 0, 1, . . .
i!
Distribumos
bolas
indistinguveis
em
urnas, de
forma que todas as conguraes so igualmente provveis. Permitimos que mais de uma
bola seja colocada numa mesma urna. Seja
Xj
j.
Mostre que
1
Pn
n+k1
P (X1 = k1 , . . . , Xn = kn ) =
para kj 0 com
j=1 kj = k .
n1
1
n+ki2 n+k1
P (X1 = i) =
, i = 0, . . . , k .
n2
n1
i
1
lim
P (X1 = i) =
, i = 0, 1, . . .
n,k, k/n(0,)
+1 +1
(a)
(b)
(c)
19. Considere a distribuio aleatria de k bolas em n urnas como explicada nos exerccios 17 e 18. Suponha que
kn
e seja
P (A) =
n
X
i=0
k
n
i
(1)
1
i
n
i
P (A) =
1
k1 n+k1
.
n1
n1
distribudas, com
aleatrias
X1 , X2
21. Uma urna contm X bolas, onde X uma varivel aleatria com distribuio de Poisson de parmetro
Variveis aleatrias
46
Sugesto:
Para
x = y + z.
P (Y = y, Z = z) = P (Y = y, Z = z | X = x) P (X = x)
x y
e x
.
=
p (1 p)z
x!
y
22. Sejam X0 , XQ
1, . . .
n
j=0
Xj , n 0.
Considere
Zn =
Sugesto:
Por induo em
n,
Mostre que
n 0,
P (Z0 = 1, Z1 = 1, . . . , Zn = 1) = 1/2n+1 .
Da, use o tpico
23. Seja
em
OA
OA
um segmento de
de comprimento
so independentes.
a.
Denote por
X1
X2
P1
P2
os comprimentos dos
A.
M = distncia entre P1
P2 .
segmentos
M.
OY1 , Y1 Y2
Y2 A
seja
Soluo.
distribuio uniforme em
Alm disso,
M1 = mn{X1 , X2 },
M2 = mx{X1 , X2 }
M = M2 M1 = |X1 X2 |.
Queremos calcular
Claramente, se
Para
y > 0,
y 0,
ento
FM (y) = 0.
denimos o conjunto
Ay = {(u, v) R2 : |u v| y},
FM (y) = P ((X1 , X2 ) Ay ) =
B)
.
rea (B)
rea (Ay
portanto
Exerccios
Se
y > a,
47
ento
Ay B = B ,
logo
0 < y a,
FM (y) = 1.
FM (y) =
Assim, a funo de distribuio de
FM (y) =
a2 (a y)2
2ay y 2
=
.
a2
a2
dada por
se
y 0,
(2ay y 2 )/a2
se
0 < y a,
se
y > a.
(b) Como
FM
(
fM (y) =
Note que os valores de
(c) Recordamos que
fM
2(a y)/a2
0
nos pontos
M1 =
derivando
FM :
0 < y < a,
se
caso contrrio.
mn{X1 , X2 },
so arbitrrios.
M2 =
mx{X1 , X2 } e
a M2 ,
M = M2 M1 . Os
comprimento M1 , M e
M1 < M + a M2 , M < M1 + a M2
Assim, precisamos calcular P (M1 < a/2, M
C = {(u, v) R2 : mn{u, v} < a/2, |u v| <
a M2 < M1 + M.
o conjunto
1
B)
= .
rea (B)
4
rea (C
C B
Ay B
a/2
a/2
FM
e do item (c).
Variveis aleatrias
48
24. Um
Suponha que
o homem chega em uma hora uniformemente distribuda entre 12:15 h e 12:45 h e a mulher independentemente chega em uma hora uniformemente distribuda entre 12 h e 13 h.
Encontre as probabilidades de que
(a) o primeiro a chegar no espere mais que 5 minutos pelo segundo;
(b) a mulher chegue primeiro.
25. Sejam X
(
f (x, y) =
120 x (y x) (1 y)
0
P (X zY ) = 3 z 2 2 z 3
caso contrrio.
se
para
Y.
z (0, 1).
X/Y .
27. Seja U
[a]
28. Seja X
Y.
(0, 1).
log U
,
log(1 p)
a.
29. Seja X
a diferena
X = log1p U =
onde
p (0, 1),
Dado
Seja
Y = [X] + 1,
onde
[X]
Deni-
X.
Y.
[0, 10].
Deter-
Y = X 2 + 2.
(b)
(c)
Z = |X 4|.
= e2X , onde X
tro 1.
Soluo.
A densidade de
dada por
f (x) = ex , x > 0.
Exerccios
49
Consideremos a funo
Ento,
estritamente
decrescente, diferencivel e
y = (x) = e2x
x = 1 (y) =
1
log y,
2
dx
1
= .
dy
2y
A densidade de
Y = e2X
, portanto,
dx
1
g(y) = f ( (y)) = , 0 < y < 1.
dy
2 y
1
32. Seja
Y = eX ,
Seja
onde
(0, /2).
Y = sen X .
= arcsen X
quando
(a)
(0, 1);
(b)
(1, 1).
= |X|,
onde
tem distribuio
N (0, 1).
1/2
ex /2
f (x) =
0
Obtenha a densidade de
36. Sejam X
1/x2
0
se
1 < x < 0,
x 0,
caso contrrio.
f (x) =
se
Y = X 2.
Soluo.
N (0, 1).
Encon-
Y.
(b) So
tem distribuio
densidade de
35. Seja X
se
x > 1,
caso contrrio.
e
W,
onde
Z = XY
W = X/Y .
independentes?
(
fX,Y (x, y) =
1/(x2 y 2 )
0
se
dada por
x > 1, y > 1,
caso contrrio.
Obtenha a
Variveis aleatrias
50
1
z/w) e o Jacobiano de 1 igual a 1/(2w). Como
funo bijetora, (z, w) = ( zw,
(Z, W ) = (X, Y ), a densidade conjunta de Z e W dada por
0
caso contrrio.
Sejam
Assim,
1/(2z 2 w)
fZ,W (z, w) =
se
caso contrrio.
( Rz
fZ (z) =
1/(2z 2 w) dw
1/z
se
z > 1,
caso contrrio.
Logo,
(
fZ (z) =
Ademais,
log(z)/z 2
0
se
z > 1,
caso contrrio.
R
1/(2z 2 w) dz
R1/w
1/(2z 2 w) dz
fW (w) =
w
se
0 < w 1,
se
w > 1,
caso contrrio.
Portanto,
fW (w) =
1/2
se
0 < w 1,
1/(2w2 )
se
w > 1,
caso contrrio.
no so independentes.
37. Sejam X e Y
U = |X Y |
V =X +Y,
bem como
as marginais.
Soluo.
Sejam
denimos a
vamos usar o mtodo resumido no Teorema 2.1' da seo 2.7 de James [6]. Denimos
A(1) = {(x, y) A : y x > 0} e A(2) = {(x, y) A : y x < 0}. Ento, 1 := |A(1) e
2 := |A(2)
1
1 (u, v)
=
vu u+v
,
2
2
1
e 2 (u, v)
=
u+v vu
,
2
2
.
Exerccios
51
Portanto,
ev
fU,V (u, v) =
se
0 < u < v,
caso contrrio.
38. Sejam X e Y
f.
Usando o Mtodo
Z = XY . Escreva a densidade de Z
densidades fX e fY , respectivamente.
Soluo.
so independentes, com
no caso em
w=x
z = xy
com Jacobiano
J(w, z) = 1/w.
y = z/w
(Recorde-se de que
x=w
P (W = 0) = 0).
z 1
.
g(w, z) = f w,
w |w|
Portanto, a densidade de
Z = XY
dada por
fZ (z) =
Assim, se
z 1
f x,
dx.
x |x|
fZ (z) =
fX (x) fY
fX
fY ,
z 1
dx.
x |x|
39. Sejam
Mostre
40. Sejam
Prove que
fR (r) = r er
2 /2
, r > 0.
Variveis aleatrias
52
41. Sejam
X
Gama(s, ), onde > 0, r > 0 e s > 0. Mostre que P = X + Y
tambm so independentes, P Gama(r + s, ) e Q Beta(r, s).
X
42. Sejam X
(
f (x, y) =
6y
se
43. Seja X
Y
Q = X/(X + Y )
Gama(r, ) e
caso contrrio.
Y.
So
independentes?
Z = Y /X .
doria que uma loja armazena no incio de cada ms de forma a satisfazer a demanda dos
clientes. Seja
dada por
1
10 x
f (x, y) =
se
caso contrrio.
44. Sejam X
(
f (x, y) =
(a) Obtenha
k xy
0
se
x + y 1,
caso contrrio.
k.
x 0, y 0
Y.
independentes?
P (X Y ), P (X 1/2 | X + Y 3/4)
U = X +Y
Respostas
53
(0, 2).
Ento,
Sugesto:
Z.
Dena
(
=
e mostre que para
|1 2 |
se
|1 2 | < ,
2 |1 2 |
se
|1 2 | < 2
0 < y < ,
P ( y) = P (|1 2 | y) + P (2 y |1 2 | < 2) =
(Ou seja,
(0, )).
y
.
Z = 2 2 cos .
Respostas
1. (a) Binomial (n = 15, p = 0, 8)
(b)
0, 035
(b)
4, 2 . 106
(c)
0, 83
(c)
0, 62
3. 0, 014; 0, 036
5. (a) P (X = 0) = 0, 54, P (X = 1) = 0, 36, P (X = 2) = 0, 09, P (X = 3) = 0, 01
(b)
0, 54
6. (a) 24/169
7. (a) 2/9
(b) 1/24
(b) 19/36
8. 3/5
10. (a) f (y) = (1/8) exp{(y 3)/8}, y > 3
(b)
0, 325
11. 0, 068
12. 0, 45
13. 0, 8363
14. 1
15.
X \Y
pX (x)
1/10
1/10
1/10
3/10
2/5
1/5
3/5
1/10
1/10
pY (y)
3/5
3/10
1/10
Variveis aleatrias
54
16. (a)
(b)
X \Y
pX (x)
1/30
1/10
1/30
1/6
1/5
4/15
1/30
1/2
1/5
1/10
3/10
1/30
1/30
pY (y)
7/15
7/15
1/15
P (Y 1) = 8/15
(c)
P (X > Y ) = 8/15
(b) 1/2
Beta(4, 2)
(c)
X/Y Beta(2, 2)
6
6
1
, k = 6, 4, 2, 0, 2, 4, 6
(k + 6)/2
2
= k) =
27. P (X = k) = p (1 p)k , k = 0, 1, . . .
28. Geomtrica(1 e )
29.
0
se y < 2,
y 2 se 2 y < 102,
(a) FY (y) =
1
se y 102.
0
se w < 2,
w/10 se 2 w < 4,
(b) FW (w) =
1
se w 4.
0
se z < 0,
z/5
se 0 z < 4,
(c) FZ (z) =
1
se z 6.
p
1 y 2 ), 0 < y < 1
(b)
Respostas
35.
55
1
1
+
e
4 y
1
fY (y) =
e y
4 y
se
0 y < 1,
se
y 1,
caso contrrio.
(b)
no so independentes.
(c)
P (X Y > 3 | Y 5) = 0, 375
44. (a) k = 24
(b)
(d)
(e)
g(u, v) = 3 (u2 v 2 ), u v u 1;
(c) No
P (X 2 + Y 2 1) = 1
fU (u) = 4 u3 , 0 u 1; fV (v) = 1 3 v 2 + 2 |v 3 |, 1 v 1
45.
1/(2 cos2 )
1/(2 z 2 ) se z > 1,
1/(2 sen2 )
fY /X (z) =
f () =
0
caso contrrio.
0
46. fZ (z) =
1/2
1
2
z z 2 /4
se
0 < z 1,
, z (0, 4)
se
0 < /4,
se
caso contrrio.
Captulo 4
Esperana
1. Denies e propriedades
1.1.
x
X = E(X) =
Z
x f (x) dx
denida por
se
discreta,
se
f.
Observao.
Assim,
X
X
x
P
(X
=
x)
(x) P (X = x)
x<0
x0
Z
Z
E(X) =
(x) f (x) dx
x f (x) dx
E(X)
discreta,
se
x<0
x0
e portanto
se
E(X)
E(X)
+.
Em
P (X 0) = 1.
1
, x Z .
2 |x| (1 + |x|)
Para ver por que esta uma funo de probabilidade, note que
X
1
1
1
=
= 1.
k
(1
+
k)
k
1
+
k
k=1
k=1
P
x P (X = x) = x<0 (x) P (X = x) = , E(X) no
Como
1.2.
x>0
g a valores reais,
X
g(x) P (X = x) se X
x
E[g(X)] =
Z
g(x) f (x) dx
se X
existe.
discreta,
f.
Esperana
58
1.3.
a que
integrvel
Para
1.5.
n 1,
varincia
n-simo momento
E(X)
Se
Var(X)
(a) Se
E(X n )
(se existe).
dada por
= E((X )2 ) = E(X 2 ) 2 .
so constantes, ento
E(a X + b) = a E(X) + b
1.7.
se
E|X| < .
1.4.
1.6.
Var(a X
+ b) = a2
Var(X).
E(X) =
P (X n).
n=1
(b) Se
ento
P (X > t) dt.
E(X) =
0
1.8.
(a) Se
E[(X, Y )] =
XX
x
(b) Se
1.10.
P (X Y ) = 1,
n
X
Xi =
i=1
1.11.
Se
X1 , . . . , X n
ento
n
X
E(X) E(Y ).
E(Xi ).
i=1
so independentes, ento
ento
Se
f (x, y),
E[(X, Y )] =
1.9.
p(x, y),
n
Y
i=1
Xi =
n
Y
i=1
E(Xi ).
ento
1.12.
covarincia
Cov(X, Y
Assim, Cov(X, Y
59
)=0
se
no
sempre
verdadeira).
1.13.
n
X
ai X i ,
Cov
m
X
i=1
bj Y j
n X
m
X
j=1
ai bj Cov(Xi , Yj ),
onde os
ai
bj
so nmeros
i=1 j=1
reais.
1.14.
1.15.
Var
Var
n
X
Xi =
n
X
i=1
i=1
n
X
n
X
Xi =
i=1
i=1
Observao.
Var(Xi )
+2
Cov(Xi , Xj ).
1i<jn
Var(Xi ) se
Recorde-se de que
X1 , . . . , X n
1.10 e 1.14
so independentes.
1.16.
Sejam
de correlao
entre
denido por
(X, Y ) =
onde
X =
Var(X) e
coeciente
Cov(X, Y
X Y
p
Y = Var(Y ).
=E
X X
X
Y Y
Y
,
Propriedades:
(i)
|(X, Y )| 1.
(ii) Se
(X, Y ) = 1,
ento os valores de
de
dado que
Y =y
denida por
pX|Y (x | y) = P (X = x | Y = y) =
para todos os valores de
dado que
Y =y
tais que
funo de probabilidade
pY (y) > 0.
p(x, y)
,
pY (y)
Neste caso, a
E(X | Y = y) =
X
x
x pX|Y (x | y).
esperana condicional
de
Esperana
60
f (x, y),
todos os valores de
Se
tais que
fY (y) > 0
esperana condicional
dado que
Y =y
denida para
f (x, y)
.
fY (y)
Y = y , neste caso,
Z
x fX|Y (x | y) dx.
E(X | Y = y) =
de
por
fX|Y (x | y) =
A
de
dado que
2.3.
Para
B R,
X
P (X = x | Y = y)
xB
Z
P (X B | Y = y) =
fX|Y (x | y) dx
no caso discreto,
no caso contnuo.
= y simplesmente a esperana de X
dado que
Y = y.
com
x
Z
E(g(X) | Y = y) =
g(x) fX|Y (x | y) dx
no caso contnuo.
Corolrio:
E (E(X | Y )) = E(X).
y
(b) E(X) =
Z
E(X | Y = y) fY (y) dy
(a)
funo de
Y)
se
discreta,
se
fY .
(c)
X
P (A | Y = y) P (Y = y)
y
P (A) =
Z
P (A | Y = y) fY (y) dy
se
discreta,
se
fY .
E(X).
Funes geradoras
61
3. Funes geradoras
3.1.
da varivel aleatria
X tx
e P (X = x)
x
MX (t) = E(etX ) =
Z
etx f (x) dx
denida por
se
discreta,
se
f,
para todo
tR
Observao.
MX
t = 0.
3.2. Propriedades:
dn
= E(X n ), n 1.
M
(t)
X
n
dt
t=0
1.
2. Para
X1 , . . . , X k
mentos respectivas
X1 + + Xk
dada por
3.3.
Sejam
X1 , . . . , X k
Se
X Binomial
Pk i
( i=1 ri , p).
Se
Se
Se
P
Xi Binomial( ki=1 ni , p).
Pk
Negativa(ri , p), i = 1, . . . , k , ento
i=1 Xi Binomial Negativa
Xi Binomial(ni , p), i = 1, . . . , k ,
Se
ento
Pk
i=1
P
Xi Poisson( ki=1 i ).
P
P
Xi Gama(i , ), i = 1, . . . , k , ento ki=1 Xi Gama( ki=1 i , ).
P
P
P
Xi Normal(i , i2 ), i = 1, . . . , k , ento ki=1 Xi Normal( ki=1 i , ki=1 i2 ).
Xi Poisson(i ), i = 1, . . . , k ,
Observao.
com a
Se
ento
Pk
i=1
de
X
x=0
MX (t) = GX (et ).
X,
Esperana
62
Propriedades:
(i)
(ii)
GX (1) = P (X < ) = 1.
dn
= E [X(X 1) . . . (X n + 1)] , n 1.
G
(t)
X
dtn
t=1
funo caracterstica
a funo
X : R C
denida por
1.
t R.
, x = 1, 2, . . .
vlida para
t 6= 0.
p et
1 q et
r
nR
N
r
p
1
p
p et
1 q et
R
R N n
N
N 1
rq
p2
q
p2
npq
n2 1
12
2
X
N + R) x
(, log(1 p)).
Para
mn(n, R) e a funo geradora de momentos foi
MX
e(e 1)
MX (t)
q = 1 p.
1
N R
R N
x
n
nx
x 1 r xr
p q , x = r, r + 1, . . .
r1
pq
x1
e x
, x = 0, 1, . . .
x!
(p et + q)n
n x nx
p q , x = 0, 1, . . . , n
x
np
n+1
2
et (en t 1)
n (et 1)
1
, x = 1, . . . , n
n
Hipergeomtrica(n, R, N )
Binomial Negativa(r, p)
Geomtrica(p)
Poisson()
Binomial(n, p)
Uniforme Discreta(n)
MX (t)
pX (x)
Funes geradoras
63
X (t) = ei a tb |t|
t<
1
, x R
b 1 + [(x a)/b]2
para
t<
para
1
xa1 (1 x)b1 , 0 x 1
B(a, b)
MX (t)
a
a+b
vlida para
t 6= 0.
ab
(a + b + 1)(a + b)2
1
2
(b a)2
12
2
X
A funo
a funo caracterstica.
geradora de momentos da distribuio Beta foi substituda por um asterisco pois no til. Para a distribuio de Cauchy, indicada
Tabela 4.2: Distribuies contnuas. Para a distribuio uniforme, a frmula indicada para
Cauchy(a, b)
Beta(a, b)
Gama(, )
Exponencial()
1 x
x
e
,x0
()
ex , x 0
2
Normal(, )
1
2
2
e(x) /(2 ) , x R
2
Uniforme(a, b)
2 t2 /2
a+b
2
eb t ea t
t (b a)
1
,axb
ba
e t+
MX (t)
fX (x)
64
Esperana
Desigualdades
65
4. Desigualdades
4.1. Desigualdade de Markov:
Se
X 0,
P (X )
> 0,
E(X)
.
t > 0,
P (|X| )
Seja
E|X|t
, > 0.
t
X
> 0,
P (|X E(X)| )
Var(X)
P (X a) eta MX (t)
para todo
t > 0;
P (X a) eta MX (t)
para todo
t < 0.
E(X) < .
E(|X|) <
Sejam
E(|(X)|) < .
a R,
Ento,
(E(X)) E((X)).
Se as variveis aleatrias
tm varin-
Exerccios
1. Duas bolas so escolhidas aleatoriamente de uma urna contendo 4 bolas azuis, 3 vermelhas e 2 laranjas.
ganhamos 1 real para cada bola laranja, porm perdemos 8 reais para cada bola vermelha.
Seja
o nosso lucro.
X.
X.
Esperana
66
3. Exatamente uma de seis chaves de aspecto semelhante abre uma determinada porta.
Testa-se uma chave aps a outra. Qual o nmero mdio de tentativas necessrias para se
conseguir abrir a porta?
4. Seja X
, > 0.
Obtenha
(a)
E (1 + X)1 .
(b)
E(2X ).
(c)
E(X!).
5. Seja
a varivel aleatria
X!
integrvel?
p.
Mostre
que
E
Z
Sugesto:
6. Seja
Use que
1
X
(1 p)x1 dp =
=
p log p
.
1p
(1 p)x
.
x
Para
x R
xado,
dena
(
X=
Mostre que
se
Z > x,
caso contrrio.
1
2
E(X) = ex /2 .
2
so independentes;
E(2X + 8Y );
Y.
Y,
Exerccios
67
Soluo.
valores de
correspondentes:
3/5
@
2/5@
@
onde
!B
1/2!
!!
B a
a
aV
1/2a
X=1
Y =1
Prob.
= 3/10
X=1
Y =0
Prob.
= 3/10
X=0
Y =1
Prob.
= 3/10
X=0
Y =0
Prob.
= 1/10
!
3/4!
!
!
aa
a
1/4a
(b)
e as marginais cam:
X \Y
pX (x)
1/10
3/10
2/5
3/10
3/10
3/5
pY (y)
2/5
3/5
no so independentes:
P (X = 0, Y = 0) =
1
2 2
4
6= P (X = 0) P (Y = 0) = . = .
10
5 5
25
(c) Temos
E(X) = E(Y ) = 0 .
3
3
2
+ 1. = ,
5
5
5
obtemos
3
.
50
2C .
C.
X=
Y =
1
0
1
0
caso contrrio;
caso contrrio.
so independentes?
Y,
Esperana
68
P (X = 0 | Y = 1).
(c) Obtenha
E(2X 12 Y + 6).
(d) Calcule
9. Seja X
+ Y ).
(
f (x) =
(a) Prove que
(b) Determine
E(X)
se
|x| < 1,
caso contrrio.
P (|X| k),
(c) Calcule
1 |x|
onde
0 < k < 1.
um nmero
(d) Utilizando a desigualdade de Chebyshev, obtenha uma cota superior para a probabilidade anterior.
(e) Para
k = 0, 2
k = 0, 8,
11. Sejam X
E(X)?
(
f (x, y) =
2 e2x /x
0
se
0 y x < ,
caso contrrio.
Calcule Cov(X, Y ).
12. Sejam X
1
f (x, y) = (x + y)e(x+y) , x 0, y 0.
2
(a)
so independentes?
13. Sejam X , Y
Z =X +Y.
E (X + Y )1 .
e
14. Sejam
correlao
X
.
X +Y
X + Z.
2 > 0 e coeciente de
Y . Conclua que a mdia
Exerccios
69
15. Sejam X e Y
e considere
U = mn{X, Y }
V = mx{X, Y }.
Calcule Cov(U, V ).
para determinar
16. Seja
cada
E(U V ).
[0, 1],
para
= mn{X1 , X2 , X3 }.
17. Um vaso contm 20 cartes, dois deles marcados 1, dois marcados 2, . . ., dois marcados 10. Cinco cartes so retirados ao acaso do vaso. Qual o nmero esperado de pares
que permanecem ainda no vaso?
(Este problema foi colocado e resolvido no sculo XVIII por Daniel Bernoulli, como um
modelo probabilstico para determinar o nmero de casamentos que permanecem intactos
quando ocorre um total de
Soluo.
Seja
mortes entre
m=5
N = 10).
cartes. Ento,
X = X1 + X2 + + X10 ,
onde, para
i = 1, 2, . . . , 10,
1
Xi =
0
Porm, para
se o
i-simo
caso contrrio.
i = 1, 2, . . . , 10,
18
5
20
5
E(Xi ) = P (Xi = 1) =
21
.
38
Assim, obtemos
Observao.
21
105
=
5, 53.
38
19
10
25
5
20
5
10
1
23
P (X = 5) =
9
P (X = 6) =
3
20
5
168
,
323
=
140
,
323
e calcular o valor
Esperana
70
10
2
16
1
P (X = 7) =
20
5
portanto
E(X) =
x P (X = x) =
15
,
323
105
5, 53.
19
18. Um nibus parte com 20 pessoas e tem em seu trajeto 10 pontos diferentes, parando
em um ponto somente se uma ou mais pessoas solicitarem. Suponha que cada passageiro
escolhe com igual probabilidade o ponto em que vai parar e que as escolhas so independentes de passageiro para passageiro.
pelo nibus.
Soluo.
Se
X = X1 + X2 + + X10 ,
onde
Xi =
1
0
i,
i = 1, . . . , 10,
Ento, para
E(Xi ) = P (Xi = 1)
= P (Pelo
= 1 P (Nenhuma
20
9
.
=1
10
i)
i)
E(X) = 10 . E(X1 ) = 10 . 1 (0, 9)20 8, 78.
Observao.
e calcular o
x = 1, . . . , 10,
#
"X
x1
20
1
10
x
,
P (X = x) =
(1)j
(x j)20
10
x
j
j=0
onde o termo entre colchetes o nmero de maneiras com que podemos distribuir
bolas distintas em
n = 20
urnas distintas de modo que nenhuma urna que vazia (o qual pode
E(X) =
10
X
x=1
x P (X = x) 8, 78.
Exerccios
71
de escolher ao acaso 10 sorvetes dessa sorveteria, podendo repetir o sabor. Por ao acaso,
queremos dizer que todas as escolhas possveis tm a mesma probabilidade. Qual o nmero
esperado de sabores diferentes que sero escolhidos?
20. Seis pares diferentes de meias so colocados em uma lavadora (doze meias ao todo,
e cada meia tem um nico par), porm apenas sete meias retornam.
Qual o nmero
21. Um crculo de raio 1 lanado em uma folha de tamanho innito dividida em quadrados iguais de lado com comprimento
1.
Calcule
23. Uma marca de biscoitos lana uma promoo que consiste em oferecer um adesivo em
cada pacote de biscoito. Existem
adesivos diferentes?
Detemine a
esperana e a varincia do nmero de mulheres que esto sentadas ao lado dos maridos.
25. Um grupo de nove amigos que se renem para jogar futebol composto por 2 goleiros,
3 zagueiros e 4 atacantes. Se os jogadores so agrupados ao acaso em trs trios (grupos
de tamanho 3), encontre a esperana e a varincia do nmeros de trios formados por um
jogador de cada tipo.
Uma
seguida
lanamentos.
N R
(n N ).
so do tipo 1 e
28. Suponha que temos r bolas distintas que so aleatoriamente distribudas em n urnas
(r
distribuio.
Xi
Xj
para
i 6= j .
Obtenha
Esperana
72
30. Considere
n
dos
2
lidade
um grafo com
vrtices numerados
1, 2, . . . , n,
p.
Seja
Di
o grau do vrtice
i,
como
Di ?
Sugesto:
e
Dena
Ii,j
Di
Dj
para
i 6= j .
j.
31. Seja (X, Y ) um ponto escolhido aleatoriamente no quadrado (0, 1) (0, 1).
Calcule
E(X|XY ).
Soluo.
fX,Y (x, y) =
Seja
X e Y dada por
(
1 se 0 < x < 1 e 0 < y < 1,
A densidade conjunta de
Z = XY .
caso contrrio.
1/x
fX,Z (x, z) =
se
caso contrrio.
Z.
Para
0 < z < 1,
1/x dx = log z.
fZ (z) =
z
Portanto, para
0 < z < 1,
fX|Z (x|z) =
Assim,
1
, z < x < 1.
x log z
E(X|Z = z) =
Z
x fX|Z (x|z) dx =
Finalmente,
E(X|XY ) =
32. Sejam X
f (x, y) =
E(X | Y )
1
z1
dx =
.
log z
log z
XY 1
.
log(XY )
Calcule
E(Y | X).
8xy
0
se
caso contrrio.
Z:
Exerccios
73
33. Sejam X
2 exp{y 2 }
f (x, y) =
se
0 < x < y,
caso contrrio.
Y = y.
dado que
E(X 3 | Y = y).
34. Uma farmcia possui uma quantidade X de centenas de unidades de um certo remdio
no incio de cada ms. Durante o ms, vendem-se
Suponha que
(
f (x, y) =
2/9
0
se
caso contrrio
Y.
uma densidade.
35. Uma
e interurbanas
durante um
(
f (x, y) =
6x
0
se
x 0, y 0
x + y 1,
caso contrrio.
(a) Calcule a probabilidade de que a proporo de chamadas locais realizadas por uma
famlia em um ms seja superior a 70%.
(b) Obtenha a probabilidade de que em uma famlia a proporo de chamadas locais
em um ms seja inferior de interurbanas.
(c) Determine a densidade correspondente proporo total de chamadas locais e
interurbanas.
(d) Calcule a probabilidade de que a proporo de chamadas internacionais realizadas
por uma famlia em um ms seja superior a 20%.
(e) Dado que em um ms uma famlia no fez chamadas internacionais, qual a probabilidade de que pelo menos 60% das chamadas tenham sido locais?
Esperana
74
36. Sejam
parmetros respectivos
de
e , e considere Z = X +Y .
Z = z.
dado que
37. Sejam X e Y
respectivamente, e considere
que
Z =X +Y.
dado
Z = z.
38. Sejam X e Y
com parmetro
condicional de
39. Sejam X e Y
de parmetro
que
considere
Z = X + Y.
Determine a distribuio
Z = X +Y.
dado
Z = z.
que a pessoa
X | Y = y;
(b)
Y | X = x;
(c)
(Y X) | X = x.
Y3
Z2
Z3
Z1 , Z2
Z1 = Y1 , Z2 = Y2 Y1
e
Z3 ,
Z3 = Y3 Y2 .
Z1 ,
independentes?
Z2
dado
Y1 .
Y3
dado
Y1 .
Soluo.
Sabemos que
fX (x) =
1
x1 ex , x 0.
()
P (Y = k | X = x) =
ex xk
, k = 0, 1, . . .
k!
Exerccios
75
Logo, para
k = 0, 1, . . . ,
Z
P (Y = k | X = x) fX (x) dx
Z
1
(k + )
=
xk+1 e2x dx =
.
k! () 0
k! () 2k+
P (Y = k) =
X Exp(1),
P (Y = k) =
ento
1
2k+1
, k = 0, 1, . . .
Sugesto:
Tome
=n
e use que
cada
k=1
Nt
Nt
, para
[0, t]
e-mails
t.
recebidos. O tempo
Alm disso,
e-mails
lidos
at o computador falhar.
Soluo.
j = 0, 1, . . . ,
Z
Z
P (NT = j | T = t) et dt
P (NT = j | T = t) fT (t) dt =
P (NT = j) =
Z
Z0
()
()
=
P (Nt = j | T = t) et dt =
P (Nt = j) et dt
0
Z 0 t
j
j Z
e (t)
=
et dt =
tj e(+)t dt
j!
j! 0
0
j
j
(j + 1)
=
.
=
j! ( + )j+1
+
+
Para
A passagem
de
Nt
45. Numa fbrica empacotam-se palitos de fsforo em caixas mediante uma mquina que
no pode ser totalmente controlada.
O nmero de palitos em
Esperana
76
caixa.
Soluo.
que
Seja
X=x
dado
E(D | X = x) = x/10.
Ento, utilizando a propriedade fundamental da esperana condicional,
E(X),
0, 8,
Y = X 49
tem distribuio
pois
E(X) = E(Y ) + 49 =
e portanto
1
+ 49 = 50, 25
0, 8
E(D) = 5, 025.
46. Um inseto pe N
ovos, onde
Cada
dado que
N = n?
X.
X?
47. O nmero de partidas de futebol jogadas em uma semana em uma vila uma varivel
aleatria com mdia
Seja
2.
mdia e
e varincia
Calcule
E(X)
Var(X).
Sugesto: Escreva X =
Y o nmero de
E(X) e E(X 2 ).
48. Seja N
ou seja,
PY
j=1
Xj ,
onde
Xj
P (N = n) = p q n1 , n = 1, 2, . . . ,
onde
j -simo jogo e
em Y para obter
q = 1 p.
p (0, 1),
Exerccios
77
M (t) =
anteriormente.
dada por
p et
p
, t < log q.
=
1 q et
et q
E(N ) = 1/p.
bolas numeradas de 1 a
N,
onde
Bolas so escolhidas ao acaso dessa urna, uma por vez, at que a bola
com o nmero 1 seja selecionada. Suponha que as retiradas so feitas com reposio, isto
, cada bola escolhida reposta na urna antes da prxima retirada. Seja
o nmero de
retiradas feitas.
(c) Obtenha
P (X = x | N = n).
(d) Determine
E(X).
49. O nmero X de erros que uma digitadora comete por pgina uma varivel aleatria
com distribuio de Poisson com parmetro 2. Se uma pgina tem
erros, o nmero
de minutos necessrios para revisar e corrigir a pgina uma varivel aleatria com
distribuio condicional
1/5
3/5
P (Y = y | X = x) =
1/5
se
se
se
y = x + 1,
y = x + 2,
y = x + 3.
(a) Encontre a probabilidade de que sejam necessrios 3 minutos para revisar e corrigir
uma pgina.
(b) Dado que foram usados 3 minutos na reviso e correo de uma pgina, qual a
probabilidade de que seja uma pgina sem erros?
(c) Usando a funo geradora de momentos, encontre a esperana de
(d) Determine
(e) Obtenha
X.
E(Y | X = x).
E(Y ).
50. Escolhe-se ao acaso um ponto (X, Y ) no tringulo {(x, y) R2 : 0 < y < x < 1}.
(a) Calcule
E(X|Y ).
(b) Obtenha
E(Y |X)
E(Y 2 |X).
51. Sejam X
E((X Y )2 |X).
P (X = Y ) = 1.
Sugesto:
Mostre que
E((X Y )2 ) = 0.
E(X|Y ) = Y
E(Y |X) = X .
Prove que
Esperana
78
52. Sejam X
f (x, y) =
(a) Determine a distribuio de
1 (y+x/y)
e
, x > 0, y > 0.
y
Y.
dado que
Y = y.
Sejam
E(X);
(b)
E(X | Y = 1);
(c)
E(X | Y = 5).
acaso, ela devolvida urna se branca, mas se preta ento substituda por uma bola
branca de outra urna. Seja
Mn
vezes.
Mn+1
= 1
1
a+b
Mn + 1, n 0.
1
Mn = a + b b 1
a+b
(c) Qual a probabilidade de que a
(n + 1)-sima
n
, n 0.
Calcule o nmero
Sugesto:
56. Uma
caras consecutivas.
E(Tr | Tr1 ).
E(Tr )
p de cara em cada lanamento lanada repetidaTr o nmero de lanamentos necessrios para obter
em termos de
E(T1 )?
E(Tr ).
E(Tr1 ).
Exerccios
79
0, 7.
0, 4,
caixa e lanada dez vezes. Dado que dois dos trs primeiros lanamentos resultaram em
cara, qual a esperana condicional do nmero de caras nos dez lanamentos?
Sugesto: Dena A o evento de que dois dos trs primeiros lanamentos resultam em cara
e
Nj
obter
E(N7 | A),
Para
2
a funo geradora de momentos de Y = X , onde
N (0, 1). Conclua que a distribuio 21 idntica Gama(1/2, 1/2).
tem distribuio
Vn = mx{X1 , . . . , Xn }
Prove que
Vn
Wn
61. Sejam X e Y
Wn = X1 +
Xn
X2 X3
+
+ +
.
2
3
n
tm a mesma distribuio.
X N (0, 1)
Y N (0, 2).
momentos de Z e
Denimos
62. Sejam X1 , . . . , Xn variveis aleatrias i.i.d. com densidade comum denida por
(
f (x) =
2(1 x)
0
se
0 < x < 1,
caso contrrio.
Y =
1 Pn
log (1 Xj )
n j=1
63. Um aparelho de som formado por n componentes, sendo que o i-simo componente
tem probabilidade
pendente e seja
pi
X = 0 ento o
X 2 o aparelho
aparelho funciona, se
X =1
a probabilidade de funcionar
0, 7
e se
no funciona.
(a) Obtenha a funo geradora de probabilidade de
(b) Sendo
n = 4, p1 = 0, 1, p2 = 0, 05, p3 = 0, 15
em funo das
p4 = 0, 1,
pi 's.
calcule a probabilidade
do aparelho funcionar.
64. (a) Seja X uma varivel aleatria com distribuio geomtrica de parmetro p.
que para
n 1,
n! (1 p)n1
E (X (X 1) . . . (X n + 1)) =
.
pn
Prove
Esperana
80
X uma
para n 1,
(b) Seja
que
Mostre
E (X (X 1) . . . (X n + 1)) = n .
n 1,
n! p (1 p)n1
dn GX (s)
=
, s < (1 p)1
n
n+1
ds
(1 (1 p)s)
e faa
s=1
65. Seja X
P (X = k) =
para todo
k 1,
onde
Soluo.
Sejam
pk = P (X = k), k 0
>0
P (X = k 1),
k
X.
GX (s) = E(s ) =
pk sk , s [1, 1]
k=0
a funo geradora de probabilidade de
todo ponto
X.
exerccio, obtemos
X
X
d
pk1 sk1 = GX (s).
k pk sk1 =
GX (s) =
ds
k=1
k=1
Portanto,
d
(log GX (s)) = ,
ds
logo podemos escrever
GX (1) = 1,
temos que
K =
e ento
X Poisson().
66. Seja X
Sugesto:
funo
(y) = y n/(n1)
e depois faa
Y = X n1 .
no-negativa e a
Respostas
81
Prove que
a < E(Y ),
(E(Y ) a)2
.
E(Y 2 )
P (Y > a)
P (|X | > x)
Sugesto:
varincia
e tal que
0 < M =
( 2 x2 )2
.
M
I{Y >a} .
68. Sejam X e Y
FX,Y (x, y)
Sugesto:
p
FX (x) FY (y).
Sugesto:
Denotando por
Se
Z , basta mostrar
Z
1
y (y) dy.
P (Z x)
x x
a densidade de
qualquer
x > 0,
x > 0,
70. Sejam X1 , .P
. . , Xn variveis aleatrias i.i.d. com distribuio comum N (0, 1).
Deni-
Respostas
1. (a)
(b)
2.
x
pX (x)
E(X) = 4,
x
pX (x)
-16
-7
11
20
1/12
1/6
13/36
2/9
1/6
Var(X)
= 108, 5
-1
125/216
75/216
15/216
1/216
E(X) = 17/216,
No
Esperana
82
(b)
integrvel para
(c)
e /(1 )
se
0 < < 1,
se
0 < < 1.
8. (a) C = 1/9
X \Y
pX (x)
2/9
1/9
1/3
2/9
4/9
2/3
pY (y)
4/9
5/9
(b)
no so independentes.
(c)
P (X = 0 | Y = 1) = 1/5
(d)
E(2X 12 Y + 6) = 1
(e) Var(X
9. (b) 0, 1/6
+ Y ) = 50/81
(c)
(1 k)2
(d)
1/(6 k 2 )
10. 1
11. 1/8
12. (a) No
(b)
fZ (z) = (1/2) ez z 2 , z 0
(c) 1/2
13. 1/2
14. (1 + ) 2 /2
15. 1/36
16. (a) Exp(6)
(b) 1/101
19. 8
20. 21/11
21.
22. 155
23.
1
1
n 1 + + +
2
n
24. 1, 14/15
25. 6/7, 156/245
26. 1 + 2(n 1)pq, 2pq(2n 3 2pq(3n 5)) onde q = 1 p.
Respostas
27.
83
n R R
R N n
, n
1
N
N
N
N 1
28. n(1 1/n)r , n(1 1/n)r [1 (1 1/n)r ] + n(n 1)[(1 2/n)r (1 1/n)2r ]
29. m pi pj
30. (a) Binomial(n 1, p)
(b)
1/(n 1)
X/2) = 1/2
(c)
(b)
E(X 3 |Y = y) = y 3 /4
(b)
P (X < Y ) = 0, 25
(c)
Z = X + Y , fZ (z) = 3 z 2 , 0 z 1
(e)
fX|Z (x|1) = 2 x, 0 x 1 P (X 0, 6 | Z = 1) = 0, 64
(d)
P (Z 0, 8) = 0, 512
36. Binomial(z, /( + ))
37. Hipergeomtrica(m + n, m, z )
38. Uniforme Discreta(z 1)
39. Uniforme(0, z)
40. fX,Y (x, y) = 2 2 e(x+y) , 0 < x < y
ex
,0<x<y
1 ey
(a) Para
(b) Para
(c)
(Y X) | X = x Exp()
Z2 | Y1 Exp(2)
(c) Para
(b) Poisson(p)
(c)
P (X = x | N = n) = (1/n)(1 1/n)x1 , x = 1, 2, . . .
(b) 1/9
(c) 2
(d)
E(Y | X = x) = x + 2
(e) 4
(d)
1/p
Esperana
84
Y +1
2
(b)
E((X Y )2 |X) =
(c)
52. (a) Y
53. (a) 6
Exp(1)
(b) 7
(b)
E(Y |X) =
X
X2
2
; E(Y |X) =
2
3
X2
3
X | Y = y Exp(1/y)
(c) 1
(c) 5,8192
(c)
r
X
(d)
i=1
(b)
1
1 pr
=
pi
pr (1 p)
57. 6, 0705
59. MY (t) =
60. MV
etx fX (x) dx =
1
, t < 1/2
1 2t
n! (1 t)
n!
,t<1
= Qn
(n + 1 t)
i=1 (i t)
62.
63.
n
2n
MY (t) =
para t < 2n, Y Gama(n, 2n)
2n t
Qn
(a) GX (s) =
i=1 (1 pi + pi s) , s R (b) 0, 860715
Se fossem
Captulo 5
1. Modos de Convergncia
1.1.
Convergncia
Ferramenta
Teorema limite
Em distribuio
Funo geradora /
caracterstica
Em probabilidade
Quase certa
Desigualdades de
Markov / Chebyshev
Nmeros
Lema de Borel-Cantelli
1.2.
Sejam
X1 , X2 , . . . , X
(, F, P ).
Dizemos que
(a)
Xn
converge para
X quase certamente ,
denotado por
{ : Xn () X()
q.c.
Xn X ,
se o evento
n }
quando
tem probabilidade 1.
(b)
Xn
converge para
X em probabilidade ,
denotado por
Xn X ,
se para qualquer
> 0,
P (|Xn X| > ) 0
(c)
Xn
converge para
X em distribuio ,
denotado por
P (Xn x) P (X x)
para todo ponto
Observao.
em que
n .
quando
Xn X ,
quando
FX (x) = P (X x)
se
n ,
contnua.
fracamente
para
FX .
Xn X
dizer que
FXn converge
86
Xn X = Xn X = Xn X .
1.
2. Se
Xn c,
3. Se
Xn X
q.c.
onde
e
g:RR
contnua, ento
Xn c.
q.c.
g(Xn ) g(X).
D
{Xn }n1
correspondentes
M (t)
ria
para
X.
1.5.
{Mn (t)}n1 ,
|t| a < b,
Ento,
onde
M (t)
|t| < b.
Suponhamos que
Xn X .
(a) Sejam
X1 , X2 , . . .
Xn X
lim P (Xn = k) = P (X = k)
para todo
com
xk
no lugar de
Teorema de Sche:
densidades respectivas
ento
Sejam
f1 , f2 , . . .
k = 0, 1, . . .
{x0 , x1 , . . . },
vale a
k.
X1 , X2 , . . .
f.
Se
Xn X .
A condio de que
f (x)}
lim Mn (t) =
fn (x) f (x)
{x : fn (x) 9
tem medida de Lebesgue nula, o que ocorre, por exemplo, se esse conjunto nito
2. Teoremas Limites
2.1. Lei Fraca dos Grandes Nmeros de Khintchine (1929):
Seja
X1 , X2 , . . .
parciais
Sn = X1 + X2 + + Xn
satisfazem
Sn
.
n
P
As somas
Teoremas Limites
87
Sn
primeiros
ensaios, ento
Sn
p.
n
P
X1 , X2 , . . .
+ Xn .
Se
lim
2
Var(Sn )/n
= 0,
S n = X 1 + X2 +
ento
Sn E(Sn )
0.
n
P
X1 , X2 , . . .
(?)
X1 , X2 , . . .
parciais
Sn = X1 + X2 + + Xn
As somas
satisfazem
Sn
.
n
q.c.
X1 , X2 , . . .
P (Xn = 0) = 1 p.
P (Xn = 1) = p,
Ento,
Sn
p,
n
q.c.
onde
Sn = X1 + X2 + + Xn .
X1 , X2 , . . .
Sn = X1 + X2 + + Xn .
Ento,
Sn n
N (0, 1).
n
D
a R,
lim P
Sn n
a
n
1
=
2
ex
2 /2
dx.
e varin-
88
Sn
o nmero de sucessos em
probabilidade
0 < p < 1.
Ento,
S np
p n
N (0, 1).
n p (1 p)
D
Se
Binomial(n,
pn ), n 1,
lim n pn = > 0,
ento
Xn Poisson().
Observao.
podemos escrever
lim P (Xn = k) =
e k
, k = 0, 1, . . .
k!
X1 , X2 , . . .
sideremos
Sn = X1 + X2 + + Xn .
Se
2
n=1 Var(Xn )/n
< ,
ento
Sn E(Sn )
0.
n
q.c.
X1 , X2 , . . .
Sn =
n
X
Xi .
i=1
Para cada
n
X
i,
sejam
i = E(Xi )
i2 =
mn =
n
X
s2n =
i=1
i2
a mdia e a varincia de
Sn ,
respectivamente.
i=1
Suponhamos que: (a)
P (|Xi | M ) = 1
s2n
para todo
quando
n ,
tal que
i.
Essa verso segue de um Teorema Central do Limite mais geral que foi provado por J. W. Lindeberg
(1922). Para mais detalhes, veja-se o livro de Feller [2] (p. 254).
Teoremas auxiliares
89
Ento,
Sn mn
N (0, 1).
sn
D
a R,
lim P
Sn mn
a
sn
1
=
2
ex
2 /2
dx.
4. Teoremas auxiliares
4.1. Teorema de Slutsky (1925):
Se
Xn X
Yn c,
uma constante,
n (Yn )
onde
ento
D
(a)
Xn Yn X c,
(b)
Xn Yn cX ,
(c)
Xn /Yn X/c
onde
se
c 6= 0.
Sejam
2 > 0
Y1 , Y2 , . . .
so constantes. Se
ento
onde, no caso de
g 0 () = 0,
interpretamos a distribuio
N (0, 0)
em 0.
Exerccios
1. Seja
{Xn }n1 uma seqncia de variveis aleatrias tal que cada Xn assume
em {0, 1/n, . . . , (n 1)/n, 1} com P (Xn = j/n) = 1/(n + 1) para j = 0, . . . , n.
que Xn U (0, 1).
D
Soluo.
Seja
X U (0, 1),
logo
0
x
FX (x) =
1
Para
se
se
se
x < 0,
0 x < 1,
x 1.
n 1,
0
k/(n + 1)
FXn (x) =
se
se
se
x < 0,
(k 1)/n x < k/n, k = 1, . . . , n,
x 1.
valores
Mostre
90
Para
x<0
ou
x 1,
temos que
portanto
()
Se
onde
k {1, . . . , n}
tal que
(k 1)/n x <
1
k
k
k
k1
1
n+1
n+1 n
n+1
n
n+1
().
Assim,
Xn X .
2. Seja {Xn }n1 uma seqncia de variveis aleatrias, sendo a densidade de Xn dada por
n xn1
, 0 < x < .
n
fXn (x) =
Prove que
Xn .
Prove que
Xn X 0.
em distribuio para
X +Y.
Xn
buio
Fn (x) = x
Xn
sen(2nx)
2n
, 0 x 1.
Fn
uma funo de
distribuio.
D
Xn X
densidade de X no
Soluo.
> 0,
X U [0, 1],
intervalo (0, 1).
onde
Xn
no converge para
Xn
2
Binomial(n, 1/n ).
mas a densidade de
Xn 1/n 0.
Observamos que
E(Xn ) = 1/n
e Var(Xn )
= (1/n) (1 1/n2 ).
1
1
1
n
P Xn >
1 2 0.
2
n
n
n
Assim,
Xn 1/n 0.
Xn 0.
Para qualquer
Exerccios
91
8. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme em
[0, 1].
Denimos
Yn = mn{X1 , . . . , Xn }, Zn = mx{X1 , . . . , Xn }, Un = n Yn
Vn = n (1 Zn ), n 1.
Mostre que
P
(a)
Yn 0
(b)
Un W
9. Seja X
Zn 1.
e
Vn W ,
W Exp(1).
onde
suponha que
{Yn }n1
com probabilidade
P (Yn = 1) = 1 P (Yn = 0) = 1
Denimos a seqncia de variveis aleatrias
(
Xn =
{Xn }n1
1/2
tais que
1
.
n
por
se
Yn = 1,
en
se
Yn = 0.
(a)
Xn X .
(b)
10. Seja {Xn }n1 uma seqncia de variveis aleatrias com E(Xn2 ) < para todo n 1.
Prove que se
lim E(Xn ) =
lim
= 0,
ento
denimos a seqncia
Y1 = X1 ,
Yn =
Pn1
i=0
{Yn }n1
|| < 1,
Yn Y
onde
Yn
e a sua distribuio.
1 m n.
ento
Yn N 0,
2
1 2
Xn Geomtrica(1/n), n 2,
Y Exp(1).
que
pela frmula
i Xni , n 1.
N (0, 2 ).
Yn = Yn1 + Xn , n 2.
12. Suponha
Xn .
Var(Xn )
e seja
Yn = Xn /n 1.
Prove que
92
podem ser trocados por uma camiseta. O nmero de pacotes premiados que se vendem
ao dia em uma loja uma varivel aleatria com distribuio de Poisson de parmetro
0,3. Estime a probabilidade de que em 120 dias se vendam nessa loja mais de 30 pacotes
com prmio.
Soluo.
dia
i.
Para
Sabemos
Supomos que
X1 , . . . , X120
na loja no
2 = Var(X1 ) = 0, 3.
so independentes, e seja
S120 =
P120
i=1
Xi
o total de pacotes
P (S120 > 30) = P
30 120 . 0, 3
S120 120 . 0, 3
>
0, 3 . 120
0, 3 . 120
P (Z > 1) 0, 8413,
onde
Z N (0, 1).
14. O nmero mdio de canetas que se vendem diariamente em uma papelaria 30, sendo
a varincia 10. Estes valores so 20 e 12 para o nmero de cadernos vendidos. Sabe-se,
ademais, que a covarincia entre as vendas dirias de ambos produtos 9.
Estime a
probabilidade de que o nmero total de ambos produtos vendidos durante 90 dias esteja
compreendido entre 4400 e 4600.
90% dos lotes tenham mais de 1000 parafusos sem defeito. Sabendo que a probabilidade
de que um parafuso seja defeituoso
0, 02,
16. Trs
audincia.
0, 5, 0, 4
0, 3
17. O salrio em reais dos funcionrios de uma empresa tem distribuio de Pareto, com
densidade
f (x) =
5 7005/2
, x 700.
2 x7/2
Qual a probabilidade de que o salrio mdio de um grupo de 1000 funcionrios seja maior
que 1200 reais?
Exerccios
93
do
(a)
lanamento, e considere
Sn = X1 + + Xn .
Seja
Xi
o resultado
Obtenha
Estime
Sugesto:
Seja
H duas
abordagens:
(i) Escrever
geomtrica de parmetro
1/2.
(ii) Supor que a seqncia de lanamentos da moeda innita e usar que {N 960} =
P
{ 960
i=1 Xi 450}, onde Xi a funo indicadora de que ocorre cara no i-simo
lanamento.
21. Usando
N 25.
lim e
nn
n n2
+ +
1+ +
1!
2!
n!
1
= .
2
22. Sejam {Xn }n1 uma seqncia de variveis aleatrias i.i.d. e g : R R uma funo.
E(g(X1 )) = e Var(g(X1 )) = 2 , 0 < 2 < . Alm disso,
funo Tn = Tn (X1 , . . . , Xn ) (uma estatstica) que satisfaz
Suponha que
uma
Tn =
n
X
suponha que
Tn
g(Xi ) + Rn ,
i=1
onde
Rn / n 0.
P
Prove que
Tn n
N (0, 1).
n
D
[0, 2],
onde
n log N (0, 1/3).
n log X
D
94
Sejam
X1 , X2 , . . .
(
Xi =
(a) Obtenha
se o
caso contrrio.
E(Xi )
i-simo
e o
(i + 1)-simo
e Var(Xi ).
(
Cov(Xi , Xj )
(c) Seja
Sn =
n
X
Xi , n 1.
1/16
se
j = i + 1,
se
j > i + 1.
E(Sn )
Determine
e Var(Sn ).
i=1
(d) Prove que
Sn /n 1/4.
25. Considere uma seqncia innita de lanamentos independentes de uma moeda, com
probabilidade
Seja
Rn
Uma
seguida
uma seqncia
primeiros
Rn
2 p (1 p).
n
P
Sugesto:
26. Suponha
que distribumos
Nn o
Prove que se r, n de forma que r/n c,
urnas.
Seja
Nn
ec .
n
P
Sugesto:
(0, 1).
X1 , . . . , X n
n
Y
Yn =
Xi
1/n
por
i=1
Mostre que a seqncia
{Yn }n1
constante.
Soluo.
as
Xi 's
Seja
Zi = log Xi , i 1.
Ento,
Z1 , Z2 , . . .
o so), com
Z
E(Z1 ) =
0
Z
log x dx = lim+
0
1
log x dx = lim+ (x log x x) = 1.
0
Exerccios
95
log Yn =
Portanto, como a funo
x 7 ex
Z1 + + Zn
1.
n
q.c.
contnua,
Yn e1 .
q.c.
[0, ].
Encontre constantes
Pn
sen
29. Seja
{Xn }n1
i=1
Xi
tais que
Pn
q.c.
i=1 sen Xi
q.c.
B.
Denimos a seqncia
{Yn }n1
X12 + + Xn2
.
(X1 1)2 + + (Xn 1)2
q.c.
Yn 1/2.
Prove que
30. Sejam
distribudas,
Sn2
(c) Obtenha
Pn
=
i=1
n )2
Xi2 n (X
.
n1
E(Sn2 ).
Sugesto:
q.c.
Sn2 2 .
31. Seja {Xn }n1 uma seqncia de variveis aleatrias independentes tal que
para algum
Sugesto:
N (0, 1).
por
Yn =
Sugesto:
1
P (Xn = n ) = P (Xn = n ) =
2
Pn
1
(0, 1/2). Mostre que n
i=1 Xi 0.
q.c.
3.1.
96
32. Seja {Xn }n1 uma seqncia de variveis aleatrias independentes tal que
P (Xn = 1) = P (Xn = 1) =
Considere
Sn =
Pn
i=1
Xi
1
1
, P (Xn = 0) = 1 , n 1.
2n
n
e demonstre que
Sn
0
n
q.c.
Sn
N (0, 1).
log n
D
Pn
i=1
1/i log n
n .
Respostas
9. (a) Verdadeira (Para qualquer > 0, {|Xn X| > } {Yn = 0}).
(b) Falsa (limn
(b)
N 0, 2
Pn1
i=0
2i
(c)
2 nm
Pm1
i=0
2i
(b)
0, 96
19. 0, 97
20. 0, 494
22. Utilize
{g(Xi )}i1
e o Teorema de
Slutsky.
28. A = 1 e B = 2/
30. (a) E(X n ) = e Var(X n ) = 2 /n
(c)
E(Sn2 ) = 2
1
(z) =
2
ex
2 /2
Segunda decimal de
dx
para
z 0.
0,5239
0,5279
0,5319
0,5359
0,0
0,0
0,5
0,504
0,508
0,512
0,516
0,5199
0,1
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5753
0,1
0,2
0,5793
0,5832
0,5871
0,591
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,2
0,3
0,6179
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,648
0,6517
0,3
0,4
0,6554
0,6591
0,6628
0,6664
0,67
0,6736
0,6772
0,6808
0,6844
0,6879
0,4
0,5
0,6915
0,695
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,719
0,7224
0,5
0,6
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,6
0,7
0,758
0,7611
0,7642
0,7673
0,7704
0,7734
0,7764
0,7794
0,7823
0,7852
0,7
0,8
0,7881
0,791
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,8
0,9
0,8159
0,8186
0,8212
0,8238
0,8264
0,8289
0,8315
0,834
0,8365
0,8389
0,9
1,0
0,8413
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
1,0
1,1
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,877
0,879
0,881
0,883
1,1
1,2
0,8849
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,898
0,8997
0,9015
1,2
1,3
0,9032
0,9049
0,9066
0,9082
0,9099
0,9115
0,9131
0,9147
0,9162
0,9177
1,3
1,4
0,9192
0,9207
0,9222
0,9236
0,9251
0,9265
0,9279
0,9292
0,9306
0,9319
1,4
1,5
0,9332
0,9345
0,9357
0,937
0,9382
0,9394
0,9406
0,9418
0,9429
0,9441
1,5
1,6
0,9452
0,9463
0,9474
0,9484
0,9495
0,9505
0,9515
0,9525
0,9535
0,9545
1,6
1,7
0,9554
0,9564
0,9573
0,9582
0,9591
0,9599
0,9608
0,9616
0,9625
0,9633
1,7
1,8
0,9641
0,9649
0,9656
0,9664
0,9671
0,9678
0,9686
0,9693
0,9699
0,9706
1,8
1,9
0,9713
0,9719
0,9726
0,9732
0,9738
0,9744
0,975
0,9756
0,9761
0,9767
1,9
2,0
0,9772
0,9778
0,9783
0,9788
0,9793
0,9798
0,9803
0,9808
0,9812
0,9817
2,0
2,1
0,9821
0,9826
0,983
0,9834
0,9838
0,9842
0,9846
0,985
0,9854
0,9857
2,1
2,2
0,9861
0,9864
0,9868
0,9871
0,9875
0,9878
0,9881
0,9884
0,9887
0,989
2,2
2,3
0,9893
0,9896
0,9898
0,9901
0,9904
0,9906
0,9909
0,9911
0,9913
0,9916
2,3
2,4
0,9918
0,992
0,9922
0,9925
0,9927
0,9929
0,9931
0,9932
0,9934
0,9936
2,4
2,5
0,9938
0,994
0,9941
0,9943
0,9945
0,9946
0,9948
0,9949
0,9951
0,9952
2,5
2,6
0,9953
0,9955
0,9956
0,9957
0,9959
0,996
0,9961
0,9962
0,9963
0,9964
2,6
2,7
0,9965
0,9966
0,9967
0,9968
0,9969
0,997
0,9971
0,9972
0,9973
0,9974
2,7
2,8
0,9974
0,9975
0,9976
0,9977
0,9977
0,9978
0,9979
0,9979
0,998
0,9981
2,8
2,9
0,9981
0,9982
0,9982
0,9983
0,9984
0,9984
0,9985
0,9985
0,9986
0,9986
2,9
3,0
0,9987
0,9987
0,9987
0,9988
0,9988
0,9989
0,9989
0,9989
0,999
0,999
3,0
3,1
0,999
0,9991
0,9991
0,9991
0,9992
0,9992
0,9992
0,9992
0,9993
0,9993
3,1
3,2
0,9993
0,9993
0,9994
0,9994
0,9994
0,9994
0,9994
0,9995
0,9995
0,9995
3,2
3,3
0,9995
0,9995
0,9995
0,9996
0,9996
0,9996
0,9996
0,9996
0,9996
0,9997
3,3
3,4
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9997
0,9998
3,4
3,5
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
0,9998
3,5
3,6
0,9998
0,9998
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,6
3,7
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,7
3,8
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
0,9999
3,8
3,9
1,
1,
1,
1,
1,
1,
1,
1,
1,
1,
3,9
Referncias Bibliogrcas
[1] Dantas, C. A. B.
EDUSP,
2004.
[2] Feller, W.
3rd. ed.
[4] Gut, A.
Springer, 2005.
[6] James, B. R.
[7] Ross, S. M.
Hall, 2005.
Prentice