Not As Probab Il I Dad Eel Cio Cristian

Probabilidade: Teoria e Exerccios
lcio Lebensztayn
Cristian Favio Coletti
IMEUSP
2008
Sumrio
Prefcio
iii
Captulo 1: Anlise Combinatria
Exerccios .
Respostas .
11
Captulo 2: Probabilidade
13
1.
Denies e propriedades
13
2.
Probabilidade condicional e independncia .
16
Exerccios .
18
Respostas .
25
Captulo 3: Variveis aleatrias

.
1.
Denies .
27
2.
Modelos de distribuies discretas.
29
3.
Modelos de distribuies contnuas
31
4.
Aproximao de Poisson Binomial .
33
5.
Aproximao Normal Binomial .
33
6.
Variveis aleatrias conjuntamente distribudas .
34
7.
Independncia de variveis aleatrias
35
8.
Funes de variveis aleatrias .
36
9.
Estatsticas de ordem .
27
.
38
10. Modelos multidimensionais.
39
11. Distribuies relacionadas com a normal .
40
Exerccios .
41
Respostas .
53
Captulo 4: Esperana
1.
57
.
57
Sumrio
ii
2.
Distribuio e esperana condicionais .
59
3.
Funes geradoras
61
4.
Desigualdades .
65
Exerccios .
65
Respostas .
81
Captulo 5: Modos de Convergncia e Teoremas Limites
85
1.
Modos de Convergncia .
85
2.
Teoremas Limites.
86
3.
Outros Teoremas Limites
88
4.
Teoremas auxiliares .
89
Exerccios .
89
Respostas .
96
Distribuio Normal Padro
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
mestrandos do IMEUSP, como tambm a outros estudantes e docentes.
Aceitaremos,
com prazer, as crticas e sugestes que nos permitam aperfeioar o livro.

Finalmente, gostaramos de expressar nosso profundo agradecimento aos professores com os quais convivemos nesses anos de formao acadmica, em especial ao Prof.
Fbio Prates Machado.
Tambm Comisso dos Cursos de Vero do IMEUSP e
FAPESP, pelo apoio recebido.
Dezembro de 2007.
Os autores.
Captulo 1
Anlise Combinatria
1.1. Princpio multiplicativo:

r
etapas.
Existem
maneiras, existem
maneiras, existem
n1
n2
n3
Uma tarefa deve ser executada em uma seqncia de
maneiras de realizar a primeira etapa; para cada uma dessas
n1
maneiras de realizar a segunda etapa; para cada uma dessas
n2
maneiras de realizar a terceira etapa, e assim por diante. Ento, o
nmero total de maneiras de efetuar a tarefa completa dado por
Observao.
n1 n2 . . . nr .
Ao usar o princpio multiplicativo, fundamental que o nmero de manei-
ras de realizar uma determinada etapa no seja inuenciado por nenhuma das etapas
predecessoras.
1.2. Princpio aditivo para partes disjuntas:

disjuntos, ento
Se
A1 , . . . An
so conjuntos dois a dois
n
n
[
X

A
=
|Ai |.

i
i=1
Princpio da Incluso-Excluso:
i=1
Em geral, devemos usar
n
[
X
X

|Ai |
|Ai Aj |
Ai =
i=1
i<j
|Ai Aj Ak | + (1)n+1 |A1 . . . An |.
i<j<k
1.3.
Convm recordar uma tcnica bastante til em problemas de contagem: primeiro
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.
O nmero de maneiras de ordenar
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
indica que a razo entre os dois lados tende a 1 quando
1.6. Permutaes circulares:

torno de um crculo
O nmero de maneiras de dispor
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
(n)k = n(n 1) . . . (n k + 1).
1.9. Combinaes:
que chamado um
k -subconjuntos de um n-conjunto

n
n!
=
,
k
k! (n k)!
O nmero de
coeciente binomial.
disposio triangular, o famoso
1.10. Teorema Binomial:
1.11.
Estes nmeros podem ser arrumados em uma
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
O nmero de divises possveis de
tamanhos respectivos
grupos distintos de
n1 , n2 , . . . , nr (n1 + n2 + + nr = n)

n
n!
.
=
n1 , n2 , . . . , nr
n1 ! n2 ! . . . nr !
Esta frmula tambm fornece o nmero de anagramas de uma palavra com

contm
letras que
n1 vezes a letra `1 , n2 vezes a letra `2 , . . . , nr vezes a letra `r (n1 +n2 + +nr = n).
Exerccios
1.12.
Para qualquer inteiro
p>0
(x1 , . . . , xn )

x1 + + xn = p p+n1
.
n1
xado, o nmero de vetores distintos
negativos e a valores inteiros que satisfazem a equao

Esse o chamado nmero de
de modos de escolher
combinaes completas
(ou com repetio), pois o nmero
p objetos entre n objetos distintos dados, podendo repetir a escolha
(xi o nmero de vezes que tomamos o objeto
i).
p
Em outras palavras, o nmero de maneiras de distribuir

p+n1
n1
1.13.
moedas idnticas a
crianas
Para qualquer inteiro
p > 0
valores inteiros que satisfazem
(x1 , . . . , xn ) a

p1
i = 1, . . . , n n1
.
xado, o nmero de vetores distintos
x1 + + xn = p
xi 1
Isto signica que o nmero de maneiras de distribuir
para todo
moedas idnticas a

p1
forma que cada criana receba pelo menos uma moeda
1.14.
no-
n1
crianas de
A tabela a seguir resume o nmero de maneiras de tomarmos uma amostra de ta-
manho
de uma populao com
elementos distintos, dependendo se o mesmo objeto
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
(a) que tm as letras

(b) que tm a letra
em primeiro lugar ou a letra
(c) em que a letra
vem antes da letra
(d) em que a letra
no a ltima?
Soluo.
(a) Imaginamos as letras
que fornece 5!
juntas em qualquer ordem?
permutaes.
A,
em ltimo?
B?
coladas como uma letra s, na ordem
Como tambm existem 5!
est imediatamente antes da letra
diferentes.
AB ,
permutaes nas quais a letra
obtemos um total de 2 . 5! = 240 permutaes
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
|A F| = |A| + |F| |A F| = 5! + 5! 4! = 216.

(c) Existe um total de 6! = 720 permutaes possveis, e existem tantas com
quantas com
antes de
A,
2. Numa
antes de
logo a resposta 360.
(d) Existem 5! permutaes em que a letra

taes em que
a ltima, portanto
6! 5! = 600
permu-
no a ltima letra.
prova, um estudante deve responder exatamente 7 questes de um total de
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.
O estudante deve escolher um subconjunto de tamanho 7 de um conjunto com

10
10 elementos, logo tem
= 120 escolhas.
7
No caso em que entre as 7 questes deve responder pelo menos 3 das primeiras 5 questes,
o estudante possui trs opes (disjuntas):
Escolher exatamente 3 das primeiras 5 questes e 4 das 5 ltimas;
Escolher exatamente 4 das primeiras 5 questes e 3 das 5 ltimas;
Escolher as 5 primeiras questes e 2 das 5 ltimas.
Assim, o total de escolhas que tem

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
pai compra 7 presentes diferentes (entre os quais, um videogame e um relgio)
para dar a seus trs lhos.

(a) De quantas maneiras ele pode dividir os 7 presentes entre os lhos, se decide dar
2 presentes ao lho mais velho, 2 presentes ao lho do meio e 3 presentes ao mais
novo?
(b) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele resolve dar pelo menos um entre o
videogame e o relgio ao lho mais velho?
(c) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele decide dar exatamente um entre o
videogame e o relgio ao lho mais velho?
Exerccios
Soluo. (a) O nmero de divises possveis de n objetos distintos em r grupos distintos

n1 , n2 , . . . , nr (n1 + n2 + + nr = n)

n
n!
.
=
n1 ! n2 ! . . . nr !
n1 , n2 , . . . , nr
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!
Dessa forma, o pai tem
maneiras de distribuir os presentes.
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 =
Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o videogame;
nr =
meio e 3 ao mais novo, com o mais velho ganhando o relgio;
nvr =
Nmero de maneiras de dividir os presentes, sendo o videogame e o relgio ao lho
mais velho, 2 outros presentes ao do meio e 3 ao mais novo.

Pelo Princpio da Incluso-Excluso, a resposta dada por:
nv + nr nvr = 2 .
Outra resposta: 210
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
Uma forma de obter
N1
N1 = 5 . 10 = 50. (Outro modo seria notar que N1 = nv nvr ).

temos que N2 = 50. Visto que N1 e N2 se referem a opes disjuntas, o
lhos menores, logo

Analogamente,
nmero de maneiras
N1 + N2 = 100.
Anlise Combinatria
Outra resposta: 110 nvr = 100.
4. Quantos so os anagramas da palavra COMBINATORIA? (Considere O sem acento ).

Quantos deles comeam por vogal ou terminam em consoante?
Soluo.
tipo 2,
n objetos, dos quais n1

k (n1 + n2 + + nk = n)
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:
Escolhemos 2 de 12 lugares para colocar as 2 letras A, o que pode ser

12
feito de
= 66 modos; em seguida, devemos escolher 2 dos 10 lugares restantes para
2

10
colocar as 2 letras I (
= 45 modos); a seguir, escolhemos 2 dos 8 lugares que restam
2

8
para as 2 letras O (
= 28 modos) e nalmente temos 6 lugares para 6 letras distintas
2
(6! = 720 modos). A resposta 66 . 45 . 28 . 720 = 59875200.
Sejam
o conjunto dos anagramas que comeam por vogal e
que terminam em consoante.
A m de obter
a vogal inicial e, feita essa escolha,

calcular
|C|,
11!
2! 2!
|V|,
o conjunto dos anagramas
notamos que temos 3 escolhas para
formas de permutar as letras restantes.
existem 6 escolhas para a consoante nal e, tomada essa deciso,
modos de permutar as letras restantes. Analogamente,
|V C| = 3 . 6 .
10!
.
2! 2!
Para
11!
2! 2! 2!
Pelo Princpio da Incluso-Excluso, conclumos que o nmero de anagramas que comeam

por vogal ou terminam em consoante :
|V C| = |V| + |C| |V C| = 3 .
11!
11!
10!
+ 6.
3.6.
= 43545600.
2! 2!
2! 2! 2!
2! 2!
5. Permutam-se de todas as formas possveis os algarismos 1, 2, 4, 6, 7 e escrevem-se os

nmeros formados em ordem crescente. Determine:
(a) que lugar ocupa o nmero 62417.
(b) que nmero ocupa o
(c) qual o
166o
66o
lugar.
algarismo escrito.
(d) a soma dos nmeros assim formados.
Soluo. (a) Precisamos determinar quantos nmeros antecedem o 62417.
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
(b) Contemos os nmeros:
Assim, o
66o
(c) Visto que
Comeados por
Quantidade
Acumulado
4! = 24
24
4! = 24
48
41
3! = 6
54
42
3! = 6
60
46
3! = 6
66
nmero o ltimo (maior) que comea com 46, portanto o 46721.
166 = 5 . 33 + 1,
166o algarismo
escrito o primeiro do
24 primeiros nmeros comeam por 1 e os 24 seguintes por 2, logo o

por 2. Assim, o
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
480 + 4800 + 48000 + 480000 + 4800000 = 480 . 11111 = 5333280.
6. Quantos
so os anagramas da palavra PARAGUAIO que no possuem consoantes
adjacentes?
Soluo.
Arrumemos inicialmente as vogais, o que pode ser feito de
6!/3! = 120
e depois colocamos as consoantes de forma que no quem adjacentes.
modos,
Arrumadas as
vogais (digamos na ordem AAUAIO), temos 7 escolhas para a colocao do P, 6 para o

R e 5 para o G. Assim, existem
120 . 7 . 6 . 5 = 25200
anagramas de PARAGUAIO que
no possuem consoantes adjacentes.
Outra resposta:
Escolhida a ordem das consoantes, decidimos quantas vogais desejamos
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
Desejamos calcular a cardinalidade do conjunto
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
Portanto, pelo Princpio da Incluso-Excluso,
|A1 A2 A3 | = 180 + 120 + 72 60 36 24 + 12 = 264.

Assim, existem ao todo 96 nmeros inteiros positivos menores que 360 e primos com 360.
8. Uma
bolsa contm 8 moedas de 1 real, 7 moedas de 50 centavos, 4 moedas de 25
centavos e 3 moedas de 10 centavos.
De quantos modos diferentes podemos retirar 6
moedas dessa bolsa?
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.
Queremos obter o nmero de solues inteiras no-negativas da equao
6,
satisfazendo as condies
x1 8, x2 7, x3 4
x4 3.
x1 +x2 +x3 +x4 =
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
Ento, o nmero pedido

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
possui 3 elementos, e o conjunto
B,
10 elementos.
Quantas funes
existem? Quantas delas so injetoras?
10. De quantos modos podemos colocar dois reis diferentes em casas no-adjacentes de
um tabuleiro
6 6?
E se os reis fossem iguais?
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
casais, porm no conhece ningum.
(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?
20. Quantos so os anagramas da palavra ARARAQUARA que no possuem duas letras

A juntas?
21. Quantos so os anagramas da palavra CONTADORIA

(a) em que aparecem juntas, nesta ordem, as letras da palavra CONTO?
(b) em que aparecem juntas, numa ordem qualquer, as letras da palavra CONTO?
(c) em que as letras da palavra CONTO aparecem nesta ordem?
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
xi ai para todo i = 1, . . . , n, onde a1 , . . . , an

a1 + + an p .
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?
26. Teresa pretende convidar 5 de 11 amigos para um jantar em sua casa.

(a) Quantas escolhas Teresa possui, se 2 dos 11 amigos so desafetos e no aceitam
estar juntos?
(b) Quantas escolhas Teresa tem, se 3 dos 11 amigos no aceitam participar do jantar
a menos que juntos?
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
30. Quantos nmeros de n algarismos (n 3) podemos formar com os algarismos 1,
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.
De quantas maneiras essas 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
quantos modos podemos distribuir 3 moedas de 25 centavos, 5 moedas de 50
centavos e 4 moedas de 1 real entre dois meninos, de maneira que cada menino receba
pelo menos uma moeda?
34. De quantas maneiras
podemos distribuir 8 mas, 10 peras e 7 laranjas em quatro
caixas, se cada caixa deve receber ao menos uma fruta?
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).
pessoas e conte de duas formas diferentes o nmero de modos
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
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
se, ao ser repetido nas mesmas condies, impossvel
prever antecipadamente o resultado. Em contrapartida, um experimento
determinstico
se, quando repetido nas mesmas condies, conduz ao mesmo resultado.

Denominamos
espao amostral
o conjunto de todos os resultados possveis de um experi-
mento aleatrio, e o denotamos por

Dados dois eventos
a ocorrncia de
A
implica a ocorrncia de
unio de dois eventos A e B
se
chamado
A implica que B .
evento.
Em palavras,
B.
A B = { : A
A
Um subconjunto
A e B , dizemos que A B
que pelo menos um dos dois eventos

A
ou
B}
e representa o evento de
ocorre.
interseco de dois eventos A e B A B = { : A e B} e representa o evento
de que ambos
Dois eventos
que
ocorrem.
so
disjuntos
ou
mutuamente exclusivos se A B = .
Isso signica
no ocorrem simultaneamente.
Para qualquer evento

evento de que
A,
complementar
de
Ac = { : 6 A}
e representa o
no ocorre.
1.2. Leis de De Morgan:

c
c
(
i=1 Ai ) = i=1 Ai ,
(DM1)
c
(
i=1 Ai ) = i=1 Ai .
(DM2)
Notamos que (DM1) estabelece que o evento de que nenhum dos

complementar do evento de que pelo menos um dos
o complementar do evento de que todos os
menos um deles no ocorre.
Ai 's
Ai 's
Ai 's
ocorre igual ao
ocorre. J (DM2) expressa que
ocorrem exatamente o evento de que ao
Probabilidade
14
AB
AB
A
A
A
B
B
Ac
disjuntos
Figura 2.1: Unio e interseco dos eventos
A e B; A e B
disjuntos; Complementar de
A.
1.3. Denio clssica (Cardano (1663), De Moivre (1718), Laplace (1812)):

Seja
nito e suponhamos que cada subconjunto elementar de
Ento, para qualquer
A ,
denimos a probabilidade de
P (A) =
Observao.
igualmente provvel.
como
|A|
.
||
A denio anterior formaliza a primeira denio conhecida de probabili-
dade: relao entre o nmero de casos favorveis ao acontecimento (evento) e o nmero

total de casos possveis, supondo todos os casos igualmente possveis.
1.4. Denio axiomtica (Kolmogorov (1933)):

P ()
a valores reais denida em uma classe
Uma
probabilidade
uma funo
de eventos de um espao amostral
que
satisfaz as seguintes condies:

(A1)
0 P (A) 1
(A2)
P () = 1,
para todo
A F,
(A3) Aditividade enumervel: para qualquer seqncia

dois disjuntos,
[
i=1
A tripla
(, F, P )
chamada um
A1 , A2 , . . . F
X
Ai =
P (Ai ).
i=1
espao de probabilidade .
de eventos dois a
Observao.
na classe
).
i , i = 1, 2, . . .,
i = 1, 2, . . ., p(i )
evento
nito ou innito enumervel, podemos denir a probabilidade
de todos os subconjuntos de
(conjunto das partes de

a cada
No caso de
15
, a qual usualmente denotada por 2
Neste caso, escrevendo
p(i )
um nmero
P()
= {1 , 2 , . . .}, associamos
P
p(i ) 0 e
i=1 p(i ) = 1. Para
tal que
ou
como
a probabilidade do evento simples
{i }.
A probabilidade de um
denida por
P (A) =
p(i ).
i: i A
Quando
innito no-enumervel, em geral impossvel associar uma probabilidade
bem denida a todos os subconjuntos de

classe mais restrita de subconjuntos de
Dene-se ento uma probabilidade em uma

apenas esses subconjuntos so denominados
eventos. O ponto essencial que essa classe contm todos os subconjuntos (eventos) de
interesse prtico. Um exemplo importante
igual a um intervalo da reta, para o qual
se considera a classe de subconjuntos conhecida como
-lgebra
de Borel.
Para mais
detalhes sobre esse tema, sem ainda abordar profundamente a Teoria da Medida, veja-se
o livro de James [6].
1.5. Propriedades de uma probabilidade:

1.
P () = 0.
2. Aditividade nita: Se
A1 ,
...,
An
so eventos dois a dois disjuntos, ento
n
[
n
X
Ai =
P (Ai ).
i=1
3.
P (Ac ) = 1 P (A)
para todo evento
4. Para quaisquer eventos
5. Se
A B,
ento
i=1
A.
B , P (B) = P (A B) + P (Ac B).
P (A) P (B).
6. Para quaisquer eventos
B , P (A B) = P (A) + P (B) P (A B).
Probabilidade
16
A1 , A2 , . . . , An
7. Princpio da Incluso-Excluso: Para qualquer seqncia nita
de
eventos,
n
[
X
X
Ai =
P (Ai )
P (Ai Aj )
i=1
i<j
P (Ai Aj Ak ) + (1)n+1 P (A1 . . . An ).
i<j<k
8. Continuidade por baixo: Se
An A
quando
n ,
P (An ) P (A)
ento
quando
n .
Observao. An A signica que An An+1

P (An ) P (A)
quer dizer que
para todo
P (An ) P (An+1 )
Ai
A=
para todo
9. Subaditividade enumervel: Para qualquer seqncia
[
An .
P (A) = lim P (An ).
A1 , A2 , . . .
de eventos,
P (Ai ).
i=1
i=1
2. Probabilidade condicional e independncia

2.1.
Seja
(, F, P )
um espao de probabilidade. Para eventos
probabilidade condicional
de
dado que
com
P (A B)
.
P (B)
2.2. Regra da multiplicao (ou da probabilidade composta):

P (A1 . . . An1 ) > 0,
ocorreu denida por
P (A | B) =
so eventos com
P (B) > 0,
Se
A1 , A2 , . . . An
ento
P (A1 A2 . . . An ) = P (A1 ) P (A2 | A1 ) . . . P (An | A1 . . . An1 ) .
2.3. Condicionamento:
Se
so eventos com
0 < P (B) < 1,
ento
P (A) = P (A | B) P (B) + P (A | B c ) P (B c ) .
2.4. Frmula da probabilidade total:

amostral
disjuntos,
Seja
{B1 , B2 , . . . , Bn }
uma partio do espao
em eventos de probabilidade positiva, isto , esses eventos so dois a dois
Sn
i=1
Bi
P (Bi ) > 0
para todo
P (A) =
n
X
i=1
i.
Ento, para qualquer evento
P (A | Bi ) P (Bi ) .
A,
Probabilidade condicional e independncia
2.5. Frmula de Bayes (1763):

tral
17
{B1 , B2 , . . . , Bn }
Seja
em eventos de probabilidade positiva. Se
para todo
uma partio do espao amos-
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).
so independentes se o conhecimento da ocorrncia de
um deles no inuencia a probabilidade do outro.
2.8. Os eventos A1 , A2 , . . . , An so independentes se para qualquer escolha de k (2 k

n)
e ndices
1 i1 < i2 < < ik n,

P (Ai1 Ai2 . . . Aik ) = P (Ai1 ) P (Ai2 ) . . . P (Aik ) .
2.9.
Uma coleo innita de eventos
independente
se toda subcoleo nita desses
eventos independente.
2.10. Se A1 , A2 , . . . , An so independentes, ento, para qualquer escolha de Bj com Bj =

Aj
ou
Acj ,
P (B1 B2 . . . Bn ) = P (B1 ) P (B2 ) . . . P (Bn ).
Probabilidade
18
2.11.
Freqentemente, um experimento aleatrio consiste em realizar uma seqncia de
ensaios (subexperimentos). Por exemplo, se o experimento aleatrio lanar uma moeda

repetidamente, cada lanamento pode ser considerado como um ensaio. Neste caso, dizer
que os ensaios so
independentes
signica dizer que a seguinte condio vlida: se
Ai
um evento cuja ocorrncia completamente determinada pelo resultado do i-simo ensaio,

ento
A1 , A2 , . . .
so independentes.
Exerccios
1. Sejam A, B
trs eventos em um espao de probabilidade. Expresse os seguintes
eventos em termos de
(a) Apenas
(b)
A, B
C:
ocorre;
ocorrem, mas
no ocorre;
(c) Os trs eventos ocorrem;

(d) Pelo menos um dos trs eventos ocorre;
(e) Nenhum dos trs eventos ocorre;
(f ) Exatamente um dos trs eventos ocorre;
(g) No mximo um dos trs eventos ocorre;
(h) Pelo menos dois dos trs eventos ocorrem.
2. Um baralho comum consiste de 52 cartas separadas em 4 naipes com 13 cartas de cada

um. Para cada naipe, os valores das cartas so 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K e A. Um
baralho comum embaralhado. Qual a probabilidade de que as quatro cartas do topo
tenham
(a) valores diferentes?
(b) naipes diferentes?
Soluo.
Se consideramos como relevante a ordem entre as quatro cartas do topo, ento
52 . 51 . 50 . 49 resultados. Alm disso, existem 52 . 48 . 44 . 40

tm valores diferentes e 52 . 39 . 26 . 13 resultados em que as
o espao amostral consiste de

resultados em que as cartas
cartas tm naipes diferentes. Portanto, assumindo que o embaralhamento signica que

cada resultado no espao amostral igualmente provvel, temos que as probabilidades
desejadas so
(a)
Observao.
52 . 48 . 44 . 40
0, 676;
52 . 51 . 50 . 49
(b)
52 . 39 . 26 . 13
0, 105.
52 . 51 . 50 . 49
Claramente as mesmas respostas seriam obtidas se considerssemos as quatro
cartas do topo como um conjunto no ordenado de cartas.
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?
4. Extraem-se 4 cartas de um baralho com 52 cartas.
Qual a probabilidade de que 2
sejam pretas e 2 vermelhas?
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?
6. Uma caixa contm 40 parafusos bons e 10 defeituosos.
Seleciona-se uma amostra de 5
parafusos. Calcule as probabilidades dos seguintes eventos:

(a) nenhum parafuso na amostra defeituoso.
(b) nenhum, um ou dois parafusos na amostra so defeituosos.
(c) a amostra contm pelo menos um parafuso bom.
7. Distribumos 12 bolas em 5 caixas numeradas 1, 2, 3, 4, 5.
Calcule a probabilidade da
caixa 1 conter exatamente 3 bolas se

(a) as bolas so distinguveis.
(b) as bolas so indistinguveis.
8. Os clubes de xadrez de duas escolas consistem,
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
homens entre eles?
10. Suponha que cada uma de um total de n varetas seja quebrada em uma parte longa
e uma curta. As
2n
partes so arrumadas ao acaso em
varetas so formadas. Calcule a probabilidade de que

(a) as partes sejam unidas na ordem original;
pares a partir dos quais novas
Probabilidade
20
(b) todas as partes longas sejam emparelhadas com partes curtas.
11. Um armrio contm n pares diferentes de sapatos.

2r < n),
acaso (com
Se
2r
sapatos so escolhidos ao
determine a probabilidade de que dentre os sapatos selecionados
(a) no exista par algum completo;

(b) exista exatamente um par completo;
(c) existam exatamente dois pares completos.
n = 10
Considere
r=2
e calcule de duas maneiras diferentes a probabilidade de que
exista pelo menos um par completo dentre os sapatos selecionados.
12. Sejam A1 , A2 , . . .
eventos em um espao de probabilidade. Demonstre que
(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.
13. Prove que se A1 , A2 , . . .
B1 , B2 , . . . so eventos do mesmo espao de probabilidade

tais que P (An ) 1 e P (Bn ) p quando n , ento P (An Bn ) p quando n .
e
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) Sejam os eventos
A : Pelo
menos uma carta foi colocada no envelope certo.
Ai : A i-sima
carta foi colocada no envelope certo,
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
15. Se quatro casais de namorados so dispostos aleatoriamente em uma la, determine

a probabilidade de que nenhum dos casais que junto.
16. Cinco bolas so selecionadas aleatoriamente, sem reposio, de uma urna que contm
5 bolas vermelhas, 6 bolas brancas e 7 bolas azuis.
Determine a probabilidade de que
pelo menos uma bola de cada cor seja selecionada.
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.
18. No jogo de bridge,
cada jogador recebe 13 das 52 cartas de um baralho. Calcule a
probabilidade de que na mo de um jogador pelo menos um naipe esteja ausente.
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.
aventureiros devem escolher um deles para uma misso arriscada.
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
cliente que visita o departamento de roupas masculinas de uma loja compra
um terno com probabilidade 2/5, uma gravata com probabilidade 5/12 e uma camisa
Probabilidade
22
com probabilidade 1/2.
O cliente compra um terno e uma gravata com probabilidade
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
cliente compra um terno;
B: O
cliente compra uma gravata;
C: O
cliente compra uma camisa.
so independentes?
(b) Qual a probabilidade de que o cliente no compre nenhum dos itens?

(c) Dado que o cliente no vai comprar uma gravata, qual a probabilidade de que
compre um terno?
(d) Dado que o cliente vai comprar uma camisa, qual a probabilidade de que tambm
compre uma gravata e um terno?
23. Em
um curso secundrio,
1/3
tudantes so do sexo feminino.
dos estudantes so do sexo masculino e
2/3
dos es-
A proporo de rapazes que estudam cincias 20% e
apenas 10% das moas dedicam-se s cincias. Obtenha as probabilidades de que

(a) um estudante escolhido ao acaso estude cincias;
(b) um estudante de cincias selecionado ao acaso seja do sexo feminino.
Soluo.
Sejam os eventos
A: O
estudante do sexo feminino.
B: O
estudante estuda cincias.
(a) Pela frmula da probabilidade total,
P (B) = P (B| A) P (A) + P (B| Ac ) P (Ac ) =
2
1 2 1 1
. + . = .
10 3 5 3
15
(b) Pela frmula de Bayes,
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,
30% da fazenda 2 e 50% da fazenda 3. Um rgo de scalizao inspecionou as fazendas e

constatou que 20% do leite produzido na fazenda 1 estava adulterado por adio de gua,
enquanto que para as fazendas 2 e 3 essa proporo era de 5% e 2%, respectivamente. A
fbrica de sorvete recebe o leite em gales, que so armazenados em um refrigerador, sem
identicao da fazenda de provenincia. Um galo escolhido ao acaso e seu contedo
testado para vericar adulterao.
Exerccios
23
(a) Qual a probabilidade de que o galo contenha leite adulterado?

(b) Sabendo que o teste constatou que o leite do galo est adulterado, obtenha a
probabilidade de que o galo seja proveniente da fazenda 1.
25. Considere duas moedas, uma honesta e a outra que resulta cara em cada lanamento
com probabilidade
0, 6.
Uma moeda escolhida ao acaso e, aps lanada quatro vezes,
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
caixa I contm 4 bolas brancas e 2 pretas, a caixa II contm 3 bolas brancas e
1 preta e a caixa III contm 1 bola branca e 2 pretas.

(a) Extrai-se uma bola de cada caixa. Determine a probabilidade de que todas as bolas
sejam brancas.
(b) Seleciona-se uma caixa e dela extrai-se uma bola. Determine a probabilidade de
que a bola extrada seja branca.
(c) Calcule em (b) a probabilidade de que a primeira caixa tenha sido escolhida, dado
que a bola extrada branca.
28. Em um restaurante, trs cozinheiros A, B e C
preparam um tipo especial de bolo, e
com probabilidades respectivas 0,02, 0,03 e 0,05 a massa do bolo no cresce. Sabe-se que
prepara 50 por cento desses bolos,
30 por cento e
20 por cento. Se uma massa de
bolo no cresceu, qual a probabilidade de que tenha sido preparada pelo cozinheiro
29. Uma senhora da alta sociedade d uma festa em sua manso.
A?
Ao trmino da festa, ela
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
experimento consiste em lanar duas vezes uma moeda honesta.
Considere os
eventos
A:
O primeiro lanamento resulta em cara.
B:
O segundo lanamento resulta em cara.
C:
O resultado do primeiro lanamento coincide com o resultado do segundo lanamento.
Probabilidade
24
A, B
Prove que
31. Um
so independentes dois a dois, porm no so independentes.
par de dados honestos lanado repetidamente.
independentes, qual a probabilidade de que um total
Sugesto:
An
Dena
7?
aparea antes de um total
o evento de que os totais 7 e 8 no ocorrem nos primeiros
ensaios e ocorre um total 8 no
32. Existem
Supondo que os ensaios so
n-simo
n1
ensaio.
duas estradas de A a B e duas estradas de B a C. Cada uma das quatro
estradas bloqueada por queda de barreira com probabilidade
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
p = 1/10 independentemente das demais, encontre a probabilidade condicional
pedida.
33. Duas pessoas lanam uma moeda honesta n vezes,
de forma independente. Mostre
que a probabilidade delas obterem igual nmero de caras a mesma que a de obterem ao
todo
caras.
34. Sejam A1 , A2 , . . .
P
n
[
eventos independentes. Demonstre que
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
Sugesto: Para mostrar a desigualdade, use que 1 x ex para todo x R.

a implicao, note que
Bn =
Sn
k=1
Ak
k=1
Ak
quando
n .
35. (a) Sejam A e B dois eventos com probabilidade positiva.

A
um evento mais provvel, ento a ocorrncia de
(b) Mostre que se

de todo evento
um evento tal que
onde
P (A) = |A|/p. Mostre

eventos ou .
dena
um dos dois
Sugesto:
Prove que
37. Seja P
igual a
um divisor de
B
ou
faz de
um evento mais provvel?
1,
ento
um nmero primo. Seja
que se
independente
0 < P (A) < 1.

P (B |Ac ).
Use que
Mostre que
F = P ()
e, para
so independentes, ento ao menos
|A| |B|.
e suponha que A um evento
independentes se e somente se P (B |A) =
uma probabilidade sobre um espao amostral
com
Sugesto:
faz de
Se a ocorrncia de
B.
36. Suponha que = {1, . . . , p},

A F,
P (A)
Para provar
so
P (Ac B) + P (A B) = P (B).
Respostas
25
38. Seja P
uma probabilidade sobre um espao amostral
(a) Mostre que se A e B so eventos tais que

c
c
ento P (B |A ) = 1.
(b) Prove que se
E, F
so eventos tais que
P (A) < 1, P (B) > 0

P (F G) > 0
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)
(Ac B c C c ) (A B c C c ) (Ac B C c ) (Ac B c C)
(h)
(A B C c ) (A B c C) (Ac B C) (A B C) =
Complementar de (g)
3. 4/9, muda o raciocnio mas no o resultado.

4. 325/833
5. 5, 4 . 105 e 1, 4 . 103
6. (a) 0, 310
(b)
0, 952
7. (a) 0, 236
(b)
0, 121
8. (a) 1/18
(b) 1/6
(c)
0, 999
(c) 1/2
9. 2(n r 1)/ (n(n 1))

10. (a) 2n n!/(2n)!
11. (a)
n
2r
22r /
(b)
2n
2r
2n /
(b)
2n
n
n1
2r2
22r2 /
2n
2r
(c)
n
2
n2
2r4
22r4 /
2n
2r
99/323 (Complementar do evento em (a) e Princpio da Incluso-Excluso).
15. 12/35
16. 6055/8568
17. 903/1012
18. 0, 051
20. Dena Vi
P (Vi ) = 1/3
o evento de selecionar a bola vermelha na
para
i = 1, 2, 3.
i-sima
extrao e mostre que
Probabilidade
26
21. 31/210
22. (a) No
(b) 4/15
24. (a) 13/200
(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.
Quando armamos que a ocorrncia de
queremos dizer que
faz de
A um evento mais provvel,
P (A | B) > P (A).
(b) Considere separadamente os casos

P (A B) = P (B) P (Ac B).
P (A) = 0
P (A) = 1.
No segundo, use que
Captulo 3
Variveis aleatrias
1. Denies
1.1.
Uma
varivel aleatria X
valores reais denida em
em um espao de probabilidade
(, F, P )
uma funo a
tal que
{X x} = { : X() x} F
para todo
x R.
As variveis aleatrias que assumem valores em um conjunto nito ou innito enumervel

so chamadas
chamadas
discretas
e aquelas que assumem valores em um intervalo da reta real so
contnuas .
1.2. A funo de distribuio acumulada de uma varivel aleatria X a funo F
= FX
denida por
F (x) = P (X x) = P ({ : X() x}), x R.
Propriedades fundamentais de uma funo de distribuio:

(F1)
uma funo no-decrescente: se
(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
a < b, P (a < X b) = F (b) F (a).
tem um nmero nito ou enumervel de pontos de descontinuidade.
para
x R,
P (X = x) = F (x) F (x ) = Salto
de
no ponto
x.
Ademais,
Variveis aleatrias
28
Observao.
Uma funo
F :RR
buio de alguma varivel aleatria
1.3.
(a) A varivel aleatria
que satisfaz (F1), (F2) e (F3) a funo de distri-
X.
discreta
se assume um nmero nito ou enumervel de
valores, isto , se existe um conjunto nito ou enumervel
{x1 , x2 , . . .}, .
de
A funo
p(x) = P (X = x)
{x1 , x2 , . . .} R tal que X()
chamada
funo de probabilidade
X.
(b) A varivel aleatria
(absolutamente) contnua
se existe uma funo
f (x) 0
tal
que
f (t) dt, x R.
FX (x) =
Neste caso, dizemos que
Observao.
possveis
uma
funo densidade de probabilidade
de
X.
Uma varivel aleatria discreta denida quando denimos os seus valores
{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
ocorra ou no, ou seja,
(
IA () =
1.5.
Para
a varivel aleatria discreta que assume os
se
A,
se
6 A.
B R,
X
p(xi )
i: xi B
P (X B) =
Z
f (x) dx
se
discreta,
se
contnua com densidade
f,
onde no segundo caso supomos que

sentido.
um subconjunto de
para o qual a integral faz
Modelos de distribuies discretas
29
F (x)
1
P (X = x3 )
P (X = x2 )
P (X = x1 )
x1
x2
x3
Figura 3.1: Funo de distribuio de uma varivel aleatria discreta.
fX (x)
P (a X b)
Figura 3.2: Densidade de uma varivel aleatria contnua.
2. Modelos de distribuies discretas

Como usual quando se trata de variveis aleatrias, l-se o smbolo
como tem distri-
buio.
1.
Uniforme discreta sobre o conjunto
{x1 , . . . , xn } R
se tem funo de proba-
bilidade dada por
P (X = xi ) =
X
2.
1
, i = 1, . . . , n.
n
representa a escolha ao acaso de um elemento do conjunto
particular em que
x1 = 1, . . . , xn = n
0 p 1,
Bernoulli(p),
denotado por
{x1 , . . . , xn }.
O caso
Uniforme Discreta(n).
se tem funo de probabilidade dada por
P (X = x) = px (1 p)1x , x = 0, 1.
X
a funo indicadora da ocorrncia de sucesso em um ensaio de Bernoulli (expe-
rimento que tem somente dois resultados possveis: sucesso e fracasso, com probabilidades respectivas
(1 p)).
Variveis aleatrias
30
3.
X Binomial(n, p), n 1 inteiro e 0 p 1, se tem funo de probabilidade dada

por

n x
P (X = x) =
p (1 p)nx , x = 0, 1, . . . , n.
x
X
o nmero de sucessos obtidos em
probabilidade de sucesso
ensaios de Bernoulli independentes com
em cada ensaio.
importante observar que uma varivel aleatria com distribuio Binomial(n, p)

pode ser escrita como a soma de
n variveis aleatrias independentes com distribui-
o Bernoulli(p).
Propriedade:
0 a
Se
Binomial(n, p), onde
Poisson(),
> 0,
vai de
Geomtrica(p),
o maior inteiro menor ou igual a
(n + 1) p.
P (X = x) =
5.
ento, medida que
n, P (X = k) primeiro cresce monotonamente e depois decresce monotonamente,
atingindo seu valor mximo quando
4.
0 < p < 1,
0 < p 1,
e x
, x = 0, 1, . . .
x!
P (X = x) = p (1 p)x1 , x = 1, 2, . . .
X
o nmero de ensaios necessrios para obter o primeiro sucesso quando se realiza
uma seqncia de ensaios de Bernoulli independentes com probabilidade de sucesso
em cada ensaio.
Propriedade fundamental:
Falta de memria.
P (X m + n | X m) = P (X n)
6.
Binomial Negativa(r, p),
r1
inteiro e
para
m, n = 1, 2, . . .
0 < p 1,
se tem funo de probabi-
lidade dada por

x1 r
P (X = x) =
p (1 p)xr , x = r, r + 1, . . .
r1
X
o nmero de ensaios necessrios para obter o
r-simo
sucesso quando se realiza
uma seqncia de ensaios de Bernoulli independentes com probabilidade de sucesso

em cada ensaio.
Modelos de distribuies contnuas
31
Cumpre enfatizar que uma varivel aleatria com distribuio Binomial Negativa(r, p)
pode ser escrita como a soma de
variveis aleatrias independentes com distribui-
o Geomtrica(p).
7.
Hipergeomtrica(n, R, N ),
n, R, N
inteiros,
n N, R N,
se tem funo de
probabilidade dada por

1
N R R N
P (X = x) =
,
nx
x
n
para
inteiro tal que mx(0, n
N + R) x mn(n, R). X
vermelhas em uma amostra de tamanho
bolas, das quais
so vermelhas e
o nmero de bolas
n, extrada sem reposio de uma urna com
N R
azuis.
3. Modelos de distribuies contnuas

1.
Uniforme (a, b),
a, b R, a < b,
fX (x) =
X
2.
se tem densidade dada por
1
, a < x < b.
ba
representa um ponto escolhido ao acaso no intervalo
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
conhecida como normal
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).
A funo distribuio da normal padro, denotada por
(z) + (z) = 1
X N (, 2 ),
(),
tabelada e satisfaz
A partir dela, podem-se obter probabilidades para
uma varivel aleatria normal qualquer.
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
A funo gama de Euler
: (0, ) R
denida por
x1 ex dx, > 0,
() =
0
e possui as seguintes propriedades:
(i)
(ii)
( + 1) = (), > 0.
(n + 1) = n!
para
n0
inteiro.
Freqentemente, til saber que
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)
A funo beta de Euler
B : (0, ) (0, ) R
denida por
xa1 (1 x)b1 dx, a > 0, b > 0,
B(a, b) =
0
e satisfaz
6.
B(a, b) = (a) (b)/(a + b).
Cauchy(a, b),
a R, b > 0,
fX (x) =
1
, x R.
b 1 + [(x a)/b]2

A distribuio de Cauchy com parmetros

padro.
a = 0
b = 1
denominada Cauchy
Aproximao de Poisson Binomial
33
4. Aproximao de Poisson Binomial

Seja
e
Binomial(n, p), e consideremos
pequeno de modo que o valor de
probabilidade de
Poisson(), com
Se
grande
moderado, podemos aproximar a funo de
Y,
pela funo de probabilidade de
isto , para qualquer inteiro
n,
entre 0 e
P (X = k) P (Y = k) =
e k
.
k!
Essa aproximao justicada pelo Teorema de Poisson (veja-se

Em palavras, se so realizados
em sucesso com probabilidade
fazer
= n p.
2.8 do Captulo 5, p. 88).
ensaios de Bernoulli independentes, cada um resultando
p,
ento, quando
grande e
pequeno o suciente a
n p moderado, o nmero de sucessos que ocorrem tem aproximadamente distribuio

n p.
de Poisson com parmetro

considerada boa se
n 20
De acordo com duas regras prticas, a aproximao
p 0, 05
ou se
n 100
n p 10.
5. Aproximao Normal Binomial

Se
grande, ento uma varivel aleatria
com distribuio Binomial(n, p) tem apro-
ximadamente a mesma distribuio de uma varivel aleatria normal com parmetros
= np
2 = n p (1 p).
Essa armao justicada pelo Teorema Central do Limite
2.7 do Captulo 5, p. 88), o qual estabelece que, quando n ,
de De Moivre e Laplace (
a funo de distribuio da varivel
X np
p
n p (1 p)
converge em todo ponto para a funo de distribuio

Assim, para qualquer inteiro
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
inteiros entre 0 and
P (i X j)
n,
j + 0, 5 n p
p
n p (1 p)
0, 5
Esse procedimento de subtrair e somar
de Fisher
i 0, 5 n p
p
n p (1 p)
conhecido como
!
.
correo de continuidade
e fornece uma aproximao ligeiramente mais precisa, sendo especialmente
recomendvel quando
no for muito grande.
Dois critrios freqentemente usados so que
np 5
n (1 p) 5
ou
n p (1 p) 10
implicam uma boa aproximao.
6. Variveis aleatrias conjuntamente distribudas

6.1.
Sejam
variveis aleatrias denidas no mesmo espao de probabilidade. A
funo de distribuio acumulada conjunta
do par
(X, Y )
denida por
F (x, y) = P (X x, Y y), x, y R.
As
funes de distribuio marginais
de
FX (x) = lim F (x, y), x R

Sejam
dade. A
so respectivamente dadas por
FY (y) = lim F (x, y), y R.
6.2.
variveis aleatrias discretas denidas no mesmo espao de probabili-
funo de probabilidade conjunta
de
p(x, y) = P (X = x, Y = y), x, y R.
Note que
As
p(x, y) > 0
apenas para
(x, y)
funes de probabilidade marginais

pX (x) =
em um subconjunto nito ou enumervel de
de
p(x, y), x R
6.3. Sejam X e Y
mos que
uma
so
pY (y) =
R2 .
p(x, y), y R.
variveis aleatrias denidas no mesmo espao de probabilidade. Dize-
so
conjuntamente contnuas
se existe uma funo
f (x, y) 0,
chamada
funo densidade de probabilidade conjunta , tal que para quaisquer x, y R,

Z
F (x, y) =
f (u, v) du dv.
Independncia de variveis aleatrias
Se
35
so conjuntamente contnuas com funo densidade conjunta
individualmente contnuas com
funes densidade marginais
Z
f (x, y) dy, x R
fX (x) =
Observao.
ento so
respectivas
f (x, y) dx, y R.
fY (y) =
f (x, y),
natural a extenso das denies e resultados anteriores para o caso de
mais de duas variveis aleatrias denidas no mesmo espao de probabilidade.
7. Independncia de variveis aleatrias

7.1.
As variveis aleatrias
Ai R
(borelianos),
X1 , . . . , X n
so
independentes
se para quaisquer conjuntos
i = 1, . . . , n,
P (X1 A1 , . . . , Xn An ) =
n
Y
P (Xi Ai ).
i=1
7.2. Sejam X1 , . . . , Xn variveis aleatrias com funo de distribuio conjunta F (x1 , . . . , xn )

e funes de distribuio marginais
FX1 , . . . , FXn , respectivamente.
Ento,
X1 , . . . , Xn so
independentes se e somente se
F (x1 , . . . , xn ) = FX1 (x1 ) . . . FXn (xn )

para qualquer escolha de
x1 , . . . , x n .
(Em palavras, a funo de distribuio conjunta se
fatora como o produto das funes de distribuio individuais).
7.3. Critrio para independncia no caso discreto:

As variveis aleatrias discretas
X1 , . . . , X n
so independentes se e somente se
P (X1 = x1 , . . . , Xn = xn ) = P (X1 = x1 ) . . . P (Xn = xn )

x1 , . . . , x n .
7.4. Critrio para independncia no caso contnuo:

Sejam
X1 , . . . , X n
dade conjunta
Ento,
variveis aleatrias conjuntamente contnuas com funo densi-
f (x1 , . . . , xn ) e funes densidade marginais fX1 , . . . , fXn , respectivamente.
X1 , . . . , X n
so independentes se e somente se
f (x1 , . . . , xn ) = fX1 (x1 ) . . . fXn (xn )

x1 , . . . , x n .
Variveis aleatrias
36
7.5.
Uma coleo innita de variveis aleatrias
independente
se toda subcoleo nita
dessas variveis aleatrias independente.
7.6.
Se
X1 , . . . , X n
so variveis aleatrias independentes, ento funes contnuas de
famlias disjuntas das
7.7.
Xi 's
so independentes.
Quando falamos de variveis aleatrias, a abreviatura i.i.d. signica independentes e
identicamente distribudas.
8. Funes de variveis aleatrias

8.1.
Seja
uma varivel aleatria contnua com funo densidade de probabilidade
Suponhamos que
e seja
uma funo estritamente montona, diferencivel na imagem de
a inversa de
Ento, a varivel aleatria denida por
funo densidade de probabilidade
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
no ser montona, a regra geral expressar
x,
FY
em termos de
FX .
X
R
Figura 3.3: Funo de uma varivel aleatria.
8.2. Mtodo do Jacobiano:
Sejam
nuas com funo densidade conjunta

com
um conjunto aberto de
R2 .
X1
X2
variveis aleatrias conjuntamente cont-
e suponhamos que
f (x1 , x2 ) > 0 para (x1 , x2 ) A,
Funes de variveis aleatrias
37
Denimos novas variveis aleatrias
Y1
Y2 ,
obtidas a partir das primeiras pela transfor-
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.
2. As funes () denem uma bijeo de
A?
a imagem da transfor-
x2 = 2 (y1 , y2 ),
()
em
A? ,
onde
mao.
3. A transformao inversa
x1 = 1 (y1 , y2 ),
que existe e nica, tem Jacobiano no-nulo em
A?
"
#
x1 /y1 x1 /y2
(x1 , x2 )
J(y1 , y2 ) =
= det
6= 0.
(y1 , y2 )
x2 /y1 x2 /y2
Ento,
Y1
Y2
so conjuntamente contnuas com funo densidade conjunta dada por
g(y1 , y2 ) =
f (x1 , x2 ) |J(y1 , y2 )|
0
onde
x1
x2
Observao.
(y1 , y2 ) A? ,
se
caso contrrio
so dados por ().
Como freqentemente mais fcil obter
J(x1 , x2 ) = (y1 , y2 )/(x1 , x2 ),
importante recordar a seguinte relao:
J(y1 , y2 ) = J(x1 , x2 )1 ,
x1
8.3.
(a) Sejam
x2
so dados por ().
onde
duas variveis aleatrias independentes, a valores inteiros, com
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
a funo de probabilidade da varivel alea-
duas variveis aleatrias contnuas e independentes, com funes den-
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.
tem funo densidade
duas variveis aleatrias contnuas e independentes, com funes den-
fX
fY .
Ento,
tem funo densidade dada por
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
|x| fX (x) fY (xz) dx, z R.
fY /X (z) =
9. Estatsticas de ordem
Sejam
X1 , X2 , . . . , Xn
variveis aleatrias i.i.d., contnuas com funo densidade comum
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
fY1 ,...,Yn (y1 , . . . , yn ) = n! f (y1 ) . . . f (yn ),

Para
i < j,
a densidade conjunta de
fYi ,Yj (x, y) =
Yi
Yj
y1 < y2 < < yn .
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,
fY1 (x) = n f (x) [1 F (x)]n1 , x R
fYn (x) = n f (x) [F (x)]n1 , x R.
10. Modelos multidimensionais

1.
Distribuio multinomial:
Seja
o espao amostral associado a um experimento
{A1 , . . . , An } uma
P
pi = P (Ai ), ento ni=1 pi = 1.
aleatrio, e suponhamos que

viamente, se
Realizam-se
partio de
m repeties independentes desse experimento.
zes que ocorre o evento
Ai
nas
m repeties.
tem distribuio multinomial de parmetros
A varivel
Seja
em
eventos. Ob-
Xi o nmero de ve-
n-dimensional (X1 , . . . , Xn )
m, p1 , . . . , pn .
A funo de probabili-
dade conjunta dada por
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.
Distribuio hipergeomtrica multivariada:

quais
N1
so da cor 1,
N2
bolas sem reposio (n
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
tem distribuio hipergeomtrica multivariada
A funo de probabilidade conjunta dada por
P (X1 = x1 , . . . , Xr = xr ) =
xi {0, 1, . . . , n}
r (N = N1 + + Nr ).
o nmero de bolas da cor
para
Uma urna contm
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,
um conjunto tal que Vol (G)
onde
denido por
Z
Vol (G)
> 0,
dx1 . . . dxn .
G
A varivel
densidade
n-dimensional X = (X1 , . . . , Xn ) tem distribuio uniforme em G se tem

e
(
1 / Vol (G) se (x1 , . . . , xn ) G,
f (x1 , . . . , xn ) =
0
caso contrrio.
Ento, para
B Rn ,
P (X B) =
e
G)
.
Vol (G)
Vol (B
Esse modelo corresponde escolha ao acaso de um ponto em
G.
11. Distribuies relacionadas com a normal

11.1.
As distribuies denidas a seguir so fundamentais no estudo de procedimentos
de estimao estatstica.
1. Se
Z1 , . . . , Zn
so variveis aleatrias independentes e identicamente distribudas,
com distribuio
N (0, 1),
ento a varivel
X = Z12 + + Zn2
tem
distribuio
qui-quadrado com n graus de liberdade, denotada 2n .

A distribuio
2. Se
2n
a Gama(n/2, 1/2).
so variveis aleatrias independentes,
X N (0, 1)
Y 2n ,
ento a
varivel
X
T =p
Y /n
tem
distribuio t de Student com n graus de liberdade,
denotada
dessa varivel dada por
( 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
so variveis aleatrias independentes,
U=
tem
X 2m
Y 2n , ento a varivel
X/m
Y /n
distribuio F de Snedecor com m e n graus de liberdade, denotada F (m, n).
densidade dessa varivel dada por
( 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
1/X F (n, m).
variveis aleatrias independentes e identicamente distribudas,
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 .
so variveis aleatrias independentes, com
amostral.
N (, 2 /n)
X
(n
Da, segue que
)
(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
o nmero de curados dentre os 15 pacientes
submetidos ao tratamento.
(a) Qual a distribuio de
X?
(b) Qual a probabilidade de que os 15 pacientes sejam curados?

(c) Qual a probabilidade de que pelo menos dois no sejam curados?
2. Um estudante preenche por adivinhao um exame de mltipla escolha com 5 respostas

possveis (das quais uma correta) para cada uma de 10 questes.
(a) Qual a distribuio do nmero de respostas certas?
(b) Qual a probabilidade de que o estudante obtenha 9 ou mais respostas certas?
Variveis aleatrias
42
(c) Qual a probabilidade de que acerte pelo menos duas questes?
3. O
nmero de erros tipogrcos numa pgina de determinado livro uma varivel
aleatria com distribuio de Poisson de parmetro
1/2.
Encontre a probabilidade de que
haja trs ou mais erros tipogrcos nesta pgina. Calcule esta probabilidade dado que h
pelo menos um erro nesta pgina.
4. A liga de futebol de um pas tem quatro times:
time 1, time 2, time 3 e time 4. Um
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
o nmero de vitrias conquistadas pelo time estrangeiro nos
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.
(a) Notamos que
Vi : O
Sabemos que
assume os valores 0, 1, 2, 3 e consideramos os eventos
time estrangeiro conquista a vitria contra o time
i, i = 1, 2, 3.
V1 , V2 e V3 so independentes, com P (V1 ) = 1/4, P (V2 ) = 1/2 e P (V3 ) = 2/5.
Ento,
P (X = 0) = P (V1 c V2 c V3 c ) = P (V1 c ) P (V2 c ) P (V3 c ) =
9
3 1 3
= ,
4 2 5
40
P (X = 1) = P (V1 V2 c V3 c ) + P (V1 c V2 V3 c ) + P (V1 c V2 c V3 )

=
1 1 3 3 1 3 3 1 2
9
+
+
= ,
4 2 5 4 2 5 4 2 5
20
P (X = 2) = P (V1 V2 V3 c ) + P (V1 V2 c V3 ) + P (V1 c V2 V3 )

1 1 3 1 1 2 3 1 2
11
+
+
= ,
4 2 5 4 2 5 4 2 5
40
1 1 2
1
P (X = 3) = P (V1 V2 V3 ) =
= .
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
o evento de que o time estrangeiro faz o quarto jogo, temos
P (F | X = 3) = 1,
P (F | X = 2) = 4/5,
P (F | X = 1) = P (F | X = 0) = 0,
portanto, pela frmula da probabilidade total,
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
(d) Pela frmula de Bayes,
P (X = 3 | F ) =
P (F | X = 3) P (X = 3)
1/20
5
=
=
0, 185.
P (F )
27/100
27
5. Um revendedor de componentes eltricos os compra em lotes de 10 peas.
Seu controle
de qualidade consiste em inspecionar 3 componentes selecionados aleatoriamente de um

lote e aceitar o lote somente se os 3 componentes no so defeituosos. Sabe-se que 30%
dos lotes tm 4 componentes defeituosos e 70% tm apenas 1 componente defeituoso. Dos
3 componentes selecionados de um lote, seja
(a) Obtenha a funo de probabilidade de
o nmero de componentes defeituosos.
X.
(b) Qual a probabilidade de que um lote seja aceito?
6. Um nmero aleatrio N
de dados so lanados. Suponha que
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
Encontre as probabilidades de que
S = 3;
N
par.
uma varivel aleatria com densidade dada por
a (1 + x)
2/3
f (x) =
se
se
caso contrrio.
Obtenha:
(a) o valor de
a.
(b)
0 < x 1,
1 < x 2,
P (0, 5 < X 1, 5).
Variveis aleatrias
44
8. Se Y
tem distribuio uniforme em (0, 5), qual a probabilidade de que as razes da

2
equao 4 x + 4 x Y + Y + 2 = 0 sejam ambas reais?
9. Dena
P (Ea ) = 1
Sugesto:
Ea , 0 < a < 1,
P (a Ea ) = 0.
uma coleo de eventos

para todo
Seja
a,
mas
com distribuio uniforme em
(0, 1)
satisfazendo a propriedade de que
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.
O departamento de controle de qualidade da fbrica que o
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?
11. Uma fbrica utiliza dois mtodos para a produo de lmpadas:
70% delas so pro-
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?
12. Aproximadamente 80000 casamentos foram celebrados no Rio de Janeiro durante o

ano passado. Estime a probabilidade de que para pelo menos um desses casais ambos os
cnjuges tenham nascido no dia 30 de abril. Deixe claras as suas hipteses.
13. Doze por cento da populao canhota.
Aproxime a probabilidade de que haja pelo
menos 20 canhotos em uma escola com 200 alunos. Esclarea as suas hipteses.
14. O
tempo de vida em horas de chips de computador produzidos por uma indstria

6
2
10
tem distribuio normal com parmetros = 1, 4 . 10 e = 9 . 10 . Obtenha uma
estimativa para a probabilidade de que um lote de 100 chips contenha pelo menos 20
6
chips que durem menos que 1, 8 . 10 horas.
15. Uma urna contm trs bolas brancas e duas bolas azuis.
sem reposio. Sejam
o nmero de bolas brancas obtidas e
Realizam-se trs extraes,
o nmero de bolas azuis
extradas antes de obter a primeira bola branca. Determine a funo de probabilidade

conjunta de
16. A
Y,
bem como as marginais.
diretoria de uma organizao feminina formada por quatro mulheres solteiras,
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
mulheres solteiras e vivas na comisso, respectivamente.

(a) Determine a funo de probabilidade conjunta 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?
17. Modelo de Maxwell-Boltzmann.
Distribumos
bolas
distinguveis
em
urnas,
de forma que todas as conguraes so igualmente provveis. Permitimos que mais de

uma bola seja colocada numa mesma urna. Seja
Xj
o nmero de bolas na urna
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) =
18. Modelo de Bose-Einstein.
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
o nmero de bolas na urna
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
o evento de que nenhuma urna que vazia.
Prove que, no caso do modelo de Maxwell-Boltzmann,
P (A) =
n
X
i=0

k
n
i
(1)
1
i
n
i
e, para o modelo de Bose-Einstein,

P (A) =

1
k1 n+k1
.
n1
n1
20. Sejam X1 e X2 variveis aleatrias independentes e identicamente

P (X1 = 1) = P (X1 = 1) = 1/2. Considere X3 = X1 X2 . As variveis
e X3 so independentes? So independentes duas a duas?
distribudas, com
aleatrias
X1 , X2
21. Uma urna contm X bolas, onde X uma varivel aleatria com distribuio de Poisson de parmetro
As bolas so pintadas, de maneira independente, de vermelho com
Variveis aleatrias
46
p ou azul com probabilidade (1 p). Sejam Y o nmero de bolas vermelhas

e Z o nmero de bolas azuis. Prove que Y e Z so variveis aleatrias independentes,
com Y Poisson(p) e Z Poisson((1 p)).
probabilidade
Sugesto:
Para
nmeros inteiros no-negativos, seja
x = y + z.
Justique e use que
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
P (X0 = 1) = P (X0 = 1) = 1/2.

Z0 , Z1 , . . . so independentes.
variveis aleatrias i.i.d., com
Xj , n 0.
Considere
Zn =
Sugesto:
Por induo em
n,
Mostre que
prove que para todo
n 0,
P (Zn = 1) = P (Zn = 1) = 1/2
P (Z0 = 1, Z1 = 1, . . . , Zn = 1) = 1/2n+1 .
Da, use o tpico
23. Seja
em
OA
OA
2.10 para concluir que Z0 , Z1 , . . .
um segmento de
de comprimento
de forma aleatria e independente.
so independentes.
a.
Escolhem-se dois pontos
Denote por
X1
X2
P1
P2
os comprimentos dos
OP1 e OP2 , respectivamente.

Dentre P1 e P2 , sejam Y1 o ponto mais prximo a O e Y2 o ponto mais prximo
Dena M1 e M2 os comprimentos dos segmentos OY1 e OY2 , respectivamente.
A.
M = distncia entre P1
P2 .
segmentos
(a) Calcule a funo de distribuio da varivel aleatria

(b) Encontre a densidade de
M.
(c) Determine a probabilidade de que com os trs segmentos
OY1 , Y1 Y2
Y2 A
seja
possvel construir um tringulo.
Soluo.
(a) Temos que
distribuio uniforme em
B = [0, a] [0, a].
X1 e X2 so variveis aleatrias independentes, ambas com

[0, a]. Ento, o par (X1 , X2 ) tem 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,
FM (y) = P (M y) = P (|X1 X2 | y), y R.
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 ,
Por outro lado, se
logo
0 < y a,
FM (y) = 1.
ento (veja-se a Figura 3.4)
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
contnua e derivvel por partes, obtemos a densidade de
(
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
segmentos com os quais se deseja construir um tringulo tm
a M2 ,
M = M2 M1 . Os
comprimento M1 , M e
logo poder constru-lo equivalente a pedir que
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.
< a/2, M2 > a/2). Denimos

a/2, mx{u, v} > a/2}. Ento,
o conjunto
P (M1 < a/2, M < a/2, M2 > a/2) = P ((X1 , X2 ) C)

=
1
B)
= .
rea (B)
4
rea (C
C B
Ay B
a/2
Figura 3.4: Exerccio 23 Clculos de
a/2
FM
e do item (c).
Variveis aleatrias
48
24. Um
casal combina de se encontrar em certo local perto das 12:30 h.
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
variveis aleatrias com densidade conjunta dada por
(
f (x, y) =
120 x (y x) (1 y)
0
P (X zY ) = 3 z 2 2 z 3
0 < x < y < 1,
caso contrrio.
(a) Determine as distribuies marginais de

(b) Mostre que
se
para
Y.
z (0, 1).
(c) Usando o item (b), obtenha a distribuio de
X/Y .
26. Lanamos seis vezes uma moeda honesta de forma independente.

entre o nmero de caras e coroas obtidas. Encontre a distribuio de
27. Seja U
[a]
denota a parte inteira de
28. Seja X
Y.
(0, 1).

log U
,
log(1 p)
a.
uma varivel aleatria com distribuio exponencial de parmetro
mos uma nova varivel aleatria por

Obtenha a distribuio de
29. Seja X
a diferena
obtenha a distribuio da varivel aleatria

X = log1p U =
onde
uma varivel aleatria com distribuio uniforme no intervalo aberto
p (0, 1),
Dado
Seja
Y = [X] + 1,
onde
[X]
Deni-
denota a parte inteira de
X.
Y.
uma varivel aleatria com distribuio uniforme no intervalo
[0, 10].
Deter-
mine a funo de distribuio das seguintes variveis aleatrias:

(a)
Y = X 2 + 2.
(b)
W = mx{2, mn{4, X}}.
(c)
Z = |X 4|.
30. Encontre a densidade de Y
= e2X , onde X
tem distribuio exponencial de parme-
tro 1.
Soluo.
A densidade de
dada por
f (x) = ex , x > 0.
Exerccios
49
Consideremos a funo
: (0, ) (0, 1) dada por (x) = e2x .
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
31. Distribuio Log-normal.

tre a densidade de
32. Seja
Y = eX ,
Seja
onde
(0, /2).
Y = sen X .
= arcsen X
quando
(a)
tem distribuio uniforme em
(0, 1);
(b)
(1, 1).
34. Encontre a densidade de Y
= |X|,
onde
tem distribuio
N (0, 1).
uma varivel aleatria com densidade dada por
1/2
ex /2
f (x) =
0
Obtenha a densidade de
36. Sejam X
1/x2
0
(a) Calcule a densidade conjunta de

e
se
1 < x < 0,
x 0,
caso contrrio.
variveis aleatrias i.i.d. com funo densidade comum
f (x) =
se
Y = X 2.
Soluo.
N (0, 1).
Encon-
Y.
33. Determine a densidade de Y
(b) So
tem distribuio
uma varivel aleatria com distribuio uniforme em
densidade de
35. Seja X
se
x > 1,
caso contrrio.
e
W,
onde
Z = XY
W = X/Y .
independentes?
(a) Notamos que a densidade conjunta de
(
fX,Y (x, y) =
1/(x2 y 2 )
0
se
dada por
x > 1, y > 1,
caso contrrio.
Obtenha a
Variveis aleatrias
50
B0 = {(x, y) R2 : x > 1, y > 1} e B = {(z, w) : z > w > 0, zw > 1}.

Consideremos a funo : B0 B denida por (x, y) = (xy, x/y). Ento, uma
p
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
fX,Y ( zw, z/w)

se z > w > 0, zw > 1,
fZ,W (z, w) =
2w
0
caso contrrio.
Sejam
Assim,
1/(2z 2 w)
fZ,W (z, w) =
se
z > w > 0, zw > 1,
caso contrrio.
(b) Observamos que
( 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.
Visto que a densidade conjunta no o produto das marginais, conclumos que
no so independentes.
37. Sejam X e Y
variveis aleatrias independentes, ambas com distribuio exponencial
de parmetro 1. Calcule a densidade conjunta de
U = |X Y |
V =X +Y,
bem como
as marginais.
Soluo.
A = {(x, y) R2 : x > 0, y > 0}, A? = {(u, v) R2 : 0 < u < v} e

?
funo : A A por (x, y) = (|x y|, x + y). Como no bijetora,
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)
so funes bijetoras com inversas
1
1 (u, v)

=
vu u+v
,
2
2
1
e 2 (u, v)

=
u+v vu
,
2
2

.
Exerccios
51
0 < u < v , a densidade conjunta de U

vu u+v 1
u+v vu 1
,
+ fX,Y
,
.
2
2
2
2
2
2
Aplicando o teorema, obtemos que, para
fU,V (u, v) = fX,Y
Portanto,
ev
fU,V (u, v) =
se
0 < u < v,
caso contrrio.
Com respeito s marginais, um clculo simples mostra que
38. Sejam X e Y
U Exp(1) e V Gama(2, 1).
variveis aleatrias com funo densidade conjunta
f.
Usando o Mtodo
Z = XY . Escreva a densidade de Z
densidades fX e fY , respectivamente.
do Jacobiano, determine a densidade de

que
Soluo.
so independentes, com
no caso em
Consideremos a transformao e sua inversa
w=x
z = xy
com Jacobiano
J(w, z) = 1/w.
y = z/w
(Recorde-se de que
Ento, a densidade conjunta de
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|
so independentes com densidades respectivas
fZ (z) =
fX (x) fY
fX
fY ,
z 1
dx.
x |x|
No clculo de um caso particular, caso se prera aplicar diretamente a frmula obtida,

preciso estar atento aos valores que
assume e aos limites da integral.
39. Sejam
Mostre
X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).
que U = (X + Y )/ 2 e V = (X Y )/ 2 tambm so independentes e N (0, 1).
40. Sejam
Prove que
X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).
R = X 2 + Y 2 e = arctg(Y /X) tambm so independentes, U (0, 2) e
tem distribuio de Rayleigh, ou seja, tem densidade
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
variveis aleatrias independentes, com
(
f (x, y) =
6y
(b) Calcule a funo densidade de
0 < y < x < 1,
se
(a) Calcule as densidades marginais de
43. Seja X
Y
Q = X/(X + Y )
Gama(r, ) e
caso contrrio.
Y.
So
independentes?
Z = Y /X .
a varivel aleatria que representa o peso em toneladas de uma certa merca-
doria que uma loja armazena no incio de cada ms de forma a satisfazer a demanda dos
clientes. Seja
o peso em toneladas da mercadoria vendida durante o ms. Suponha que
a funo densidade conjunta de
dada por
1
10 x
f (x, y) =
se
0 < y < x < 10,
caso contrrio.
(a) Obtenha a densidade do peso da mercadoria que sobra armazenada ao nal do

ms.
(b) Calcule a probabilidade de que o peso da mercadoria armazenada ao incio do ms
seja superior a 8 toneladas e o peso da mercadoria vendida inferior a 4 toneladas.
(c) Dado que em um ms as vendas no superaram 5 toneladas, qual a probabilidade
de que ao nal do ms restem armazenadas mais do que 3 toneladas?
44. Sejam X
variveis aleatrias com funo densidade conjunta dada por
(
f (x, y) =
(a) Obtenha
k xy
0
se
x + y 1,
caso contrrio.
k.
(b) Calcule as densidades marginais de

(c) So
x 0, y 0
Y.
independentes?
(d) Calcule as seguintes probabilidades:

P (X 2 + Y 2 1).
(e) Obtenha a densidade conjunta de
45. Escolhe-se ao acaso um ponto P
P (X Y ), P (X 1/2 | X + Y 3/4)
U = X +Y
V = X Y , bem como as marginais.
= (X, Y ) do quadrado unitrio (0, 1) (0, 1). Seja

o ngulo formado entre o eixo x e o segmento que une a origem e P . Encontre a densidade
de .
Respostas
53
46. Sejam 1 e 2 variveis aleatrias independentes, ambas com distribuio uniforme

em
(0, 2).
Ento,
P1 = (X1 , Y1 ) = (cos 1 , sen 1 )
P2 = (X2 , Y2 ) = (cos 2 , sen 2 )
so dois pontos escolhidos de forma aleatria e independente na circunferncia de raio

2
2
unitrio. Considere Z = (X1 X2 ) + (Y1 Y2 ) o quadrado da distncia entre P1 e P2 .
Calcule a densidade da varivel aleatria
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, )).
Ento, use que
y
.
Z = 2 2 cos .
Respostas
1. (a) Binomial (n = 15, p = 0, 8)
(b)
0, 035
2. (a) Binomial (n = 10, p = 1/5)
(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
20. X1 , X2 e X3 no so independentes, mas so independentes duas a duas.

24. (a) 1/6
(b) 1/2
25. (a) X Beta(2, 4) e Y

26. P (Y
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) =
z/10 + 2/5 se 4 z < 6,
1
se z 6.
31. fY (y) = y1 (2)1/2 exp{(log y)2 /2}, y > 0

32. fY (y) = 2/(
p
1 y 2 ), 0 < y < 1
33. (a) fY (y) = cos y, 0 < y < /2
(b)
34. fY (y) = (2/)1/2 exp{y2 /2}, y > 0
fY (y) = (1/2) cos y, /2 < y < /2
Respostas
35.
55

1
1
+
e
4 y
1
fY (y) =
e y
4 y
se
0 y < 1,
se
y 1,
caso contrrio.
42. (a) fX (x) = 3 x2 , 0 < x < 1, fY (y) = 6 y (1 y), 0 < y < 1;

X
(b)
fZ (z) = 2 z, 0 < z < 1
43. (a) fZ (z) = (1/10) log(10/z), 0 < z < 10

(b)
P (X > 8, Y < 4) = 0, 0893
(c)
P (X Y > 3 | Y 5) = 0, 375
44. (a) k = 24
fX (x) = fY (x) = 12 x (1 x)2 , 0 x 1
(b)
(d)
P (X Y ) = 1/2, P (X 1/2 | X + Y 3/4) = 1/9
(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
/4 < < /2,
caso contrrio.
Captulo 4
Esperana
1. Denies e propriedades
1.1.
esperana (mdia , valor esperado ) de uma varivel aleatria X

X
x P (X = x)
x
X = E(X) =
Z
x f (x) dx
denida por
se
discreta,
se
f.
Observao.
A esperana est denida somente quando a soma (integral) bem denida.
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
est denida desde que ambas as somas (integrais) no sejam
caso contrrio, dizemos que
E(X)
no existe (ou que
Observamos que, em particular,
E(X)
+.
Em
no tem valor esperado).
est bem denida se
P (X 0) = 1.
Como um exemplo de uma varivel aleatria cuja esperana no existe, seja

assumindo valores em
Z = {. . . , 1, 0, 1, . . .} \ {0} com funo de probabilidade dada por

P (X = x) =
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.
Para qualquer funo
discreta,
f.
Esperana
58
1.3.
a que
integrvel
Para
1.5.
n 1,
varincia
n-simo momento
E(X)
nita. Isto equivalente
Se
de uma varivel aleatria
Var(X)
(a) Se
E(X n )
integrvel com esperana
(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.
Dizemos que a varivel aleatria
Var(a X
+ b) = a2
Var(X).
uma varivel aleatria inteira e no-negativa, ento
E(X) =
P (X n).
n=1
(b) Se
uma varivel aleatria contnua que assume apenas valores no-negativos,
ento
P (X > t) dt.
E(X) =
0
1.8.
(a) Se
tm uma funo de probabilidade conjunta
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
(x, y) f (x, y) dx dy.
Se
f (x, y),
E[(X, Y )] =
1.9.
(x, y) p(x, y).
tm uma funo densidade conjunta
p(x, y),
n
Y
i=1
Xi =
n
Y
i=1
E(Xi ).
ento
Distribuio e esperana condicionais
1.12.
covarincia
entre duas variveis aleatrias
integrveis dada por
) = E((X X )(Y Y )) = E(XY ) E(X) E(Y ).
Cov(X, Y
Assim, Cov(X, Y
59
)=0
se
so independentes. (Porm a recproca
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.
so teis para determinar a esperana e a
varincia de muitas variveis aleatrias pelo uso de funes indicadoras.
1.16.
Sejam
de correlao
entre
variveis aleatrias com varincias nitas e positivas. O
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
pertencem a uma reta.
2. Distribuio e esperana condicionais

2.1. Caso discreto: Se X e Y
condicional
de
dado que
so variveis aleatrias discretas, a
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
2.2. Caso contnuo:

conjunta
f (x, y),
todos os valores de
Se
so conjuntamente contnuas com funo densidade
funo densidade condicional

y
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.
2.4. A esperana condicional de X dado que Y

respeito distribuio condicional de
= y simplesmente a esperana de X
dado que
Y = y.
com
Assim, desfruta de propriedades
anlogas s da esperana comum. Por exemplo,
E(a X1 + b X2 | Y = y) = a E(X1 | Y = y) + b E(X2 | Y = y);

X
g(x) P (X = x | Y = y) no caso discreto,
x
Z
E(g(X) | Y = y) =
g(x) fX|Y (x | y) dx
no caso contnuo.
2.5. Princpio da substituio para a esperana condicional:

E ((X, Y ) | Y = y) = E ((X, y) | Y = y) .
Corolrio:
E (g(X) h(Y ) | Y = y) = h(y) E (g(X) | Y = y).
2.6. Propriedade fundamental:
E (E(X | Y )) = E(X).
E(X | Y ) uma varivel aleatria (uma

X
E(X | Y = y) P (Y = y)
y
(b) E(X) =
Z
E(X | Y = y) fY (y) dy
(a)
funo de
Y)
cuja esperana igual a
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.
funo geradora de momentos
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.
tal que a esperana seja nita.
Suporemos que o domnio de
MX
contm um intervalo em torno de
t = 0.
3.2. Propriedades:

dn
= E(X n ), n 1.
M
(t)
X

n
dt
t=0
1.
2. Para
a, b R, MaX+b (t) = etb MX (at).
3. A funo geradora de momentos determina unicamente a distribuio.

4. Se
X1 , . . . , X k
so variveis aleatrias independentes com funes geradoras de mo-
mentos respectivas
X1 + + Xk
MX1 (t), . . . , MXk (t),
ento a funo geradora de momentos de
dada por
MX1 + +Xk (t) = MX1 (t) . . . MXk (t).
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
variveis aleatrias independentes.
Se
ento
Pk
i=1
uma varivel aleatria inteira e no-negativa, prefervel trabalhar
funo geradora de probabilidade

GX (s) = E(sX ) =
de
X
x=0
Note que neste caso
MX (t) = GX (et ).
X,
que denida por
sx P (X = x), s [1, 1].
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
X (t) = E(eitX ) = E (cos (tX)) + i E (sen (tX)) , t R,

onde o smbolo
i representa a unidade imaginria
1.
A principal vantagem de trabalhar
com a funo caracterstica reside no fato de ser denida para todo
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
substituda por um asterisco pois no til.
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
Para a distribuio uniforme discreta, a frmula indicada para
e(e 1)
Para as distribuies geomtrica e binomial negativa, o domnio de
a distribuio hipergeomtrica, os valores possveis so mx(0, n
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
Tabela 4.1: Distribuies discretas. Como de costume,
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,
ento, para qualquer
P (X )
> 0,
E(X)
.
4.2. Desigualdade de Markov Generalizada: Seja X uma varivel aleatria qualquer.

Para todo
t > 0,
P (|X| )
4.3. Desigualdade de Chebyshev:

Ento, para qualquer
Seja
E|X|t
, > 0.
t
X
uma varivel aleatria com
> 0,
P (|X E(X)| )
4.4. Limitantes de Cherno:
Var(X)
Para quaisquer varivel aleatria
P (X a) eta MX (t)
para todo
t > 0;
P (X a) eta MX (t)
para todo
t < 0.
4.5. Desigualdade de Jensen:

e suponhamos que
E(X) < .
E(|X|) <
Sejam
uma varivel aleatria,
E(|(X)|) < .
a R,
uma funo convexa,
Ento,
(E(X)) E((X)).
4.6. Desigualdade de Cauchy-Schwarz:
Se as variveis aleatrias
tm varin-
cias nitas, ento
|E(XY )| (E(X 2 ) E(Y 2 ))1/2 .
Exerccios
1. Duas bolas so escolhidas aleatoriamente de uma urna contendo 4 bolas azuis, 3 vermelhas e 2 laranjas.
Suponha que ganhamos 10 reais para cada bola azul selecionada,
ganhamos 1 real para cada bola laranja, porm perdemos 8 reais para cada bola vermelha.
Seja
o nosso lucro.
(a) Determine a funo de probabilidade de
X.
(b) Obtenha o valor esperado e a varincia de
X.
Esperana
66
2. Considere o seguinte jogo.
Um indivduo aposta em um dos nmeros de 1 a 6. Trs
dados honestos so ento lanados, de maneira independente, e, se o nmero apostado
i vezes, i = 1, 2, 3, o apostador ganha i reais; caso o nmero apostado no aparea

em nenhum dos dados, o apostador perde 1 real. Seja X o ganho do apostador no jogo.
Determine a funo de probabilidade de X e, com base na esperana de X , julgue se o
aparecer
jogo honesto ou no para o apostador.
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
uma varivel aleatria com distribuio de Poisson com parmetro
, > 0.
Obtenha
(a)

E (1 + X)1 .
(b)
E(2X ).
(c)
E(X!).
Para quais valores de
5. Seja
a varivel aleatria
X!
integrvel?
uma varivel aleatria com distribuio geomtrica de parmetro
p.
Mostre
que

E
Z
Sugesto:
6. Seja
Use que
1
X
(1 p)x1 dp =

=
p log p
.
1p
(1 p)x
.
x
uma varivel aleatria com distribuio normal padro.
Para
x R
xado,
dena
(
X=
Mostre que
se
Z > x,
caso contrrio.
1
2
E(X) = ex /2 .
2
7. Uma urna contm trs bolas brancas e duas bolas vermelhas.

da urna, uma aps a outra, sem reposio. Seja
bola retirada seja vermelha ou branca, e seja
Retiram-se duas bolas
igual a 0 ou 1, conforme a primeira
igual a 0 ou 1, conforme a segunda bola
retirada seja vermelha ou branca. Determine:

(a) a funo de probabilidade conjunta de
(b) se
(c)
so independentes;
E(2X + 8Y );
(d) a covarincia entre
Y.
Y,
bem como as marginais;
Exerccios
67
Soluo.
(a) Utilizando uma rvore, podemos obter o espao amostral, probabilidades e
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
denotam respectivamente `bola branca' e `bola vermelha'.
Dessa forma, a funo de probabilidade conjunta de
(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
portanto, pela linearidade da esperana,
E(2X + 8Y ) = 2 E(X) + 8 E(Y ) = 6.

(d) Visto que
E(XY ) = 1 . 1 . 3/10 = 3/10,

Cov(X, Y
obtemos
) = E(XY ) E(X) E(Y ) =
3
.
50
8. Cada lanamento de um dado no honesto resulta em cada um dos nmeros mpares 1,

3, 5 com probabilidade
(a) Determine
e em cada um dos nmeros pares 2, 4, 6 com probabilidade
2C .
C.
Suponha que o dado lanado e considere as seguintes variveis aleatrias:

X=

Y =
1
0
se o resultado um nmero par,
1
0
se o resultado um nmero maior que 3,
caso contrrio;
caso contrrio.
(b) Determine a funo de probabilidade conjunta de
so independentes?
Y,
Esperana
68
P (X = 0 | Y = 1).
(c) Obtenha
E(2X 12 Y + 6).
(d) Calcule
(e) Calcule Var(X
9. Seja X
+ Y ).
uma varivel aleatria contnua com funo densidade de probabilidade
(
f (x) =
(a) Prove que
(b) Determine
E(X)
se
|x| < 1,
caso contrrio.
uma funo densidade de probabilidade.

e Var(X).
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,
obtenha os valores nmericos da probabilidade calculada
em (c) e da cota obtida em (d). Comente.
10. Em um problema envolvendo variveis aleatrias independentes X e Y , um estudante

calcula, corretamente, que
E(Y ) = 2, E(X 2 Y ) = 6, E(XY 2 ) = 8, E((XY )2 ) = 24.

Voc pode ajud-lo, determinando o valor de
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?
(b) Calcule a funo densidade de

(c) Obtenha
13. Sejam X , Y
Z =X +Y.

E (X + Y )1 .
e
variveis aleatrias independentes, com varincias iguais e positivas.
Determine o coeciente de correlao entre
14. Sejam
correlao
X
.
X +Y
X + Z.
variveis aleatrias com varincias iguais a
Calcule a varincia da mdia aritmtica de

2
aritmtica de X e Y tem varincia menor ou igual a .
2 > 0 e coeciente de
Y . Conclua que a mdia
Exerccios
69
15. Sejam X e Y
e considere
variveis aleatrias independentes, com distribuio uniforme em
U = mn{X, Y }
V = mx{X, Y }.
Calcule Cov(U, V ).
Sugesto: No necessrio obter a densidade conjunta de U
para determinar
16. Seja
cada
E(U V ).
X1 , X2 , . . . uma seqncia de variveis aleatrias independentes, tal que,

n 1, Xn Exp(n), ou seja, Xn tem densidade de probabilidade dada por
(
n enx se x > 0,
fXn (x) =
0
caso contrrio.
(a) Obtenha a distribuio de Y

P100
n=1 Xn
.
(b) Determine E e
[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
casais; em nosso caso,
m=5
N = 10).
o nmero de pares que permanecem no vaso aps a retirada dos cinco
cartes. Ento,
X = X1 + X2 + + X10 ,
onde, para
i = 1, 2, . . . , 10,

1
Xi =
0
Porm, para
se o
i-simo
par permanece no vaso,
caso contrrio.
i = 1, 2, . . . , 10,
18
5

20
5
E(Xi ) = P (Xi = 1) =
21
.
38
Assim, obtemos
E(X) = E(X1 ) + E(X2 ) + + E(X10 ) = 10 .
Observao.
21
105
=
5, 53.
38
19
Embora mais trabalhoso, pode-se obter a distribuio de
esperado pela denio. De fato,
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.
Determine o nmero esperado de paradas feitas
pelo nibus.
Soluo.
Se
o nmero de de paradas feitas pelo nibus, escrevemos
X = X1 + X2 + + X10 ,
onde

Xi =
1
0
i,
se pelo menos uma pessoa solicita a parada no ponto

caso contrrio.
i = 1, . . . , 10,
Ento, para
E(Xi ) = P (Xi = 1)
= P (Pelo
menos uma pessoa solicita a parada no ponto
= 1 P (Nenhuma
20
9
.
=1
10
pessoa solicita a parada no ponto
i)
i)
Portanto, pela linearidade da esperana,

E(X) = 10 . E(X1 ) = 10 . 1 (0, 9)20 8, 78.
Observao.
possvel, porm mais trabalhoso, obter a distribuio de
valor esperado pela denio. De fato, para
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
ser obtido pelo Princpio da Incluso-Excluso). Assim,
E(X) =
10
X
x=1
x P (X = x) 8, 78.
Exerccios
71
19. Uma sorveteria oferece 36 sabores diferentes de sorvete.
Uma pessoa encarregada
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
esperado de pares de meias que retornam?
21. Um crculo de raio 1 lanado em uma folha de tamanho innito dividida em quadrados iguais de lado com comprimento
1.
Suponha que o centro do crculo est unifor-
memente distribudo no quadrado em que cai. Calcule o nmero esperado de vrtices do

quadrado que esto dentro do crculo.
22. Escolhem-se ao acaso e sem reposio 10 nmeros do conjunto {1, 2, . . . , 30}.
Calcule
o valor esperado da soma dos nmeros escolhidos.
23. Uma marca de biscoitos lana uma promoo que consiste em oferecer um adesivo em
cada pacote de biscoito. Existem
adesivos diferentes e a probabilidade de um pacote
conter qualquer um dos adesivos a mesma.

devem ser comprados para juntar os
Qual o nmero esperado de pacotes que
adesivos diferentes?
24. Suponha que 8 casais sentam-se ao acaso em um banco de 16 lugares.
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.
26. So realizados n lanamentos independentes de uma moeda, com probabilidade p de

cara em cada lanamento (0
< p < 1).
Uma
seguida
uma seqncia de lanamentos de
mesmo resultado; por exemplo, a seqncia CCKCKKC contm 5 seguidas. Obtenha a

esperana e a varincia do nmero de seguidas nos
lanamentos.
27. Esperana e varincia da distribuio hipergeomtrica.

Suponha que temos uma populao de
objetos, dos quais
so do tipo 2. Escolhem-se desta populao
N R
(n N ).
so do tipo 1 e
objetos ao acaso, sem reposio
Determine a esperana e a varincia do nmero de objetos do tipo 1 escolhidos.
28. Suponha que temos r bolas distintas que so aleatoriamente distribudas em n urnas
(r
> 0, n > 0).
Calcule a esperana e a varincia do nmero de urnas vazias aps a
distribuio.
29. Seja (X1 , . . . , Xn ) com distribuio multinomial de parmetros m, p1 , . . . , pn .

a covarincia entre
Xi
Xj
para
i 6= j .
Obtenha
Esperana
72
30. Considere

n
dos
2
lidade
um grafo com
vrtices numerados
1, 2, . . . , n,
e suponha que cada um
pares de vrtices distintos ligado por um elo, independentemente, com probabi-
p.
Seja
Di
o grau do vrtice
i,
isto , o nmero de elos que tm o vrtice
como
uma de suas extremidades.

Di ?
(b) Determine a correlao entre
Sugesto:
e
Dena
Ii,j
Di
Dj
para
i 6= j .
a funo indicadora do evento de que h um elo entre os vrtices
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.
Usando o Mtodo do Jacobiano, obtemos a densidade conjunta de
1/x
fX,Z (x, z) =
se
Ento, calculamos a densidade marginal de
0 < z < x < 1,
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
0 < y < x < 1,
caso contrrio.
Z:
Exerccios
73
33. Sejam X
2 exp{y 2 }
f (x, y) =
(a) Obtenha a densidade condicional de

(b) Calcule
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
centenas de unidades desse remdio.
Suponha que
(
f (x, y) =
2/9
0
se
0 < y < x < 3,
caso contrrio
a funo densidade conjunta das variveis aleatrias

(a) Mostre que de fato
Y.
uma densidade.
(b) Calcule a probabilidade de que ao nal do ms a farmcia tenha vendido pelo

menos a metade das unidades que havia inicialmente.
(c) Dado que foram vendidas cem unidades, qual a probabilidade de que havia pelo
menos duzentas unidades no comeo do ms?
35. Uma
companhia telefnica deseja realizar uma anlise sobre a repercusso que as
novas tarifas tiveram no nmero de chamadas.
Levando em conta que as chamadas se
classicam em locais, interurbanas e internacionais, um estudo realizado em um grupo de

famlias revelou que as propores de chamadas locais
e interurbanas
durante um
ms tm a seguinte densidade conjunta
(
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
variveis aleatrias independentes, com distribuio de Poisson com
parmetros respectivos
de
e , e considere Z = X +Y .
Z = z.
dado que
37. Sejam X e Y
variveis aleatrias independentes, com distribuies Bin(m, p) e Bin(n, p),
respectivamente, e considere
que
Z =X +Y.
Obtenha a distribuio condicional de
dado
Z = z.
38. Sejam X e Y
variveis aleatrias independentes, com distribuio comum geomtrica
p (0 < p < 1), e

X dado que Z = z .
com parmetro
condicional de
39. Sejam X e Y
de parmetro
que
Determine a distribuio condicional
considere
Z = X + Y.
Determine a distribuio
variveis aleatrias independentes, com distribuio comum exponencial

e considere
Z = X +Y.
Obtenha a densidade condicional de
dado
Z = z.
40. Duas pessoas chegam simultaneamente a um ponto de nibus.
Suponha que o tempo
i espera pela sua conduo uma varivel aleatria Ti Exp(), com T1 e T2

independentes. Sejam X = mn{T1 , T2 } o tempo transcorrido at o primeiro passageiro
tomar seu nibus e Y = mx{T1 , T2 } o tempo transcorrido at que ambas as pessoas
que a pessoa
tenham tomado a conduo. Determine a distribuio de

(a)
X | Y = y;
(b)
Y | X = x;
(c)
(Y X) | X = x.
41. Sejam X1 , X2 e X3 variveis aleatrias i.i.d. com distribuio Exp(1) e sejam Y1 , Y2

e
Y3
as estatsticas de ordem associadas. Dena
(a) Encontre a densidade conjunta de
Z2
Z3
Z1 , Z2
Z1 = Y1 , Z2 = Y2 Y1
e
Z3 ,
Z3 = Y3 Y2 .
bem como as marginais. So
Z1 ,
independentes?
(b) Determine a densidade condicional de
Z2
dado
Y1 .
(c) Calcule a densidade e a esperana condicionais de
42. O nmero de clientes Y
Y3
dado
Y1 .
que chegam a um caixa eletrnico tem distribuio de Poisson
X , sendo X a intensidade com que os clientes chegam ao caixa eletrnico.

Supondo que X tem distribuio Gama(, 1), encontre a funo de probabilidade da
varivel aleatria Y .
com parmetro
Soluo.
Sabemos que
uma varivel aleatria com densidade
fX (x) =
1
x1 ex , x 0.
()
Por outro lado,
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) =
Note que, em particular, se
X Exp(1),
P (Y = k) =
ento
1
2k+1
, k = 0, 1, . . .
43. Usando o resultado do exerccio anterior, prove que para n 1,

X
k+n1 1
= 2n .
k
n
2
k=1
Sugesto:
Tome
=n
e use que
44. O nmero de e-mails

t > 0,
cada
k P (Y = k) = E(Y ) = E(E(Y |X)).
k=1
que chegam a um servidor no intervalo de tempo
uma varivel aleatria
Nt
Nt
, para
com distribuio de Poisson com parmetro
Somente um computador conectado ao servidor para ler os

de vida
[0, t]
e-mails
t.
recebidos. O tempo
desse computador tem distribuio exponencial de parmetro
so independentes para todo t. Obtenha a distribuio do nmero de
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
() justicada pelo Princpio da substituio; () decorre da independncia

T para todo t.
A passagem
de
Nt
45. Numa fbrica empacotam-se palitos de fsforo em caixas mediante uma mquina que
no pode ser totalmente controlada.
Para no perder clientes, a mquina se ajusta de
forma que todas as caixas contenham pelo menos 50 palitos.

cada caixa uma varivel aleatria
O nmero de palitos em
com funo de probabilidade dada por
P (X = x) = (0, 8) (0, 2)x50 , x = 50, 51, . . .
Esperana
76
Ademais, o nmero de palitos defeituosos em uma caixa que contm

tribuio Binomial(x, 1/10).
fsforos tem dis-
Obtenha o nmero mdio de palitos defeituosos em uma
caixa.
Soluo.
que
Seja
X=x
o nmero de palitos defeituosos em uma caixa. Sabemos que
dado
tem distribuio Binomial(x, 1/10), logo
E(D | X = x) = x/10.
Ento, utilizando a propriedade fundamental da esperana condicional,
E(D) = E(E(D | X)) = E(X/10) = E(X)/10.

Para obter
E(X),
observamos que a varivel aleatria
geomtrica com parmetro
0, 8,
Y = X 49
tem distribuio
pois
P (Y = k) = P (X = k + 49) = (0, 8) (0, 2)k1 , k = 1, 2, . . .

Assim,
E(X) = E(Y ) + 49 =
e portanto
1
+ 49 = 50, 25
0, 8
E(D) = 5, 025.
46. Um inseto pe N
ovos, onde
tem distribuio de Poisson com parmetro
ovo d origem a um novo inseto com probabilidade

demais. Seja
Cada
p (0 < p < 1), independentemente dos
o nmero de novos insetos produzidos.
dado que
(b) Obtenha a distribuio de

(c) Qual o valor esperado de
N = n?
X.
X?
47. O nmero de partidas de futebol jogadas em uma semana em uma vila uma varivel
aleatria com mdia
variveis aleatrias i.i.d. com

jogadas.
Seja
2.
mdia e
e varincia
Os nmeros de gols marcados em cada jogo so

2
varincia e independentes do total de partidas
o nmero total de gols marcados em uma semana.
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
partidas jogadas numa semana. Use condicionamento
uma varivel aleatria com distribuio geomtrica de parmetro

tem funo de probabilidade dada por
P (N = n) = p q n1 , n = 1, 2, . . . ,
onde
j -simo jogo e
em Y para obter
o nmero de gols marcados no
q = 1 p.
p (0, 1),
Exerccios
77
(a) Mostre que a funo geradora de momentos de
M (t) =
anteriormente.
dada por
p et
p
, t < log q.
=
1 q et
et q
(b) Usando o item (a), prove que

Uma urna contm
E(N ) = 1/p.
bolas numeradas de 1 a
N,
onde
tem a distribuio dada
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).
(c) Usando o item (b), determine
51. Sejam X
E((X Y )2 |X).
variveis aleatrias tais que
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.
(b) Obtenha a distribuio condicional de
dado que
Y = y.
(c) Usando (a) e (b), calcule Cov(X, Y ).
53. Um dado honesto lanado repetidamente, de modo independente.
Sejam
nmero de lanamentos necessrios para obter um 6 e um 5, respectivamente. Obtenha

(a)
E(X);
(b)
E(X | Y = 1);
(c)
E(X | Y = 5).
54. Uma urna contm a bolas brancas e b bolas pretas.
Aps uma bola ser retirada ao
acaso, ela devolvida urna se branca, mas se preta ento substituda por uma bola
branca de outra urna. Seja
Mn
a operao anterior foi repetida
o nmero esperado de bolas brancas na urna depois que
vezes.
(a) Obtenha a equao recursiva
Mn+1

= 1
1
a+b

Mn + 1, n 0.
(b) Use o item (a) para provar que
1
Mn = a + b b 1
a+b
(c) Qual a probabilidade de que a
(n + 1)-sima
n
, n 0.
bola retirada seja branca?
55. Um dado honesto lanado repetidamente, de modo independente.
Calcule o nmero
esperado de lanamentos feitos at conseguir duas faces 6 consecutivas.
Sugesto:
Condicione no tempo da primeira ocorrncia de uma face diferente de 6.
56. Uma
moeda com probabilidade
mente, de modo independente. Seja

uma seqncia de
(a) Determine
(b) Escreva
caras consecutivas.
E(Tr | Tr1 ).
E(Tr )
(c) Quanto vale

(d) Obtenha
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
57. Uma caixa contm duas moedas:
a moeda 1, com probabilidade de cara igual a
e a moeda 2, com probabilidade de cara igual a
0, 7.
0, 4,
Uma moeda escolhida ao acaso da
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
o nmero de caras nos
obter
E(N7 | A),
lanamentos nais. Ento,
E(N10 | A) = 2 + E(N7 | A).
Para
condicione na moeda que foi usada.
58. Demonstre o tpico 3.3 (p. 61).

59. Obtenha
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
60. Sejam X1 , . . . , Xn variveis aleatrias independentes com distribuio exponencial de

parmetro 1. Considere
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.
variveis aleatrias independentes tais que
X N (0, 1)
Y N (0, 2).
momentos de Z e
Z = X + Y e W = X Y . Calcule as funes geradoras de

mostre que Z e W so identicamente distribudas mas no independentes.
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.
Calcule a funo geradora de momentos da varivel aleatria
Y =
e da conclua qual a sua distribuio.
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
de falhar. Suponha que os componentes falham de maneira inde-
X = 0 ento o
X 2 o aparelho
o nmero de componentes que falham. Sabe-se que se
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
varivel aleatria com distribuio de Poisson com parmetro
Mostre
E (X (X 1) . . . (X n + 1)) = n .
Sugesto: Use a propriedade (ii) da funo geradora de probabilidade.

o item (a), prove que para
Por exemplo, para
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
para chegar ao resultado.

uma varivel aleatria inteira e no-negativa, tal que
P (X = k) =
para todo
k 1,
onde
Soluo.
Sejam
pk = P (X = k), k 0
>0
P (X = k 1),
k
uma constante. Determine a distribuio de
X.
GX (s) = E(s ) =
pk sk , s [1, 1]
k=0
a funo geradora de probabilidade de
todo ponto
X.
Podemos diferenciar a srie de potncias em
s em que converge uniformemente.
Usando a igualdade dada no enunciado do
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 (s) = exp{ s + K},

onde
uma constante. Visto que
GX (1) = 1,
temos que
K =
e ento
GX (s) = exp{ (s 1)}.

Como a funo geradora de probabilidade determina unicamente a distribuio, conclumos que
X Poisson().
66. Seja X
uma varivel aleatria no-negativa. Demonstre que
E(X) (E(X 2 ))1/2 (E(X 3 ))1/3
Sugesto:
funo
Use a desigualdade de Jensen para uma varivel aleatria
(y) = y n/(n1)
e depois faa
Y = X n1 .
no-negativa e a
Respostas
81
67. (a) Seja Y

para
uma varivel aleatria no-negativa tal que
0 < E(Y 2 ) < .
Prove que
a < E(Y ),
(E(Y ) a)2
.
E(Y 2 )
P (Y > a)
X uma varivel aleatria com esperana ,

E(|X |4 ) < . Mostre que para 0 < x < ,
(b) Seja
P (|X | > x)
Sugesto:
varincia
e tal que
0 < M =
( 2 x2 )2
.
M
(a) Utilize a desigualdade de Cauchy-Schwarz com as variveis aleatrias
I{Y >a} .
68. Sejam X e Y
variveis aleatrias denidas no mesmo espao de probabilidade. Mostre

2
que para todo (x, y) R ,
FX,Y (x, y)
Sugesto:
p
FX (x) FY (y).
Use a desigualdade de Cauchy-Schwarz.
69. Prove a desigualdade de Mill:
Z N (0, 1) ento para

r
2
2 ex /2
.
P (|Z| x)
x
Sugesto:
Denotando por
Se
Z , basta mostrar
Z
1
y (y) dy.
P (Z x)
x x
a densidade de
qualquer
x > 0,
que para qualquer
x > 0,
70. Sejam X1 , .P
. . , Xn variveis aleatrias i.i.d. com distribuio comum N (0, 1).
Deni-
n = n1 n Xi . Utilize a desigualdade de Mill para obter um limitante superior

mos X
i=1
n | x), x > 0. Compare o limitante obtido com o limitante fornecido pela
para P (|X
desigualdade de Chebyshev.
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
3. 7/2 (O nmero de tentativas tem distribuio uniforme discreta em {1, 2, . . . , 6}).

4. (a) (1 e )/
X!
(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)
(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)
32. E(X | Y ) = (2/3)(1 Y 3 )/(1 Y 2 ), E(Y | X) = (2/3) X

33. (a) Para y > 0:
34. (b) P (Y
fX|Y (x|y) = 1/y, 0 < x < y
X/2) = 1/2
(c)
35. (a) P (X > 0, 7) = 0, 216
(b)
E(X 3 |Y = y) = y 3 /4
fX|Y (x|1) = 1/2, 1 < x < 3 P (X 2 | Y = 1) = 1/2
(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
y > 0, fX|Y (x|y) =
(b) Para
x > 0, fY |X (y|x) = e(yx) , y > x
(c)
(Y X) | X = x Exp()
41. (a) Z1 Exp(3), Z2 Exp(2) e Z3 Exp(1), independentes

(b)
Z2 | Y1 Exp(2)
(c) Para
(decorre imediatamente de (a))
y1 > 0, fY3 |Y1 (y3 |y1 ) = 2 e2y1 y3 (ey1 ey3 ), y3 > y1
46. (a) X|N = n Bin(n, p)
(b) Poisson(p)
(c)
E(Y3 |Y1 ) = 3/2 + Y1
47. E(X) = e Var(X) = 2 + 2 2

48. (c) Para n 1:
49. (a) (9/5) e2
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
50. (a) E(X|Y ) =
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
54. (c) Mn /(a + b)

55. 42
56. (a) 1 + Tr1 + (1 p) E(Tr )
1
p
(c)
r
X
(d)
i=1
(b)
E(Tr ) = 1/p + (1/p) E(Tr1 )
1
1 pr
=
pi
pr (1 p)
57. 6, 0705
59. MY (t) =
60. MV
etx fX (x) dx =
(t) = MWn (t) =
1
, t < 1/2
1 2t
n! (1 t)
n!
,t<1
= Qn
(n + 1 t)
i=1 (i t)
61. MZ (t) = MW (t) = e3t /2 , t R, portanto Z

2
independentes, teramos que
62.
63.
W tm distribuio N (0, 3).

MZ+W (t) = MZ (t) MW (t) para todo t.
e
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
Modos de Convergncia e Teoremas Limites
1. Modos de Convergncia
1.1.
A tabela seguinte resume os trs tipos de convergncia abordados nesse livro, as
ferramentas teis no estudo de cada um deles e os principais teoremas limites relacionados.
Convergncia
Ferramenta
Teorema limite
Em distribuio
Funo geradora /
Teorema Central do Limite
caracterstica
Em probabilidade
Quase certa
Desigualdades de
Lei Fraca dos Grandes
Markov / Chebyshev
Nmeros
Lema de Borel-Cantelli
Lei Forte dos Grandes

Nmeros
1.2.
Sejam
X1 , X2 , . . . , X
variveis aleatrias em um espao de probabilidade
(, 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.
Note que a convergncia em distribuio denida em termos das funes de
distribuio; a condio de que as variveis aleatrias sejam denidas no mesmo espao de

probabilidade suprua. Outra terminologia para
fracamente
para
FX .
Xn X
dizer que
FXn converge
86
1.3. Fatos importantes:

q.c.
Xn X = Xn X = Xn X .
1.
Nenhuma outra implicao vale em geral.

D
2. Se
Xn c,
3. Se
Xn X
q.c.
onde
e
uma constante, ento
g:RR
contnua, ento
Asseres anlogas so vlidas para
Xn c.
q.c.
g(Xn ) g(X).
D
1.4. Teorema da continuidade:

Seja
{Xn }n1
uma seqncia de variveis aleatrias com funes geradoras de momentos
correspondentes
M (t)
ria
para
X.
1.5.
{Mn (t)}n1 ,
|t| a < b,
Ento,
onde
que existem para
M (t)
|t| < b.
Suponhamos que
a funo geradora de momentos da varivel aleat-
Xn X .
(a) Sejam
X1 , X2 , . . .
Xn X
variveis aleatrias inteiras e no-negativas. Ento,
lim P (Xn = k) = P (X = k)
para todo
No caso geral de variveis aleatrias discretas assumindo valores em

implicao
(b)
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
variveis aleatrias contnuas, com
fn (x) f (x) quando n para quase todo x,
Xn X .
A condio de que
f (x)}
lim Mn (t) =
fn (x) f (x)
para quase todo
signica que o conjunto
{x : fn (x) 9
tem medida de Lebesgue nula, o que ocorre, por exemplo, se esse conjunto nito
ou enumervel. A recproca do Teorema de Sche falsa.
2. Teoremas Limites
2.1. Lei Fraca dos Grandes Nmeros de Khintchine (1929):
Seja
X1 , X2 , . . .
parciais
uma seqncia de variveis aleatrias i.i.d. com mdia nita
Sn = X1 + X2 + + Xn
satisfazem
Sn
.
n
P
As somas
Teoremas Limites
87
2.2. Lei Fraca dos Grandes Nmeros de Bernoulli (1713):

Consideremos uma seqncia de ensaios de Bernoulli independentes, tendo a mesma probabilidade
Sn
de sucesso em cada ensaio. Se
o nmero de sucessos nos
primeiros
ensaios, ento
Sn
p.
n
P
2.3. Lei Fraca dos Grandes Nmeros de Chebyshev (1867):

Seja
X1 , X2 , . . .
+ Xn .
Se
uma seqncia de variveis aleatrias e consideremos
lim
2
Var(Sn )/n
= 0,
S n = X 1 + X2 +
ento
Sn E(Sn )
0.
n
P
Em particular, (?) vlida se
X1 , X2 , . . .
(?)
so variveis aleatrias no-correlacionadas que
tenham varincias nitas e uniformemente limitadas.
2.4. Lei Forte dos Grandes Nmeros de Kolmogorov (1933):

Seja
X1 , X2 , . . .
parciais
Sn = X1 + X2 + + Xn
As somas
satisfazem
Sn
.
n
q.c.
2.5. Lei Forte dos Grandes Nmeros de Borel (1909):

Seja
X1 , X2 , . . .
uma seqncia de variveis aleatrias i.i.d. tal que
P (Xn = 0) = 1 p.
P (Xn = 1) = p,
Ento,
Sn
p,
n
q.c.
onde
Sn = X1 + X2 + + Xn .
2.6. Teorema Central do Limite (Liapunov (1901), Lindeberg (1922)):

Seja
cia
X1 , X2 , . . .
nita e positiva, e seja
Sn = X1 + X2 + + Xn .
Ento,
Sn n
N (0, 1).
n
D
Isto , para qualquer
a R,

lim P
Sn n
a
n
1
=
2
ex
2 /2
dx.
e varin-
88
2.7. Teorema Central do Limite de De Moivre (1733) e Laplace (1812):

Seja
Sn
o nmero de sucessos em
probabilidade
ensaios de Bernoulli independentes, tendo a mesma
de sucesso em cada ensaio, onde
0 < p < 1.
Ento,
S np
p n
N (0, 1).
n p (1 p)
D
2.8. Limite de binomiais para Poisson:

Xn
Se
Binomial(n,
pn ), n 1,
lim n pn = > 0,
ento
Xn Poisson().
Observao.
Tendo em vista o tpico
1.5 (a), no lugar da convergncia em distribuio
podemos escrever
lim P (Xn = k) =
e k
, k = 0, 1, . . .
k!
(Teorema de Poisson (1832)).
3. Outros Teoremas Limites

3.1. Uma Lei Forte sem supor distribuies idnticas (Kolmogorov (1933)):
Seja
X1 , X2 , . . .
sideremos
uma seqncia de variveis aleatrias independentes e integrveis, e con-
Sn = X1 + X2 + + Xn .
Se
2
n=1 Var(Xn )/n
< ,
ento
Sn E(Sn )
0.
n
q.c.
3.2. Um Teorema Central do Limite sem supor distribuies idnticas :

Seja
X1 , X2 , . . .
uma seqncia de variveis aleatrias independentes, e seja
Sn =
n
X
Xi .
i=1
Para cada
n
X
i,
sejam
i = E(Xi )
i2 =
Var(Xi ), e denotemos por
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 ,
e (b) existe uma constante
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,
Isto , para qualquer

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,
variveis aleatrias tais que
n (Yn )
onde
ento
D
(a)
Xn Yn X c,
(b)
Xn Yn cX ,
(c)
Xn /Yn X/c
4.2. Mtodo Delta:

N (0, 2 ),
onde
se
c 6= 0.
Sejam
2 > 0
Y1 , Y2 , . . .
so constantes. Se
uma funo derivvel no ponto
ento
n (g(Yn ) g()) N (0, (g 0 ())2 2 ),

D
onde, no caso de
g 0 () = 0,
interpretamos a distribuio
N (0, 0)
como a massa pontual
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
FXn (x) = FX (x),
portanto
()
lim FXn (x) = FX (x).
0 x < 1, ento FXn (x) = k/(n + 1)

k/n. Como FX (x) = x, temos
Se
onde
k {1, . . . , n}
tal que
(k 1)/n x <
1
k
k
k
k1
1
FXn (x) FX (x)
n+1
n+1 n
n+1
n
n+1
e ento tambm vale
().
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 .
3. Suponha que Xn N (0, 1/n), n 1.
Prove que
Xn X 0.
4. Fornea um exemplo no qual Xn X , Yn Y , porm a soma Xn +Yn no converge

D
em distribuio para
5. Seja {Xn }n1
X +Y.
uma seqncia de variveis aleatrias tal que
Xn
tem funo de distri-
buio
Fn (x) = x
Xn
(a) Mostre que
sen(2nx)
2n
, 0 x 1.
tem densidade e ento conclua que de fato
Fn
uma funo de
distribuio.
D
Xn X
densidade de X no
(b) Prove que

a
6. Seja {Xn }n1

Demonstre que
Soluo.
> 0,
X U [0, 1],
intervalo (0, 1).
onde
Xn
no converge para
Xn
2
Binomial(n, 1/n ).
mas a densidade de
uma seqncia de variveis aleatrias tal que

P
Xn 1/n 0.
Observamos que
E(Xn ) = 1/n
e Var(Xn )
= (1/n) (1 1/n2 ).
temos, pela desigualdade de Chebyshev,

1
1
1
n

P Xn >
1 2 0.
2
n
n
n
Assim,
Xn 1/n 0.
7. Seja {Xn }n1 uma seqncia de variveis aleatrias tais que

P (Xn = n) = 1 P (Xn = 1/n) = 1/n2 .
Mostre que
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
uma varivel aleatria assumindo os valores
suponha que
{Yn }n1
com probabilidade
uma seqncia de variveis aleatrias independentes de
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.
Responda se as seguintes armaes so verdadeiras ou falsas, justicando sua resposta.

P
(a)
Xn X .
(b)
limn E(|Xn X|) = 0.
10. Seja {Xn }n1 uma seqncia de variveis aleatrias com E(Xn2 ) < para todo n 1.
Prove que se
lim E(Xn ) =
11. Seja {Xn }n1
lim
= 0,
ento
denimos a seqncia
Y1 = X1 ,
Yn =
Pn1
i=0
{Yn }n1
(c) Calcule Cov(Ym , Yn ),

(d) Prove que se
|| < 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.
(b) Obtenha a funo geradora de momentos de
12. Suponha
Xn .
uma seqncia de variveis aleatrias i.i.d. com distribuio
Fixado um nmero real
(a) Mostre que
Var(Xn )
e seja
Yn = Xn /n 1.
Prove que
92
13. Uma marca de chocolate faz uma promoo:
alguns dos pacotes incluem vales que
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
1 i 120, seja Xi o nmero de pacotes premiados vendidos

que X1 , . . . , X120 tm distribuio de Poisson(0, 3), logo
= E(X1 ) = 0, 3
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
premiados vendidos na loja durante os 120 dias.

Pelo Teorema Central do Limite,

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.
15. Uma mquina empacota lotes de parafusos.
O dono da mquina deseja que pelo menos
90% dos lotes tenham mais de 1000 parafusos sem defeito. Sabendo que a probabilidade
de que um parafuso seja defeituoso
0, 02,
qual o menor nmero de parafusos que deve
colocar por lote?
16. Trs
emissoras de televiso tm uma rdua competio para obter altos nveis de
audincia.
O nmero mdio dirio de prmios milionrios distribudos por cada uma
dessas emissoras de 5, 3 e 4, sendo
0, 5, 0, 4
0, 3
os desvios padres, respectivamente.
Estime a probabilidade de que o nmero total de prmios milionrios distribudos em dois

meses seja superior a 730.
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
18. Um dado honesto lanado innitas vezes independentemente.

i-simo
do
(a)
lanamento, e considere
Sn = X1 + + Xn .
Seja
Xi
o resultado
Obtenha
lim P (Sn > 3n);
(b) um valor aproximado para
P (S100 > 320).
19. Uma moeda honesta lanada independentemente, at se obterem 450 caras.
Estime
a probabilidade de que no mximo 960 lanamentos sejam feitos.
Sugesto:
Seja
o nmero de lanamentos necessrios para obter 450 caras.
H duas
abordagens:
(i) Escrever
como a soma de 450 variveis aleatrias independentes com distribuio
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.
20. Considere um experimento que consiste em lanamentos independentes e sucessivos

de um dado honesto.
Se o resultado 1, 2 ou 3, anotamos em uma folha de papel o
nmero 1, se a face do dado igual a 4, anotamos o nmero 2, e se igual a 5 ou 6,

anotamos o nmero 3. Seja
o nmero de lanamentos necessrios para que o produto
dos nmeros anotados ultrapasse 100000. Estime a probabilidade de que
21. Usando
N 25.
o Teorema Central do Limite para variveis aleatrias com distribuio de
Poisson, mostre que
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
23. Seja {Xn }n1

em
[0, 2],
onde
uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme

n = n1 Pn Xi . Demonstre que
> 0. Denimos X
i=1

n log N (0, 1/3).
n log X
D
94
24. Uma moeda honesta lanada innitas vezes independentemente.
Sejam
X1 , X2 , . . .
as variveis aleatrias denidas por
(
Xi =
(a) Obtenha
se o
caso contrrio.
E(Xi )
i-simo
e o
(i + 1)-simo
lanamentos resultam em cara,
e Var(Xi ).
(b) Mostre que
(
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
de cara em cada lanamento (0
de lanamentos de mesmo resultado.
Seja
< p < 1).
Rn
Uma
seguida
uma seqncia
o nmero de seguidas nos
primeiros
lanamentos. Demonstre que
Rn
2 p (1 p).
n
P
Sugesto:
Vejam-se os exerccios 26 do Captulo 4 e 10 do Captulo 5.
26. Suponha
que distribumos
Nn o
Prove que se r, n de forma que r/n c,
bolas distintas aleatoriamente em
nmero de urnas vazias aps a distribuio.

ento
urnas.
Seja
Nn
ec .
n
P
Sugesto:
Vejam-se os exerccios 28 do Captulo 4 e 10 do Captulo 5.
27. Seja {Xn }n1

em
(0, 1).
Denimos a mdia geomtrica de
X1 , . . . , X n
n
Y
Yn =
Xi
1/n
por
i=1
Mostre que a seqncia
{Yn }n1
converge q.c. para uma constante e encontre o valor dessa
constante.
Soluo.
as
Xi 's
Seja
Zi = log Xi , i 1.
Ento,
Z1 , Z2 , . . .
so variveis aleatrias i.i.d. (j que
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
Pela Lei Forte dos Grandes Nmeros de Kolmogorov,
log Yn =
Portanto, como a funo
x 7 ex
Z1 + + Zn
1.
n
q.c.
contnua,
Yn e1 .
q.c.
28. Seja {Xn }n1

em
[0, ].
Encontre constantes
Pn
sen
29. Seja
{Xn }n1
i=1
Xi
tais que
Pn
q.c.
i=1 sen Xi
q.c.
B.
uma seqncia de variveis aleatrias i.i.d. com distribuio
Denimos a seqncia
{Yn }n1
X12 + + Xn2
.
(X1 1)2 + + (Xn 1)2
q.c.
Yn 1/2.
Prove que
Use duas vezes a Lei Forte dos Grandes Nmeros.
30. Sejam
X1 , . . . , Xn variveis aleatrias independentes e identicamente

2
2
com mdia e varincia , 0 < < . Denimos
Pn
n = i=1 Xi = Mdia amostral e
X
n
Pn
n )2
(Xi X
Sn2 = i=1
= Varincia amostral.
n1
n ) e Var(X
n ).
(a) Determine E(X
distribudas,
(b) Mostre que
Sn2
(c) Obtenha
Pn
=
i=1
n )2
Xi2 n (X
.
n1
E(Sn2 ).
(d) Prove que
Sugesto:
q.c.
Sn2 2 .
(d) Use duas vezes a Lei Forte dos Grandes Nmeros.
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.
Use a Lei Forte dos Grandes Nmeros enunciada em
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
Sugesto: Use os tpicos 3.1, 3.2, o Teorema de Slutsky e o fato de que

quando
Pn
i=1
1/i log n
n .
Respostas
9. (a) Verdadeira (Para qualquer > 0, {|Xn X| > } {Yn = 0}).
(b) Falsa (limn
E(|Xn X|) = limn en /n = ).
11. (a) Prove por induo em n.
(b)
N 0, 2
Pn1
i=0
2i
(c)
2 nm
Pm1
i=0
2i
(d) Use o Teorema da Continuidade.
12. Use o Teorema da Continuidade.

14. 0, 904
15. 1027
16. 0, 0339
17. 0, 1562
18. (a) 1
(b)
0, 96
19. 0, 97
20. 0, 494
22. Utilize
o Teorema Central do Limite para a seqncia
{g(Xi )}i1
e o Teorema de
Slutsky.
23. Mtodo Delta.

24. (a) 1/4, 3/16 (c) n/4, (5n 2)/16
(d) Use a Desigualdade de Chebyshev.
28. A = 1 e B = 2/
30. (a) E(X n ) = e Var(X n ) = 2 /n
(c)
E(Sn2 ) = 2
Distribuio Normal Padro

Funo tabelada:
1
(z) =
2
ex
2 /2
Segunda decimal de
Parte inteira e primeira 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.
Probabilidade: um curso introdutrio. 3. ed. So Paulo:
EDUSP,
2004.
[2] Feller, W.
An introduction to probability theory and its applications, Volume I.
3rd. ed. New York: John Wiley & Sons, 1968.
[3] Grimmett, G. R.; Stirzaker, D. R.
Probability and random processes.
3rd. ed.
New York: Oxford University Press, 2001.
[4] Gut, A.
Probability: a graduate course. New York:
[5] Hoel, P. G.; Port, S. C.; Stone, C. J.
Springer, 2005.
Introduction to probability theory. Boston:
Houghton Miin, 1971.
[6] James, B. R.
Probabilidade: um curso em nvel intermedirio. 3. ed. Rio de Janeiro:
IMPA, 2004 (Projeto Euclides).
[7] Ross, S. M.
Hall, 2005.
A rst course in probability. 7th. ed. Upper Saddle River, N. J.:
Prentice

Not As Probab Il I Dad Eel Cio Cristian

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Not As Probab Il I Dad Eel Cio Cristian

Enviado por

Direitos autorais:

Formatos disponíveis

Probabilidade: Teoria e Exerccios

Captulo 1: Anlise Combinatria

Probabilidade condicional e independncia .

Captulo 3: Variveis aleatrias

Modelos de distribuies discretas.

Modelos de distribuies contnuas

Aproximao de Poisson Binomial .

Aproximao Normal Binomial .

Variveis aleatrias conjuntamente distribudas .

Independncia de variveis aleatrias

Funes de variveis aleatrias .

10. Modelos multidimensionais.

11. Distribuies relacionadas com a normal .

Distribuio e esperana condicionais .

Captulo 5: Modos de Convergncia e Teoremas Limites

Outros Teoremas Limites

Distribuio Normal Padro

mestrandos do IMEUSP, como tambm a outros estudantes e docentes.

com prazer, as crticas e sugestes que nos permitam aperfeioar o livro.

Tambm Comisso dos Cursos de Vero do IMEUSP e

FAPESP, pelo apoio recebido.

1.1. Princpio multiplicativo:

Uma tarefa deve ser executada em uma seqncia de

maneiras de realizar a primeira etapa; para cada uma dessas

maneiras de realizar a segunda etapa; para cada uma dessas

maneiras de realizar a terceira etapa, e assim por diante. Ento, o

nmero total de maneiras de efetuar a tarefa completa dado por

Ao usar o princpio multiplicativo, fundamental que o nmero de manei-

1.2. Princpio aditivo para partes disjuntas:

so conjuntos dois a dois

Em geral, devemos usar

|Ai Aj Ak | + (1)n+1 |A1 . . . An |.

Convm recordar uma tcnica bastante til em problemas de contagem: primeiro

O nmero de maneiras de ordenar

indica que a razo entre os dois lados tende a 1 quando

1.6. Permutaes circulares:

O nmero de maneiras de dispor

(n)k = n(n 1) . . . (n k + 1).

disposio triangular, o famoso

1.10. Teorema Binomial:

Estes nmeros podem ser arrumados em uma

O nmero de divises possveis de

Esta frmula tambm fornece o nmero de anagramas de uma palavra com

Para qualquer inteiro

xado, o nmero de vetores distintos

negativos e a valores inteiros que satisfazem a equao

(ou com repetio), pois o nmero

p objetos entre n objetos distintos dados, podendo repetir a escolha

(xi o nmero de vezes que tomamos o objeto

Em outras palavras, o nmero de maneiras de distribuir

Para qualquer inteiro

valores inteiros que satisfazem

xado, o nmero de vetores distintos

Isto signica que o nmero de maneiras de distribuir

forma que cada criana receba pelo menos uma moeda

A tabela a seguir resume o nmero de maneiras de tomarmos uma amostra de ta-

de uma populao com

elementos distintos, dependendo se o mesmo objeto

(a) que tm as letras

em primeiro lugar ou a letra

(c) em que a letra

vem antes da letra

mestrandos do IMEUSP, como tambm a outros estudantes e docentes.

Tambm Comisso dos Cursos de Vero do IMEUSP e

xado, o nmero de vetores distintos

xado, o nmero de vetores distintos

Isto signica que o nmero de maneiras de distribuir

para dar a seus trs lhos.

Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do

Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do

Nmero de maneiras de dividir os presentes, sendo o videogame e o relgio ao lho

Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do

Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do

lhos menores, logo

4. Quantos so os anagramas da palavra COMBINATORIA? (Considere O sem acento ).

existem 6 escolhas para a consoante nal e, tomada essa deciso,

so os anagramas da palavra PARAGUAIO que no possuem consoantes

e depois colocamos as consoantes de forma que no quem adjacentes.

vogais (digamos na ordem AAUAIO), temos 7 escolhas para a colocao do P, 6 para o

anagramas de PARAGUAIO que