UNIVERSIDADE FEDERAL DO CEARÁ

CENTRO DE CIÊNCIAS
ESTATÍSTICA E MATEMÁTICA APLICADA
CURSO DE GRADUAÇÃO EM ESTATÍSTICA

LUCAS PEREIRA DO AMARAL

LISTA DESIGUALDADES - PROBABILIDADE I

FORTALEZA
2020
1 QUESTÃO 12

Seja X ∼ Poisson(λ ). Use a desigualdade de Chebyshev para verificar as desigual-

dades a seguir:
λ 4
a) P(X ≤ ) ≤
2 λ

1
b) P(X ≥ 2λ ) ≤
λ

Resolução:
λ
a) Inicialmente, note que se X ≥ , podemos subtrair pela média nos dois lados e não iremos
2
alterar a desigualdade. Sabemos que a média de uma distribuição de Poisson de parâmetro
λ é o próprio λ . Portanto,

λ λ
X −λ ≥ − λ , isso é igual à: X − λ ≥ −
2 2

Perceba que se multiplicarmos por -1, teremos:

λ
λ −X ≤
2

Aplicando a desigualdade de Chebyshev:

λ σ2
P(|λ − X| ≤ ) ≤ 2
2 a

Mas note que, a média de X é λ , portanto, a média de −X é −λ (Essa parte eu não havia
colocado no arquivo que enviei para o senhor na hora da aula, então, o que eu fiz estava
errado, mas estou colocando da maneira correta aqui, professor, só para fins estéticos, na
que eu mandei para o senhor eu levei o |λ − X|). Então,

λ σ2
P(|X − λ | ≤ ) ≤ 2 Substituindo os valores da variância e de a:
2 a

Lembre-se que a variância de uma distribuição de Poisson de parâmetro λ é o próprio λ .

λ λ λ 4
P(|X − λ | ≤ )≤ 2 = P(|X − λ | ≤ )≤ .
2 λ 2 λ
22
b) Note que se X ≥ 2λ , podemos subtrair pela média dos dois lados da equação que não
ocorrerá mudança na desigualdade. Perceba que assim como no item a), tanto a média
quanto a variância serão λ , pois no enunciado temos uma distribuição de Poisson de
parâmetro λ . Então,
X − λ ≥ 2λ − λ = X −λ ≥ λ

Portanto, aplicando a desigualdade de Chebyshev:

σ2
P(|X − λ | ≥ λ ) ≤
a2

Agora, substituindo os valores da variância e de a:

λ 1
P(|X − λ | ≥ λ ) ≤ = P(|X − λ | ≥ λ ) ≤ .
λ2 λ
2 QUESTÃO 22

Sejam X1 , X2 ....Xn variáveis aleatórias tais que E(Xi ) = 0 e Var(Xi ) ≤ σ 2 < ∞

para todo i = 1, 2, ... e também Cov(Xi , X j ) ≤ 0, i 6= j. Mostre que para todo ε > 0
  !
 X + ... + X 
 1 n
P   ≥ ε → 0 quando n → ∞
 n 

X1 + ... + Xn σ2
Note que é a média amostral. Então, sabemos que E(X) = µ e Var(X) = , pois
n n
de acordo com o enunciado temos uma variância finita σ 2 . Portanto, aplicando a desigualdade
de Chebyshev:
σ2
n
0 ≤ P(|X − µ| ≥ ε) ≤
ε2

σ2
0 ≤ P(|X − µ| ≥ ε) ≤
nε 2

Aplicando o limite quando n tende ao infinito, temos:

σ2 1
0 ≤ lim P(|X − µ| ≥ ε) ≤ 2 lim .
n→∞ ε n→∞ n

Concluímos que:
0 ≤ lim P(|X − µ| ≥ ε) ≤ 0
n→∞

Com isso,
lim P(|X − µ| ≥ ε) = 0.
n→∞
3 QUESTÃO 28

Sejam X e Y variáveis aleatórias com E(X) = µ1 , E(Y ) = µ2 , V (X) = V (Y ) = σ 2 e

coeficiente de correlação igual a ρ. Mostre que:
 
2(1 + p)
P (X − µ1 ) + (Y − µ2 ) ≤ kσ ≤
k2

Fazendo:
U = X +Y → V (U) = V (X +Y ) = V (X) +V (Y ) + 2Cov(X,Y )

Mas note que :

Cov(X,Y ) Cov(X,Y )
ρ=p →ρ = √ → ρσ 2 = Cov(X,Y )
V (X)V (Y ) 2
σ σ 2

Portanto, a variância de U é:

V (U) = V (X) +V (Y ) + 2Cov(X,Y ) → V (U) = σ 2 + σ 2 + 2σ 2 ρ = 2σ 2 + 2σ 2 ρ = 2σ 2 (1 + ρ)

Aplicando a desigualdade de Chebyshev:

 
2σ 2 (1 + p)
P (X − µ1 ) + (Y − µ2 ) ≤ kσ ≤
k2 σ 2

Por fim,
 
2(1 + p)
P (X − µ1 ) + (Y − µ2 ) ≤ kσ ≤
k2