Resoluções - Lista 2 - Inferência A

IME - UFRGS

1. Bolas são sorteadas com reposição de uma urna contendo 1 bola branca e 2 bolas pretas. Denote Xi = 0 se a bola retirada
no i-ésimo sorteio for branca e Xi = 1 se for preta. Considere a amostra aleatória X1 , . . . , X9 :

a) Qual a distribuição conjunta destas nove variáveis aleatórias?

Podemos entender o experimento como um ensaio de Bernoulli com a variável X indicando sucesso (bola preta) ou
fracasso (bola branca). Como estamos supondo que há 2 bolas pretas e 1 branca, e cada uma das 3 bolas é equiprovável,
a probabilidade de sortear uma bola preta (sucesso) é p = 2/3.
Portanto a distribuição conjunta é dada por: p(X1 , ..., X9 ) = p(X1 ) · ... · p(X9 ) em que

1
3
 se Xi = 0
2
p(Xi ) = se Xi = 1
3
0 Xi 6= 0 e Xi 6= 1


Em que podemos fazer esta fatoração pois os sorteios são independentes e com reposição. Portanto a amostra é i.i.d.
Usando o fato de quePsó os valores P Xi = 1 ou Xi = 0 importam, podemos reescrever a probabilidade conjunta como:
9
i=1 Xi 9− 9i=1 Xi
p(X1 , ..., X9 ) = (2/3) (1/3) .
Esta expressão resulta de tomar o produto p(X1 ) · ... · p(X9 ) e substituir p(Xi ) por 2/3 se Xi = 1 e por 1/3 caso Xi = 0.
Agrupando as quantias obtemos a expressão com os somatórios.
b) Qual a distribuição da soma destas variáveis?
A distribuição da soma será
n
X
Y = Xi
i=1
n
X
P (Y = k) = P ( Xi = k)
i=1
n
X n
X
P( Xi ) = pXi .(1 − p)1−Xi =
i=1 i=1

de bernouli devem somar k, temos que o número de diferentes formas de selecionar

se o número de sucessos nos ensaios
k sucessos em n observações é nk ,
  P
n P
p Xi (1 − p)n− Xi .
k
Logo, Y ∼ Binomial(9, 2/3) pela própria definição de distribuição binomial como sendo a soma do número de sucessos
de n repetições independentes de um ensaio bernoulli cuja probabilidade de sucesso é p.
c) Encontre o valor esperado da média amostral.

9 9 9
1X 1X (i) 1 X 1 (ii) 1 2 2
E[X] = E[ Xi ] = E[Xi ] = E[X1 ] = · 9 · E[X1 ] = E[X1 ] = · 0 + · 1 =
9 i=1 9 i=1 9 i=1 9 3 3 3

em que a igualdade (i) segue do fato que todas as variáveis Xi são identicamente distribuidas, particularmente sua
esperança é igual a de X1 . A igualdade (ii) segue do cálculo da esperança para uma variável bernoulli com p = 2/3.
d) Encontre o valor esperado da variância amostral S 2 .

1
  Pn
− X)2

2 i=1 (Xi
E[S ] = E
n−1
n
1 X
= E[ (Xi − X)2 ]
n−1 i=1
n
X 
1 2
= E (Xi − X)
n−1 i=1
Xn n n 
1 X X 2
= E Xi2 − 2X Xi + X
n−1 i=1 i=1 i=1
Xn n 
1 X 2
= E Xi2 − 2X Xi + n · X
n−1 i=1 i=1
n
X 
1 2 2
= E Xi2 − 2nX + nX
n−1 i=1
Xn 
1 2
= E Xi2 − nX
n−1 i=1
n
1 X 2
= E[Xi2 ] − nE[X ]
n − 1 i=1
  2 
1 σ
= n · (σ 2 + µ2 ) − n · + µ2
n−1 n
 
1
= nσ 2 + nµ2 − σ 2 − nµ2
n−1
 
1 2 2
= nσ − σ
n−1
 
1 2
= (n − 1) · σ
n−1

E[S 2 ] = σ2
2
σX = p(1 − p) = 2/9

Pois X segue uma bernoulli de parâmetro p = 2/3.

e) Seja X1 , X2 , . . . , Xn uma amostra aleatória de uma população exponencial(λ). Especificamente, Xi poderia representar
o tempo até a falha (medida em anos) para n equipamentos idênticos colocados em teste.
a) Encontre a distribuição conjunta das variáveis nesta amostra aleatória.
Analogamente ao item (a) da questão anterior, porém desta vez usando a densidade conjunta: f (x1 , ..., xn ) =
f (x1 ) · ... · f (xn ) em que
(
λe−λxi se xi ≥ 0
f (xi ) =
0 se xi < 0
Podemos escrever portanto:
Pn
f (x1 , ..., xn ) = λn e−λ i=1 xi
, x1 , ..., xn ≥ 0
em que novamente podemos fazer esta fatoração pois as variáveis são independentes.
b) Qual é a probabilidade de que todos os equipamentos durem mais de 2 anos?
Em termos de probabilidade, o evento "todos os aparelhos duram mais de 2 anos"pode ser escrito como:

P (X1 > 2, X2 > 2, ..., Xn > 2)

Como X1 , ..., Xn são independentes, podemos fatorar a probabilidade deste evento como:

P (X1 > 2, X2 > 2, ..., Xn > 2) = P (X1 > 2)P (X2 > 2)...P (Xn > 2).

2
 Note que P (Xi > 2) = 1 − P (Xi ≤ 2) = 1 − FX (2). Onde FX (2) é a distribuição acumulada de X ∼ Exponencial(λ)
avaliada no ponto x = 2. No caso exponencial podemos calcular facilmente a distribuição acumulada como sendo
FX (x) = 1 − e−λx de forma que:
P (X1 > 2, X2 > 2, ..., Xn > 2) = P (X1 > 2)P (X2 > 2)...P (Xn > 2) =

n
(1 − FX1 (2))(1 − FX2 (2))...(1 − FXn (2)) = (1 − FX (2))n = e−λ2 = e−2λn .
f) Calcule a variância e esperança dos seguintes estimadores:
a) X.
Seja X1 , ..., Xn uma amostra i.i.d da distribuição de uma variável aleatória X ∼ fX (x).
Esperança da média:
" n # n n
1X 1X 1X nE[X1 ]
E[X] = E Xi = E[Xi ] = E[X1 ] = = E[X]
n i=1 n i=1 n i=1 n
Variância da média:
n
! n
! n
1X 1 X (i) 1 X nvar(X1 ) σ2
var(X) = var Xi = 2 var Xi = 2
var(Xi ) = 2
= X
n i=1 n i=1
n i=1 n n
Onde a igualdade em (i) só vale pois nossa amostra é de variáveis independentes, e a variância da soma de variáveis
independentes, é a soma das variâncias individuais.
b) S 2 .
Esperança da variância amostral:
n
! n
! " n
! #
1 X (i) 1 X 2 1 X 2
E(S 2 ) = E (Xi − X)2 = E Xi2 − nX = E Xi2 − nE(X )
n−1 i=1
n − 1 i=1
n − 1 i=1
.
2 Pn 2


Em que a igualdade em (i) segue do exercício 8 da lista 1. Calculamos os valores de E(X ) e E i=1 Xi separa-
damente.

n
! n n
X X X
E Xi2 = E(Xi2 ) = E(X12 ) = nE(X 2 ) = n(σ 2 + µ2 )
i=1 i=1 i=1
.
Onde σ 2 e µ são respectivamente a variância e a esperança de X, e a última igualdade vale pois σ 2 = E(X 2 )−E2 (X) =
E(X 2 ) − µ2 , e portanto E(X 2 ) = σ 2 + µ2 .

Para a esperança da média ao quadrado, usamos um raciocínio parecido:

2 2
E(X ) = σX + E(X)2

pois o resultado do parágrafo anterior vale para uma variável aleatória qualquer, em particular vale para X. Mas
2
2
pelo item a) vimos que σX = σn e E(X) = µ. Segue portanto que,

2 σ2
E(X ) = + µ2
n
.
2 Pn 2

2
Substituindo as expressões para os termos E(X ) e E i=1 Xi na expressão para E(S ) do início, temos que:
" n
! #
σ2
 
2 1 X
2 2 1 2 2 2
E(S ) = E Xi − nE(X ) = n(σ + µ ) − n( +µ ) =
n−1 i=1
n−1 n
1  2 1
nσ − σ 2 = (n − 1)σ 2 = σ 2

=
n−1 n−1

Variância da variância amostral:

Este possui um cálculo bem mais elaborado, que pode ser encontrado em detalhe em:
http://www.asasrms.org/Proceedings/y2008/Files/300992.pdf