Escolar Documentos
Profissional Documentos
Cultura Documentos
Livro PDF
Livro PDF
LC I O L E B ENS Z TAYN
C RI S T I A N FAV I O C O L E T TI
Prefcio iii
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
Captulo 2: Probabilidade 15
1. Definies e propriedades . . . . . . . . . . . . . . . . . . . . . . 15
2. Probabilidade condicional e independncia . . . . . . . . . . . . . . . 18
3. Conjuntos limites e continuidade da probabilidade. . . . . . . . . . . . 20
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
1. Definies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2. Variveis aleatrias conjuntamente distribudas . . . . . . . . . . . . . 35
3. Independncia de variveis aleatrias . . . . . . . . . . . . . . . . . 36
4. Modelos de distribuies discretas. . . . . . . . . . . . . . . . . . . 37
5. Modelos de distribuies contnuas . . . . . . . . . . . . . . . . . . 39
6. Aproximao de Poisson Binomial . . . . . . . . . . . . . . . . . . 41
7. Aproximao Normal Binomial . . . . . . . . . . . . . . . . . . . 41
8. Funes de variveis aleatrias . . . . . . . . . . . . . . . . . . . . 42
9. Estatsticas de ordem . . . . . . . . . . . . . . . . . . . . . . . . 45
10. Modelos multidimensionais. . . . . . . . . . . . . . . . . . . . . . 46
11. Distribuies relacionadas com a normal . . . . . . . . . . . . . . . . 47
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
ii Sumrio
Captulo 4: Esperana 65
1. Definies e propriedades . . . . . . . . . . . . . . . . . . . . . . 65
2. Distribuio e esperana condicionais . . . . . . . . . . . . . . . . . 67
3. Funes geradoras . . . . . . . . . . . . . . . . . . . . . . . . . 69
4. Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
Apndice 119
Novembro de 2008.
Os autores.
Captulo 1
Anlise Combinatria
1.1. Princpio multiplicativo: Uma tarefa deve ser executada em uma seqncia de
r etapas. Existem n1 maneiras de realizar a primeira etapa; para cada uma dessas n1
maneiras, existem n2 maneiras de realizar a segunda etapa; para cada uma dessas n2
maneiras, existem n3 maneiras de realizar a terceira etapa, e assim por diante. Ento, o
nmero total de maneiras de efetuar a tarefa completa dado por n1 n2 . . . nr .
n
[
=
X X
Ai |Ai | |Ai Aj |
i=1 i i<j
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 indevida-
mente contado.
n! = n (n 1) . . . 2 1.
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 n .
1.7. O nmero de palavras de comprimento k que podem ser compostas com n elementos
dados nk .
que chamado um coeficiente binomial. Estes nmeros podem ser arrumados em uma
disposio triangular, o famoso Tringulo de Pascal.
Esta frmula tambm fornece o nmero de anagramas de uma palavra com n letras que
contm n1 vezes a letra `1 , n2 vezes a letra `2 , . . . , nr vezes a letra `r (n1 +n2 + +nr = n).
Exerccios 3
1.12. Para qualquer inteiro p > 0 fixado, o nmero de vetores distintos (x1 , . . . , xn ) no-
negativos e a valores inteiros que satisfazem a equao x1 + + xn = p p+n1
n1
.
Esse o chamado nmero de combinaes completas (ou com repetio), pois o nmero
de modos de escolher p objetos entre n objetos distintos dados, podendo repetir a escolha
(xi o nmero de vezes que tomamos o objeto i).
1.13. Para qualquer inteiro p > 0 fixado, o nmero de vetores distintos (x1 , . . . , xn ) a
valores inteiros que satisfazem x1 + + xn = p e xi 1 para todo i = 1, . . . , n p1
n1
.
Ordenada No-ordenada
Com reposio nk k+n1
n1
Sem reposio (n)k n
k
Exerccios
Soluo. (a) Imaginamos as letras A e B coladas como uma letra s, na ordem AB, o
que fornece 5! permutaes. Como tambm existem 5! permutaes nas quais a letra
4 Anlise Combinatria
(c) Existe um total de 6! = 720 permutaes possveis, e existem tantas com A antes de
B quantas com B antes de A, logo a resposta 360.
(d) Existem 5! permutaes em que a letra E a ltima, portanto 6! 5! = 600 permu-
taes em que E no a ltima letra.
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
feito de 2 = 66 modos; em seguida, devemos escolher 2 dos 10 lugares restantes para
12
colocar as 2 letras I ( 10
= 45 modos); a seguir, escolhemos 2 dos 8 lugares que restam
2
para as 2 letras O ( 82 =
28 modos) e finalmente temos 6 lugares para 6 letras distintas
(6! = 720 modos). A resposta 66 . 45 . 28 . 720 = 59875200.
Sejam V o conjunto dos anagramas que comeam por vogal e C o conjunto dos anagramas
que terminam em consoante. A fim de obter |V|, notamos que temos 3 escolhas para
11!
a vogal inicial e, feita essa escolha, formas de permutar as letras restantes. Para
2! 2!
11!
calcular |C|, existem 6 escolhas para a consoante final e, tomada essa deciso,
2! 2! 2!
10!
modos de permutar as letras restantes. Analogamente, |V C| = 3 . 6 . .
2! 2!
Pelo Princpio da Incluso-Excluso, conclumos que o nmero de anagramas que comeam
por vogal ou terminam em consoante :
11! 11! 10!
|V C| = |V| + |C| |V C| = 3 . + 6. 3.6. = 43545600.
2! 2! 2! 2! 2! 2! 2!
7. Quantos so os nmeros inteiros positivos menores que 360 e primos com 360?
Soluo. Notamos que 360 = 23 . 32 . 5 e definimos 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}.
8 Anlise Combinatria
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}.
Ento, o nmero pedido y = |A| |A1 A2 A3 A4 |. No entanto,
9 4 5
! ! !
|A| = = 84, |A1 | = |A2 | = 0, |A3 | = = 4, |A4 | = = 10,
3 3 3
|Ai Aj | = 0, 1 i < j 4,
|A1 A2 A3 A4 | = 0.
Usando o Princpio da Incluso-Excluso, obtemos que y = 84 4 10 = 70.
Exerccios 9
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. Quantos nmeros pares de dois algarismos podem ser formados no sistema decimal
(a) podendo repetir algarismos?
(b) sem repetir algarismos?
12. 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?
13. Quantas so as permutaes dos nmeros 1, 2, . . . , n nas quais o elemento que ocupa
a k-sima posio inferior a k + 4, para todo k?
15. Quantos nmeros de 5 algarismos podem ser formados usando apenas os algarismos
1, 1, 1, 1, 2 e 3?
16. Cinco moas e cinco rapazes vo posar para uma fotografia, ocupando cinco degraus
de uma escadaria, de forma que em cada degrau fique uma moa e um rapaz. De quantas
maneiras podemos arrumar este grupo?
17. 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 ficando perto de sua esposa?
19. De quantas maneiras se pode preencher um carto da loteria esportiva (com 13 jogos)
com trs prognsticos duplos e dois triplos?
20. 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.
10 Anlise Combinatria
21. Suponha que Joo vai participar de uma reunio na qual estaro mais 4 homens e 6
mulheres. Ele sabe que h 4 casais, porm no conhece ningum.
(a) De quantas formas poderia Joo imaginar que esto formados os casais?
(b) E se sabe que h exatamente 3 casais?
22. (a) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas, deno-
minados Esporte, Tupi e Minas?
(b) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas?
25. Considerando o alfabeto com 26 letras, existem quantas seqncias de 4 letras distin-
tas com pelo menos uma vogal?
26. Dentre todos os nmeros de 7 algarismos, quantos possuem exatamente trs algaris-
mos 9 e os quatro algarismos restantes todos diferentes?
28. Representantes de dez pases, incluindo a Rssia, Frana, Inglaterra e Estados Unidos,
sero dispostos em uma fila. De quantas maneiras isso pode ser feito, se os representantes
da Frana e da Inglaterra devem ficar um ao lado do outro, e o americano e o russo no
devem?
30. 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 fique
sem livro?
Exerccios 11
31. Quantos nmeros de 6 algarismos podemos formar com 3 pares distintos de algarismos
iguais?
32. De quantas maneiras se podem pintar seis esferas iguais, usando-se apenas trs cores
diferentes?
33. De quantas maneiras podemos distribuir 30 laranjas para 4 crianas de forma que
cada uma receba pelo menos duas laranjas?
34. Obtenha uma frmula para o nmero de solues inteiras no-negativas da inequao
35. Obtenha uma frmula para o nmero de solues inteiras no-negativas da equao
36. Quantos inteiros entre 1 e 100000 tm a propriedade de que cada dgito menor ou
igual ao seu sucessor?
37. Em um amigo secreto, dizemos que o sorteio vivel se nenhuma pessoa fica com seu
prprio nome. Quantos sorteios viveis existem em um amigo secreto com 4 pessoas?
38. Obtenha o nmero total de permutaes de (1, 2, . . . , 2n) em que nenhum nmero
mpar ocupa o seu lugar primitivo.
39. Se quatro americanos, trs franceses e trs ingleses so colocados em uma fila, deter-
mine o nmero de maneiras de disp-los de forma que nenhum grupo de mesma naciona-
lidade fique todo junto.
40. Quantos inteiros entre 1 e 33000 no so divisveis por 3, por 5 e nem por 11?
41. Quantos inteiros entre 1 e 1000000 no so quadrados perfeitos, cubos perfeitos e nem
quartas potncias perfeitas?
44. 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?
12 Anlise Combinatria
47. Mostre que o produto de p nmeros naturais consecutivos divisvel por p!.
k=1 k
(3n)!
(d) um nmero inteiro (n 1).
2n 3n
(3n)!
(e) um nmero inteiro (n 1).
n! 2n 3n
Sugesto: (c) Considere n 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 3 n objetos distintos em n grupos
de tamanho 3.
Respostas
12. 2160
13. 6 . 4n3
14. 5040
15. 30
16. 460800
17. (a) 144 (b) 12
Respostas 13
19. 2279881890
20. 656
21. (a) 360 (b) 480
23. 120
24. (a) 360 (b) 21600 (c) 15120
25. 215160
26. 99120
27. 2056320
28. 564480
29. (a) 378 (b) 84
31. 9720
32. 28
33. 2300
p+n
34. n
pa1 an +n1
35. n1
36. 2001
37. 9
n
!
n
(1) k
(2n k)!
X
38.
k=0 k
39. 3079296
40. 16000
41. 998910
42. 3n 3 . 2n + 3
43. 480
44. 540
14 Anlise Combinatria
45. 118
46. 5239868
Captulo 2
Probabilidade
1. Definies 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 . Um subconjunto A chamado evento.
Dados dois eventos A e B, dizemos que A B se A implica que B. Em palavras,
a ocorrncia de A implica a ocorrncia de B.
A unio de dois eventos A e B A B = { : A ou B} e representa o evento de
que pelo menos um dos dois eventos A e B ocorre.
A interseco de dois eventos A e B A B = { : A e B} e representa o evento
de que ambos A e B ocorrem.
Dois eventos A e B so disjuntos ou mutuamente exclusivos se A B = . Isso significa
que A e B no ocorrem simultaneamente.
Para qualquer evento A, o complementar de A Ac = { : 6 A} e representa o
evento de que A no ocorre.
Notamos que (DM1) estabelece que o evento de que nenhum dos Ai s ocorre igual ao
complementar do evento de que pelo menos um dos Ai s ocorre. J (DM2) expressa que
o complementar do evento de que todos os Ai s ocorrem exatamente o evento de que ao
menos um deles no ocorre.
16 Probabilidade
A B A B
AB AB
A B Ac
A e B disjuntos
|A|
P (A) = .
||
(A2) P () = 1,
i: i A
1. P () = 0.
i<j<k
P (A B)
P (A | B) = .
P (B)
P (A) = P (A | B) P (B) + P (A | B c ) P (B c ).
n
P (A) = P (A | Bi ) P (Bi ).
X
i=1
Probabilidade condicional e independncia 19
2.5. Frmula de Bayes (1763): Seja {B1 , B2 , . . . , Bn } uma partio do espao amos-
tral em eventos de probabilidade positiva. Se A um evento com P (A) > 0, ento,
para todo j = 1, . . . , n,
P (A | Bj ) P (Bj )
P (Bj | A) = X
n .
P (A | Bi ) P (Bi )
i=1
B1 B5 B8
B2 A
B4 B6
B3 B7 B9
2.6. Para um evento B fixado tal que P (B) > 0, temos que P ( | B) uma probabilidade.
2.9. Uma coleo infinita de eventos independente se toda subcoleo finita desses
eventos independente.
Observamos que
|{n : 6 An }| < ,
ou seja, lim inf An o evento de que ocorre An para todo n suficientemente grande.
n
Ademais,
|{n : An }| = ,
ou seja, lim sup An o evento de que ocorre An para uma infinidade de ns.
n
fcil ver que lim inf An lim sup An . Se vale a incluso oposta, dizemos que n
n
lim An
n
existe e definido por
lim An = lim inf An = lim sup An .
n n n
Exerccios
Soluo. Se consideramos como relevante a ordem entre as quatro cartas do topo, ento
o espao amostral consiste de 52 . 51 . 50 . 49 resultados. Alm disso, existem 52 . 48 . 44 . 40
resultados em que as cartas tm valores diferentes e 52 . 39 . 26 . 13 resultados em que as
cartas tm naipes diferentes. Portanto, assumindo que o embaralhamento significa que
cada resultado no espao amostral igualmente provvel, temos que as probabilidades
desejadas so
52 . 48 . 44 . 40 52 . 39 . 26 . 13
(a) 0,676; (b) 0,105.
52 . 51 . 50 . 49 52 . 51 . 50 . 49
Observao. Claramente as mesmas respostas seriam obtidas se considerssemos as quatro
cartas do topo como um conjunto no ordenado de cartas.
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 raciocnio 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?
10. Se Andr e Pedro esto entre n homens dispostos aleatoriamente em uma fila, qual
a probabilidade de que haja exatamente r homens entre eles?
11. 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 n pares a partir dos quais novas
varetas so formadas. Calcule a probabilidade de que
(a) as partes sejam unidas na ordem original;
(b) todas as partes longas sejam emparelhadas com partes curtas.
13. Uma urna contm a bolas azuis e b bolas brancas. As bolas so retiradas uma a uma
da urna, ao acaso e sem reposio, at que a urna fique vazia. Calcule a probabilidade de
que a ltima bola retirada seja azul nos seguintes casos:
(a) as bolas so todas distintas.
(b) as bolas so distinguveis apenas pela cor.
15. Uma secretria atrapalhada prepara quatro cartas com contedos distintos para en-
viar a quatro firmas 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 envelo-
pada.
(b) Sabendo que ao menos uma carta foi colocada no envelope certo, calcule a proba-
bilidade de que todas as cartas tenham sido corretamente envelopadas.
i i<j i<j<k
Porm,
3! 1
P (Ai ) = = , i = 1, 2, 3, 4,
4! 4
2! 1
P (Ai Aj ) = = , 1 i < j 4,
4! 12
1 1
P (Ai Aj Ak ) = = ,1i<j<k4 e
4! 24
1 1
P (A1 A2 A3 A4 ) = = .
4! 24
Portanto,
1 4 1 4 1 1 5
! !
P (A) = 4 . + = .
4 2 12 3 24 24 8
Exerccios 25
P (A1 A2 A3 A4 ) 1/24 1
P (A1 A2 A3 A4 | A) = = = .
P (A) 5/8 15
17. 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.
18. 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 selecio-
nada aleatoriamente. Determine a probabilidade de que nesta comisso haja pelo menos
um professor de cada rea.
19. Um baralho comum consiste de 52 cartas diferentes sendo 13 cartas de cada naipe.
Uma pessoa retira ao acaso 13 cartas de um baralho. Calcule a probabilidade de que pelo
menos um naipe esteja ausente entre as cartas selecionadas.
21. 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 P (Ai ) = p e P (Ai Aj ) = q, i 6= j,
mostre que p 1/n e q 2/n.
22. Trs 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 suces-
sivamente 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.
23. 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?
24. 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
26 Probabilidade
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
25. Em um curso secundrio, 1/3 dos estudantes so do sexo masculino e 2/3 dos es-
tudantes so do sexo feminino. 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.
26. 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 fiscalizao 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
identificao da fazenda de provenincia. Um galo escolhido ao acaso e seu contedo
testado para verificar adulterao.
(a) Qual a probabilidade de que o galo contenha leite adulterado?
Exerccios 27
(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.
27. 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?
28. 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?
29. 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.
31. Uma senhora da alta sociedade d uma festa em sua manso. 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 perfil de DNA do
ladro, e sabe-se que este perfil de DNA ocorre em 2% de toda populao. Dado que o
DNA do Sr. Joo, o primeiro suspeito cujo DNA analisado, combina com o perfil achado
na cena do crime, qual a probabilidade de que ele tenha roubado as jias?
32. Em uma cidade, os motoristas so parados pela polcia para fazer um teste sobre
o teor de lcool no sangue. Suponha que a probabilidade de que um motorista detido
esteja embriagado 5% e que o teste realizado acerta o estado de embriaguez em 80% das
ocasies.
(a) Qual a probabilidade de que o teste de um motorista detido resulte positivo?
Os motoristas cujos testes do positivo so submetidos a um segundo exame, que nunca
28 Probabilidade
falha em um motorista sbrio, porm tem probabilidade 10% de erro nos embriagados.
(b) Dado que o segundo teste de um motorista resultou negativo, qual a probabilidade
de que estava dirigindo com um ndice alcolico acima do permitido?
33. Um experimento consiste em lanar duas vezes uma moeda honesta. Considere os
eventos
36. 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 n caras.
37. (a) Sejam A e B dois eventos com probabilidade positiva. Se a ocorrncia de B faz de
A um evento mais provvel, ento a ocorrncia de A faz de B um evento mais provvel?
(b) Mostre que se A um evento tal que P (A) igual a 0 ou 1, ento A independente
de todo evento B.
38. Suponha que = {1, . . . , p}, onde p um nmero primo. Seja F = P () e, para
A F, defina P (A) = |A|/p. Mostre que se A e B so independentes, ento ao menos
um dos dois eventos ou .
Sugesto: Prove que p um divisor de |A| |B|.
39. Seja P uma probabilidade sobre um espao amostral e suponha que A um evento
com 0 < P (A) < 1. Mostre que A e B so independentes se e somente se P (B |A) =
P (B |Ac ).
Sugesto: Use que P (Ac B) + P (A B) = P (B).
Exerccios 29
P (E |F ) = P (E |F G)P (G |F ) + P (E |F Gc )P (Gc |F ).
(a2) Use a aditividade finita e enumervel para provar que P (A) = lim P (An ).
n
(b) Suponha que An A. Mostre que Acn A e conclua que P (A) = lim P (An ).
c
n
Mostre que
(a) An A.
1 se 0 < p 1,
(b) P (A) =
0 se p = 0.
48 . Demonstre que
c
lim inf An
n
= lim sup Acn ,
n
c
lim sup An = lim inf Acn ,
n
n
lim An = A e n
n
lim Bn = B = n
lim (An Bn ) = A B e n
lim (An Bn ) = A B.
(c) Conclua que se existe A = lim An , ento existe lim P (An ) e P (A) = lim P (An ).
n n n
D um exemplo para mostrar que a condio P (Bn ) < 1 para todo n 1 no pode ser
dispensada.
Sugesto: Para provar a implicao , defina Ak = Bkc , k = 1, 2, . . . , e, usando o exerc-
cio 47, mostre que P ( k=n Ak ) = 0 para todo n 1.
T
Respostas
4. 325/833
12. (a) n
2r
22r / 2n
2r
(b) 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).
13. A probabilidade igual a a/(a + b) em ambos os casos. O espao amostral no item (a)
consiste das (a + b)! ordenaes entre as bolas; em (b) formado pelas (a + b)!/(a! b!)
permutaes com elementos repetidos.
16. 12/35
17. 6055/8568
18. 903/1012
19. 0,051
22. Defina Vi o evento de selecionar a bola vermelha na i-sima extrao e mostre que
P (Vi ) = 1/3 para i = 1, 2, 3.
23. 31/210
27. 0,42
30. 0,345
31. 2/5
34. 5/11
37. (a) Sim. Quando afirmamos que a ocorrncia de B faz de A um evento mais provvel,
queremos dizer que P (A | B) > P (A).
(b) Considere separadamente os casos P (A) = 0 e P (A) = 1. No segundo, use que
P (A B) = P (B) P (Ac B).
Captulo 3
Variveis aleatrias
1. Definies
{X x} = { : X() x} F
para todo x R.
As variveis aleatrias que assumem valores em um conjunto finito ou infinito enumervel
so chamadas discretas e aquelas que assumem valores em um intervalo da reta real so
chamadas contnuas.
Outras propriedades:
Observao. Uma funo F : R R que satisfaz (F1), (F2) e (F3) a funo de distri-
buio de alguma varivel aleatria X.
Observao. Uma varivel aleatria discreta definida quando definimos os seus valores
possveis {xi }i1 e as respectivas probabilidades {pi }i1 satisfazendo
pi > 0, i e pi = 1.
X
i=1
Uma varivel aleatria contnua definida quando definimos uma funo f : R R tal que
Z
f (x) 0, x e f (x) dx = 1.
1 se A,
IA () =
0 se 6 A.
p(xi ) se X discreta,
X
i: x B
P (X B) =
i
Z
f (x) dx se X contnua com densidade f.
B
Variveis aleatrias conjuntamente distribudas 35
F (x)
1
P (X = x3 )
P (X = x2 )
P (X = x1 )
x1 x2 x3 x
fX (x)
P (a X b)
a b x
F (x, y) = P (X x, Y y), x, y R.
p(x, y) = P (X = x, Y = y), x, y R.
Note que p(x, y) > 0 apenas para (x, y) em um subconjunto finito ou enumervel de R2 .
As funes de probabilidade marginais de X e Y so
pX (x) = e pY (y) =
X X
p(x, y), x R p(x, y), y R.
y x
36 Variveis aleatrias
i=1
3.5. Uma coleo infinita de variveis aleatrias independente se toda subcoleo finita
dessas variveis aleatrias independente.
Como usual quando se trata de variveis aleatrias, l-se o smbolo como tem dis-
tribuio.
P (X = x) = px (1 p)1x , x = 0, 1.
Propriedade: Se X Binomial(n, p), onde 0 < p < 1, ento, medida que k vai
de 0 a n, P (X = k) primeiro cresce e depois decresce, atingindo seu valor mximo
quando k o maior inteiro menor ou igual a (n + 1) p.
P (X = x) = p (1 p)x1 , x = 1, 2, . . .
P (X m + n | X m) = P (X n) para m, n = 1, 2, . . .
Cumpre enfatizar que uma varivel aleatria com distribuio Binomial Negativa(r, p)
pode ser escrita como a soma de r variveis aleatrias independentes com distribui-
o Geomtrica(p).
1
fX (x) = , a < x < b.
ba
1 2 2
fX (x) = e(x) /(2 ) , x R.
2
X
Z= N (0, 1).
fX (x) = ex , x 0.
P (X s + t | X s) = P (X t) para s, t R com s 0 e t 0.
Se n grande, ento uma varivel aleatria X com distribuio Binomial(n, p) tem apro-
ximadamente a mesma distribuio de uma varivel aleatria normal com parmetros
= n p e 2 = n p (1 p). Essa afirmao justificada pelo Teorema Central do Limite
de De Moivre e Laplace (3.7 do Captulo 5, p. 99), o qual estabelece que, quando n ,
a funo de distribuio da varivel
X np
n p (1 p)
Visto que estamos aproximando uma varivel aleatria discreta por uma varivel contnua,
podemos fazer o seguinte ajuste:
i + 0,5 n p
!
P (X i) = P (X i + 0,5) ,
n p (1 p)
42 Variveis aleatrias
j + 0,5 n p i 0,5 n p
! !
P (i X j) .
n p (1 p) n p (1 p)
8.1. Seja X uma varivel aleatria contnua com funo densidade de probabilidade f tal
que f (x) > 0 para x (a, b), com a < b . Suponhamos que : (a, b) R
uma funo estritamente montona, diferencivel em (a, b), e seja 1 a inversa de .
Ento, a varivel aleatria definida por Y = (X) tem densidade dada por
d 1 (y)
f ( (y))
1
se y ((a, b)),
g(y) = dy
0 caso contrrio.
R R
dx
4. Densidade de Y : g(y) = f (x(y))
.
dy
Suponhamos que:
3. A transformao inversa
x1 = 1 (y1 , y2 ), x2 = 2 (y1 , y2 ), ()
8.3. (a) Sejam X e Y duas variveis aleatrias independentes, a valores inteiros, com
funes de probabilidade pX e pY , respectivamente. A convoluo de pX e pY a funo
p = pX pY definida por
(b) Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes den-
sidade respectivas fX e fY . A convoluo de fX e fY a funo f = fX fY definida
por
Z +
f (z) = fX (x) fY (z x) dx, z R.
8.4. Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes den-
sidade respectivas fX e fY . Ento,
9. Estatsticas de ordem
n!
fYi ,Yj (x, y) = [F (x)]i1 [F (y) F (x)]ji1 [1 F (y)]nj f (x) f (y)
(i 1)! (j i 1)! (n j)!
para x < y.
A densidade de Yi dada por
n!
fYi (x) = [F (x)]i1 [1 F (x)]ni f (x), x R.
(i 1)! (n i)!
m!
P (X1 = x1 , . . . , Xn = xn ) = px1 . . . pxnn ,
x1 ! . . . xn ! 1
3. Distribuio uniforme: Seja G Rn um conjunto tal que Vol (G) > 0, onde
Vol (G) o volume n-dimensional de G, definido por
Z Z
Vol (G) = dx1 . . . dxn .
G
Ento, para B Rn ,
Vol (B G)
P (X B) = .
f Vol (G)
Esse modelo corresponde escolha ao acaso de um ponto em G.
( n+1 ) 1
fT (t) = 2 n , t R.
n ( 2 ) (1 + t2 /n)(n+1)/2
X/m
U=
Y /n
( m+n )
fU (u) = 2
n m
m/2 n/2 m/21
n u (n + m u)(m+n)/2 , u > 0.
( 2 ) ( 2 )
m
Exerccios
5. 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 X 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 estran-
geiro 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?
Sabemos que V1 , V2 e V3 so independentes, com P (V1 ) = 1/4, P (V2 ) = 1/2 e P (V3 ) = 2/5.
Ento,
3 1 3 9
P (X = 0) = P (V1 c V2 c V3 c ) = P (V1 c ) P (V2 c ) P (V3 c ) = = ,
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
(b) A probabilidade de que o time estrangeiro obtenha pelo menos uma vitria
31
P (X 1) = 1 P (X = 0) = .
40
(c) Denotando por F 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,
50 Variveis aleatrias
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 (F | X = 3) P (X = 3) 1/20 5
P (X = 3 | F ) = = = 0,185.
P (F ) 27/100 27
a (1 + x) se 0 < x 1,
f (x) = 2/3 se 1 < x 2,
0 caso contrrio.
Obtenha:
(a) o valor de a. (b) P (0,5 < X 1,5).
10. Defina uma coleo de eventos Ea , 0 < a < 1, satisfazendo a propriedade de que
P (Ea ) = 1 para todo a, mas P ( a Ea ) = 0.
T
1 1
!
(x)
3 (x) 1 (x) .
x x x
A importncia desses limitantes decorre do fato de no haver uma frmula fechada para .
(b) Obtenha de (a) que
1 (x)
lim = 1.
x (x)/x
3 1
Sugesto: (a) Use que 1 4
1 1 + 2 para y > 0 e que
y y
1 1 1 3
" # ! " ! # !
d (y) d
= 1 + 2 (y), 3 (y) = 1 4 (y).
dy y y dy y y y
13. 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 probabilidade de que
6 delas durem pelo menos 90 horas?
14. Sabe-se que 0,6% dos parafusos produzidos em uma fbrica so defeituosos. Estime
a probabilidade de que, em um pacote com 1000 parafusos,
(a) haja exatamente 4 parafusos defeituosos.
(b) no haja mais do que 4 parafusos defeituosos.
(c) encontrem-se pelo menos 3 parafusos defeituosos.
16. 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.
52 Variveis aleatrias
17. Em um museu, vendem-se mil entradas diariamente, sendo de 35% a proporo diria
de visitantes estrangeiros. Estime a probabilidade de que em uma semana mais de 5000
brasileiros visitem o museu.
18. O tempo de vida em horas de chips de computador produzidos por uma indstria tem
distribuio normal com parmetros = 1,4 . 106 e 2 = 9 . 1010 . Obtenha uma estimativa
para a probabilidade de que um lote de 100 chips contenha pelo menos 20 chips que durem
menos que 1,8 . 106 horas.
19. Uma urna contm trs bolas brancas e duas bolas azuis. Realizam-se trs extraes,
sem reposio. Sejam X o nmero de bolas brancas obtidas e Y o nmero de bolas azuis
extradas antes de obter a primeira bola branca. Determine a funo de probabilidade
conjunta de X e Y , bem como as marginais.
20. A 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 X e Y o nmero de
mulheres solteiras e vivas na comisso, respectivamente.
(a) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) Calcule a probabilidade de que pelo menos uma viva integre a comisso.
(c) Qual a probabilidade de que haja na comisso mais solteiras que vivas?
!1
n+ki2 n+k1
!
(b) P (X1 = i) = , i = 0, . . . , k.
n2 n1
Exerccios 53
!i
1
(c) lim P (X1 = i) = , i = 0, 1, . . .
n,k, k/n(0,) +1 +1
23. Considere a distribuio aleatria de k bolas em n urnas como explicada nos exerc-
cios 21 e 22. Suponha que k n e seja A o evento de que nenhuma urna fique vazia.
Prove que, no caso do modelo de Maxwell-Boltzmann,
n k
!
n i
P (A) = (1) i
1
X
i=0 i n
25. Uma urna contm X bolas, onde X uma varivel aleatria com distribuio de Pois-
son de parmetro . As bolas so pintadas, de maneira independente, de vermelho com
probabilidade 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)).
Sugesto: Para y, z N, seja x = y + z. Justifique e use que
e x
!
x y
P (Y = y, Z = z) = P (Y = y, Z = z | X = x) P (X = x) = p (1 p)z .
y x!
P (Z0 = 1, Z1 = 1, . . . , Zn = 1) = 1/2n+1 .
v v
a a C B
Ay B a/2
y
0 y a u 0 a/2 a u
28. 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 mu-
lher 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.
30. Lanamos seis vezes uma moeda honesta de forma independente. Seja Y a diferena
entre o nmero de caras e coroas obtidas. Encontre a distribuio de Y .
31. Seja U uma varivel aleatria com distribuio uniforme no intervalo aberto (0, 1).
Dado p (0, 1), obtenha a distribuio da varivel aleatria
log U
" #
h i
X = log1p U = ,
log(1 p)
32. Seja X uma varivel aleatria com distribuio exponencial de parmetro . Defini-
mos uma nova varivel aleatria por Y = [X] + 1, onde [X] denota a parte inteira de X.
Obtenha a distribuio de Y .
56 Variveis aleatrias
33. Seja X 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|.
Observao. Cumpre observar que W dada no item (b) uma varivel aleatria, pois
uma funo contnua da varivel aleatria X. Note entretanto que W no discreta (j
que pode assumir qualquer valor no intervalo [2, 4]) e nem absolutamente contnua (pois
assume os valores 2 e 4 com probabilidades positivas). A varivel W uma mistura dos
dois tipos. Mais detalhes a respeito de tipos de variveis aleatrias so encontrados na
Seo 2.2 de James [8].
f (x) = ex , x > 0.
Consideremos a funo : (0, ) (0, 1) dada por (x) = e2x . Ento, decrescente,
diferencivel e
1
y = (x) = e2x x = 1 (y) = log y,
2
dx 1
= .
dy 2y
1
dx
g(y) = f (
1
(y)) = , 0 < y < 1.
dy 2 y
35. Distribuio Log-normal. Seja Y = eX , onde X tem distribuio N (0, 1). Encon-
tre a densidade de Y .
36. Seja X uma varivel aleatria com distribuio uniforme em (0, /2). Obtenha a
densidade de Y = sen X.
37. Determine a densidade de Y = arcsen X quando
(a) X tem distribuio uniforme em (0, 1);
(b) X tem distribuio uniforme em (1, 1).
Obtenha a densidade de Y = X 2 .
41. Sejam X e Y variveis aleatrias i.i.d. com funo densidade comum
1/x2 se x > 1,
f (x) =
0 caso contrrio.
Assim,
1/(2z 2 w) se z > w > 0, zw > 1,
fZ,W (z, w) =
0 caso contrrio.
(b) Observamos que
1/(2z 2 w) dw se z > 1,
R
z
1/z
fZ (z) =
0 caso contrrio.
Logo,
log(z)/z 2 se z > 1,
fZ (z) =
0 caso contrrio.
58 Variveis aleatrias
Ademais,
1/w 1/(2z w) dz se 0 < w 1,
R
2
R
w 1/(2z w) dz se w > 1,
fW (w) = 2
0 caso contrrio.
Portanto,
1/2 se 0 < w 1,
fW (w) = 1/(2w2 ) se w > 1,
0 caso contrrio.
vu u+v u+v vu
1 (u, v)
1 = , e 2 (u, v)
1 = , .
2 2 2 2
Aplicando o teorema, obtemos que, para 0 < u < v, a densidade conjunta de U e V
vu u+v 1 u+v vu 1
fU,V (u, v) = fX,Y , + fX,Y , .
2 2 2 2 2 2
Portanto,
ev se 0 < u < v,
fU,V (u, v) =
0 caso contrrio.
Com respeito s marginais, um clculo simples mostra que U Exp(1) e V Gama(2, 1).
43. Sejam X e Y variveis aleatrias com funo densidade conjunta f . Usando o Mtodo
do Jacobiano, determine a densidade de Z = XY . Escreva a densidade de Z no caso em
que X e Y so independentes, com densidades fX e fY , respectivamente.
Soluo. Consideremos a transformao e sua inversa
w =x x =w
z = xy y = z/w
44. Sejam X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).
Mostre que U = (X + Y )/ 2 e V = (X Y )/ 2 tambm so independentes e N (0, 1).
45. Sejam X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).
Prove que R = X 2 + Y 2 e = arctg(Y /X) tambm so independentes, U (0, 2) e
R tem distribuio de Rayleigh, ou seja, tem densidade
2 /2
fR (r) = r er , r > 0.
50. Seja 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 Y o peso em toneladas da mercadoria vendida durante o ms. Suponha que
a funo densidade conjunta de X e Y dada por
1
se 0 < y < x < 10,
f (x, y) = 10 x
0 caso contrrio.
51. Sejam X e Y variveis aleatrias com funo densidade conjunta dada por
k xy se x 0, y 0 e x + y 1,
f (x, y) =
0 caso contrrio.
(a) Obtenha k.
(b) Calcule as densidades marginais de X e Y .
(c) So X e Y independentes?
(d) Calcule as seguintes probabilidades: P (X Y ), P (X 1/2 | X + Y 3/4) e
P (X 2 + Y 2 1).
(e) Obtenha a densidade conjunta de U = X +Y e V = X Y , bem como as marginais.
52. Trs pessoas A, B e C chegam ao mesmo tempo a uma central telefnica que possui
dois aparelhos telefnicos. Os dois aparelhos so utilizados imediatamente por A e B. A
pessoa C substitui a primeira pessoa que finalize a sua ligao e cada pessoa se retira da
central uma vez terminado o seu telefonema. Sejam X1 , X2 e X3 os tempos das ligaes
de A, B e C, respectivamente. Suponha que X1 , X2 e X3 so variveis aleatrias i.i.d.
com distribuio exponencial de parmetro .
Respostas 61
53. Escolhe-se ao acaso um ponto P = (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 .
54. Sejam 1 e 2 variveis aleatrias independentes, ambas com distribuio uniforme
em (0, 2). Ento, P1 = (X1 , Y1 ) = (cos 1 , sen 1 ) e P2 = (X2 , Y2 ) = (cos 2 , sen 2 )
so dois pontos escolhidos de forma aleatria e independente na circunferncia de raio
unitrio. Considere Z = (X1 X2 )2 + (Y1 Y2 )2 o quadrado da distncia entre P1 e P2 .
Calcule a densidade da varivel aleatria Z.
Sugesto: Defina
|1 2 | se |1 2 | < ,
=
2 |1 2 | se |1 2 | < 2
Respostas
3. 358/1203 0,000207
4. 0,014; 0,036
9. 3/5
13. 0,068
15. 0,45
16. 0,8363
17. 0
18. 1
X \Y 0 1 2 pX (x)
1 1/10 1/10 1/10 3/10
19. 2 2/5 1/5 0 3/5
3 1/10 0 0 1/10
pY (y) 3/5 3/10 1/10 1
X \Y 0 1 2 pX (x)
0 1/30 1/10 1/30 1/6
1 1/5 4/15 1/30 1/2
20. (a)
2 1/5 1/10 0 3/10
3 1/30 0 0 1/30
pY (y) 7/15 7/15 1/15 1
(b) P (Y 1) = 8/15 (c) P (X > Y ) = 8/15
6 1 6
!
30. P (Y = k) = , k = 6, 4, 2, 0, 2, 4, 6
(k + 6)/2 2
31. P (X = k) = p (1 p)k , k = 0, 1, . . .
32. Geomtrica(1 e )
0 se y < 2,
33. (a) FY (y) = y 2/10 se 2 y < 102,
1 se y 102.
0 se w < 2,
(b) FW (w) = w/10 se 2 w < 4,
1 se w 4.
Respostas 63
0 se z < 0,
se 0 z < 4,
z/5
(c) FZ (z) =
z/10 + 2/5 se 4 z < 6,
1 se z 6.
37. (a) fY (y) = cos y, 0 < y < /2 (b) fY (y) = (1/2) cos y, /2 < y < /2
39. Y Exp()
1
1 + e y se 0 y < 1,
4 y
1
40. fY (y) =
e y se y 1,
4 y
0 caso contrrio.
1 2 y
48. (a) fX (x) = x ex , x > 0, fY (y) = y e , y > 0;
2
X e Y no so independentes.
(b) fZ (z) = ez , z > 0
1 2 1
49. (a) fX (x) = x , 0 < x < 3, fY (y) = y 1/2 (33/2 y 3/2 ), 0 < y < 3;
9 9
X e Y no so independentes.
3
(b) fY /X (z) = z 1/2 , 0 < z < 1
2
50. (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
1
54. fZ (z) = , z (0, 4)
2 z z 2 /4
Captulo 4
Esperana
1. Definies e propriedades
1.1. A esperana (mdia, valor esperado) de uma varivel aleatria X definida por
x P (X = x) se X discreta,
X
x
X = E(X) = Z
x f (x) dx se X contnua com densidade f.
Observao. A esperana est definida somente quando a soma (integral) bem definida.
Assim,
x P (X = x) (x) P (X = x) se X discreta,
X X
x0 x<0
E(X) = Z Z
x f (x) dx (x) f (x) dx se X contnua com densidade f
x0 x<0
e portanto E(X) est definida desde que ambas as somas (integrais) no sejam +. Em
caso contrrio, dizemos que E(X) no existe (ou que X no tem valor esperado).
Observamos que, em particular, E(X) est bem definida se P (X 0) = 1.
Como um exemplo de uma varivel aleatria cuja esperana no existe, seja X
assumindo valores em Z = Z \ {0} com funo de probabilidade dada por
1
P (X = x) = , x Z .
2 |x| (1 + |x|)
Para ver por que esta uma funo de probabilidade, note que
1
1 1
= = 1.
X X
k=1 k (1 + k) k=1 k 1 + k
g(x) P (X = x) se X discreta,
X
x
E[g(X)] = Z
g(x) f (x) dx se X contnua com densidade f.
66 Esperana
1.3. Dizemos que a varivel aleatria X integrvel se E(X) finita. Isto equivalente
a que E|X| < .
1.4. Para n 1, o n-simo momento de uma varivel aleatria X E(X n ) (se existe).
1.5. A varincia de uma varivel aleatria X integrvel com esperana dada por
1.7. Se E|X|t finita para algum t > 0, ento E|X|s finita para todo 0 s t.
n=1
(b) Se X uma varivel aleatria contnua que assume apenas valores no-negativos,
ento
Z
E(X) = P (X > t) dt.
0
1.9. Critrio para integrabilidade: Seja X uma varivel aleatria qualquer. Ento,
P (|X| n) E|X| 1 + P (|X| n).
X X
n=1 n=1
E[(X, Y )] =
XX
(x, y) p(x, y).
x y
n
X n
1.17. Var Xi = Var(Xi ) se X1 , . . . , Xn so independentes.
X
i=1 i=1
Cov(X, Y ) X X Y Y
(X, Y ) = =E ,
X Y X Y
q q
onde X = Var(X) e Y = Var(Y ).
Propriedades:
(i) |(X, Y )| 1.
p(x, y)
pX|Y (x | y) = P (X = x | Y = y) = ,
pY (y)
68 Esperana
para todos os valores de y tais que pY (y) > 0. Neste caso, a esperana condicional de X
dado que Y = y
E(X | Y = y) = x pX|Y (x | y).
X
f (x, y)
fX|Y (x | y) = .
fY (y)
2.3. Para B R,
P (X = x | Y = y) no caso discreto,
X
xB
P (X B | Y = y) = Z
fX|Y (x | y) dx no caso contnuo.
B
E ((X, Y ) | Y = y) = E ((X, y) | Y = y) .
(a) E(X | Y ) uma varivel aleatria (uma funo de Y ) cuja esperana igual a E(X).
Funes geradoras 69
E(X | Y = y) P (Y = y) se Y discreta,
X
y
(b) E(X) = Z
E(X | Y = y) fY (y) dy se Y contnua com densidade fY .
P (A | Y = y) P (Y = y) se Y discreta,
X
y
(c) P (A) = Z
P (A | Y = y) fY (y) dy se Y contnua com densidade fY .
3. Funes geradoras
3.2. Propriedades:
dn MX (t)
(n)
1. MX (0) = = E(X n ), n 1.
dtn t=0
n=0
Note que GX uma srie de potncias com raio de convergncia maior ou igual a 1, j
que GX (1) = P (X < ) = 1. A funo geradora de probabilidade tambm determina
unicamente a distribuio. Ademais, a funo geradora de probabilidade da soma de va-
riveis aleatrias independentes igual ao produto das funes geradoras de probabilidade
individuais.
Outras propriedades:
(n)
GX (0)
(i) P (X = n) = , n 0.
n!
(n) (n) (n)
(ii) GX (1) = E [X(X 1) . . . (X n + 1)] , n 1, onde GX (1) = lim GX (s) quando
s1
o raio de convergncia de GX igual a 1.
onde o smbolo i representa a unidade imaginria 1. A principal vantagem de trabalhar
com a funo caracterstica reside no fato de ser definida para todo t R.
2
pX (x) MX (t) X X
1 et (en t 1) n+1 n2 1
Uniforme Discreta(n) , x = 1, . . . , n
Funes geradoras
n n (et 1) 2 12
!
n x nx
Binomial(n, p) p q , x = 0, 1, . . . , n (p et + q)n np npq
x
e x t
Poisson() , x = 0, 1, . . . e(e 1)
x!
x1 p et 1 q
Geomtrica(p) pq , x = 1, 2, . . .
1 q et p p2
! !r
x 1 r xr p et r rq
Binomial Negativa(r, p) p q , x = r, r + 1, . . .
r1 1 q et p p2
! ! !1
N R R N nR R R N n
Hipergeomtrica(n, R, N ) n 1
nx x n N N N N 1
Tabela 4.1: Distribuies discretas. Como de costume, q = 1 p. Para a distribuio uniforme discreta, a frmula indicada para
MX (t) vlida para t 6= 0. Para as distribuies geomtrica e binomial negativa, o domnio de MX (, log(1 p)). Para
a distribuio hipergeomtrica, os valores possveis so mx(0, n N + R) x mn(n, R) e a funo geradora de momentos foi
substituda por um asterisco pois no til.
71
72
2
fX (x) MX (t) X X
1 eb t ea t a+b (b a)2
Uniforme(a, b) ,axb
ba t (b a) 2 12
1 2 2 2 t2 /2
Normal(, 2 ) e(x) /(2 ) , x R e t+ 2
2
1 1
Exponencial() ex , x 0 para t <
t 2
!
1 x
Gama(, ) x e ,x0 para t <
() t 2
1 a ab
Beta(a, b) xa1 (1 x)b1 , 0 x 1
B(a, b) a+b (a + b + 1)(a + b)2
1
Cauchy(a, b) n o, xR X (t) = ei a tb |t|
b 1 + [(x a)/b]2
Tabela 4.2: Distribuies contnuas. Para a distribuio uniforme, a frmula indicada para MX (t) vlida para t 6= 0. A funo
geradora de momentos da distribuio Beta foi substituda por um asterisco pois no til. Para a distribuio de Cauchy, indicada
a funo caracterstica.
Esperana
Desigualdades 73
4. Desigualdades
E(X)
P (X ) .
Var(X)
P (|X E(X)| ) .
2
E((X)) (E(X)).
Exerccios
1. Duas bolas so escolhidas aleatoriamente de uma urna contendo 4 bolas azuis, 3 ver-
melhas 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 X o nosso lucro.
74 Esperana
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
h i
(a) E (1 + X)1 .
(b) E(2X ).
(c) E(X!).
Para quais valores de a varivel aleatria X! integrvel?
X=
0 caso contrrio.
1
Mostre que E(X) = ex /2 .
2
8. Uma urna contm trs bolas brancas e duas bolas vermelhas. Retiram-se duas bolas
da urna, uma aps a outra, sem reposio. Seja X igual a 0 ou 1, conforme a primeira
bola retirada seja vermelha ou branca, e seja Y igual a 0 ou 1, conforme a segunda bola
retirada seja vermelha ou branca. Determine:
Exerccios 75
Soluo. (a) Utilizando uma rvore, podemos obter o espao amostral, probabilidades e
valores de X e Y correspondentes:
1/2!
! B X=1 Y =1 Prob. = 3/10
!
B !
aa
3/5 1/2a
a V X=1 Y =0 Prob. = 3/10
10. Seja X uma varivel aleatria contnua com funo densidade de probabilidade
2 e2x /x se 0 y x < ,
f (x, y) =
0 caso contrrio.
Calcule Cov(X, Y ).
16. Sejam X e Y variveis aleatrias independentes, com distribuio uniforme em [0, 1],
e considere U = mn{X, Y } e V = mx{X, Y }. Calcule Cov(U, V ).
Sugesto: No necessrio obter a densidade conjunta de U e V para determinar E(U V ).
17. Seja X1 , X2 , . . . uma seqncia de variveis aleatrias independentes, tal que, para
cada 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 = mn{X1 , X2 , X3 }.
P100
(b) Determine E e n=1
Xn
.
18. Um vaso contm 20 cartes, dois deles marcados 1, dois marcados 2, . . ., dois marca-
dos 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 m mortes entre N casais; em nosso caso, m = 5 e N = 10).
Soluo. Seja X 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 se o i-simo par permanece no vaso,
(
Xi =
0 caso contrrio.
Porm, para i = 1, 2, . . . , 10,
18
5 21
E(Xi ) = P (Xi = 1) = = .
38
20
5
Assim, obtemos
21 105
E(X) = E(X1 ) + E(X2 ) + + E(X10 ) = 10 .= 5,53.
38 19
Observao. Embora mais trabalhoso, pode-se obter a distribuio de X e calcular o valor
esperado pela definio. De fato,
10
5
25 168
P (X = 5) = = ,
323
20
5
78 Esperana
10
1
9
3
23 140
P (X = 6) = = ,
323
20
5
10 16
2 1 15
P (X = 7) = = ,
323
20
5
portanto
105
E(X) = x P (X = x) = 5,53.
X
x 19
19. 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 indepen-
dentes de passageiro para passageiro. Determine o nmero esperado de paradas feitas
pelo nibus.
Soluo. Se X o nmero de de paradas feitas pelo nibus, escrevemos
X = X1 + X2 + + X10 ,
onde
1 se pelo menos uma pessoa solicita a parada no ponto i,
(
Xi =
0 caso contrrio.
Ento, para i = 1, . . . , 10,
E(Xi ) = P (Xi = 1)
= P (Pelo menos uma pessoa solicita a parada no ponto i)
= 1 P (Nenhuma pessoa solicita a parada no ponto i)
9
20
=1 .
10
Portanto, pela linearidade da esperana,
E(X) = 10 . E(X1 ) = 10 . 1 (0,9)20 8,78.
onde o termo entre colchetes o nmero de maneiras com que podemos distribuir n = 20
bolas distintas em x urnas distintas de modo que nenhuma urna fique vazia (o qual pode
ser obtido pelo Princpio da Incluso-Excluso). Assim,
10
E(X) = x P (X = x) 8,78.
X
x=1
Exerccios 79
20. 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?
21. 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?
22. Um crculo de raio 1 lanado em uma folha de tamanho infinito dividida em qua-
drados 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.
23. Escolhem-se ao acaso e sem reposio 10 nmeros do conjunto {1, 2, . . . , 30}. Calcule
o valor esperado da soma dos nmeros escolhidos.
24. Uma marca de biscoitos lana uma promoo que consiste em oferecer um adesivo em
cada pacote de biscoito. Existem n adesivos diferentes e a probabilidade de um pacote
conter qualquer um dos adesivos a mesma. Qual o nmero esperado de pacotes que
devem ser comprados para juntar os n adesivos diferentes?
26. 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.
29. 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.
31. Em uma festa, esto presentes 8 meninos, 10 meninas e 12 adultos. Doze dessas
pessoas so sorteadas para participarem de uma brincadeira. Sejam X e Y o nmero de
meninos e meninas que participam da brincadeira, respectivamente. Calcule a covarincia
entre X e Y .
32. Considere
um grafo com n vrtices numerados 1, 2, . . . , n, e suponha que cada um
dos 2 pares de vrtices distintos ligado por um elo, independentemente, com proba-
n
bilidade p. Seja Di o grau do vrtice i, isto , o nmero de elos que tm o vrtice i como
uma de suas extremidades.
(a) Qual a distribuio de Di ?
(b) Determine a correlao entre Di e Dj para i 6= j.
Sugesto: Defina Ii,j a funo indicadora do evento de que h um elo entre os vrtices i
e j.
33. Seja (X, Y ) um ponto escolhido aleatoriamente no quadrado (0, 1) (0, 1). Calcule
E(X|XY ).
Soluo. A densidade conjunta de X e Y dada por
1
fX|Z (x|z) = , z < x < 1.
x log z
Assim,
1 z1
Z Z 1 !
E(X|Z = z) = x fX|Z (x|z) dx = dx = .
z log z log z
Finalmente,
XY 1
E(X|XY ) = .
log(XY )
Exerccios 81
36. Uma rede de supermercados encomendou um estudo sobre a relao entre a pro-
poro X de clientes que compram apenas uma vez ao ms nos seus estabelecimentos
e o lucro mensal Y em milhes de reais. Os estatsticos contratados obtiveram que a
densidade conjunta de X e Y dada por
37. O tempo em minutos que um professor gasta para corrigir uma prova uma varivel
aleatria com funo densidade de probabilidade
1 x/5
e se x > 0,
f (x) = 5
0 caso contrrio.
Suponha que provas de alunos diferentes tm tempos de correo independentes.
(a) Obtenha a densidade do tempo utilizado pelo professor para corrigir duas provas.
(b) Dado que o professor gastou 15 minutos para corrigir duas provas, qual a proba-
bilidade de que tenha usado mais que 10 minutos na correo da primeira?
38. Uma farmcia possui uma quantidade X de centenas de unidades de um certo remdio
no incio de cada ms. Durante o ms, vendem-se Y centenas de unidades desse remdio.
Suponha que
2/9 se 0 < y < x < 3,
f (x, y) =
0 caso contrrio
a funo densidade conjunta das variveis aleatrias X e Y .
82 Esperana
39. 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
classificam em locais, interurbanas e internacionais, um estudo realizado em um grupo de
famlias revelou que as propores de chamadas locais X e interurbanas Y durante um
ms tm a seguinte densidade conjunta
6 x se x 0, y 0 e x + y 1,
f (x, y) =
0 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 proba-
bilidade de que pelo menos 60% das chamadas tenham sido locais?
44. Duas pessoas chegam simultaneamente a um ponto de nibus. Suponha que o tempo
que a pessoa i espera pela sua conduo uma varivel aleatria Ti Exp(), com T1 e T2
Exerccios 83
46. O nmero de clientes Y que chegam a um caixa eletrnico tem distribuio de Poisson
com parmetro 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 .
Soluo. Sabemos que X uma varivel aleatria com densidade
1
fX (x) = x1 ex , x 0.
()
Por outro lado,
ex xk
P (Y = k | X = x) = , k = 0, 1, . . .
k!
Logo, para k = 0, 1, . . . ,
Z
P (Y = k) = P (Y = k | X = x) fX (x) dx
1 Z
(k + )
= xk+1 e2x dx = .
k! () 0 k! () 2k+
Note que, em particular, se X Exp(1), ento
1
P (Y = k) = , k = 0, 1, . . .
2k+1
k=1 n 2k
48. O nmero de e-mails que chegam a um servidor no intervalo de tempo [0, t] , para
cada t > 0, uma varivel aleatria Nt com distribuio de Poisson com parmetro t.
Somente um computador conectado ao servidor para ler os e-mails recebidos. O tempo
de vida T desse computador tem distribuio exponencial de parmetro . Alm disso,
Nt e T so independentes para todo t. Obtenha a distribuio do nmero de e-mails lidos
at o computador falhar.
Soluo. Para j = 0, 1, . . . ,
Z Z
P (NT = j) = P (NT = j | T = t) fT (t) dt = P (NT = j | T = t) et dt
0
Z Z
() ()
= P (Nt = j | T = t) e
t
dt = P (Nt = j) et dt
0 0
Z
et (t)j t j Z j (+)t
= e dt = t e dt
0 j! j! 0
!j
j (j + 1)
!
= = .
j! ( + )j+1 + +
A passagem () justificada pelo Princpio da substituio; () decorre da independncia
de Nt e T para todo t.
49. 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. O nmero de palitos em
cada caixa uma varivel aleatria X com funo de probabilidade dada por
P (X = x) = (0,8) (0,2)x50 , x = 50, 51, . . .
Ademais, o nmero de palitos defeituosos em uma caixa que contm x fsforos tem dis-
tribuio Binomial(x, 1/10). Obtenha o nmero mdio de palitos defeituosos em uma
caixa.
Soluo. Seja D o nmero de palitos defeituosos em uma caixa. Sabemos que D dado
que X = x 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 Y = X 49 tem distribuio
geomtrica com parmetro 0,8, pois
P (Y = k) = P (X = k + 49) = (0,8) (0,2)k1 , k = 1, 2, . . .
Assim,
1
E(X) = E(Y ) + 49 = + 49 = 50,25
0,8
e portanto E(D) = 5,025.
Exerccios 85
50. Um inseto pe N ovos, onde N tem distribuio de Poisson com parmetro . Cada
ovo d origem a um novo inseto com probabilidade p (0 < p < 1), independentemente dos
demais. Seja X o nmero de novos insetos produzidos.
(a) Qual a distribuio de X dado que N = n?
(b) Obtenha a distribuio de X.
(c) Qual o valor esperado de X?
51. O nmero de partidas de futebol jogadas em uma semana em uma vila uma varivel
aleatria com mdia e varincia 2 . Os nmeros de gols marcados em cada jogo so
variveis aleatrias i.i.d. com mdia e varincia 2 e independentes do total de partidas
jogadas. Seja X o nmero total de gols marcados em uma semana. Calcule E(X) e
Var(X).
52. Seja N uma varivel aleatria com distribuio geomtrica de parmetro p (0, 1),
ou seja, N tem funo de probabilidade dada por
P (N = n) = p q n1 , n = 1, 2, . . . ,
onde q = 1 p.
(a) Mostre que a funo geradora de momentos de N dada por
p et p
M (t) = = t , t < log q.
1qe t e q
53. 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 x erros, o nmero Y
de minutos necessrios para revisar e corrigir a pgina uma varivel aleatria com
86 Esperana
distribuio condicional
1/5 se y = x + 1,
P (Y = y | X = x) = 3/5 se y = x + 2,
1/5 se 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 X.
(d) Determine E(Y | X = x).
(e) Obtenha E(Y ).
54. Seja Y uma varivel aleatria com distribuio de Poisson de parmetro . Supo-
nha que, dado que Y = y, X uma varivel aleatria com distribuio exponencial de
parmetro y + 1. Obtenha E(X).
55. 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 E(Y 2 |X).
(c) Usando o item (b), determine E((X Y )2 |X).
56. Sejam X e Y variveis aleatrias tais que E(X|Y ) = Y e E(Y |X) = X. Prove que
P (X = Y ) = 1.
Sugesto: Mostre que E((X Y )2 ) = 0.
59. No labirinto mostrado na Figura 4.1, existem trs quartos, numerados 1, 2 e 3, e mais
dois quartos, um com um saboroso queijo e outro no qual est dormindo o gato Tom. O
rato Jerry est inicialmente no quarto 1. Suponha que, quando Jerry entra no quarto i, l
permanece por um tempo em minutos com distribuio Gama(4, 3i) e ento sai do quarto
escolhendo aleatoriamente uma das portas.
(a) Calcule a probabilidade de que Jerry encontre Tom antes do queijo.
(b) Obtenha o tempo esperado em minutos que Jerry demora at encontrar Tom ou o
queijo.
2
1 Tom
3
Queijo
1 1
1/2 1/2
0 1 2 3 4 5
Bar Casa
61. 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 o nmero esperado de bolas brancas na urna depois que
a operao anterior foi repetida n vezes.
(a) Obtenha a equao recursiva
1
Mn+1 = 1 Mn + 1, n 0.
a+b
63. Uma moeda com probabilidade p de cara em cada lanamento lanada repetida-
mente, de modo independente. Seja Tr o nmero de lanamentos necessrios para obter
uma seqncia de r caras consecutivas.
(a) Determine E(Tr | Tr1 ).
(b) Escreva E(Tr ) em termos de E(Tr1 ).
(c) Quanto vale E(T1 )?
(d) Obtenha E(Tr ).
64. Uma caixa contm duas moedas: a moeda 1, com probabilidade de cara igual a 0,4,
e a moeda 2, com probabilidade de cara igual a 0,7. 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: Defina A o evento de que dois dos trs primeiros lanamentos resultam em cara
e Nj o nmero de caras nos j lanamentos finais. Ento, E(N10 | A) = 2 + E(N7 | A). Para
obter E(N7 | A), condicione na moeda que foi usada.
69. Sejam X e Y variveis aleatrias independentes tais que X N (0, 1) e Y N (0, 2).
Definimos Z = X + Y e W = X Y . Calcule as funes geradoras de momentos de Z e
W e mostre que Z e W so identicamente distribudas mas no independentes.
70. Sejam X1 , . . . , Xn variveis aleatrias i.i.d. com densidade comum definida por
2(1 x) se 0 < x < 1,
f (x) =
0 caso contrrio.
1 Pn
Calcule a funo geradora de momentos da varivel aleatria Y = log (1 Xj )
n j=1
e da conclua qual a sua distribuio.
71. Um aparelho de som formado por n componentes, sendo que o i-simo componente
tem probabilidade pi de falhar. Suponha que os componentes falham de maneira inde-
pendente e seja X o nmero de componentes que falham. Sabe-se que se X = 0 ento
o aparelho funciona, se X = 1 a probabilidade de funcionar 0,7 e se X 2 o aparelho
no funciona.
(a) Obtenha a funo geradora de probabilidade de X em funo das pi s.
(b) Sendo n = 4, p1 = 0,1, p2 = 0,05, p3 = 0,15 e p4 = 0,1, calcule a probabilidade do
aparelho funcionar.
72. (a) Seja X uma varivel aleatria com distribuio geomtrica de parmetro p (0, 1).
Prove que para n 1,
n! (1 p)n1
E (X (X 1) . . . (X n + 1)) = .
pn
(b) Seja X uma varivel aleatria com distribuio de Poisson com parmetro > 0.
Mostre que para n 1,
E (X (X 1) . . . (X n + 1)) = n .
Sugesto: Use a propriedade (ii) da funo geradora de probabilidade. Por exemplo, para
o item (a), prove que para n 1,
dn GX (s) n! p (1 p)n1
= , s < (1 p)1
dsn (1 (1 p)s)n+1
90 Esperana
k=0
d GX (s) X
= k pk sk1 = pk1 sk1 = GX (s).
X
ds k=1 k=1
Portanto,
d
(log GX (s)) = ,
ds
logo podemos escrever
GX (s) = exp{ s + K},
onde K uma constante. Visto que lim GX (s) = pk = 1, temos que K = e
P
k=0
s1
ento
GX (s) = exp{ (s 1)}.
Como a funo geradora de probabilidade determina unicamente a distribuio, conclu-
mos que X Poisson().
75. (a) Seja Y uma varivel aleatria no-negativa tal que 0 < E(Y 2 ) < . Prove que
para a < E(Y ),
(E(Y ) a)2
P (Y > a) .
E(Y 2 )
(b) Seja X uma varivel aleatria com esperana , varincia 2 e tal que 0 < M =
E(|X |4 ) < . Mostre que para 0 < x < ,
( 2 x2 )2
P (|X | > x) .
M
Respostas 91
Respostas
x -16 -7 2 11 20
1. (a)
pX (x) 1/12 1/6 13/36 2/9 1/6
(b) E(X) = 4, Var(X) = 108,5
x -1 1 2 3
2.
pX (x) 125/216 75/216 15/216 1/216
E(X) = 17/216, No
9. (a) C = 1/9
X \Y 0 1 pX (x)
0 2/9 1/9 1/3
(b)
1 2/9 4/9 2/3
pY (y) 4/9 5/9 1
X e Y no so independentes.
(c) P (X = 0 | Y = 1) = 1/5
(d) E(2X 12 Y + 6) = 1
(e) Var(X + Y ) = 50/81
11. 1
12. 1/8
14. 1/2
15. (1 + ) 2 /2
16. 1/36
20. 8
21. 21/11
22.
23. 155
1 1
24. n 1 + + +
2 n
25. 1, 14/15
nR R R N n
28. ,n 1
N N N N 1
29. 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 ]
30. m pi pj
31. 96/145
35. (a) Para y > 0: fX|Y (x|y) = 1/y, 0 < x < y (b) E(X 3 |Y = y) = y 3 /4
2 2 + 3y
36. (a) k = (b) E(X|Y = y) =
3 3(1 + 2y)
1
37. (a) X, Y Exp(1/5), independentes, Z = X + Y fZ (z) = z ez/5 , z > 0
25
1 1
(b) fX|Z (x|15) = , 0 < x < 15 P (X > 10 | Z = 15) =
15 3
38. (b) P (Y X/2) = 1/2 (c) fX|Y (x|1) = 1/2, 1 < x < 3 P (X 2 | Y = 1) = 1/2
40. Binomial(z, /( + ))
41. Hipergeomtrica(m + n, m, z)
43. Uniforme(0, z)
54. E(X) = (1 e )/
Y +1 X X2
55. (a) E(X|Y ) = (b) E(Y |X) = ; E(Y 2 |X) =
2 2 3
2
X
(c) E((X Y )2 |X) =
3
57. (a) Y Exp(1) (b) X | Y = y Exp(1/y) (c) 1
62. 42
63. (a) 1 + Tr1 + (1 p) E(Tr ) (b) E(Tr ) = 1/p + (1/p) E(Tr1 )
1 r
1 1 pr
(c) (d) =
X
p i=1 p
i pr (1 p)
64. 6,0705
Z
2 1
66. MY (t) = etx fX (x) dx = , t < 1/2
1 2t
67. Z U (2, 2)
n! (1 t) n!
68. MVn (t) = MWn (t) = = Qn ,t<1
(n + 1 t) i=1 (i t)
2n
n
70. MY (t) = para t < 2n, Y Gama(n, 2n)
2n t
A tabela seguinte resume os trs tipos de convergncia abordados nesse livro, as ferra-
mentas teis no estudo de cada um deles e os principais teoremas limites relacionados.
1. Lema de Borel-Cantelli*
2. Modos de Convergncia
{ : Xn () X() quando n }
tem probabilidade 1.
96 Modos de Convergncia e Teoremas Limites
> 0,
P (|Xn X| > ) 0 quando n .
P (Xn x) P (X x) quando n ,
fracamente para FX .
(i) Se Xn X e Xn Y , ento P (X = Y ) = 1.
q.c. q.c.
(ii) Se Xn X e Xn Y , ento P (X = Y ) = 1.
P P
1. Xn X = Xn X = Xn X.
q.c. P D
!
lim P {|Xk X| > } = 0 para todo > 0.
[
n
k=n
ento Xn X.
q.c.
Modos de Convergncia 97
A condio de que fn (x) f (x) para quase todo x significa que o conjunto {x : fn (x) 9
f (x)} tem medida de Lebesgue nula, o que ocorre, por exemplo, se esse conjunto finito
ou enumervel. A recproca do Teorema de Scheff falsa.
(ii) Se Xn X e Yn Y , ento Xn + Yn X + Y .
P P P
e Y independentes. Ento, Xn + Yn X + Y .
D
98 Modos de Convergncia e Teoremas Limites
Observao. Nos itens (i) e (ii) de 2.8, a soma pode ser substituda por diferena, produto
ou quociente.
ento
(a) Xn Yn X c,
D
(b) Xn Yn cX,
D
2.10. Mtodo Delta: Sejam Y1 , Y2 , . . . variveis aleatrias tais que n (Yn )
D
3. Teoremas Limites
Sn E(Sn ) P
0. (?)
n
Teoremas Limites 99
Sn q.c.
.
n
Sn n D
N (0, 1).
n
1 Z a x2 /2
!
Sn n
lim P a = e dx.
n n 2
Sn n p
N (0, 1).
D
n p (1 p)
Xn Poisson().
D
100 Modos de Convergncia e Teoremas Limites
4.1. Uma Lei Forte sem supor distribuies idnticas (Kolmogorov (1933)):
Seja X1 , X2 , . . . uma seqncia de variveis aleatrias independentes e integrveis, e con-
sideremos Sn = X1 + X2 + + Xn .
Sn E(Sn ) q.c.
0.
n
i=1
n n
Para cada i, sejam i = E(Xi ) e i2 = Var(Xi ), e denotemos por mn = i e s2n = i2
X X
i=1 i=1
a mdia e a varincia de Sn , respectivamente.
Suponhamos que: (a) s2n quando n , e (b) existe uma constante M tal que
P (|Xi | M ) = 1 para todo i.
Ento,
Sn mn D
N (0, 1).
sn
Sn mn 1 Z a x2 /2
lim P a = e dx.
n sn 2
Observao. Esse resultado segue de um Teorema Central do Limite mais geral que foi
provado por J. W. Lindeberg (1922). Para mais detalhes, veja-se, por exemplo, o livro de
Feller [3] (p. 254).
Convergncia de momentos 101
5. Convergncia de momentos*
Exerccios
Mostre que
(a) P (An infinitas vezes) = 1.
(b) P (Bn infinitas vezes) = 1.
Em palavras, o item (a) garante que com probabilidade 1 ocorrem infinitas caras e o
item (b) estabelece que o evento duas caras em seguida ocorre infinitas vezes, com
probabilidade 1.
Sugesto: (b) Para n 1, defina Cn o evento de que o (2n 1)-simo e o (2n)-simo
lanamentos ambos resultam cara.
102 Modos de Convergncia e Teoremas Limites
0 se Xn = 1,
Yn =
k se Xn = = Xn+k1 = 0 e Xn+k = 1.
n>k
1+
!
Xn
P lim sup = 1.
n log n
Exerccios 103
1
!
Xn
P lim sup = 1.
n log n
(b) Fixado > 0, seja Bn = {Xn > (1 + ) (log n)/}, n 1. Visto que n=1 P (Bn ) =
P
n=1 1/n < , obtemos pelo Lema de Borel-Cantelli que P (Bn infinitas vezes) = 0.
P 1+
1 + 1/k 1
( ) ( )
Xn Xn
lim sup lim sup ,
n log n n log n
portanto,
1
!
Xn
P lim sup = 1.
n log n
Xn
lim sup = 1,
n 2 log n
!
Xn
P lim sup 1 + = 1.
n 2 log n
!
Sn
P lim sup 1 = 1.
n 2n log n
log Xn
!
P lim sup =1
n n
e portanto
log Xn
!
P lim sup 0 = 1.
n n
10. Seja {Xn }n1 uma seqncia de variveis aleatrias tal que cada Xn assume valores
em {0, 1/n, . . . , (n 1)/n, 1} com P (Xn = j/n) = 1/(n + 1) para j = 0, . . . , n. Mostre
que Xn U (0, 1).
D
0 se x < 0,
FX (x) = x se 0 x < 1,
1 se x 1.
Para n 1,
0 se x < 0,
FXn (x) = k/(n + 1) se (k 1)/n x < k/n, k = 1, . . . , n,
1 se x 1.
Se 0 x < 1, ento FXn (x) = k/(n + 1) onde k {1, . . . , n} tal que (k 1)/n x <
k/n. Como FX (x) = x, temos
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.
D
11. Seja {Xn }n1 uma seqncia de variveis aleatrias, sendo a densidade de Xn dada
por
n xn1
fXn (x) = , 0 < x < .
n
Prove que Xn .
D
14. Sejam X1 , X2 , . . . variveis aleatrias i.i.d. com distribuio uniforme em (0, 1), e seja
Nk Poisson(k) independente de X1 , X2 , . . . Considere
0 se Nk = 0,
Yk =
k mn{X1 , . . . , XNk } se Nk 1.
Prove que Yk converge em distribuio quando k , obtendo a distribuio limite.
15. Seja {Xn }n1 uma seqncia de variveis aleatrias tal que Xn Binomial(n, 1/n2 ).
Demonstre que Xn 1/n 0.
P
Soluo. Observamos que E(Xn ) = 1/n e Var(Xn ) = (1/n) (1 1/n2 ). Para qualquer
> 0, temos, pela desigualdade de Chebyshev,
1 1 1
!
n
P Xn > 1 2 0.
n n 2 n
Assim, Xn 1/n 0.
P
16. Seja {Xn }n1 uma seqncia de variveis aleatrias tais que
P (Xn = n) = 1 P (Xn = 1/n) = 1/n2 .
Mostre que Xn 0.
P
17. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme
em [0, 1]. Definimos
Yn = mn{X1 , . . . , Xn }, Zn = mx{X1 , . . . , Xn }, Un = n Yn e Vn = n (1 Zn ), n 1.
Mostre que
106 Modos de Convergncia e Teoremas Limites
(a) Yn 0 e Zn 1.
P P
18. Seja X uma varivel aleatria assumindo os valores 1 e 1 com probabilidade 1/2
e suponha que {Yn }n1 uma seqncia de variveis aleatrias independentes de X tais
que
1
P (Yn = 1) = 1 P (Yn = 0) = 1 .
n
Definimos a seqncia de variveis aleatrias {Xn }n1 por
X se Yn = 1,
Xn =
en se Yn = 0.
19. Seja {Xn }n1 uma seqncia de variveis aleatrias com E(Xn2 ) < para todo n 1.
Prove que se lim E(Xn ) = e lim Var(Xn ) = 0, ento Xn .
P
n n
P (Xn = 1) = pn e P (Xn = 0) = 1 pn .
Prove que
(a) Xn 0 se e somente se lim pn = 0.
P
(b) Xn 0 se e somente se
q.c. P
n=1 pn < .
Alm disso, o critrio para convergncia quase certa dado em 2.4 estabelece que
(a) Se n
lim pn = 0, ento para qualquer > 0,
n
P (|Xn | > ) P (Xn 6= 0) = pn 0,
n
pn = P (|Xn | > 1/2) 0.
Exerccios 107
P (|Xn | > )
X X
pn < .
n=1 n=1
Usando o Lema de Borel-Cantelli, conclumos que P (|Xn | > infinitas vezes) = 0 para
todo > 0, logo Xn 0.
q.c.
P (|Xn | > 1/2) = pn = .
X X
n=1 n=1
Como os eventos {|Xn | > 1/2} so independentes (pois as Xn s o so), temos, pelo Lema
de Borel-Cantelli, que P (|Xn | > 1/2 infinitas vezes) = 1. Isso mostra que Xn no converge
para 0 quase certamente.
E(|Xn X|r ) < para algum r > 0.
X
n=1
25 . Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio N (0, 2 ).
Fixado um nmero real , definimos a seqncia {Yn }n1 pela frmula
Y1 = X1 , Yn = Yn1 + Xn , n 2.
108 Modos de Convergncia e Teoremas Limites
29. (a) Prove os itens (i) e (ii) do tpico 2.8 (p. 97).
(b) Fornea um exemplo no qual Xn X, Yn Y , porm a soma Xn + Yn no
D D
Vn /n
Sugesto: Recorde-se de que a distribuio 2n idntica Gama(n/2, 1/2) e obtenha
E(Vn ) e Var(Vn ).
i=1
32. Considere uma seqncia infinita de 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. Seja Rn o nmero de seguidas nos n primeiros
lanamentos. Demonstre que
Rn P
2 p (1 p).
n
Sugesto: Vejam-se os exerccios 27 do Captulo 4 e 19 do Captulo 5.
35. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme
em (0, 1). Definimos a mdia geomtrica de X1 , . . . , Xn por
n
Y 1/n
Yn = Xi .
i=1
Mostre que a seqncia {Yn }n1 converge q.c. para uma constante e encontre o valor dessa
constante.
Soluo. Seja Zi = log Xi , i 1. Ento, Z1 , Z2 , . . . so variveis aleatrias i.i.d. (j que
as Xi s o so), com
Z 1 Z 1 1
E(Z1 ) = log x dx = lim+ log x dx = lim+ (x log x x) = 1.
0 0 0
110 Modos de Convergncia e Teoremas Limites
Yn e1 .
q.c.
36. Integrao numrica: Suponha que g uma funo contnua, no-negativa, defi-
nida em [0, 1], tal que supx g(x) 1. O seguinte procedimento visa a aproximar a integral
de g em [0, 1]. Escolhem-se n pontos uniformemente em [0, 1] [0, 1], e se define Un como
o nmero de pontos que caem abaixo da curva y = g(x). Prove que
Un q.c. Z 1
g(x) dx.
n 0
37. Uma vareta de comprimento 1 quebrada de maneira aleatria, o que significa que a
parte restante tem distribuio uniforme em (0, 1). A parte restante quebrada de modo
similar, e assim por diante.
(a) Seja Xn o comprimento da parte que sobra aps a vareta ter sido quebrada n vezes.
Descreva Xn como um produto.
(b) Mostre que a seqncia {log(Xn )/n}n1 converge quase certamente, respondendo
qual o limite.
(c) Obtenha uma aproximao para a probabilidade de que X36 e24 .
38. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme
em [0, ]. Encontre constantes A e B tais que
sen Xi q.c.
" Pn # Pn
i=1 Xi
sen e
q.c. i=1
A B.
n n
39. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio N (0, 1).
Definimos a seqncia {Yn }n1 por
X12 + + Xn2
Yn = .
(X1 1)2 + + (Xn 1)2
Prove que Yn 1/2.
q.c.
41 . Seja {Xn }n1 uma seqncia de variveis aleatrias independentes tal que
1
P (Xn = n ) = P (Xn = n ) =
2
para algum (0,1/2). Mostre que n1 Xi 0.
Pn q.c.
i=1
44 . Uma seqncia de variveis aleatrias que satisfaz a Lei Fraca dos Grandes
Nmeros, porm no a Lei Forte: Sejam X1 , X2 , . . . variveis aleatrias independen-
tes tais que P (X1 = 0) = 1 e, para cada n 2,
1 1
P (Xn = n) = P (Xn = n) = , P (Xn = 0) = 1 .
2n log n n log n
Seja Sn = Xi .
Pn
i=1
Sn q.c.
0.
X
pn <
n=1 n
46. 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. Para 1 i 120, seja Xi o nmero de pacotes premiados vendidos na loja no
dia i. Sabemos que X1 , . . . , X120 tm distribuio de Poisson(0,3), logo
47. 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.
48. 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?
49. 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 e 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.
50. O salrio em reais dos funcionrios de uma empresa tem distribuio de Pareto, com
densidade
5 7005/2
f (x) = , x 700.
2 x7/2
Qual a probabilidade de que o salrio mdio de um grupo de 1000 funcionrios seja maior
que 1200 reais?
52. Uma moeda honesta lanada independentemente, at se obterem 450 caras. Estime
a probabilidade de que no mximo 960 lanamentos sejam feitos.
Sugesto: Seja N o nmero de lanamentos necessrios para obter 450 caras. H duas
abordagens:
(i) Escrever N como a soma de 450 variveis aleatrias independentes com distribuio
geomtrica de parmetro 1/2.
(ii) Supor que a seqncia de lanamentos da moeda infinita e usar que {N 960} =
i=1 Xi 450}, onde Xi a funo indicadora de que ocorre cara no i-simo
{ 960
P
lanamento.
53. Uma pessoa distribui jornais aos transeuntes na esquina de uma metrpole. Suponha
que cada pessoa que passa pelo entregador pega um exemplar do jornal com probabilidade
114 Modos de Convergncia e Teoremas Limites
1/3, independentemente das demais. Seja N o nmero de pessoas que passam pelo entre-
gador at o tempo em que ele entrega suas primeiras 600 cpias. Estime a probabilidade
de que N seja maior que 1740.
55. Usando o Teorema Central do Limite para variveis aleatrias com distribuio de
Poisson, mostre que
nn 1
!
n n2
lim e n
1+ + + + = .
n 1! 2! n! 2
que
h i
n Xn (1 Xn ) p (1 p) N (0, p (1 p) (1 2p)2 ).
D
Tomando g(x) = x (1 x), temos que g 0 (x) = 1 2x, portanto usando o Mtodo Delta
conclumos que
h i
n Xn (1 Xn ) p (1 p) N (0, p (1 p) (1 2p)2 ).
D
Mostre que
nP !
Xi
n Pni=1 2 N (0, 1/2).
D
i=1 Xi
n Yn
60. Sejam {Xn }n1 uma seqncia de variveis aleatrias i.i.d. e g : R R uma funo.
Suponha que E(g(X1 )) = e Var(g(X1 )) = 2 , 0 < 2 < . Alm disso, suponha que Tn
uma funo Tn = Tn (X1 , . . . , Xn ) (uma estatstica) que satisfaz
n
Tn = g(Xi ) + Rn ,
X
i=1
P
onde Rn / n 0. Prove que
Tn n D
N (0, 1).
n
61. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com distribuio uniforme
em [0, 2], onde > 0. Definimos Xn = n1 ni=1 Xi . Demonstre que
P
n log Xn log N (0, 1/3).
D
62. Seja {Xn }n1 uma seqncia de variveis aleatrias i.i.d. com mdia e varincia 2
finita e positiva. Definimos Xn = n1 ni=1 Xi .
P
63 . Seja {Xn }n1 uma seqncia de variveis aleatrias independentes tal que
1 1
P (Xn = 1) = P (Xn = 1) = , P (Xn = 0) = 1 , n 1.
2n n
Considere Sn = Xi e demonstre que
Pn
i=1
Sn q.c. Sn
0 e N (0, 1).
D
n log n
116 Modos de Convergncia e Teoremas Limites
onde X integrvel. Prove que se n=1 Yn converge quase certamente, ento n=1 Yn e
P P
as Yn s so integrveis, e
!
Yn = E(Yn ).
X X
E
n=1 n=1
!
Yn = E(Yn ).
X X
E
n=1 n=1
Mostre que
N
!
Xn = E(N ).
X
E
n=1
Respostas
0 se y < 0,
14. FYk (y) = 1 + ek ey se 0 y < k,
1 se y k.
Yk Y com Y Exp(1).
D
18. (a) Verdadeira (Para qualquer > 0, {|Xn X| > } {Yn = 0}).
(b) Falsa ( lim E(|Xn X|) = lim en /n = ).
n n
31. (a) 1/4, 3/16 (c) n/4, (5n 2)/16 (d) Use a Desigualdade de Chebyshev.
38. A = 1 e B = 2/
48. 1027
49. 0,0339
50. 0,1562
52. 0,97
53. 0,84
54. 0,494
60. Utilize o Teorema Central do Limite para a seqncia {g(Xi )}i1 e o Teorema de
Slutsky.
Conjuntos
Seqncias
Seja {xn }n1 uma seqncia de nmeros reais. O limite inferior e o limite superior dessa
seqncia so definidos respectivamente por
Ilim inf n An = lim inf IAn e Ilim supn An = lim sup IAn .
n n
120 Apndice
Sries
Dada uma seqncia {an }n1 de nmeros reais, dizemos que a srie an converge se
P
n=1
ou no.
n=0 se x 1.
xn
= ex para todo x R.
X
n=0 n!
1 < se p > 1,
X
n=1 n
p
= se p 1.
< se p > 1,
X 1
n=2 n (log n) = se p 1.
p
Dada uma seqncia {an }n0 de nmeros reais, a srie an xn chamada uma srie
P
n=0
de potncias. Definimos
1
R= q ,
lim sup n
|an |
n
Teorema: Uma srie de potncias pode ser derivada ou integrada termo a termo qualquer
nmero de vezes dentro do intervalo de convergncia.
Funes
( x + (1 ) y) (x) + (1 ) (y).
Em palavras, convexa se cada ponto na corda entre (x, (x)) e (y, (y)) est acima
do grfico de . Para uma funo : (a, b) R duas vezes diferencivel, 00 (x) 0 para
todo x (a, b) uma condio necessria e suficiente para convexidade.
Segunda decimal de z
0 1 2 3 4 5 6 7 8 9
0,0 0,5 0,504 0,508 0,512 0,516 0,5199 0,5239 0,5279 0,5319 0,5359 0,0
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
Parte inteira e primeira decimal de z
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 Bibliogrficas
[5] GRIMMETT, G. R.; STIRZAKER, D. R. Probability and random processes. 3rd. ed.
New York: Oxford University Press, 2001.
[7] HOEL, P. G.; PORT, S. C.; STONE, C. J. Introduction to probability theory. Boston:
Houghton Mifflin, 1971.
[9] LIMA, E. L. Curso de anlise, Volume 1. 12. ed. Rio de Janeiro: Instituto Nacional
de Matemtica Pura e Aplicada, 2004. (Projeto Euclides).
[11] ROSS, S. M. A first course in probability. 8th. ed. Upper Saddle River, N. J.: Prentice
Hall, 2008.
CAPES-PROEX