UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO

Instituto de Matemática e Estatística

Curso de Graduação em Estatística

1ª LISTA DE EXERCÍCIOS
Cálculo das Probabilidades II
PROF: André Diniz

Exercício 1:
Considere um experimento consistindo de uma sucessão de testes independentes, cada um
com probabilidade de sucesso p. Uma distribuição geométrica é definida como sendo a
distribuição do número de testes realizados até se conseguir o primeiro sucesso (incluindo na
contagem o teste bem sucedido). Definida desta forma, uma variável aleatória X terá
distribuição geométrica com parâmetro p (0 ≤ p ≤ 1) se sua função de probabilidade tiver a
expressão abaixo:
p(x) = qx-1 p

onde q = 1-p.
Mostre que a função geratriz de momentos (f.g.m) m(t) para X é da forma
pe t
m( t ) =
1 − qe t

(sugestão: ao aplicar a expressão para E[etx], aparecerá a soma de uma PG infinita de razão r
< 1. Aplique a expressão S = a1/(1-r) para a soma de uma PG infinita de razão r e primeiro
termo a1).

Exercício 2:
Utilizando a expressão apresentada no exercício 1, encontre o valor esperado e a variância de
uma variável aleatória X com distribuição geométrica de parâmetro p.

Exercício 3:
Seja X uma variável aleatória que apresente a seguinte função densidade de probabilidade:

f(x)

0 4a x

Calcule a função geratriz de momentos da variável aleatória X

Exercício 4:
Seja X uma variável aleatória com f.g.m. m(t). Se Y é uma outra variável aleatória definida
como Y=aX+b, mostre que a f.g.m. para Y é etbm(at).
Exercício 5:
Calcule o valor esperado e a variância das variáveis aleatórias de cada uma das funções
geratrizes de momentos abaixo:

(i) [
m( t ) = (1 / 3)e t + (2 / 3) ]
5

et
(ii) m( t ) =
2 − et
t
(iii) m( t ) = e 2( e −1 )

Exercício 6:
Seja X uma variável aleatória unidimensional com a seguinte função densidade de
probabilidade:

λ e − λ ( x − a ) , x ≥ a
f ( x) =  , onde a é um parâmetro positivo.
 0 , caso contrário

(i) Determine a expressão para a função geratriz de momentos (m(t)) da variável X

(ii) Calcule o valor esperado de X

Exercício 7:
Uma variável aleatória possui uma distribuição de probabilidade gama com parâmetros α e r
quando sua função densidade de probabilidade apresenta a seguinte expressão:

 α
 (αx ) r −1 e −αx , x > 0
f ( x ) =  Γ((r )
0 , caso contrário

Mostre que esta função é de fato uma f.d.p. para quaisquer valores α e r positivos. (ou seja,
R
respeita a condição ∫ f ( x )dx = 1 , onde R é a região onde X assume valores).

Sugestão: utilize a própria definição de função gama.

Exercício 8:
Esboce os gráficos de uma distribuição gama, para os seguintes conjuntos de parâmetros:

(i) α=1; r = 3
(ii) α = 0,5; r = 2

Exercício 9:
O tempo de espera em uma determinada fila de banco, em unidades de tempo (u.t), pode ser
modelada com uma distribuição gama com a seguinte função densidade de probabilidade:

c t 5 e − t , t ≥ 0
f (t ) =  ,0<t< ∞
 0 , caso contrário
Calcule o valor da constante c e dos parâmetros r e α referentes a esta distribuição (conforme
notação utilizada em sala de aula para a distribuição gama).

Exercício 10:
A distribuição do tempo médio de vida T de um determinado componente eletrônico, em
meses, pode ser expressa pela seguinte função densidade de probabilidade (f.d.p):

ke −0,1t , t ≥ 0
f (t ) = 
0 , caso contrário

pede-se
(i) Determine o valor de k
(ii) Esta expressão pode ser vista como a f.d.p. uma distribuição gama ? Caso positivo, quais
os valores dos parâmetros r e α correspondentes ?

Exercício 11:
A que distribuição já conhecida se reduz a distribuição beta com parâmetros α = β = 1 ?
Mostre.

Exercício 12:
O percentual de impurezas em um determinado produto químico é uma variável aleatória Y
com a f.d.p. mostrada abaixo:

12 y 2 ( 1 − y ) , 0 ≤ y ≤ 1
f( y)= 
0 , caso contrário

Este produto não pode ser vendido caso o percentual de impurezas ultrapasse 40%. Ao se
selecionar aleatoriamente um frasco deste produto, qual é a probabilidade dele não poder ser
vendido devido a excesso de impurezas ?

(sugestão: descubra os parâmetros α e β da distribuição beta associada a esta variável. Em

seguida, determine a probabilidade acumulada desta distribuição por meio das tabelas de
distribuição acumulada de uma binomial).

Exercício 13
Uma variável Y apresenta distribuição beta, com a seguinte função densidade de
probabilidade:

ky 3 (1 − y ) 3 , 0 ≤ y ≤ 1
f ( y) = 
0 , caso contrário
Pede-se:

(i) Determine o valor de k de forma que esta expressão seja de fato a de uma função densidade
de probabilidade
(ii) Sabendo-se que o valor esperado de uma variável aleatória com distribuição beta de
parâmetros α e β (conforme apresentado no formulário em anexo) vale α α+ β , determine
E[Y].
UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO
Instituto de Matemática e Estatística
Curso de Graduação em Estatística

1ª LISTA DE EXERCÍCIOS
Cálculo das Probabilidades II
PROF: André Diniz

GABARITO

1) Demonstração

2) 1/p e q/p2

e 2t − 1
3) m(t) = , t>0
2t

4) Demonstração

5) (i) 5/3 e 10/9

(ii) 2 e 2
(iii) 2 e 2

6) (i)
λe at
m(t) = , t<λ
λ −t

(ii) a + 1/λ

7) Demonstração

9) c = 1/120, r=6, α=1

10) (i) 0,1

(ii) SIM, r=1, α=0,1

11) Distribuição uniforme

12) 0,821

13) (i) 140

(ii) 1/2