Lista 4 - Soluções

Bertsekas, Tsitsiklis
Seção 2.4: Problema 16, 18, 23
Seção 2.5: Problema 27
Seção 2.7: Problema 39, 40, 45
Seção 3.1: Problema 1, 3, 4
Seção 3.4: Problema 15
Seção 4.2: Problema 17, 20

Seção 2.4
16. a) a deve satisfazer

3
X 1 X 2
1= pX (x) = x ,
x
a x=−3

então

3
X
a= x2 = (−3)2 + (−2)2 + (−1)2 + 12 + 22 + 32 = 28.
x=−3

Também temos E[X] = 0 porque FDP é simétrica em torno de zero.

b) Se z ∈ {1, 4, 9}, então
√ √ z z z
pZ (z) = pX ( z) + pX (− z) = + = .
28 28 14
Do contrário pZ (z) = 0.
z2
P P
c) var(X) = E[Z] = z zpZ (z) = z∈{1,4,9} 14 = 7.
18. Temos

(
1/(b − a + 1) se x = 2k , onde a ≤ k ≤ b, k inteiro
pX (x) = (1)
0 c.c
 e

b
X 1 2a 2b+1 − 2a
E[X] = 2k = (1 + 2 + · · · + 2b−a ) = .
b−a+1 b−a+1 b−a+1
k=a

De forma similar,

b
X 1 4b+1 − 4a
E[X 2 ] = (2k )2 = ,
b−a+1 3(b − a + 1)
k=a

E finalmente
2
4b+1 − 4a 2b+1 − 2a

var(X) = −
3(b − a + 1) b−a+1
23. a) Seja X o número total de lançamento até observar (pela primeira vez)
duas caras ou duas coroas consecutivas. Para qualquer lançamento
depois do primeiro, temos que com probabilidade 1/2 o resultado é
igual ao resultado do lançamento precedente. Com isso temos
(
( 21 )k−1 k ≥ 2
pX (k) =
0 c.c.
Observe que X = Y + 1 onde Y Geom(1/2). Com isso temos
E[X] = E[Y ] + 1 = 2 + 1 = 3
1 − (1/2)
V ar(X) = V ar(Y ) = =2
(1/2)2
b) Seja X o número total de lançamento até observar (pela primeira
vez) coroa logo depois cara. Primeiramente, observe-se que para
qualquer k, qualquer sequencia de tamanho k tem probabilidade 2−k .
Para k ≥ 2, o evento {X = k} corresponde a todas a sequencias de
tamanho k onde na k-ésima posição temos coroa, na (k − 1)-ésima
temos cara e em todas as outras nunca temos uma cara seguida por
uma coroa. O número de sequencia que satisfaz essa condição é k − 1
(e.g., uma sequencia é (k − 1) caras seguidas por uma coroa, uma
outra correspondem a ter uma coroa, seguidas por k-2 caras e na
ultima novamente uma coroa, etc...). Então
(
(k − 1)( 21 )k k ≥ 2
pX (k) =
0 c.c.
Temos também que:
∞ ∞ ∞ ∞
X 1 X 1 X
2 1
X 1
E[X] = k(k − 1) = k(k − 1) = k − k k =6−2=4
2k 2k 2k 2
k=2 k=1 k=1 k=1
Seção 2.5
27. a) A probabilidade de uma sequência de rolagens onde para i = 1, . . . , r,
a face i aparece ki vezes é pk11 . . . pkr r . Cada uma dessas sequências
determina uma partição do conjunto de n rolagens em r subconjuntos
com o i-ésimo subconjunto tendo cardinalidade ki (esse é o conjunto
de rolagens onde a i-ésima face aparece). O número de partições é
dado pelo coeficiente multinomial.
 
n n!
= .
k1 , . . . , k r k1 ! . . . kr !
Assim, se k1 + · · · + kr = n,
 
n
pX1 ...Xr (k1 . . . kr ) = pk1 . . . pkr r
k1 , . . . , kr 1
caso contrário, pX1 ...Xr (k1 . . . kr ) = 0.
b) A variável aleatória X é binomial com parâmetros n e p. Assim,
E[Xi ] = npi e var(Xi ) = npi (1 − pi ).
c) Suponha que i 6= j e seja Yi,k (ou Yj,k ) a VA Bernoulli que recebe
o valor 1 se a face i (respectivamente j) aparece na rolagem k e 0
caso contrário. Note que Yi,k Yj,k = 0, e que para l 6= kYi,k e Yj,l são
independentes então E[Yi,k Yj,l ] = pi pj . Portanto,

E[Xt Xj ] = E[(Yi,1 + · · · + Yi,n )(Yj,1 + · · · + YJ,n )]

= n(n − 1)E[Yi,1 Yj,2 ] (2)
= n(n − 1)pi pj

Seção 2.7
39. Seja Xi o número de ovos que Harry come no dia i. Então cada Xi é uma
VA independente, uniformemente distribuı́da sobre o conjunto {1, . . . 6}.
P10
Temos X = i=1 Xi , e

10
! 10
X X
E[X] = E Xi = E (Xi ) = 35
i=1 i=1

Similarmente, nós temos

10
! 10
X X
V ar(X) = V ar Xi = V ar (Xi )
i=1 i=1

Pois as Xi são independentes. Usando a fórmula do exemplo 2.6, temos

 (6 − 1)(6 − 1 + 2)
V ar(Xi ) = ≈ 2.9167,
12
então V ar(Xi ) = 29.167
40. Associe um sucesso com um trabalho que recebe uma nota que não tinha
sido recebida antes. Portanto, a variável aleatória Xi é geométrica com
parâmetro pi = (6 − i)/6, então E[Xi ] = 6/(6 − i). Segue que

5 5
X 6 X 1
E[X] = 1 + =1+6 = 14.7.
i=1
6−i i=1
i

45. a) Temos
n
X n
X n
X
V ar(X) = var(Xi ) = pi (1 − pi ) = µ − p2i .
i=1 i=1 i=1
Pn
Assim, maximizar a variância é equivalente
Pn a minimizar i=1 pi .
Pode ser provado usando a restrição ( i=1 pi = µ) que
n
X n
X n
X
p2i = (µ/n)2 + (pi − µ/n)2 ,
i=1 i=1 i=1
Pn 2
então i=1 pi é minimizado quando pi = µ/n para todo n.
b Temos
n n
X X 1
µ= E[Xi ] = ,
i=1
p
i=1 i
e
n n
X X 1 − pi
var(X) = var(Xi ) = .
i=1 i=1
p2i

Introduzindo a mudança de variáveis y= 1/pi = E[Xi ]. Vemos que a

restrição se torna
n
X
yi = µ,
i=1

e que devemos minimizar

n
X n
X
yi (yi − 1) = yi2 − µ,
i=1 i=1

sujeito à essa restrição. Esse é o mesmo problema que o do item a,

então o método de prova dado dele se aplica aqui.
Seção 3.1
1. A variável aleatória Y = g(X) é discreta e a sua FP é dada por

pY (1) = P (X ≤ 1/3) = 1/3, pY (2) = 1 − pY (1) = 2/3

Assim,

1 2 5
E[Y ] = ×1+ ×2= .
3 3 3
O mesmo resultado é obtido usando a regra do valor esperado:
Z 1 Z 1/3 Z 1
5
E[Y ] = g(x)fX (x)dx = dx + 2dx =
0 0 1/3 3

Seção 3.4
15. a) Já que a área do semi-cı́rculo é πr2 /2, a FDP conjunta de X e Y
é fX,Y (x, y) = 2/πr2 , para (x, y) dentro do semi-cı́rculo e 0 caso
contrário.
b) Para encontrar a FDP marginal de Y, integramos a FDP conjunta
sobre X. Para qualquer valor p possı́vel y p
de Y, o intervalo de valores
possı́veis de valores de X é [− rr − y 2 , rr − y 2 ] e nós temos

Z √r2 −y2 ( √
4 r 2 −y 2
2 se0 ≤ y ≤ r,
fY (y) = dx = πr 2 (3)
√ πr2
− r 2 −y 2 0 c.c

Assim,
Z r
4 p 4r
E[Y ] = 2 y r2 − y 2 dy = ,
πr 0 3π
onde a integração é feita usando a substituição z = r2 − y 2
c) Não é necessário achar a FDP marginal fY (y) para encontrar seu
valor esperado. Seja D o semi-cı́rculo. Usando coordenadas polares,
temos

Z Z Z Z r
2 4r
E[Y ] = yfX,Y (x, y)dxdy = 2
s(sin(θ))sdsdθ = .
(x,y)∈D 0π 0 πr 3π