Exercícios de Probabilidade e Estatística

Exerccios de Probabilidade
lcio Lebensztayn
Sumrio
Prefcio iii
Captulo 1: Anlise Combinatria 1
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
Respostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Captulo 2: Probabilidade 19
1. Denies e propriedades . . . . . . . . . . . . . . . . . . . . . . 19
2. Probabilidade condicional e independncia . . . . . . . . . . . . . . . 22
3. Conjuntos limites e continuidade da probabilidade. . . . . . . . . . . . 24
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Respostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Captulo 3: Variveis aleatrias 45
1. Denies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
2. Variveis aleatrias conjuntamente distribudas . . . . . . . . . . . . . 47
3. Independncia de variveis aleatrias . . . . . . . . . . . . . . . . . 48
4. Modelos de distribuies discretas. . . . . . . . . . . . . . . . . . . 49
5. Modelos de distribuies contnuas . . . . . . . . . . . . . . . . . . 51
6. Aproximao de Poisson Binomial . . . . . . . . . . . . . . . . . . 54
7. Aproximao Normal Binomial . . . . . . . . . . . . . . . . . . . 55
8. Funes de variveis aleatrias . . . . . . . . . . . . . . . . . . . . 56
9. Estatsticas de ordem . . . . . . . . . . . . . . . . . . . . . . . . 60
10. Modelos multidimensionais. . . . . . . . . . . . . . . . . . . . . . 60
11. Distribuies relacionadas com a normal . . . . . . . . . . . . . . . . 61
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Respostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
ii Sumrio
Captulo 4: Esperana 97
1. Denies e propriedades . . . . . . . . . . . . . . . . . . . . . . 97
2. Distribuio e esperana condicionais . . . . . . . . . . . . . . . . . 100
3. Funes geradoras . . . . . . . . . . . . . . . . . . . . . . . . . 101
4. Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . 106
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Respostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Captulo 5: Modos de Convergncia e Teoremas Limites 139
1. Lema de Borel-Cantelli . . . . . . . . . . . . . . . . . . . . . . . 139
2. Modos de Convergncia . . . . . . . . . . . . . . . . . . . . . . . 139
3. Teoremas Limites. . . . . . . . . . . . . . . . . . . . . . . . . . 142
4. Outros Teoremas Limites . . . . . . . . . . . . . . . . . . . . . . 144
5. Convergncia de momentos . . . . . . . . . . . . . . . . . . . . . 145
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Respostas. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Apndice 165
Distribuio Normal Padro 169
Referncias Bibliogrcas 171
Prefcio
Este livro destina-se a estudantes de cursos de probabilidade em nvel de Gradua-
o e Mestrado. Os temas abordados so: Anlise Combinatria, Probabilidade, Variveis
Aleatrias, Esperana e Teoremas Limites. No comeo de cada captulo, visando recor-
dao da matria, renem-se em forma de tpicos as principais denies e resultados.
Para mais detalhes e demonstraes, sugiro ao leitor que consulte as referncias biblio-
grcas. Ao nal de cada captulo, enunciam-se os exerccios correspondentes teoria
exposta, alguns dos quais tm a soluo apresentada.
Cumpre salientar que, por ns didticos, decidi denir os principais modos de con-
vergncia para tratar dos teoremas limites. As sees e os tpicos marcados com asterisco
correspondem a assuntos mais avanados, que podem ser omitidos em uma primeira lei-
tura. Os exerccios que envolvem esses assuntos tambm esto assinalados. Aceitarei,
com prazer, as crticas e sugestes que me permitam aperfeioar o livro.
Agradecimentos:
Aos meus familiares e amigos.
A Cristian Favio Coletti, pela colaborao no estgio inicial do livro.
A Fbio Prates Machado, pelo apoio e incentivo ao desenvolvimento do livro.
Aos autores e docentes cujos livros, listas de exerccios e provas me serviram de
fonte.
Aos professores com os quais convivi nos anos de formao acadmica.
Comisso de Ps-Graduao em Estatstica do IMEUSP e CAPESPROEX,
que editaram a primeira verso desse livro.
FAPESP, CAPES e ao CNPq, pelos apoios recebidos nesses anos.
A Deus e a todos que me ajudaram a chegar at aqui.
lcio Lebensztayn.
Fevereiro de 2012.
Captulo 1
Anlise Combinatria
1.1. Princpio multiplicativo: Uma tarefa deve ser executada em uma sequncia de
r etapas. Existem n
1
maneiras de realizar a primeira etapa; para cada uma dessas n
1
maneiras, existem n
2
maneiras de realizar a segunda etapa; para cada uma dessas n
2
maneiras, existem n
3
maneiras de realizar a terceira etapa, e assim por diante. Ento, o
nmero total de maneiras de efetuar a tarefa completa dado por n
1
n
2
. . . n
r
.
Observao. Ao usar o princpio multiplicativo, fundamental que o nmero de manei-
ras de realizar uma determinada etapa no seja inuenciado por nenhuma das etapas
predecessoras.
1.2. Princpio aditivo para partes disjuntas: Se A
1
, . . . A
n
so conjuntos dois a dois
disjuntos, ento
n
_
i=1
A
i
=
n
i=1
|A
i
|.
Princpio da Incluso-Excluso: Em geral, devemos usar
n
_
i=1
A
i
=

i
|A
i
|
i<j
|A
i
A
j
|
+

i<j<k
|A
i
A
j
A
k
| + (1)
n+1
|A
1
. . . A
n
|.
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.
1.4. Um conjunto com n elementos tem 2
n
subconjuntos.
1.5. Permutaes: O nmero de maneiras de ordenar n objetos distintos
n! = n(n 1) . . . 2 1.
O nmero n! chamado o fatorial de n. Por conveno, 0! = 1.
2 Anlise Combinatria
Observao. Uma frmula muito importante quando se trata de fatoriais foi obtida por
Stirling (1730):
n! n
n
e
n
2n,
onde o smbolo indica que a razo entre os dois lados tende a 1 quando n .
1.6. Permutaes circulares: O nmero de maneiras de dispor n objetos distintos em
torno de um crculo (n 1)!.
Nessa contagem, interessa apenas a posio relativa dos objetos entre si, ou seja, duas
disposies so consideradas indistinguveis se uma pode ser obtida a partir da outra por
uma rotao conveniente dos objetos.
1.7. O nmero de palavras de comprimento k que podem ser compostas com n elementos
dados n
k
.
1.8. Arranjos: O nmero de k-subconjuntos ordenados de um n-conjunto
(n)
k
= n(n 1) . . . (n k + 1).
1.9. Combinaes: O nmero de k-subconjuntos de um n-conjunto
_
n
k
_
=
n!
k! (n k)!
,
que chamado um coeciente binomial. Estes nmeros podem ser arrumados em uma
disposio triangular, o famoso Tringulo de Pascal.
1.10. Teorema Binomial: Para quaisquer n 0 inteiro e x, y R,
(x +y)
n
=
n
k=0
_
n
k
_
x
k
y
nk
.
1.11. O nmero de divises possveis de n objetos distintos em r grupos distintos de
tamanhos respectivos n
1
, n
2
, . . . , n
r
(n
1
+n
2
+ +n
r
= n)
_
n
n
1
, n
2
, . . . , n
r
_
=
n!
n
1
! n
2
! . . . n
r
!
.
Esta frmula tambm fornece o nmero de anagramas de uma palavra com n letras que
contm n
1
vezes a letra
1
, n
2
vezes a letra
2
, . . . , n
r
vezes a letra
r
(n
1
+n
2
+ +n
r
= n).
Exerccios 3
1.12. Para qualquer inteiro p > 0 xado, o nmero de vetores distintos (x
1
, . . . , x
n
) no-
negativos e a valores inteiros que satisfazem a equao x
1
+ +x
n
= 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
(x
i
o nmero de vezes que tomamos o objeto i).
Em outras palavras, o nmero de maneiras de distribuir p moedas idnticas a n crianas
_
p+n1
n1
_
.
1.13. Para qualquer inteiro p > 0 xado, o nmero de vetores distintos (x
1
, . . . , x
n
) a
valores inteiros que satisfazem x
1
+ +x
n
= p e x
i
1 para todo i = 1, . . . , n
_
p1
n1
_
.
Isto signica que o nmero de maneiras de distribuir p moedas idnticas a n crianas de
forma que cada criana receba pelo menos uma moeda
_
p1
n1
_
.
1.14. A tabela a seguir resume o nmero de maneiras de tomarmos uma amostra de
tamanho k de uma populao com n elementos distintos, dependendo se o mesmo objeto
pode ser escolhido mais de uma vez (amostragem com ou sem reposio) e se vamos distin-
guir entre duas escolhas com os mesmos objetos escolhidos em ordem diferente (amostra
ordenada ou no).
Ordenada No-ordenada
Com reposio n
k
_
k+n1
n1
_
Sem reposio (n)
k
_
n
k
_
Exerccios
1. Quantas permutaes diferentes existem das letras A, B, C, D, E, F
(a) que tm as letras A, B juntas em qualquer ordem?
(b) que tm a letra A em primeiro lugar ou a letra F em ltimo?
(c) em que a letra A vem antes da letra B?
(d) em que a letra E no a ltima?
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
B est imediatamente antes da letra A, obtemos um total de 2 . 5! = 240 permutaes
diferentes.
(b) SejamA o conjunto das permutaes que comeam por A e F o conjunto das permuta-
es que terminam em F. Pelo Princpio da Incluso-Excluso, o nmero de permutaes
que comeam por A ou terminam em F
|A F| = |A| +|F| |A F| = 5! + 5! 4! = 216.
(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.
2. Numa prova, um estudante deve responder exatamente 7 questes de um total de
10 questes. Quantas escolhas ele tem? Quantas escolhas ele tem se entre as 7 questes
deve responder pelo menos 3 das primeiras 5 questes?
Soluo. O estudante deve escolher um subconjunto de tamanho 7 de um conjunto com
10 elementos, logo tem
_
10
7
_
= 120 escolhas.
No caso em que entre as 7 questes deve responder pelo menos 3 das primeiras 5 questes,
o estudante possui trs opes (disjuntas):
Escolher exatamente 3 das primeiras 5 questes e 4 das 5 ltimas;
Escolher exatamente 4 das primeiras 5 questes e 3 das 5 ltimas;
Escolher as 5 primeiras questes e 2 das 5 ltimas.
Assim, o total de escolhas que tem
_
5
3
__
5
4
_
+
_
5
4
__
5
3
_
+
_
5
5
__
5
2
_
= 110.
Outra resposta para a segunda pergunta: 120
_
5
2
__
5
5
_
= 110.
3. Um pai compra 7 presentes diferentes (entre os quais, um videogame e um relgio)
para dar a seus trs lhos.
(a) De quantas maneiras ele pode dividir os 7 presentes entre os lhos, se decide dar
2 presentes ao lho mais velho, 2 presentes ao lho do meio e 3 presentes ao mais
novo?
(b) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele resolve dar pelo menos um entre o
videogame e o relgio ao lho mais velho?
(c) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele decide dar exatamente um entre o
videogame e o relgio ao lho mais velho?
Exerccios 5
Soluo. (a) O nmero de divises possveis de n objetos distintos em r grupos distintos
de tamanhos respectivos n
1
, n
2
, . . . , n
r
(n
1
+n
2
+ +n
r
= n)
_
n
n
1
, n
2
, . . . , n
r
_
=
n!
n
1
! n
2
! . . . n
r
!
.
Assim, a resposta
_
7
2, 2, 3
_
=
7!
2! 2! 3!
= 210.
Outras respostas: O pai dispe os presentes numa la, os dois primeiros destinados ao
lho mais velho, os dois seguintes ao lho do meio e os trs ltimos ao mais novo. Existem
7! maneiras de ordenar os presentes, porm xada uma ordenao entre os presentes, a
ordem dos presentes de cada um dos lhos pode ser alterada, sem mudar a distribuio.
Dessa forma, o pai tem
7!
2! 2! 3!
= 210 maneiras de distribuir os presentes.
O pai escolhe 2 dos 7 presentes para o lho mais velho, o que pode fazer de
_
7
2
_
= 21
modos; em seguida, deve escolher 2 dos 5 presentes restantes para o lho do meio (
_
5
2
_
= 10
modos); os 3 presentes que sobram so do mais novo. A resposta 21 . 10 = 210.
(b) Sejam
n
v
= Nmero de maneiras de dividir os presentes, sendo 2 ao lho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o videogame;
n
r
meio e 3 ao mais novo, com o mais velho ganhando o relgio;
n
vr
= Nmero de maneiras de dividir os presentes, sendo o videogame e o relgio ao lho
mais velho, 2 outros presentes ao do meio e 3 ao mais novo.
Pelo Princpio da Incluso-Excluso, a resposta dada por:
n
v
+n
r
n
vr
= 2 .
6!
1! 2! 3!

5!
2! 3!
= 110.
Outra resposta: 210
_
5
2
__
5
2
_
= 110.
(c) Sejam
N
1
meio e 3 ao mais novo, com o mais velho ganhando o videogame porm no o relgio;
N
2
meio e 3 ao mais novo, com o mais velho ganhando o relgio porm no o videogame.
Uma forma de obter N
1
observar que o pai tem
_
5
1
_
= 5 escolhas para o outro presente
para o lho mais velho e
_
5
2
_
= 10 maneiras de dividir os 5 presentes restantes entre os
lhos menores, logo N
1
= 5 . 10 = 50. (Outro modo seria notar que N
1
= n
v
n
vr
).
Analogamente, temos que N
2
= 50. Visto que N
1
e N
2
se referem a opes disjuntas, o
nmero de maneiras
N
1
+N
2
= 100.
Outra resposta: 110 n
vr
= 100.
4. Quantos so os anagramas da palavra COMBINATORIA? (Considere O sem acento).
Quantos deles comeam por vogal ou terminam em consoante?
Soluo. O nmero de permutaes de n objetos, dos quais n
1
so do tipo 1, n
2
so do
tipo 2, . . . , n
k
so do tipo k (n
1
+n
2
+ +n
k
= n)
n!
n
1
! n
2
! . . . n
k
!
.
A palavra COMBINATORIA tem 2A, 2I, 2O, 1B, 1C, 1M, 1N, 1R, 1T, logo o nmero
total de anagramas (ordenaes diferentes das letras)
12!
2! 2! 2!
= 59875200.
Outra resposta: Escolhemos 2 de 12 lugares para colocar as 2 letras A, o que pode ser
feito de
_
12
2
_
= 66 modos; em seguida, devemos escolher 2 dos 10 lugares restantes para
colocar as 2 letras I (
_
10
2
_
= 45 modos); a seguir, escolhemos 2 dos 8 lugares que restam
para as 2 letras O (
_
8
2
_
= 28 modos) e nalmente 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 m de obter |V|, notamos que temos 3 escolhas para
a vogal inicial e, feita essa escolha,
11!
2! 2!
formas de permutar as letras restantes. Para
calcular |C|, existem 6 escolhas para a consoante nal e, tomada essa deciso,
11!
2! 2! 2!
modos de permutar as letras restantes. Analogamente, |V C| = 3 . 6 .
10!
2! 2!
.
Pelo Princpio da Incluso-Excluso, conclumos que o nmero de anagramas que comeam
por vogal ou terminam em consoante :
|V C| = |V| +|C| |V C| = 3 .
11!
2! 2!
+ 6 .
11!
2! 2! 2!
3 . 6 .
10!
2! 2!
= 43545600.
5. Permutam-se de todas as formas possveis os algarismos 1, 2, 4, 6, 7 e escrevem-se os
nmeros formados em ordem crescente. Determine:
(a) que lugar ocupa o nmero 62417.
(b) que nmero ocupa o 66 lugar.
(c) qual o 166 algarismo escrito.
(d) a soma dos nmeros assim formados.
Soluo. (a) Precisamos determinar quantos nmeros antecedem o 62417. Antecedem-no
todos os nmeros comeados em 1 (4! = 24), em 2 (4! = 24), em 4 (4! = 24), em 61 (3!
= 6) e em 621 (2! = 2), logo 80 nmeros. O nmero 62417 ocupa o 81 lugar.
Exerccios 7
(b) Contemos os nmeros:
Comeados por Quantidade Acumulado
1 4! = 24 24
2 4! = 24 48
41 3! = 6 54
42 3! = 6 60
46 3! = 6 66
Assim, o 66 nmero o ltimo (maior) que comea com 46, portanto o 46721.
(c) Visto que 166 = 5 . 33 + 1, o 166 algarismo escrito o primeiro do 34 nmero. Os
24 primeiros nmeros comeam por 1 e os 24 seguintes por 2, logo o 34 nmero comea
por 2. Assim, o 166 algarismo escrito 2.
(d) Iniciamos como se deve: somando as unidades dos nmeros formados. Cada um dos
algarismos 1, 2, 4, 6, 7 aparece como algarismo das unidades em 24 nmeros, portanto a
soma das unidades dos nmeros 24 . (1 + 2 + 4 + 6 + 7) = 480. Analogamente, a soma
das dezenas 480 dezenas, isto , 4800. A soma das centenas 48000, a das unidades de
milhar 480000 e a das dezenas de milhar 4800000. A soma total ca ento
480 + 4800 + 48000 + 480000 + 4800000 = 480 . 11111 = 5333280.
6. Quantos so os anagramas da palavra PARAGUAIO que no possuem consoantes
adjacentes?
Soluo. Arrumemos inicialmente as vogais, o que pode ser feito de 6!/3! = 120 modos,
e depois colocamos as consoantes de forma que no quem adjacentes. Arrumadas as
vogais (digamos na ordem AAUAIO), temos 7 escolhas para a colocao do P, 6 para o
R e 5 para o G. Assim, existem 120 . 7 . 6 . 5 = 25200 anagramas de PARAGUAIO que
no possuem consoantes adjacentes.
Outra resposta: Escolhida a ordem das consoantes, decidimos quantas vogais desejamos
colocar nos quatro espaos disponveis (de forma que no quem consoantes adjacentes)
e nalmente permutamos as vogais. O total ca 3!
_
7
3
_
6!/3! = 25200.
7. Quantos so os nmeros inteiros positivos menores que 360 e primos com 360?
Soluo. Notamos que 360 = 2
3
. 3
2
. 5 e denimos os conjuntos
A = {1, 2, . . . , 360},
A
1
= {x A : x mltiplo de 2},
A
2
= {x A : x mltiplo de 3},
A
3
= {x A : x mltiplo de 5}.
Desejamos calcular a cardinalidade do conjunto A \ (A
1
A
2
A
3
). Porm,
|A
1
| =
360
2
= 180, |A
1
A
2
| =
360
2 . 3
= 60, |A
1
A
2
A
3
| =
360
2 . 3 . 5
= 12.
|A
2
| =
360
3
= 120, |A
1
A
3
| =
360
2 . 5
= 36,
|A
3
| =
360
5
= 72, |A
2
A
3
| =
360
3 . 5
= 24,
Portanto, pelo Princpio da Incluso-Excluso,
|A
1
A
2
A
3
| = 180 + 120 + 72 60 36 24 + 12 = 264.
Assim, existem ao todo 96 nmeros inteiros positivos menores que 360 e primos com 360.
8. Uma bolsa contm 8 moedas de 1 real, 7 moedas de 50 centavos, 4 moedas de 25
centavos e 3 moedas de 10 centavos. De quantos modos diferentes podemos retirar 6
moedas dessa bolsa?
Soluo. Denimos
x
1
: nmero de moedas de 1 real,
x
2
: nmero de moedas de 50 centavos,
x
3
: nmero de moedas de 25 centavos,
x
4
: nmero de moedas de 10 centavos.
Queremos obter o nmero de solues inteiras no-negativas da equao x
1
+x
2
+x
3
+x
4
=
6, satisfazendo as condies x
1
8, x
2
7, x
3
4 e x
4
3. Sejam os conjuntos
A = {(x
1
, x
2
, x
3
, x
4
) N
4
: x
1
+x
2
+x
3
+x
4
= 6},
A
1
= {(x
1
, x
2
, x
3
, x
4
) A : x
1
9},
A
2
= {(x
1
, x
2
, x
3
, x
4
) A : x
2
8},
A
3
= {(x
1
, x
2
, x
3
, x
4
) A : x
3
5},
A
4
= {(x
1
, x
2
, x
3
, x
4
) A : x
4
4}.
Ento, o nmero pedido y = |A| |A
1
A
2
A
3
A
4
|. No entanto,
|A| =
_
9
3
_
= 84, |A
1
| = |A
2
| = 0, |A
3
| =
_
4
3
_
= 4, |A
4
| =
_
5
3
_
= 10,
|A
i
A
j
| = 0, 1 i < j 4,
|A
i
A
j
A
k
| = 0, 1 i < j < k 4 e
|A
1
A
2
A
3
A
4
| = 0.
Usando o Princpio da Incluso-Excluso, obtemos que y = 84 4 10 = 70.
Exerccios 9
9. Quantos so os gabaritos possveis de uma prova com 10 questes de verdadeiro ou
falso?
10. De quantas maneiras 4 pessoas podem sentar-se em 10 cadeiras em la?
11. O conjunto A possui 3 elementos, e o conjunto B, 10 elementos. Quantas funes
f : A B existem? Quantas delas so injetoras?
12. De quantos modos podemos colocar dois reis diferentes em casas no-adjacentes de
um tabuleiro 6 6? E se os reis fossem iguais?
13. (a) Quantos divisores inteiros e positivos possui o nmero 1800?
(b) Quantos desses divisores so pares?
(c) Quantos so quadrados perfeitos?
14. De quantas maneiras diferentes podemos escolher subconjuntos S e T do conjunto
{1, . . . , n}
(a) sem restries?
(b) de forma que S contenha T?
(c) com S e T disjuntos?
15. Quantos nmeros pares de dois algarismos podem ser formados no sistema decimal
(a) podendo repetir algarismos?
(b) sem repetir algarismos?
16. Quantos nmeros inteiros entre 100 e 999 so mpares e possuem trs algarismos
distintos?
17. 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?
18. 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?
19. Um estudante possui 5 livros de Clculo, 4 livros de lgebra Linear e 3 livros de
Equaes Diferenciais, todos diferentes. De quantas maneiras ele pode arrum-los em
uma prateleira, se deseja que os livros de cada assunto quem juntos?
20. Em uma corrida com dez cavalos, quantos so os resultados possveis para os quatro
primeiros lugares?
21. Quantos so os jogos de um campeonato de futebol disputado por 20 clubes, no qual
todos se enfrentam uma nica vez?
22. De quantas maneiras possvel colocar em la m mulheres e h homens, todos com
alturas diferentes, de forma que as mulheres entre si e os homens entre si quem em ordem
crescente de altura?
23. Quantos so os subconjuntos de {a
1
, a
2
, . . . , a
n
} nos quais:
(a) a
1
gura.
(b) a
1
no gura.
(c) a
1
e a
2
guram.
(d) pelo menos um de a
1
e a
2
gura.
(e) exatamente um de a
1
e a
2
gura.
24. Quantos so os subconjuntos de {a
1
, a
2
, . . . , a
n
}, com k elementos, nos quais:
(a) a
1
gura.
(b) a
1
no gura.
(c) a
1
e a
2
guram.
(d) pelo menos um de a
1
e a
2
gura.
(e) exatamente um de a
1
e a
2
gura.
25. Calcule o nmero de palavras de seis letras, sem consoantes nem vogais adjacentes,
que se podem formar empregando dez consoantes e cinco vogais,
(a) sendo permitido repetir letras.
(b) no sendo permitidas repeties.
26. Um turista deseja conhecer cinco das nove capitais do Nordeste do Brasil. De quantos
modos ele pode fazer isso, se a ordem das visitas
(a) importa?
(b) no importa?
27. Em um concurso, h trs candidatos e cinco examinadores, devendo cada examinador
votar em um candidato. Determine de quantos modos os votos podem ser distribudos,
(a) levando-se em conta a sequncia de votao dos examinadores.
(b) se importa apenas o nmero de votos que cada candidato recebe.
28. Um restaurante oferece 8 variedades de frutas no cardpio de sobremesa. De quantas
maneiras possvel escolher 4 frutas
(a) podendo repetir uma fruta?
(b) sem repetir?
Responda os itens (a) e (b), supondo que cada uma das 4 frutas ser destinada a uma
criana.
29. Sejam A e B conjuntos de nmeros naturais com |A| = p e |B| = n.
(a) Quantas so as funes f : A B?
(b) Quantas so as funes f : A B injetoras?
(c) Quantas so as funes f : A B crescentes?
(d) Quantas so as funes f : A B no-decrescentes?
30. Seja A um conjunto com |A| = n. Quantas so as funes f : A A bijetoras?
31. De quantos modos os nmeros de 1 a 9 podem ser arrumados de forma que
Exerccios 11
(a) todos os nmeros pares precedam todos os mpares?
(b) todos os nmeros pares quem adjacentes?
(c) a sequncia comece com dois pares e termine com dois pares tambm?
(d) os nmeros pares apaream em ordem crescente ou decrescente?
32. Quantos so os anagramas da palavra URUGUAIO que comeam por vogal?
33. Quantos nmeros de 5 algarismos podem ser formados usando apenas os algarismos
1, 1, 1, 1, 2 e 3?
34. Cinco moas e cinco rapazes vo posar para uma fotograa, ocupando cinco degraus
de uma escadaria, de forma que em cada degrau que uma moa e um rapaz. De quantas
maneiras podemos arrumar este grupo?
35. De quantas maneiras 10 crianas podem formar uma roda de ciranda, se para cada
uma delas importa apenas as duas crianas s quais d as mos, sem levar em conta se
a mo direita ou esquerda?
36. 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 cando perto de sua esposa?
37. Participam de um congresso 15 professores de Matemtica e 15 professores de Fsica.
Quantas comisses de 8 professores podem ser formadas:
(a) sem restries?
(b) com pelo menos um professor de Matemtica?
(c) com pelo menos 4 professores de Matemtica e pelo menos 2 professores de Fsica?
38. De quantas maneiras se pode preencher um carto da loteria esportiva (com 13 jogos)
com trs prognsticos duplos e dois triplos?
39. 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.
Determine o nmero total de sinais que podem ser transmitidos.
40. 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?
41. Uma loja exige que um funcionrio recm-contratado trabalhe 4 ou 5 dias por semana,
sendo pelo menos um dia de m de semana. Calcule o nmero de cronogramas de trabalho
possveis desse trabalhador.
42. Um homem tem 5 amigas e 7 amigos, e sua esposa tem 7 amigas e 5 amigos. De
quantos modos eles podem convidar 6 amigas e 6 amigos para uma festa, se cada um deve
convidar 6 pessoas?
43. Suponha que n carros esto em la para entrar em um estacionamento que possui
n vagas, lado a lado. Se o primeiro carro pode escolher qualquer vaga e cada um dos
outros carros ao estacionar deve justapor-se a um carro j estacionado, quantas so as
maneiras possveis de os carros ocuparem as n vagas?
44. (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?
45. Doze professores sero separados em 3 grupos de 4 pessoas. Calcule de quantas
maneiras isso pode ser feito se
(a) os grupos vo discutir o mesmo assunto.
(b) caber um tema de discusso diferente a cada grupo.
(c) cada grupo designar um presidente e tratar de um assunto diferente.
46. Quantos so os anagramas da palavra ARARAQUARA que no possuem duas
letras A juntas?
47. Quantos so os anagramas da palavra CONTADORIA
(a) em que aparecem juntas, nesta ordem, as letras da palavra CONTO?
(b) em que aparecem juntas, numa ordem qualquer, as letras da palavra CONTO?
(c) em que as letras da palavra CONTO aparecem nesta ordem?
48. De quantos modos podemos colocar em la 7 letras A, 6 letras B e 5 letras C, de
forma que no haja duas letras B juntas?
49. Uma la de lugares em um cinema tem 18 poltronas. De quantas maneiras 4 casais
podem sentar-se nessas poltronas, de forma que nenhum marido se sente separado de sua
mulher?
50. Uma partcula parte do ponto (0, 0, 0) e, estando em um ponto (x, y, z) N
3
, pode
mover-se para um dos pontos (x + 1, y, z), (x, y + 1, z) ou (x, y, z + 1). Quantos so os
caminhos possveis para a partcula chegar ao ponto (a, b, c) N
3
?
51. Considerando o alfabeto com 26 letras, existem quantas sequncias de 4 letras distin-
tas com pelo menos uma vogal?
52. Dentre todos os nmeros de 7 algarismos, quantos possuem exatamente trs algaris-
mos 9 e os quatro algarismos restantes todos diferentes?
53. Quantas so as permutaes dos 10 nmeros 0, 1, . . . , 9 em que o primeiro dgito
maior do que 1 e o ltimo dgito menor do que 7?
Exerccios 13
54. Representantes de dez pases, incluindo a Rssia, Frana, Inglaterra e Estados Unidos,
sero dispostos em uma la. De quantas maneiras isso pode ser feito, se os representantes
da Frana e da Inglaterra devem car um ao lado do outro, e o americano e o russo no
devem?
55. Teresa pretende convidar 5 de 11 amigos para um jantar em sua casa.
(a) Quantas escolhas Teresa possui, se 2 dos 11 amigos so desafetos e no aceitam
estar juntos?
(b) Quantas escolhas Teresa tem, se 3 dos 11 amigos no aceitam participar do jantar
a menos que juntos?
56. 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 que
sem livro?
57. Nos prximos meses, um agente turstico deve viajar s quatro cidades A, B, C e D,
a cada uma delas trs vezes. Calcule de quantas maneiras ele pode escolher a ordem das
viagens
(a) se no deseja fazer duas visitas seguidas cidade B.
(b) se no quer que a primeira e a ltima cidades sejam a mesma.
58. Quantos nmeros de 6 algarismos podemos formar com 3 pares distintos de algarismos
iguais?
59. Uma fbrica produz 8 tipos de bombons, que so vendidos em caixas de 30 bombons,
de um mesmo tipo ou sortidos. Quantas caixas diferentes podem ser formadas?
60. De quantas maneiras se podem pintar seis esferas iguais, usando-se apenas trs cores
diferentes?
61. De quantas maneiras podemos distribuir 30 laranjas para 4 crianas de forma que
cada uma receba pelo menos duas laranjas?
62. Obtenha uma frmula para o nmero de solues inteiras no-negativas da inequao
x
1
+ +x
n
p (p > 0 inteiro dado).
63. Obtenha uma frmula para o nmero de solues inteiras no-negativas da equao
x
1
+ +x
n
= p (p > 0 inteiro dado)
satisfazendo x
i
a
i
para todo i = 1, . . . , n, onde a
1
, . . . , a
n
so inteiros no-negativos tais
que a
1
+ +a
n
p.
64. Quantos inteiros entre 1 e 100000 tm a propriedade de que cada dgito menor ou
igual ao seu sucessor?
65. Quantas permutaes de 7 letras A e 7 letras B existem, nas quais no h 3 letras A
adjacentes?
66. Determine o nmero de permutaes de (1, 2, . . . , 8) em que os nmeros 4 e 6 no
ocupam seus lugares primitivos.
67. Uma sequncia de DNA uma sucesso de bases nitrogenadas, as quais podem ser
de quatro tipos: adenina, citosina, guanina ou timina. Obtenha o nmero de sequncias
de DNA possveis, com comprimento 8,
(a) que tm pelo menos uma base citosina.
(b) que tm exatamente trs adeninas ou exatamente trs guaninas.
68. Em um amigo secreto, dizemos que o sorteio vivel se nenhuma pessoa ca com seu
prprio nome. Quantos sorteios viveis existem em um amigo secreto com 4 pessoas?
69. Obtenha o nmero total de permutaes de (1, 2, . . . , 2n) em que nenhum nmero
mpar ocupa o seu lugar primitivo.
70. Se quatro americanos, trs franceses e trs ingleses so colocados em uma la, deter-
mine o nmero de maneiras de disp-los de forma que nenhum grupo de mesma naciona-
lidade que todo junto.
71. Uma pessoa compra 5 bolas e 5 cubos de isopor, sendo indistinguveis os objetos de
mesma forma. Ela pretende pintar cada um dos objetos de uma cor, e vai usar as cores
azul, vermelho e preto.
(a) De quantas maneiras ela pode fazer isso?
(b) De quantas maneiras ela pode fazer isso, usando cada cor pelo menos uma vez?
72. Quantos inteiros entre 1 e 33000 no so divisveis por 3, por 5 e nem por 11?
73. Quantos inteiros entre 1 e 1000000 no so quadrados perfeitos, cubos perfeitos e nem
quartas potncias perfeitas?
74. Quantos nmeros de n algarismos (n 3) podemos formar com os algarismos 1, 2
e 3, de forma que em cada nmero gure cada um desses trs algarismos pelo menos uma
vez?
75. Quantos inteiros entre 1 e 10000 tm soma de seus algarismos igual a 23?
76. 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?
77. De quantos modos podemos distribuir 3 moedas de 25 centavos, 5 moedas de 50
centavos e 4 moedas de 1 real entre dois meninos, de maneira que cada menino receba
pelo menos uma moeda?
78. De quantas maneiras podemos distribuir 8 mas, 10 peras e 7 laranjas em quatro
caixas, se cada caixa deve receber ao menos uma fruta?
79. Mostre que o produto de p nmeros naturais consecutivos divisvel por p!.
80. Prove, usando um argumento combinatrio, que
(a)
_
n
m
__
m
k
_
=
_
n
k
__
n k
mk
_
para 0 < k m n.
Respostas 15
(b)
_
n +m
r
_
=
_
n
0
__
m
r
_
+
_
n
1
__
m
r 1
_
+ +
_
n
r
__
m
0
_
para r n, r m.
(c)
n
k=1
_
n
k
_
k
3
= 2
n3
n
2
(n + 3) para n 3.
(d)
(3n)!
2
n
3
n
um nmero inteiro (n 1).
(e)
(3n)!
n! 2
n
3
n
um nmero inteiro (n 1).
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
9. 1024
10. 5040
11. 1000 funes, 720 injetoras
12. 1040, 520
13. (a) 36 (b) 27 (c) 8
14. (a) 4
n
(b) 3
n
(c) 3
n
15. (a) 45 (b) 41
16. 320
17. 2160
18. 6 . 4
n3
19. 103680
20. 5040
21. 190
22. (m+h)!/(m! h!)
23. (a) 2
n1
(b) 2
n1
(c) 2
n2
(d) 3 . 2
n2
(e) 2
n1
24. (a)
_
n1
k1
_
(b)
_
n1
k
_
(c)
_
n2
k2
_
(d) 2
_
n1
k1
_
_
n2
k2
_
=
_
n
k
_
_
n2
k
_
(e) 2
_
n2
k1
_
25. (a) 250000 (b) 86400
26. (a) 15120 (b) 126
27. (a) 243 (b) 21
28. (a) 330 (b) 70 (c) 4096 (d) 1680
29. (a) n
p
(b) (n)
p
(c)
_
n
p
_
(d)
_
p+n1
n1
_
30. n!
31. (a) 2880 (b) 17280 (c) 2880 (d) 30240
32. 5040
33. 30
34. 460800
35. 181440
36. (a) 144 (b) 12
37. (a) 5852925 (b) 5846490 (c) 3755115
38. 2279881890
39. 656
40. (a) 360 (b) 480
41. 50
42. 267148
43. 2
n1
44. (a) 756756 (b) 126126
45. (a) 5775 (b) 34650 (c) 2217600
46. 120
47. (a) 360 (b) 21600 (c) 15120
48. 1359072
Respostas 17
49. 384384
50. (a +b +c)!/(a! b! c!)
51. 215160
52. 99120
53. 2056320
54. 564480
55. (a) 378 (b) 84
56. 1,23 . 10
12
57. (a) 201600 (b) 302400
58. 9720
59. 10295472
60. 28
61. 2300
62.
_
p+n
n
_
63.
_
pa
1
a
n
+n1
n1
_
64. 2001
65. 1016
66. 30960
67. (a) 58975 (b) 24976
68. 9
69.
n
k=0
(1)
k
_
n
k
_
(2n k)!
70. 3079296
71. (a) 441 (b) 336
72. 16000
73. 998910
74. 3
n
3 . 2
n
+ 3
75. 480
76. 540
77. 118
78. 5239868
Captulo 2
Probabilidade
1. Denies 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 AB = { : 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 AB = { : 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 signica
que A e B no ocorrem simultaneamente.
Para qualquer evento A, o complementar de A A
c
= { : A} e representa o
evento de que A no ocorre.
1.2. Leis de De Morgan:
_
_
i=1
A
i
_
c
=

i=1
A
c
i
, (DM1)
_
i=1
A
i
_
c
=

_
i=1
A
c
i
. (DM2)
Notamos que (DM1) estabelece que o evento de que nenhum dos A
i
s ocorre igual ao
complementar do evento de que pelo menos um dos A
i
s ocorre. J (DM2) expressa que
o complementar do evento de que todos os A
i
s ocorrem exatamente o evento de que ao
menos um deles no ocorre.
20 Probabilidade
A B
A B
A B
A B
A B
A e B disjuntos
A
A
c
Figura 2.1: Unio e interseco dos eventos A e B; A e B disjuntos; Complementar de A.
1.3. Denio clssica (Cardano (1663), De Moivre (1718), Laplace (1812)):
Seja nito, no-vazio, e suponhamos que cada subconjunto elementar de igualmente
provvel. Ento, para qualquer A , denimos a probabilidade de A como
P(A) =
| A|
| |
.
Observao. A denio anterior formaliza a primeira denio conhecida de probabili-
dade: relao entre o nmero de casos favorveis ao acontecimento (evento) e o nmero
total de casos possveis, supondo todos os casos igualmente possveis.
1.4. Denio axiomtica (Kolmogorov (1933)): Uma probabilidade uma funo
P() a valores reais denida em uma classe F de eventos de um espao amostral , que
satisfaz as seguintes condies:
(A1) 0 P(A) 1 para todo A F,
(A2) P() = 1,
(A3) Aditividade enumervel: para qualquer sequncia A
1
, A
2
, . . . F de eventos dois a
dois disjuntos,
P
_
_
i=1
A
i
_
=

i=1
P(A
i
).
A tripla (, F, P) chamada um espao de probabilidade.
Denies e propriedades 21
Observao. No caso de nito ou innito enumervel, podemos denir a probabilidade
na classe F de todos os subconjuntos de , a qual usualmente denotada por 2
ou P()
(conjunto das partes de ). Neste caso, escrevendo como = {
1
,
2
, . . .}, associamos
a cada
i
, i = 1, 2, . . . , um nmero p(
i
) tal que p(
i
) 0 e

i=1
p(
i
) = 1. Para
i = 1, 2, . . . , p(
i
) a probabilidade do evento simples {
i
}. A probabilidade de um
evento A denida por
P(A) =

i:
i
A
p(
i
).
Quando innito no-enumervel, em geral impossvel associar uma probabilidade
bem denida a todos os subconjuntos de . Dene-se ento uma probabilidade em uma
classe mais restrita de subconjuntos de ; apenas esses subconjuntos so denominados
eventos. O ponto essencial que essa classe contm todos os subconjuntos (eventos) de
interesse prtico. Um exemplo importante igual a um intervalo da reta, para o qual
se considera a classe de subconjuntos conhecida como -lgebra de Borel. Para mais
detalhes sobre esse tema, sem ainda abordar profundamente a Teoria da Medida, veja-se
o livro de James [15].
1.5. Propriedades de uma probabilidade:
1. P() = 0.
2. Aditividade nita: Se A
1
, . . . , A
n
so eventos dois a dois disjuntos, ento
P
_
n
_
i=1
A
i
_
=
n
i=1
P(A
i
).
3. P(A
c
) = 1 P(A) para todo evento A.
4. Para quaisquer eventos A e B,
P(B) = P(A B) +P(A
c
B).
5. Se A B, ento P(A) P(B).
6. Para quaisquer eventos A e B,
P(A B) = P(A) +P(B) P(A B).
22 Probabilidade
7. Princpio da Incluso-Excluso: Para qualquer sequncia nita A
1
, A
2
, . . . , A
n
de
eventos,
P
_
n
_
i=1
A
i
_
=

i
P(A
i
)
i<j
P(A
i
A
j
)
+

i<j<k
P(A
i
A
j
A
k
) + (1)
n+1
P(A
1
. . . A
n
).
8. Subaditividade nita: Para qualquer sequncia nita A
1
, A
2
, . . . , A
n
de eventos,
P
_
n
_
i=1
A
i
_

n
i=1
P(A
i
).
9. Subaditividade enumervel: Para qualquer sequncia A
1
, A
2
, . . . de eventos,
P
_
_
i=1
A
i
_

i=1
P(A
i
).
As propriedades 8 e 9 so conhecidas como Desigualdades de Boole.
2. Probabilidade condicional e independncia
2.1. Seja (, F, P) um espao de probabilidade. Para eventos A e B com P(B) > 0, a
probabilidade condicional de A dado que B ocorreu denida por
P(A| B) =
P(A B)
P(B)
.
2.2. Regra da multiplicao (ou da probabilidade composta): Se A
1
, A
2
, . . . A
n
so eventos com P(A
1
. . . A
n1
) > 0, ento
P(A
1
A
2
. . . A
n
) = P(A
1
) P(A
2
| A
1
) . . . P(A
n
| A
1
. . . A
n1
).
2.3. Condicionamento: Se A e B so eventos com 0 < P(B) < 1, ento
P(A) = P(A| B) P(B) +P(A| B
c
) P(B
c
).
2.4. Frmula da probabilidade total: Seja {B
1
, B
2
, . . . , B
n
} uma partio do espao
amostral em eventos de probabilidade positiva, isto , esses eventos so dois a dois
disjuntos, =

n
i=1
B
i
e P(B
i
) > 0 para todo i. Ento, para qualquer evento A,
P(A) =
n
i=1
P(A| B
i
) P(B
i
).
Probabilidade condicional e independncia 23
2.5. Frmula de Bayes (1763): Seja {B
1
, B
2
, . . . , B
n
} 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(B
j
| A) =
P(A| B
j
) P(B
j
)
n
i=1
P(A| B
i
) P(B
i
)
.
B
1
B
2
B
3
B
4
B
5
B
6
B
7
B
8
B
9
A
Figura 2.2: Partio de em {B
1
, B
2
, . . . , B
9
} e um evento A.
2.6. Para um evento B xado tal que P(B) > 0, temos que P( | B) uma probabilidade.
2.7. Dois eventos A e B so independentes se P(A B) = P(A) P(B).
Observao. Em palavras, A e B so independentes se o conhecimento da ocorrncia de
um deles no inuencia a probabilidade do outro.
2.8. Os eventos A
1
, . . . , A
n
so independentes se para qualquer escolha de k (2 k n)
e ndices 1 i
1
< i
2
< < i
k
n,
P(A
i
1
A
i
2
. . . A
i
k
) = P(A
i
1
) P(A
i
2
) . . . P(A
i
k
).
2.9. Uma coleo innita de eventos independente se toda subcoleo nita desses
eventos independente.
2.10. Se A
1
, . . . , A
n
so independentes, ento, para qualquer escolha de B
j
com B
j
= A
j
ou A
c
j
,
P(B
1
B
2
. . . B
n
) = P(B
1
) P(B
2
) . . . P(B
n
).
24 Probabilidade
2.11. Frequentemente, um experimento aleatrio consiste em realizar uma sequncia de
ensaios (subexperimentos). Por exemplo, se o experimento aleatrio lanar uma moeda
repetidamente, cada lanamento pode ser considerado como um ensaio. Neste caso, dizer
que os ensaios so independentes signica dizer que a seguinte condio vlida: se A
i

um evento cuja ocorrncia completamente determinada pelo resultado do i-simo ensaio,
ento A
1
, A
2
, . . . so independentes.
3. Conjuntos limites e continuidade da probabilidade
*
3.1. Sejam A
1
, A
2
, . . . eventos em um espao de probabilidade (, F, P).
Por A
n
A, denotamos que
A
1
A
2
A
3
e A =

_
n=1
A
n
.
Assim, A
n
A signica que a ocorrncia de A
n
implica a ocorrncia de A
n+1
para todo n
e A o evento de que pelo menos um dos A
n
s ocorre.
Por A
n
A, denotamos que
A
1
A
2
A
3
e A =

n=1
A
n
.
Dessa forma, A
n
A signica que a ocorrncia de A
n+1
implica a ocorrncia de A
n
para
todo n e A o evento de que todos os A
n
s ocorrem.
3.2. Continuidade por baixo da probabilidade: Se A
n
A, ento P(A
n
) P(A)
quando n .
Continuidade por cima da probabilidade: Se A
n
A, ento P(A
n
) P(A) quando
n .
3.3. Conjuntos limites: Para uma sequncia A
1
, A
2
, . . . de eventos em um espao de
probabilidade (, F, P), denimos os eventos
liminf
n
A
n
=

_
n=1
k=n
A
k
e
limsup
n
A
n
=

n=1
_
k=n
A
k
,
denominados respectivamente limite inferior e limite superior da sequncia {A
n
}.
Conjuntos limites e continuidade da probabilidade 25
Observamos que
liminf
n
A
n
Existe n tal que A
k
para todo k n
|{n : A
n
}| < ,
ou seja, liminf
n
A
n
o evento de que ocorre A
n
para todo n sucientemente grande.
Ademais,
limsup
n
A
n
Para todo n 1, existe k n tal que A
k
|{n : A
n
}| = ,
ou seja, limsup
n
A
n
o evento de que ocorre A
n
para uma innidade de ns.
Isso justica as seguintes notaes:
liminf
n
A
n
= {A
n
para todo n sucientemente grande} e
limsup
n
A
n
= {A
n
innitas vezes}.
fcil ver que liminf
n
A
n
limsup
n
A
n
. Se vale a incluso oposta, dizemos que lim
n
A
n
existe e denido por
lim
n
A
n
= liminf
n
A
n
= limsup
n
A
n
.
3.4. Vale que
P
_
liminf
n
A
n
_
liminf
n
P(A
n
) limsup
n
P(A
n
) P
_
limsup
n
A
n
_
.
3.5. Continuidade da probabilidade: Se A = lim
n
A
n
existe, ento
P(A) = lim
n
P(A
n
).
Isso generaliza as propriedades dadas no tpico 3.2.
26 Probabilidade
Exerccios
Probabilidade: Denies e propriedades
1. Descreva um espao amostral adequado aos seguintes experimentos aleatrios. Res-
ponda se nito, innito enumervel ou innito no-enumervel, e determine a sua
cardinalidade no caso nito.
(a) Escolhe-se ao acaso uma famlia com duas crianas de um municpio e so regis-
trados os sexos do primeiro e do segundo lhos.
(b) No item (a), observa-se apenas o nmero de meninas na famlia selecionada.
(c) No item (a), registra-se o peso (em quilogramas) com que cada uma das crianas
nasceu.
(d) Vinte produtos eletrnicos so sorteados de um lote e a quantidade de produtos
com defeito contada.
(e) Um dado lanado quatro vezes e a sequncia de nmeros obtida anotada.
(f) Registra-se o total de pontos quando um dado lanado quatro vezes.
(g) Anota-se o nmero de vezes que a face 6 ocorre quando um dado lanado quatro
vezes.
(h) Um dado lanado quatro vezes e registra-se o nmero de vezes que ocorre cada
face.
(i) Considere uma urna com 8 bolas, numeradas de 1 a 8. Retiram-se 3 bolas da urna,
com reposio, e anota-se o nmero a cada bola retirada.
(j) Mesmo que o item (i), porm registra-se o nmero de vezes que cada nmero de 1
a 8 obtido, em vez de anotar o nmero a cada bola retirada.
(k) Retiram-se 3 bolas da urna descrita no item (i), sem reposio, e anota-se o nmero
a cada bola retirada.
(l) Da urna descrita no item (i), retiram-se 3 bolas simultaneamente, anotando-se o
conjunto de nmeros obtido.
(m) Conta-se o nmero de partculas emitidas por um istopo radioativo durante um
intervalo de tempo.
(n) A partir de certo momento, registra-se a quantidade de veculos que passam por
um pedgio at que passe a primeira motocicleta.
(o) Registram-se os nmeros de carros e de caminhes que passam em uma ponte
durante uma semana.
(p) Uma rvore selecionada em um parque e sua altura em centmetros medida.
(q) Mede-se o tempo decorrido at a primeira emisso de uma partcula por um istopo
radioativo.
(r) Um dardo lanado em um alvo circular de raio unitrio e observa-se o ponto
acertado.
Exerccios 27
(s) No item (r), em vez de observar onde o dardo cai, a sua distncia ao centro do alvo
medida.
(t) Registram-se o nmero de dias chuvosos e a precipitao total (em centmetros)
durante uma semana em uma localidade.
2. Sejam A, B e C trs eventos em um espao de probabilidade. Expresse os seguintes
eventos em termos de A, B e C:
(a) Apenas A ocorre.
(b) A e B ocorrem, mas C no ocorre.
(c) Os trs eventos ocorrem.
(d) Pelo menos um dos trs eventos ocorre.
(e) Nenhum dos trs eventos ocorre.
(f) Exatamente um dos trs eventos ocorre.
(g) No mximo um dos trs eventos ocorre.
(h) Pelo menos dois dos trs eventos ocorrem.
3. Um baralho comum consiste de 52 cartas separadas em 4 naipes com 13 cartas de cada
um. Para cada naipe, os valores das cartas so 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K e A. Um
baralho comum embaralhado. Qual a probabilidade de que as quatro cartas do topo
tenham
(a) valores diferentes?
(b) naipes diferentes?
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 signica que
cada resultado no espao amostral igualmente provvel, temos que as probabilidades
desejadas so
(a)
52 . 48 . 44 . 40
52 . 51 . 50 . 49
0,676; (b)
52 . 39 . 26 . 13
52 . 51 . 50 . 49
0,105.
Observao. Claramente as mesmas respostas seriam obtidas se considerssemos as quatro
cartas do topo como um conjunto no ordenado de cartas.
4. 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?
5. Extraem-se 4 cartas de um baralho com 52 cartas. Qual a probabilidade de que 2
sejam pretas e 2 vermelhas?
28 Probabilidade
6. Quatro nmeros so sorteados ao acaso, sem reposio, do conjunto {0, 1, . . . , 9}. Cal-
cule as probabilidades de que
(a) os quatro nmeros formem uma seguida (por exemplo, 2, 3, 4, 5).
(b) todos sejam maiores que 5.
(c) o nmero 0 seja escolhido.
(d) pelo menos um seja maior que 7.
(e) todos sejam mpares.
7. Qual a probabilidade de que os aniversrios de doze pessoas sejam em meses diferen-
tes? E a probabilidade de que os aniversrios de quatro pessoas sejam em dois meses?
8. Uma pessoa possui 5 livros diferentes de Matemtica, 2 livros diferentes de Qumica
e 3 livros diferentes de Fsica, que sero dispostos aleatoriamente em uma prateleira.
Calcule as probabilidades de que
(a) os livros de cada assunto quem juntos.
(b) os livros de Matemtica no quem todos juntos.
(c) os livros de Fsica quem todos separados.
(d) os livros de um mesmo assunto apaream em ordem alfabtica, mas no necessa-
riamente adjacentes.
9. Uma caixa contm 40 parafusos bons e 10 defeituosos. Seleciona-se uma amostra de 5
parafusos. Calcule as probabilidades dos seguintes eventos:
(a) Nenhum parafuso na amostra defeituoso.
(b) Nenhum, um ou dois parafusos na amostra so defeituosos.
(c) A amostra contm pelo menos um parafuso bom.
10. Uma urna contm 3 bolas vermelhas e 3 azuis. So retiradas 3 bolas ao acaso e
ento uma bola selecionada das restantes. Qual a probabilidade de que essa bola seja
vermelha?
11. Distribumos 12 bolas em 5 caixas numeradas 1, 2, 3, 4, 5. Calcule a probabilidade
da caixa 1 conter exatamente 3 bolas se
(a) as bolas so distinguveis.
(b) as bolas so indistinguveis.
12. Os clubes de xadrez de duas escolas consistem, respectivamente, de 8 e 9 jogadores.
Quatro membros de cada clube so escolhidos ao acaso para participar de uma competio
entre as duas escolas. Os jogadores selecionados de uma equipe so pareados aleatoria-
mente com aqueles da outra equipe, e cada par joga uma partida de xadrez. Suponha que
Rosa e sua irm Margarida esto nos clubes de xadrez em escolas diferentes. Obtenha as
probabilidades de que
(a) Rosa e Margarida sejam pareadas.
Exerccios 29
(b) Rosa e Margarida sejam escolhidas para representar suas escolas mas no joguem
entre si.
(c) exatamente uma das irms seja selecionada para representar sua escola.
13. Dez pessoas chegam a um consultrio mdico em horrios ligeiramente diferentes, e
so chamadas em ordem aleatria. Dizemos que a i-sima pessoa a chegar tem sorte se
est entre as i primeiras pessoas chamadas. Encontre a probabilidade de que, entre a 3,
a 5 e a 8 pessoas, pelo menos uma no tenha sorte.
14. O jardineiro de um parque prepara um local para plantar trs quaresmeiras, quatro
ips amarelos e cinco aroeiras. Ele vai plantar as rvores alinhadas, escolhendo a ordem de
maneira aleatria. Obtenha a probabilidade de que no quem duas aroeiras adjacentes.
15. Se Andr e Pedro esto entre n homens dispostos aleatoriamente em uma la, qual
a probabilidade de que haja exatamente r homens entre eles?
16. 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.
17. Um armrio contm n pares diferentes de sapatos. Se 2r sapatos so escolhidos ao
acaso (com 2r < n), determine a probabilidade de que dentre os sapatos selecionados
(a) no exista par algum completo.
(b) exista exatamente um par completo.
(c) existam exatamente dois pares completos.
Considere n = 10 e r = 2 e calcule de duas maneiras diferentes a probabilidade de que
exista pelo menos um par completo dentre os sapatos selecionados.
18. 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 que 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.
19. Em uma loteria, selecionam-se ao acaso r nmeros dentre os nmeros de 1 a n.
Obtenha a probabilidade de que no haja dois nmeros consecutivos entre os selecionados,
ou seja, de que a sequncia escolhida no contenha uma seguida.
Qual a probabilidade de aparecer ao menos uma seguida entre os nmeros sorteados
na Mega Sena (n = 60 e r = 6)?
20. Aos nmeros inteiros de 1 a n so designadas probabilidades proporcionais aos seus
valores. Determine p(i) para i = 1, . . . , n.
30 Probabilidade
21. Sejam A e B dois eventos em um espao de probabilidade, tais que P(A) = 1/2,
P(B) = 1/4 e P(A B) = 1/5. Calcule as probabilidades dos seguintes eventos:
(a) A no ocorre.
(b) B no ocorre.
(c) Pelo menos um de A e B ocorre.
(d) A no ocorre e B sim.
(e) B no ocorre e A sim.
(f) Ocorre exatamente um de A e B.
(g) No ocorre nenhum de A e B.
(h) Pelo menos um de A e B no ocorre.
22. Em uma escola, 60% dos estudantes no usam anel nem colar; 20% usam anel e 30%
colar. Se um aluno escolhido aleatoriamente, qual a probabilidade de que esteja usando
(a) pelo menos uma das joias?
(b) ambas as joias?
(c) um anel mas no um colar?
23. Da populao de uma cidade, 28% fumam cigarro, 7% fumam charuto e 5% ambos.
Calcule a porcentagem da populao
(a) que no fuma nem cigarro nem charuto.
(b) que fuma charuto mas no cigarro.
24. Uma escola oferece trs cursos optativos de idiomas: espanhol, francs e alemo. As
turmas so abertas a qualquer um dos 100 alunos matriculados. H 28 estudantes na
turma de espanhol, 26 na turma de francs e 16 na turma de alemo. H 12 alunos
cursando espanhol e francs, 4 fazendo espanhol e alemo, e 6 cursando francs e alemo.
Alm disso, 2 estudantes acompanham os trs cursos.
(a) Se um aluno escolhido ao acaso, qual a probabilidade de que no acompanhe
nenhum dos cursos?
(b) Se um estudante escolhido aleatoriamente, qual a probabilidade de que esteja
fazendo exatamente um dos cursos?
(c) Se dois alunos so escolhidos ao acaso, qual a probabilidade de que pelo menos um
deles esteja cursando uma lngua?
25. Em uma cidade, existem trs jornais: I, II e III. As propores de muncipes que leem
esses jornais so as seguintes:
I: 10% I e II: 8% I, II e III: 1%
II: 30% I e III: 2%
III: 5% II e III: 4%
Exerccios 31
Os jornais I e III so matutinos, e o II vespertino. Obtenha a probabilidade de que um
morador da cidade selecionado ao acaso
(a) leia s o jornal III.
(b) leia apenas um jornal.
(c) leia pelo menos dois jornais.
(d) no leia nenhum jornal.
(e) leia pelo menos um jornal matutino e o jornal vespertino.
(f) leia somente um jornal matutino e o jornal vespertino.
26. Prove que se A
1
, A
2
, . . . e B
1
, B
2
, . . . so eventos do mesmo espao de probabilidade
tais que P(A
n
) 1 e P(B
n
) p quando n , ento P(A
n
B
n
) p quando n .
27. Sejam A
1
, A
2
, . . . eventos em um espao de probabilidade. Prove que
(a) Se P(A
n
) = 0 para todo n 1, ento P (
n=1
A
n
) = 0.
(b) Se P(A
n
) = 1 para todo n 1, ento P (
n=1
A
n
) = 1.
28. Uma secretria atrapalhada prepara quatro cartas com contedos distintos para en-
viar a quatro rmas 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. Determine a probabilidade de que nenhuma carta tenha sido corretamente
envelopada.
Soluo. Sejam os eventos
A: Pelo menos uma carta foi colocada no envelope certo.
A
i
: A i-sima carta foi colocada no envelope certo, i = 1, 2, 3, 4.
Como A =

4
i=1
A
i
, temos que, pelo Princpio da Incluso-Excluso,
P(A) =

i
P(A
i
)
i<j
P(A
i
A
j
) +

i<j<k
P(A
i
A
j
A
k
) P(A
1
A
2
A
3
A
4
).
Porm,
P(A
i
) =
3!
4!
=
1
4
, i = 1, 2, 3, 4,
P(A
i
A
j
) =
2!
4!
=
1
12
, 1 i < j 4,
P(A
i
A
j
A
k
) =
1
4!
=
1
24
, 1 i < j < k 4 e
P(A
1
A
2
A
3
A
4
) =
1
4!
=
1
24
.
Portanto,
P(A) = 4 .
1
4

_
4
2
_
1
12
+
_
4
3
_
1
24

1
24
=
5
8
.
32 Probabilidade
Assim, a probabilidade de que nenhuma carta tenha sido corretamente envelopada :
P(A
c
) = 1 P(A) =
3
8
.
29. Se quatro casais de namorados so dispostos aleatoriamente em uma la, determine
a probabilidade de que nenhum dos casais que junto.
30. Cinco bolas so selecionadas aleatoriamente, sem reposio, de uma urna que con-
tm 5 bolas vermelhas, 6 bolas brancas e 7 bolas azuis, todas distintas. Determine a
probabilidade de que pelo menos uma bola de cada cor seja selecionada.
31. 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.
32. 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.
33. As cartas de um baralho so misturadas e distribudas entre 4 jogadores de modo que
cada um recebe 13 cartas. Calcule a probabilidade de que pelo menos um jogador receba
todas as cartas do mesmo naipe.
34. Em cada extrao de uma loteria, selecionam-se ao acaso m nmeros dentre os n-
meros de 1 a n. Obtenha a probabilidade de que todo nmero seja sorteado ao menos
uma vez em d extraes.
35. Sabe-se que com probabilidade 1 pelo menos um dos eventos A
i
, 1 i n, ocorre, e
que no mais que dois ocorrem simultaneamente. Se P(A
i
) = p e P(A
i
A
j
) = q, i = j,
mostre que p 1/n e q 2/n.
Probabilidade condicional e independncia
36. Escolhe-se ao acaso um nmero entre 1 e 50. Se o nmero primo, qual a probabili-
dade de que seja mpar?
37. Em um programa de auditrio, o participante lana um dado honesto seis vezes.
Ele ganha um prmio de participao se obtiver o mesmo nmero pelo menos duas ve-
zes, e ganha um prmio milionrio se a face 6 aparecer ao menos quatro vezes. Qual a
probabilidade de que o participante
(a) ganhe o prmio de participao?
(b) ganhe o prmio milionrio?
(c) tenha ganho o prmio milionrio, dado que ganhou o prmio de participao?
Exerccios 33
38. 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.
39. 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?
40. Em uma rifa com 100 bilhetes, numerados de 1 a 100, sorteiam-se dois bilhetes ao
acaso, sem reposio. O primeiro bilhete sorteado premia o seu comprador com uma
batedeira, e o segundo prmio um liquidicador. Uma pessoa compra quatro bilhetes.
Calcule a probabilidade de que essa pessoa tenha ganho ambos os prmios
(a) dado que ganhou o liquidicador.
(b) dado que ganhou algum prmio na rifa.
41. De um armrio com 12 pares diferentes de sapatos, selecionam-se 6 sapatos ao acaso.
Dado que h pelo menos um par completo entre os sapatos escolhidos, qual a probabilidade
de que existam exatamente dois pares completos?
42. Suponha que n crianas, todas com alturas diferentes, so dispostas aleatoriamente
em uma la indiana.
(a) Encontre a probabilidade de que a k-sima criana da la seja mais alta do que
todas as crianas sua frente.
(b) Obtenha a probabilidade de que cada uma das k primeiras crianas da la seja
mais alta do que aquelas sua frente.
(c) Dado que a k-sima criana da la mais alta do que todas as crianas sua
frente, qual a probabilidade de que essa criana seja a mais alta do grupo?
43. Suponha que 60% das pessoas assinem o jornal A, 40% o jornal B, e 30% ambos.
(a) Se selecionarmos ao acaso uma pessoa que assina ao menos um dos jornais, qual a
probabilidade de que assine o jornal A?
(b) Dado que uma pessoa no assina o jornal A, qual a probabilidade de que tambm
no assine B?
44. Em uma cidade, 40% das famlias possuem cachorro e 30% gato. Das famlias com
cachorro, 25% tambm tm gato.
(a) Que frao de famlias no possui nenhum dos dois animais?
(b) Dentre as famlias que no tm gato, qual a proporo com cachorro?
34 Probabilidade
45. 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
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
A: O cliente compra um terno.
B: O cliente compra uma gravata.
C: O cliente compra uma camisa.
(a) Os eventos A, B e C so independentes?
(b) Qual a probabilidade de que o cliente no compre nenhum dos itens?
(c) Dado que o cliente no vai comprar uma gravata, qual a probabilidade de que
compre um terno?
(d) Dado que o cliente vai comprar uma camisa, qual a probabilidade de que tambm
compre uma gravata e um terno?
46. Dos scios de um clube esportivo, 3/4 so adultos e 1/4 crianas. So do sexo
masculino 3/4 dos adultos e 3/5 das crianas. Metade dos homens adultos e um tero das
mulheres adultas usam a piscina do clube; a proporo correspondente s crianas 4/5,
independentemente do sexo.
(a) Calcule a probabilidade de que um scio do clube escolhido ao acaso use a piscina.
(b) Qual a proporo de scios do sexo feminino entre os que usam a piscina?
(c) Obtenha a probabilidade de que um scio selecionado aleatoriamente seja do sexo
feminino.
(d) Dado que um scio no usa a piscina, qual a probabilidade de que seja do sexo
feminino ou adulto?
47. 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.
Soluo. Sejam os eventos
A: O estudante do sexo feminino.
B: O estudante estuda cincias.
(a) Pela Frmula da probabilidade total,
P(B) = P(B| A) P(A) +P(B| A
c
) P(A
c
) =
1
10
.
2
3
+
1
5
.
1
3
=
2
15
.
Exerccios 35
(b) Pela Frmula de Bayes,
P(A| B) =
P(B| A) P(A)
P(B)
=
(1/10)(2/3)
2/15
=
1
2
.
48. 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 scalizao 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
identicao da fazenda de provenincia. Um galo escolhido ao acaso e seu contedo
testado para vericar adulterao.
(a) Qual a probabilidade de que o galo contenha leite adulterado?
(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.
49. 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?
50. Todo domingo, um pescador vai a um de trs lugares perto de sua casa: ao mar com
probabilidade 1/2, a um rio com probabilidade 1/4, ou a um lago com probabilidade 1/4.
No mar, ele consegue sgar um peixe com probabilidade 80%; no rio e no lago essa
probabilidade vale 40% e 60%, respectivamente. Se em um domingo o pescador volta
para casa sem peixe algum, para onde mais provvel que tenha ido?
51. 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?
52. O estoque de um armazm consiste de caixas de lmpadas de qualidade alta, mdia ou
baixa, nas propores respectivas 1 : 2 : 2. Para cada um dos trs tipos, a probabilidade
de uma lmpada ser defeituosa 0, 0,1 e 0,2. Se uma caixa selecionada ao acaso e duas
lmpadas retiradas dela so perfeitas, qual a probabilidade de que contenha lmpadas de
alta qualidade?
53. 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.
36 Probabilidade
(c) Calcule em (b) a probabilidade de que a primeira caixa tenha sido escolhida, dado
que a bola extrada branca.
54. Uma urna contm a bolas azuis e b bolas brancas. Uma bola retirada aleatoriamente
e depois reposta urna com mais c bolas da mesma cor. A seguir, retira-se ao acaso uma
segunda bola da urna. Qual a probabilidade de que essa bola seja azul?
55. Em um restaurante, trs cozinheiros A, B e C preparam um tipo especial de bolo, e
com probabilidades respectivas 0,02, 0,03 e 0,05 a massa do bolo no cresce. Sabe-se que
A prepara 50 por cento desses bolos, B 30 por cento e C 20 por cento. Se uma massa de
bolo no cresceu, qual a probabilidade de que tenha sido preparada pelo cozinheiro A?
56. Uma senhora da alta sociedade d uma festa em sua manso. Ao trmino da festa, ela
descobre que sua coleo de joias 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 perl de DNA do
ladro, e sabe-se que este perl de DNA ocorre em 2% de toda populao. Dado que o
DNA do Sr. Joo, o primeiro suspeito cujo DNA analisado, combina com o perl achado
na cena do crime, qual a probabilidade de que ele tenha roubado as joias?
57. 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
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?
58. Lana-se um dado duas vezes. Considere os eventos
A: Obtm-se 2 ou 5 no primeiro lanamento.
B: A soma das faces obtidas nos dois lanamentos pelo menos 7.
So A e B independentes?
59. Um dado lanado duas vezes. Dena os eventos
A: A soma das faces obtidas par.
B: A soma das faces obtidas divisvel por 3.
Exerccios 37
60. Nove crianas escolhem lugares ao acaso em trs leiras de trs carteiras. Sejam os
eventos
A: Joo e Pedro sentam-se na mesma leira.
B: Ambos Joo e Pedro sentam-se em uma das quatro carteiras de canto.
61. Um experimento consiste em lanar duas vezes uma moeda honesta. Considere os
eventos
A: O primeiro lanamento resulta em cara.
B: O segundo lanamento resulta em cara.
C: O resultado do primeiro lanamento coincide com o resultado do segundo lanamento.
Prove que A, B e C so independentes dois a dois, porm no so independentes.
62. Duas estudantes, Gabriela e Juliana, esto matriculadas em uma turma de Clculo.
Gabriela comparece a 80% das aulas, Juliana a 60%, e suas presenas so independentes.
Qual a probabilidade de que, em determinado dia,
(a) pelo menos uma das estudantes comparea aula?
(b) apenas uma delas esteja presente?
63. Um livro lido por trs revisores, de modo independente. As probabilidades de
que eles detectem um erro especco so 0,92, 0,85 e 0,95, respectivamente. Calcule a
probabilidade de que o erro seja percebido por
(a) ao menos um revisor.
(b) exatamente dois revisores.
64. Suponha que 30% da populao de uma cidade pretende votar no candidato A na
prxima eleio municipal. Calcule a probabilidade de, em uma amostra de 10 pessoas,
haver ao menos um eleitor de A. Esclarea as suas hipteses.
65. Um par de dados honestos lanado repetidamente. Supondo que os ensaios so
independentes, qual a probabilidade de que um total 8 aparea antes de um total 7?
Sugesto: Dena A
n
o evento de que os totais 7 e 8 no ocorrem nos primeiros n 1
ensaios e ocorre um total 8 no n-simo ensaio.
66. Existem duas estradas de A a B e duas estradas de B a C. Cada uma das quatro
estradas bloqueada por queda de barreira com probabilidade p = 1/10, independente-
mente das demais. Determine a probabilidade de que exista uma estrada aberta de A a B
dado que no existe um caminho aberto de A a C.
Se, alm disso, existe uma estrada direta de A a C, esta estrada sendo bloqueada com pro-
babilidade p = 1/10 independentemente das demais, encontre a probabilidade condicional
pedida.
38 Probabilidade
67. 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.
68. (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.
69. Suponha que = {1, . . . , p}, onde p um nmero primo. Seja F = P () e, para
A F, dena 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|.
70. 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|A
c
).
Sugesto: Use que P(A
c
B) +P(A B) = P(B).
71. Seja P uma probabilidade sobre um espao amostral .
(a) Mostre que se A e B so eventos tais que P(A) < 1, P(B) > 0 e P(A|B) = 1,
ento P(B
c
|A
c
) = 1.
(b) Prove que se E, F e G so eventos tais que P(F G) > 0 e P(F G
c
) > 0, ento
P(E |F) = P(E |F G)P(G|F) +P(E |F G
c
)P(G
c
|F).
Conjuntos limites e continuidade da probabilidade
*
72
. Continuidade por baixo e por cima da probabilidade: Sejam A, A

1
, A
2
, . . .
eventos em um espao de probabilidade.
(a) Suponha que A
n
A e dena B
1
= A
1
e B
k
= A
k
A
c
k1
, k 2.
(a1) Mostre que B
1
, B
2
, . . . so dois a dois disjuntos, A
n
=

n
k=1
B
k
e A =

k=1
B
k
.
(a2) Use a aditividade nita e enumervel para provar que P(A) = lim
n
P(A
n
).
(b) Suponha que A
n
A. Mostre que A
c
n
A
c
e conclua que P(A) = lim
n
P(A
n
).
73
. Uma moeda com probabilidade p de cara em cada lanamento lanada innitas

vezes, de maneira independente. Denimos os eventos
A
n
: Ocorre pelo menos uma cara nos n primeiros lanamentos.
A : Ocorre pelo menos uma cara.
Mostre que
(a) A
n
A.
Exerccios 39
(b) P(A) =
_
_
_
1 se 0 < p 1,
0 se p = 0.
74
. Sejam A, B, A
1
, A
2
, . . . eventos em um espao de probabilidade. Suponha que A
n

A e que B independente de A
n
para todo n 1. Prove que A e B so independentes.
Soluo. Como A
n
A, temos que:
(i) A
n
B A
n+1
B para todo n 1 e
(ii)

_
n=1
(A
n
B) =
_

_
n=1
A
n
_
B = A B,
ou seja, A
n
B A B. Ento, usando a continuidade por baixo da probabilidade e a
independncia entre A
n
e B,
P(A B) = lim
n
P(A
n
B) = lim
n
[P(A
n
) P(B)]
=
_
lim
n
P(A
n
)
_
P(B) = P(A) P(B).
Assim, A e B so independentes.
75
. Subaditividade nita e enumervel: Sejam A

1
, A
2
, . . . eventos em um espao
de probabilidade. Demonstre que
P
_
n
_
k=1
A
k
_

n
k=1
P(A
k
) para todo n 2 (Subaditividade nita) e
P
_

_
k=1
A
k
_

k=1
P(A
k
) (Subaditividade enumervel).
Sugesto: Prove a subaditividade nita por induo em n. Para mostrar a subaditividade
enumervel, comece com
P
_
n
_
k=1
A
k
_

k=1
P(A
k
)
e use que B
n
=

n
k=1
A
k

k=1
A
k
quando n .
76
. Sejam A
1
, A
2
, . . . eventos independentes em um espao de probabilidade. Mostre que
P
_
n
_
k=1
A
k
_
1 exp
_
k=1
P(A
k
)
_
.
k=1
P(A
k
) = = P
_

_
k=1
A
k
_
= 1.
Sugesto: Para mostrar a desigualdade, use que 1 x e
x
para todo x R.
77
. Sejam A
1
, A
2
, . . . eventos independentes em um espao de probabilidade. Prove que
P
_

k=1
A
k
_
=

k=1
P(A
k
).
40 Probabilidade
78
. Demonstre que
_
liminf
n
A
n
_
c
= limsup
n
A
c
n
,
_
limsup
n
A
n
_
c
= liminf
n
A
c
n
,
limsup
n
(A
n
B
n
) limsup
n
A
n
limsup
n
B
n
,
limsup
n
(A B
n
) = A limsup
n
B
n
,
limsup
n
(A
n
B
n
) = limsup
n
A
n
limsup
n
B
n
,
liminf
n
(A
n
B
n
) liminf
n
A
n
liminf
n
B
n
,
liminf
n
(A B
n
) = A liminf
n
B
n
,
liminf
n
(A
n
B
n
) = liminf
n
A
n
liminf
n
B
n
,
limsup
n
A
n

_
liminf
n
A
n
_
c
= limsup
n
(A
n
A
c
n+1
) = limsup
n
(A
c
n
A
n+1
),
lim
n
A
n
= A e lim
n
B
n
= B = lim
n
(A
n
B
n
) = A B e lim
n
(A
n
B
n
) = A B.
79
. Continuidade da probabilidade: Sejam A

1
, A
2
, . . . eventos em um espao de
probabilidade. Para n 1, dena B
n
=

k=n
A
k
e C
n
=

k=n
A
k
.
(a) Prove que
B
n
liminf
n
A
n
e C
n
limsup
n
A
n
.
(b) Usando que B
n
A
n
C
n
para todo n, mostre que
P
_
liminf
n
A
n
_
liminf
n
P(A
n
) limsup
n
P(A
n
) P
_
limsup
n
A
n
_
.
(c) Conclua que se existe A = lim
n
A
n
, ento existe lim
n
P(A
n
) e P(A) = lim
n
P(A
n
).
80
. Sejam B
1
, B
2
, . . . eventos independentes tais que P(B
n
) < 1 para todo n 1.
Demonstre que
P(B
n
innitas vezes) = 1 P
_

_
n=1
B
n
_
= 1.
D um exemplo para mostrar que a condio P(B
n
) < 1 para todo n 1 no pode ser
dispensada.
Sugesto: Para provar a implicao , dena A
k
= B
c
k
, k = 1, 2, . . . , e, usando o exerc-
cio 77, mostre que P(
k=n
A
k
) = 0 para todo n 1.
Respostas 41
Respostas
1. (a) = {F, M}
2
= {F, M} {F, M} = {(s
1
, s
2
) : s
i
{F, M}, i = 1, 2}, || = 4.
(b) = {0, 1, 2}, || = 3.
(c) = (0, )
2
= {(x, y) R
2
: x > 0, y > 0}, innito no-enumervel.
(d) = {0, 1, . . . , 20}, || = 21.
(e) = {1, . . . , 6}
4
= {(r
1
, . . . , r
4
) : r
i
{1, . . . , 6}, i = 1, . . . , 4}, || = 1296.
(f) = {4, 5, . . . , 24}, || = 21.
(g) = {0, 1, 2, 3, 4}, || = 5.
(h) =
_
(x
1
, . . . , x
6
) N
6
:

6
i=1
x
i
= 4
_
, || = 126.
(i) = {1, . . . , 8}
3
= {(b
1
, b
2
, b
3
) : b
i
{1, . . . , 8}, i = 1, 2, 3}, || = 512.
(j) =
_
(x
1
, . . . , x
8
) N
8
:

8
i=1
x
i
= 3
_
, || = 120.
(k) = {(b
1
, b
2
, b
3
) : b
i
{1, . . . , 8}, i = 1, 2, 3 e b
1
, b
2
, b
3
todos distintos}, || = 336.
(l) o conjunto de todos os subconjuntos com tamanho 3 de {1, . . . , 8}, || = 56.
(m) = N, innito enumervel.
(n) = {1, 2, . . . }, innito enumervel.
(o) = N
2
, innito enumervel.
(p) = (0, ), innito no-enumervel.
(q) = [0, ), innito no-enumervel.
(r) = {(x, y) R
2
: x
2
+y
2
1}, innito no-enumervel.
(s) = [0, 1], innito no-enumervel.
(t) = {0, 1, . . . , 7} [0, ) = {(i, x) : i {0, 1, . . . , 7} e x [0, )}, innito no-
enumervel.
2. (a) A B
c
C
c
(b) A B C
c
(c) A B C (d) A B C
(e) A
c
B
c
C
c
= (A B C)
c
(f) (A B
c
C
c
) (A
c
B C
c
) (A
c
B
c
C)
(g) (A
c
B
c
C
c
) (A B
c
C
c
) (A
c
B C
c
) (A
c
B
c
C)
(h) (AB C
c
) (AB
c
C) (A
c
B C) (AB C) = Complementar de (g)
4. 4/9, muda o raciocnio mas no o resultado.
5. 325/833
42 Probabilidade
6. (a) 1/30 (b) 1/210 (c) 2/5 (d) 2/3 (e) 1/42
7. 5,4 . 10
5
e 0,044.
8. (a) 1/420 (b) 41/42 (c) 7/15 (d) 1/1440
9. (a) 0,310 (b) 0,952 (c) 0,999
10. 1/2
11. (a) 0,236 (b) 0,121
12. (a) 1/18 (b) 1/6 (c) 1/2
13. 9/10
14. 7/99
15. 2(n r 1)/ (n(n 1))
16. (a) 2
n
n!/(2n)! (b) 2
n
/
_
2n
n
_
17. (a)
_
n
2r
_
2
2r
/
_
2n
2r
_
(b) n
_
n1
2r2
_
2
2r2
/
_
2n
2r
_
(c)
_
n
2
__
n2
2r4
_
2
2r4
/
_
2n
2r
_
99/323 (Complementar do evento em (a) e Princpio da Incluso-Excluso).
18. 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.
19. H uma correspondncia biunvoca entre as escolhas de r nmeros dentre os nmeros
de 1 a n sem haver dois consecutivos e as escolhas (sem restries) de r nmeros dentre
os nmeros de 1 a n (r 1). A probabilidade pedida igual a
_
n+1r
r
_
/
_
n
r
_
.
A probabilidade de ao menos uma seguida no sorteio da Mega Sena 42,1%.
20. p(i) =
2 i
n(n + 1)
, i = 1, . . . , n
21. (a) 1/2 (b) 3/4 (c) 11/20 (d) 1/20 (e) 3/10 (f) 7/20 (g) 9/20 (h) 4/5
22. (a) 0,4 (b) 0,1 (c) 0,1
23. (a) 70% (b) 2%
24. (a) 1/2 (b) 8/25 (c) 149/198
Respostas 43
25. (a) 0 (b) 0,2 (c) 0,12 (d) 0,68 (e) 0,11 (f) 0,1
29. 12/35
30. 6055/8568
31. 903/1012
32. 0,051
33. 2,5 . 10
11
34.
nm
k=0
_
n
k
_
(1)
k
a
d
k
, onde a
k
= a
k
(n, m) =
_
n k
m
__
n
m
_
1
36. 14/15
37. (a) 319/324 (b) 203/23328 (c) 7/792
38. Dena V
i
o evento de selecionar a bola vermelha na i-sima extrao e mostre que
P(V
i
) = 1/3 para i = 1, 2, 3.
39. 31/210
40. (a) 1/33 (b) 1/65
41. 54/343
42. (a)
_
n
k
_
(k 1)! (n k)!/n! = 1/k (b) 1/k! (c) k/n
43. (a) 6/7 (b) 3/4
44. (a) 2/5 (b) 3/7
45. (a) No (b) 4/15 (c) 16/35 (d) 1/6
46. (a) 87/160 (b) 38/145 (c) 23/80 (d) 341/365
48. (a) 13/200 (b) 8/13
49. 0,42
50. Ao rio (Probabilidades condicionais: mar = 2/7, rio = 3/7 e lago = 2/7).
51. (a) 29/384 (b) 15/29
44 Probabilidade
52. 10/39
53. (a) 1/6 (b) 7/12 (c) 8/21
54. a/(a +b)
55. 0,345
56. 2/5
57. (a) 23/100 (b) 2/97
58. Sim: P(A B) = 7/36, P(A) = 1/3 e P(B) = 7/12.
59. Sim: P(A B) = 1/6, P(A) = 1/2 e P(B) = 1/3.
60. No: P(A B) = 1/18, P(A) = 1/4 e P(B) = 1/6.
62. (a) 0,92 (b) 0,44
63. (a) 0,9994 (b) 0,2348
64. 0,9718
65. 5/11
66. 99/199 em ambos os casos.
68. (a) Sim. Quando armamos 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(A
c
B).
Captulo 3
Variveis aleatrias
1. Denies
1.1. Uma varivel aleatria X em um espao de probabilidade (, F, P) uma funo a
valores reais denida em , tal que
{X x} = { : X() x} F
para todo x R.
As variveis aleatrias que assumem valores em um conjunto nito ou innito enumervel
so chamadas discretas e aquelas que assumem valores em um intervalo da reta real so
chamadas contnuas.
1.2. A funo de distribuio acumulada de uma varivel aleatria X a funo F = F
X
denida por
F(x) = P(X x) = P({ : X() x}), x R.
Propriedades fundamentais de uma funo de distribuio:
(F1) F uma funo no-decrescente: se x < y, ento F(x) F(y).
(F2) F contnua direita: se x
n
x, ento F(x
n
) F(x).
(F3) Se x
n
, ento F(x
n
) 0; se x
n
+, ento F(x
n
) 1.
Outras propriedades:
(i) Para x, y R com x < y, P(x < X y) = F(y) F(x).
(ii) Para qualquer x R,
P(X = x) = F(x) F(x
) = Salto de F no ponto x,
onde F(x
) = lim
x
n
x,
x
n
=x
F(x
n
) o limite lateral esquerda de F em x.
Assim, F contnua em x se e somente se P(X = x) = 0.
46 Variveis aleatrias
(iii) Para qualquer x R, P(X < x) = F(x
).
(iv) O conjunto de pontos de descontinuidade de F nito ou enumervel.
Observao. Uma funo F : R R que satisfaz (F1), (F2) e (F3) a funo de distri-
buio de alguma varivel aleatria X.
1.3. (a) A varivel aleatria X discreta se assume um nmero nito ou enumervel de
valores, isto , se existe um conjunto nito ou enumervel {x
1
, x
2
, . . .} R tal que X()
{x
1
, x
2
, . . .}, . A funo p(x) = P(X = x) chamada funo de probabilidade
de X.
(b) A varivel aleatria X (absolutamente) contnua se existe uma funo f(x) 0 tal
que
F
X
(x) =
_
x
f(t) dt, x R.
Neste caso, dizemos que f uma funo densidade de probabilidade de X.
Observao. Uma varivel aleatria discreta denida quando denimos os seus valores
possveis {x
i
}
i1
e as respectivas probabilidades {p
i
}
i1
satisfazendo
p
i
> 0, i e

i=1
p
i
= 1.
Uma varivel aleatria contnua denida quando denimos uma funo f : R R tal que
f(x) 0, x e
_

f(x) dx = 1.
1.4. A funo indicadora de um evento A a varivel aleatria discreta que assume os
valores 1 ou 0 conforme A ocorra ou no, ou seja,
I
A
() =
_
_
_
1 se A,
0 se A.
1.5. Para qualquer B R (boreliano),
P(X B) =
_
i: x
i
B
p(x
i
) se X discreta,
_
B
f(x) dx se X contnua com densidade f.
Variveis aleatrias conjuntamente distribudas 47
x
1
x
2
x
3
x
F(x)
1
P(X = x
2
)
P(X = x
1
)
P(X = x
3
)
Figura 3.1: Funo de distribuio de uma varivel aleatria discreta.
x
f
X
(x)
a b
P(a X b)
Figura 3.2: Densidade de uma varivel aleatria contnua.
2. Variveis aleatrias conjuntamente distribudas
2.1. Sejam X e Y variveis aleatrias denidas no mesmo espao de probabilidade. A
funo de distribuio acumulada conjunta do par (X, Y ) denida por
F(x, y) = P(X x, Y y), x, y R.
As funes de distribuio marginais de X e Y so respectivamente dadas por
F
X
(x) = lim
y
F(x, y), x R e F
Y
(y) = lim
x
F(x, y), y R.
2.2. Sejam X e Y variveis aleatrias discretas denidas no mesmo espao de probabili-
dade. A funo de probabilidade conjunta de X e Y
p(x, y) = P(X = x, Y = y), x, y R.
Note que p(x, y) > 0 apenas para (x, y) em um subconjunto nito ou enumervel de R
2
.
As funes de probabilidade marginais de X e Y so
p
X
(x) =

y
p(x, y), x R e p
Y
(y) =

x
p(x, y), y R.
2.3. Sejam X e Y variveis aleatrias denidas no mesmo espao de probabilidade. Dize-
mos que X e Y so conjuntamente contnuas se existe uma funo f(x, y) 0, chamada
uma funo densidade de probabilidade conjunta, tal que para quaisquer x, y R,
F(x, y) =
_
x
_
y
f(u, v) du dv.
Se X e Y so conjuntamente contnuas com funo densidade conjunta f(x, y), ento so
individualmente contnuas com funes densidade marginais respectivas
f
X
(x) =
_

f(x, y) dy, x R e f
Y
(y) =
_

f(x, y) dx, y R.
2.4. natural a extenso das denies e resultados anteriores para o caso de n variveis
aleatrias X
1
, . . . , X
n
denidas no mesmo espao de probabilidade. Nesse caso, chamamos
X
= (X
1
, . . . , X
n
) de vetor aleatrio ou varivel aleatria n-dimensional.
3. Independncia de variveis aleatrias
3.1. As variveis aleatrias X
1
, . . . , X
n
so independentes se para quaisquer conjuntos
A
i
R (borelianos), i = 1, . . . , n,
P(X
1
A
1
, . . . , X
n
A
n
) =
n
i=1
P(X
i
A
i
).
3.2. SejamX
1
, . . . , X
n
variveis aleatrias com funo de distribuio conjunta F(x
1
, . . . , x
n
)
e funes de distribuio marginais F
X
1
, . . . , F
X
n
, respectivamente. Ento, X
1
, . . . , X
n
so
independentes se e somente se
F(x
1
, . . . , x
n
) = F
X
1
(x
1
) . . . F
X
n
(x
n
)
para qualquer escolha de x
1
, . . . , x
n
. (Em palavras, a funo de distribuio conjunta se
fatora como o produto das funes de distribuio individuais).
3.3. Critrio para independncia no caso discreto:
As variveis aleatrias discretas X
1
, . . . , X
n
so independentes se e somente se
P(X
1
= x
1
, . . . , X
n
= x
n
) = P(X
1
= x
1
) . . . P(X
n
= x
n
)
1
, . . . , x
n
.
Modelos de distribuies discretas 49
3.4. Critrio para independncia no caso contnuo:
(a) Se X
1
, . . . , X
n
so variveis aleatrias contnuas e independentes, com densidades
respectivas f
X
1
, . . . , f
X
n
, ento a funo f : R
n
R dada por
f(x
1
, . . . , x
n
) = f
X
1
(x
1
) . . . f
X
n
(x
n
), (x
1
, . . . , x
n
) R
n
,
uma densidade conjunta de X
1
, . . . , X
n
.
(b) Suponha que X
1
, . . . , X
n
so variveis aleatrias conjuntamente contnuas, cuja
funo densidade conjunta f satisfaz
f(x
1
, . . . , x
n
) = f
1
(x
1
) . . . f
n
(x
n
), (x
1
, . . . , x
n
) R
n
,
onde f
1
, . . . , f
n
so funes tais que f
i
(x) 0 e
_
f
i
(x) dx = 1 para todo i = 1, . . . , n.
Ento, X
1
, . . . , X
n
so independentes e f
i
uma densidade de X
i
para i = 1, . . . , n.
Corolrio: Sejam X
1
, . . . , X
n
variveis aleatrias conjuntamente contnuas com funo
densidade conjunta f(x
1
, . . . , x
n
) e funes densidade marginais f
X
1
, . . . , f
X
n
, respectiva-
mente. Ento, X
1
, . . . , X
n
so independentes se e somente se
f(x
1
, . . . , x
n
) = f
X
1
(x
1
) . . . f
X
n
(x
n
)
1
, . . . , x
n
.
3.5. Uma coleo innita de variveis aleatrias independente se toda subcoleo nita
dessas variveis aleatrias independente.
3.6. Se X
1
, . . . , X
n
so variveis aleatrias independentes, ento funes contnuas de
famlias disjuntas das X
i
s so independentes.
3.7. Quando falamos de variveis aleatrias, a abreviatura i.i.d. signica independentes e
identicamente distribudas.
4. Modelos de distribuies discretas
Como usual quando se trata de variveis aleatrias, l-se o smbolo como tem dis-
tribuio.
1. X Uniforme discreta sobre o conjunto {x
1
, . . . , x
n
} R se tem funo de proba-
bilidade dada por
P(X = x
i
) =
1
n
, i = 1, . . . , n.
X representa a escolha ao acaso de um elemento do conjunto {x
1
, . . . , x
n
}. O caso
particular em que x
1
= 1, . . . , x
n
= n denotado por X Uniforme Discreta(n).
2. X Bernoulli(p), 0 p 1, se tem funo de probabilidade dada por
P(X = x) = p
x
(1 p)
1x
, x = 0, 1.
X a funo indicadora da ocorrncia de sucesso em um ensaio de Bernoulli (expe-
rimento que tem somente dois resultados possveis: sucesso e fracasso, com proba-
bilidades respectivas p e (1 p)).
3. X Binomial(n, p), n 1 inteiro e 0 p 1, se tem funo de probabilidade dada
por
P(X = x) =
_
n
x
_
p
x
(1 p)
nx
, x = 0, 1, . . . , n.
X o nmero de sucessos obtidos em n ensaios de Bernoulli independentes com
probabilidade de sucesso p em cada ensaio.
importante observar que uma varivel aleatria com distribuio Binomial(n, p)
pode ser escrita como a soma de n variveis aleatrias independentes com distribui-
o Bernoulli(p).
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.
4. X Poisson(), > 0, se tem funo de probabilidade dada por
P(X = x) =
e
x
x!
, x = 0, 1, . . .
5. X Geomtrica(p), 0 < p 1, se tem funo de probabilidade dada por
P(X = x) = p (1 p)
x1
, x = 1, 2, . . .
Modelos de distribuies contnuas 51
X o nmero de ensaios necessrios para obter o primeiro sucesso quando se realiza
uma sequncia de ensaios de Bernoulli independentes com probabilidade de sucesso p
em cada ensaio.
Propriedade fundamental: Falta de memria.
P(X m+n| X m) = P(X n) para m, n = 1, 2, . . .
6. X Binomial Negativa(r, p), r 1 inteiro e 0 < p 1, se tem funo de probabi-
lidade dada por
P(X = x) =
_
x 1
r 1
_
p
r
(1 p)
xr
, x = r, r + 1, . . .
X o nmero de ensaios necessrios para obter o r-simo sucesso quando se realiza
uma sequncia de ensaios de Bernoulli independentes com probabilidade de sucesso p
em cada ensaio.
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).
7. X Hipergeomtrica(n, R, N), n, R, N inteiros, n N, R N, se tem funo de
probabilidade dada por
P(X = x) =
_
N R
n x
__
R
x
__
N
n
_
1
,
para x inteiro tal que mx(0, n N +R) x mn(n, R). X o nmero de bolas
vermelhas em uma amostra de tamanho n, extrada sem reposio de uma urna com
N bolas, das quais R so vermelhas e N R azuis.
5. Modelos de distribuies contnuas
1. X Uniforme(a, b), a, b R, a < b, se tem densidade dada por
f
X
(x) =
1
b a
, a < x < b.
X representa um ponto escolhido ao acaso no intervalo (a, b).
Binomial(10, 2/5)
p(x)
0 10 1 2 3 4 5 6 7 8 9
x
0.15
0.1
0.25
0.2
0.05
Poisson(4)
p(x)
0 10 11 12 1 2 3 4 5 6 7 8 9
x
0.125
0.15
0.175
0.1
0.025
0.05
0.075
Figura 3.3: Funes de probabilidade das distribuies Binomial(10, 2/5) e Poisson(4).
2. X Normal(,
2
), R, > 0, se tem densidade dada por
f
X
(x) =
1
2
e
(x)
2
/(2
2
)
, x R.
Essa distribuio tambm chamada distribuio de Laplace-Gauss. O grco da
densidade f
X
uma curva com forma de sino, centrada no ponto x = . Essa curva,
ilustrada na Figura 3.4, denominada normal ou gaussiana. O parmetro uma
medida da variabilidade da distribuio de X: quanto maior o valor de , mais
variabilidade h na curva (ou seja, menos concentrada perto de a densidade ).
Pode-se demonstrar que:
(i) A funo f
X
simtrica em torno de : f
X
( + x) = f
X
( x) para todo
x R.
(ii) Para qualquer x R, F
X
( +x) +F
X
( x) = 1.
(iii) x = o nico ponto de mximo de f
X
, e o valor mximo 1/(
2).
(iv) f
X
tem dois pontos de inexo (pontos de mudana de concavidade): e
+.
(v) f
X
(x) 0 quando x .
A distribuio normal de parmetros = 0 e = 1 conhecida como normal
padro. Sua importncia deriva do fato de que se pode obter uma varivel aleatria
normal padro a partir de uma normal qualquer. De fato, se X N(,
2
), ento
Z =
X
N(0, 1).
Modelos de distribuies contnuas 53
A funo distribuio da normal padro, denotada por (), tabelada e satisfaz
(z) + (z) = 1 para todo z. A partir dela, podem-se obter probabilidades para
uma varivel aleatria normal qualquer.
3. X Exponencial(), > 0, se tem densidade dada por
f
X
(x) = e
x
, x 0.
Propriedade fundamental: Falta de memria.
P(X s +t | X s) = P(X t) para s, t R com s 0 e t 0.
4. X Gama(, ), > 0, > 0, se tem densidade dada por
f
X
(x) =

()
x
1
e
x
, x 0.
Observao. A funo gama de Euler : (0, ) R denida por
() =
_

0
x
1
e
x
dx, > 0,
e possui as seguintes propriedades:
(i) ( + 1) = (), > 0.
(ii) (n + 1) = n! para n 0 inteiro.
Frequentemente, til saber que
_

0
x
1
e
x
dx =
()
se > 0 e > 0.
5. X Beta(a, b), a > 0, b > 0, se tem densidade dada por
f
X
(x) =
1
B(a, b)
x
a1
(1 x)
b1
, 0 x 1.
Observao. A funo beta de Euler B : (0, ) (0, ) R denida por
B(a, b) =
_
1
0
x
a1
(1 x)
b1
dx, a > 0, b > 0,
e satisfaz B(a, b) = (a) (b)/(a +b).
6. X Cauchy(a, b), a R, b > 0, se tem densidade dada por
f
X
(x) =
1
b
_
1 + [(x a)/b]
2
_
, x R.
A distribuio de Cauchy com parmetros a = 0 e b = 1 denominada Cauchy
padro.
f(x)
+
N(,
2
)
x
Exp(1)
f(x)
1 2 3 4
x
1
0.2
0.4
0.6
0.8
= 1/2, = 1/10
= 2, = 1/4
f(x)
Gama(, )
10 15 20 25 5
x
0.125
0.15
0.1
0.025
0.05
0.075
a = 2, b = 4
a = b = 1/2
a = b = 1
Beta(a, b)
f(x)
1 0.2 0.4 0.6 0.8
x
1
1.5
2
0.5
Figura 3.4: Densidades de algumas distribuies contnuas.
6. Aproximao de Poisson Binomial
Seja X Binomial(n, p), e consideremos Y Poisson(), com = np. Se n grande
e p pequeno de modo que o valor de moderado, podemos aproximar a funo de
probabilidade de X pela funo de probabilidade de Y , isto , para qualquer inteiro k
entre 0 e n,
P(X = k) P(Y = k) =
e
k
k!
.
Aproximao Normal Binomial 55
Essa aproximao justicada pelo Teorema de Poisson (veja-se 3.8 do Captulo 5,
p. 143). Em palavras, se so realizados n ensaios de Bernoulli independentes, cada um
resultando em sucesso com probabilidade p, ento, quando n grande e p pequeno o
suciente a fazer np moderado, o nmero de sucessos que ocorrem tem aproximadamente
distribuio de Poisson com parmetro np. De acordo com duas regras prticas, a apro-
ximao considerada boa se n 20 e p 0,05 ou se n 100 e np 10.
(k)
k
0 10 11 12 13 14 15 16 17 18 1 2 3 4 5 6 7 8 9
0.002
0.004
0.006
0.002
0.004
0.006
Figura 3.5: Grco da funo (k) = P(X = k) P(Y = k), k = 0, . . . , 18, onde X
Binomial(80, 1/20) e Y Poisson(4).
7. Aproximao Normal Binomial
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
= np e
2
= np (1 p). Essa armao justicada pelo Teorema Central do Limite
de De Moivre e Laplace (3.7 do Captulo 5, p. 143), o qual estabelece que, quando n ,
a funo de distribuio da varivel
X np
np (1 p)
converge em todo ponto para a funo de distribuio da normal padro.
Assim, para qualquer inteiro i entre 0 e n,
P(X i) = P
_
X np
np (1 p)

i np
np (1 p)
_

_
i np
np (1 p)
_
.
Visto que estamos aproximando uma varivel aleatria discreta por uma varivel contnua,
podemos fazer o seguinte ajuste:
P(X i) = P(X i + 0,5)
_
i + 0,5 np
np (1 p)
_
,
e, para i j inteiros entre 0 e n,
P(i X j)
_
j + 0,5 np
np (1 p)
_
_
i 0,5 np
np (1 p)
_
.
Esse procedimento de subtrair e somar 0,5 conhecido como correo de continuidade
de Fisher e fornece uma aproximao ligeiramente mais precisa, sendo especialmente
recomendvel quando n no for muito grande.
Dois critrios frequentemente usados so que np 5 e n(1 p) 5 ou np (1 p) 10
implicam uma boa aproximao.
Binomial(75, 2/5) N(30, 18)
20 25 30 35 40 45
0
0.02
0.04
0.06
0.08
Figura 3.6: Funo de probabilidade da distribuio Binomial(75, 2/5) e densidade da distri-
buio N(30, 18).
8. Funes de variveis aleatrias
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 denida por Y = (X) tem densidade dada por
g(y) =
_
_
f(
1
(y))
d
1
(y)
dy
se y ((a, b)),
0 caso contrrio.
Funes de variveis aleatrias 57
R R
X

X
Figura 3.7: Funo de uma varivel aleatria.
Observao. Ao aplicar o resultado anterior, atente para os seguintes tpicos:
1. Obteno da funo inversa: y = y(x) x = x(y).
2. Clculo da derivada da inversa
dx
dy
.
3. Estudo dos valores possveis de Y .
4. Densidade de Y : g(y) = f(x(y))
dx
dy
.
No caso da funo no ser montona, a regra geral expressar F
Y
em termos de F
X
.
8.2. Mtodo do Jacobiano: Sejam X
1
e X
2
variveis aleatrias conjuntamente cont-
nuas com funo densidade conjunta f e suponhamos que f(x
1
, x
2
) > 0 para (x
1
, x
2
) A,
com A um conjunto aberto de R
2
.
Denimos novas variveis aleatrias Y
1
e Y
2
, obtidas a partir das primeiras pela transfor-
mao
y
1
=
1
(x
1
, x
2
), y
2
=
2
(x
1
, x
2
). ()
Suponhamos que:
1. As funes () so contnuas e tm derivadas parciais y
i
/x
j
, i, j = 1, 2, contnuas
em todos os pontos (x
1
, x
2
) A.
2. As funes () denem uma bijeo de A em A
, onde A
a imagem da transfor-
mao.
3. A transformao inversa
x
1
=
1
(y
1
, y
2
), x
2
=
2
(y
1
, y
2
), ()
que existe e nica, tem Jacobiano no-nulo em A
J(y
1
, y
2
) =
(x
1
, x
2
)
(y
1
, y
2
)
= det
_
_
x
1
/y
1
x
1
/y
2
x
2
/y
1
x
2
/y
2
_
_
= 0.
Ento, Y
1
e Y
2
so conjuntamente contnuas com funo densidade conjunta dada por
g(y
1
, y
2
) =
_
_
f(x
1
, x
2
) |J(y
1
, y
2
)| se (y
1
, y
2
) A
,
0 caso contrrio
onde x
1
e x
2
so dados por ().
Como frequentemente mais fcil obter J(x
1
, x
2
) = (y
1
, y
2
)/(x
1
, x
2
), importante
recordar a seguinte relao:
J(y
1
, y
2
) = J(x
1
, x
2
)
1
,
onde x
1
e x
2
so dados por ().
Observao. O Mtodo do Jacobiano naturalmente estendido ao caso n-dimensional.
Seja X
= (X
1
, . . . , X
n
) um vetor aleatrio com densidade f(x
1
, . . . , x
n
) e suponhamos
que Y
= (Y
1
, . . . , Y
n
) = (X
), com bijetora. A aplicao do mtodo consiste, em

resumo, dos seguintes itens:
1. Obteno da transformao inversa: y
= y
(x
) x
= x
(y
).
2. Clculo do determinante Jacobiano da inversa J(y
) =
x
.
3. Estudo dos valores possveis de Y
.
4. Densidade de Y
: g(y
) = f(x
(y
))
J(y
.
O Mtodo do Jacobiano possui uma generalizao no caso de a funo ser bijetora
quando restrita a cada uma de k regies abertas disjuntas cuja unio contm o valor de X
com probabilidade 1. O leitor interessado pode olhar o Teorema 2.1
da Seo 2.7 de
James [15] e o exerccio 105.
8.3. (a) Sejam X e Y duas variveis aleatrias independentes, a valores inteiros, com
funes de probabilidade p
X
e p
Y
, respectivamente. A convoluo de p
X
e p
Y
a funo
p = p
X
p
Y
denida por
p(z) =

x
p
X
(x) p
Y
(z x), z Z.
Funes de variveis aleatrias 59
A funo p(z) a funo de probabilidade da varivel aleatria Z = X +Y .
(b) Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes den-
sidade respectivas f
X
e f
Y
. A convoluo de f
X
e f
Y
a funo f = f
X
f
Y
denida
por
f(z) =
_
+
f
X
(x) f
Y
(z x) dx, z R.
Ento, Z = X +Y tem funo densidade f.
8.4. Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes den-
sidade respectivas f
X
e f
Y
. Ento,
(i) X Y tem funo densidade dada por
f
XY
(z) =
_
+
f
X
(x) f
Y
(x z) dx, z R.
(ii) XY tem funo densidade dada por
f
XY
(z) =
_
+
1
|x|
f
X
(x) f
Y
_
z
x
_
dx, z R.
(iii) Y/X tem funo densidade dada por
f
Y/X
(z) =
_
+
|x| f
X
(x) f
Y
(xz) dx, z R.
Observao. O exerccio 106 ilustra como o Mtodo do Jacobiano til na determinao
das densidades da soma, diferena, produto e quociente de variveis aleatrias contnuas.
8.5. Sejam X
1
, . . . , X
k
variveis aleatrias independentes.
Se X
i
Binomial(n
i
, p), i = 1, . . . , k, ento

k
i=1
X
i
Binomial(
k
i=1
n
i
, p).
Se X
i
Binomial Negativa(r
i
, p), i = 1, . . . , k, ento

k
i=1
X
i
Binomial Negativa
(
k
i=1
r
i
, p).
Se X
i
Poisson(
i
), i = 1, . . . , k, ento

k
i=1
X
i
Poisson(
k
i=1
i
).
Se X
i
Gama(
i
, ), i = 1, . . . , k, ento

k
i=1
X
i
Gama(
k
i=1
i
, ).
Se X
i
N(
i
,
2
i
), i = 1, . . . , k, e a
1
, . . . , a
k
so nmeros reais no todos nulos,
ento

k
i=1
a
i
X
i
N(
k
i=1
a
i
i
,
k
i=1
a
2
i

2
i
).
9. Estatsticas de ordem
Sejam X
1
, X
2
, . . . , X
n
variveis aleatrias i.i.d., contnuas com funo densidade comum f
e funo de distribuio F. Dena Y
i
a i-sima menor de X
1
, X
2
, . . . , X
n
. As variveis
aleatrias Y
1
Y
2
Y
n
so denominadas as estatsticas de ordem associadas a
X
1
, X
2
, . . . , X
n
.
A densidade conjunta de Y
1
, . . . , Y
n
dada por
f
Y
1
,...,Y
n
(y
1
, . . . , y
n
) = n! f(y
1
) . . . f(y
n
), y
1
< y
2
< < y
n
.
Para i < j, a densidade conjunta de Y
i
e Y
j
dada por
f
Y
i
,Y
j
(x, y) =
n!
(i 1)! (j i 1)! (n j)!
[F(x)]
i1
[F(y) F(x)]
ji1
[1 F(y)]
nj
f(x) f(y)
para x < y.
A densidade de Y
i
dada por
f
Y
i
(x) =
n!
(i 1)! (n i)!
[F(x)]
i1
[1 F(x)]
ni
f(x), x R.
Em particular, as densidades de Y
1
= mn{X
1
, . . . , X
n
} e Y
n
= mx{X
1
, . . . , X
n
} so,
respectivamente,
f
Y
1
(x) = nf(x) [1 F(x)]
n1
, x R e
f
Y
n
(x) = nf(x) [F(x)]
n1
, x R.
10. Modelos multidimensionais
1. Distribuio multinomial: Seja o espao amostral associado a um experimento
aleatrio, e suponhamos que {A
1
, . . . , A
n
} uma partio de em n eventos. Ob-
viamente, se p
i
= P(A
i
), ento

n
i=1
p
i
= 1.
Realizam-se m repeties independentes desse experimento. Seja X
i
o nmero de ve-
zes que ocorre o evento A
i
nas m repeties. A varivel n-dimensional (X
1
, . . . , X
n
)
tem distribuio multinomial de parmetros m, p
1
, . . . , p
n
. A funo de probabili-
dade conjunta dada por
P(X
1
= x
1
, . . . , X
n
= x
n
) =
m!
x
1
! . . . x
n
!
p
x
1
1
. . . p
x
n
n
,
Distribuies relacionadas com a normal 61
para x
i
{0, 1, . . . , m} com x
1
+ +x
n
= m.
Note que X
i
Binomial(m, p
i
) para i = 1, . . . , n.
2. Distribuio hipergeomtrica multivariada: Uma urna contm N bolas, das
quais N
1
so da cor 1, N
2
da cor 2, . . . , N
r
da cor r (N = N
1
+ +N
r
). Retiram-se
n bolas sem reposio (n N), e seja X
i
o nmero de bolas da cor i extradas. A
varivel r-dimensional (X
1
, . . . , X
r
) tem distribuio hipergeomtrica multivariada
de parmetros n, N
1
, . . . , N
r
, N. A funo de probabilidade conjunta dada por
P(X
1
= x
1
, . . . , X
r
= x
r
) =
_
N
1
x
1
_
. . .
_
N
r
x
r
__
N
n
_
1
,
para x
i
{0, 1, . . . , n} com x
1
+ +x
r
= n.
Observe que X
i
Hipergeomtrica(n, N
i
, N) para i = 1, . . . , r.
3. Distribuio uniforme: Seja G R
n
um conjunto tal que Vol (G) > 0, onde
Vol (G) o volume n-dimensional de G, denido por
Vol (G) =
_

_
G
dx
1
. . . dx
n
.
A varivel n-dimensional X
= (X
1
, . . . , X
n
) tem distribuio uniforme em G se tem
densidade
f(x
1
, . . . , x
n
) =
_
_
_
1 / Vol (G) se (x
1
, . . . , x
n
) G,
0 caso contrrio.
Ento, para B R
n
,
P(X
B) =
Vol (B G)
Vol (G)
.
Esse modelo corresponde escolha ao acaso de um ponto em G.
11. Distribuies relacionadas com a normal
11.1. As distribuies denidas a seguir so fundamentais no estudo de procedimentos
de estimao estatstica.
1. Se Z
1
, . . . , Z
n
so variveis aleatrias independentes e identicamente distribudas,
com distribuio N(0, 1), ento a varivel X = Z
2
1
+ + Z
2
n
tem distribuio
qui-quadrado com n graus de liberdade, denotada
2
n
.
A distribuio
2
n
a Gama(n/2, 1/2).
2. Se X e Y so variveis aleatrias independentes, X N(0, 1) e Y
2
n
, ento a
varivel
T =
X
Y/n
tem distribuio t de Student com n graus de liberdade, denotada t
n
. A densidade
dessa varivel dada por
f
T
(t) =
(
n+1
2
)
n (
n
2
)
1
(1 +t
2
/n)
(n+1)/2
, t R.
A distribuio t
1
a Cauchy padro.
3. Se X e Y so variveis aleatrias independentes, X
2
m
e Y
2
n
, ento a varivel
U =
X/m
Y/n
tem distribuio F de Snedecor com m e n graus de liberdade, denotada F(m, n). A
densidade dessa varivel dada por
f
U
(u) =
(
m+n
2
)
(
m
2
) (
n
2
)
m
m/2
n
n/2
u
m/21
(n +mu)
(m+n)/2
, u > 0.
Se X F(m, n), ento 1/X F(n, m).
11.2. Sejam X
1
, . . . , X
n
variveis aleatrias independentes e identicamente distribudas,
com distribuio N(,
2
). Denimos
X =
n
i=1
X
i
n
= Mdia amostral e
S
2
=
n
i=1
(X
i

X)
2
n 1
=
n
i=1
X
2
i
n

X
2
n 1
= Varincia amostral.
Ento,

X e S
2
so variveis aleatrias independentes, com

X N(,
2
/n) e (n
1) S
2
/
2

2
n1
. Da, segue que
n
(

X )
S
t
n1
.
Exerccios 63
Exerccios
Variveis aleatrias: Denies e propriedades bsicas,
Modelos discretos e contnuos
1. Seja X uma varivel aleatria discreta com funo de probabilidade dada por
p(x) = c x, x = 1, 2, . . . , 6.
Encontre:
(a) o valor de c.
(b) a probabilidade de X ser um nmero mpar.
2. Seja X uma varivel aleatria discreta com funo de probabilidade dada por
p(x) =
c
4
x
, x = 0, 1, . . .
Obtenha:
(a) o valor de c.
(b) a probabilidade de X ser um nmero par.
3. Seja X uma varivel aleatria discreta com funo de distribuio dada por
F(x) =
_
_
0 se x < 0,
1/2 se 0 x < 1,
3/5 se 1 x < 2,
4/5 se 2 x < 3,
9/10 se 3 x < 4,
1 se x 4.
(a) Determine a funo de probabilidade de X.
(b) Calcule P(X = 0 | X par).
4. Quinze pessoas portadoras de determinada doena so selecionadas para se submeter
a um tratamento. Sabe-se que este tratamento ecaz na cura da doena em 80% dos
casos. Suponha que os indivduos submetidos ao tratamento curam-se (ou no) indepen-
dentemente uns dos outros e considere X o nmero de curados dentre os 15 pacientes
submetidos ao tratamento.
(a) Qual a distribuio de X?
(b) Qual a probabilidade de que os 15 pacientes sejam curados?
(c) Qual a probabilidade de que pelo menos dois no sejam curados?
5. Um estudante preenche por adivinhao um exame de mltipla escolha com 5 respostas
possveis (das quais uma correta) para cada uma de 10 questes.
(a) Qual a distribuio do nmero de respostas certas?
(b) Qual a probabilidade de que o estudante obtenha 9 ou mais respostas certas?
(c) Qual a probabilidade de que acerte pelo menos duas questes?
6. Um computador foi usado para gerar sete nmeros aleatrios no intervalo [0, 1]. Calcule
a probabilidade de que
(a) exatamente trs nmeros estejam entre 1/2 e 1.
(b) menos do que trs sejam maiores que 3/4.
7. Em 1693, Samuel Pepys escreveu uma carta para Isaac Newton propondo-lhe um pro-
blema de probabilidade, relacionado a uma aposta que planejava fazer. Pepys perguntou
o que mais provvel: obter pelo menos um 6 quando 6 dados so lanados, obter pelo
menos dois 6 quando 12 dados so lanados, ou obter pelo menos trs 6 quando 18 dados
so lanados. Newton escreveu trs cartas a Pepys e nalmente o convenceu de que o
primeiro evento mais provvel. Calcule as trs probabilidades.
8. Um aluno estuda 12 exerccios, dos quais o professor vai escolher 6 aleatoriamente para
uma prova. O estudante sabe resolver 9 dos 12 problemas. Seja X o nmero de exerccios
resolvidos por ele na prova.
(b) Calcule a probabilidade de que o aluno resolva ao menos 5 exerccios da prova.
9. Um lote de componentes eletrnicos contm 20 itens, dos quais 5 so defeituosos.
Seleciona-se ao acaso uma amostra de 5 itens. Calcule a probabilidade de que a amostra
contenha no mximo um item defeituoso se
(a) a amostragem feita com reposio.
(b) a amostragem feita sem reposio.
10. Um aqurio tem 3 peixes exticos gordinhos e 7 desnutridos. O gato Flix pega ao
acaso 3 peixes do aqurio; os 3 so gordinhos e Flix se prepara para com-los. Nesse
momento, aparece o seu dono, um probabilista famoso, que diz: Flix, voc vai tentar
repetir 3 vezes isso que acaba de fazer. Se voc conseguir o feito de pegar os 3 gordinhos
em pelo menos duas das trs vezes, eu deixarei que voc os coma. Se no conseguir, vai
comer a sua rao de costume. Qual a probabilidade de que Flix coma os peixes?
11. Em uma pizzaria com entrega em domiclio, 30% dos pedidos por telefone so de mais
de uma pizza. Certo dia, o dono decide mandar um brinde ao cliente que zer o primeiro
pedido com mais de uma pizza. Seja X o nmero de pedidos recebidos at o ganhador do
brinde.
(b) Determine o menor nmero de pedidos necessrio para garantir que o brinde saia
com probabilidade maior que 0,9.
Exerccios 65
12. Setenta por cento da populao de uma cidade tm computador em casa. Se um pes-
quisador para muncipes ao acaso na rua at encontrar uma pessoa que tenha computador
em casa, qual a probabilidade de que ele precise
(a) de exatamente quatro tentativas?
(b) de pelo menos quatro tentativas?
13. Um vendedor de porta em porta consegue realizar a venda em 40% das visitas que
faz. Ele planeja efetuar no mnimo duas vendas por dia. Seja X o nmero de visitas feitas
at que a segunda venda seja efetivada.
(b) Calcule a probabilidade de que o vendedor faa no mximo seis visitas para concluir
as duas vendas.
14. O nmero de erros tipogrcos numa pgina de determinado livro uma varivel
aleatria com distribuio de Poisson de parmetro 1/2. Encontre a probabilidade de que
haja trs ou mais erros tipogrcos nesta pgina. Calcule esta probabilidade dado que h
pelo menos um erro nesta pgina.
15. Um contador Geiger registra o nmero de partculas emitidas por um material ra-
dioativo. Suponha que o nmero de partculas que o material emite por segundo uma
varivel aleatria com distribuio de Poisson de parmetro 3. Obtenha a probabilidade
de que, em um segundo, sejam registradas
(a) no mximo duas partculas.
(b) no mnimo duas partculas.
16. O nmero X de acidentes de trabalho que ocorrem em uma fbrica por semana segue
uma distribuio de Poisson. Sabendo que a porcentagem de semanas em que ocorre um
acidente um tero da porcentagem de semanas em que no acontece nenhum, calcule:
(a) o parmetro da distribuio.
(b) a probabilidade de que ocorra um acidente em uma semana e tambm um na
semana seguinte.
A partir de uma data, a direo da fbrica vai registrar o nmero Y de semanas
decorridas at uma semana com ao menos um acidente.
(c) Qual a distribuio de Y ?
(d) Obtenha a probabilidade de que a semana com acidente seja a quarta na contagem.
17. 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?
Soluo. (a) Notamos que X assume os valores 0, 1, 2, 3 e consideramos os eventos
V
i
: O time estrangeiro conquista a vitria contra o time i, i = 1, 2, 3.
Sabemos que V
1
, V
2
e V
3
so independentes, com P(V
1
) = 1/4, P(V
2
) = 1/2 e P(V
3
) = 2/5.
Ento,
P(X = 0) = P(V
1
c
V
2
c
V
3
c
) = P(V
1
c
) P(V
2
c
) P(V
3
c
) =
3
4
1
2
3
5
=
9
40
,
P(X = 1) = P(V
1
V
2
c
V
3
c
) +P(V
1
c
V
2
V
3
c
) +P(V
1
c
V
2
c
V
3
)
=
1
4
1
2
3
5
+
3
4
1
2
3
5
+
3
4
1
2
2
5
=
9
20
,
P(X = 2) = P(V
1
V
2
V
3
c
) +P(V
1
V
2
c
V
3
) +P(V
1
c
V
2
V
3
)
=
1
4
1
2
3
5
+
1
4
1
2
2
5
+
3
4
1
2
2
5
=
11
40
,
P(X = 3) = P(V
1
V
2
V
3
) =
1
4
1
2
2
5
=
1
20
.
(b) A probabilidade de que o time estrangeiro obtenha pelo menos uma vitria
P(X 1) = 1 P(X = 0) =
31
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,
portanto, pela Frmula da probabilidade total,
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
1
20
+
4
5
11
40
= 0,27.
Exerccios 67
(d) Pela Frmula de Bayes,
P(X = 3 | F) =
P(F | X = 3) P(X = 3)
P(F)
=
1/20
27/100
=
5
27
0,185.
18. Quatro casais convidados para um jantar comparecem independentemente, com pro-
babilidades 0,9, 0,8, 0,75 e 0,64. Encontre a funo de probabilidade do nmero de casais
presentes ao jantar.
19. Um revendedor de componentes eltricos os compra em lotes de 10 peas. Seu controle
de qualidade consiste em inspecionar 3 componentes selecionados aleatoriamente de um
lote e aceitar o lote somente se os 3 componentes no so defeituosos. Sabe-se que 30%
dos lotes tm 4 componentes defeituosos e 70% tm apenas 1 componente defeituoso. Dos
3 componentes selecionados de um lote, seja X o nmero de componentes defeituosos.
(a) Obtenha a funo de probabilidade de X.
(b) Qual a probabilidade de que um lote seja aceito?
20. Uma urna contm cinco bolas numeradas de 1 a 5. Duas bolas so retiradas simulta-
neamente. Obtenha a funo de probabilidade e faa o grco da funo de distribuio
das seguintes variveis aleatrias:
(a) o maior nmero sorteado.
(b) a soma dos nmeros retirados.
21. Um encanador tem em sua caixa de ferramentas dez pares de parafusos e porcas, de
tamanhos distintos, de forma que os elementos de um par no se intercambiam com os de
outro. Ele escolhe ao acaso dois parafusos e duas porcas.
(a) Obtenha a funo de probabilidade do nmero de pares certos.
(b) Qual a probabilidade de que o encanador retire ao menos um par correto?
22. Quatro bombons iguais so distribudos aleatoriamente a quatro pessoas. Seja X o
nmero de pessoas que no ganham nenhum bombom.
(a) Encontre a funo de probabilidade de X.
(b) Repita o item (a), supondo que os bombons so diferentes entre si.
23. Verique que as seguintes funes so densidades:
(a) f(x) =
_
_
1/8 se 0 x 2,
3/4 se 4 x 5,
0 caso contrrio.
(b) f(x) =
_
_
_
1 |1 x| se 0 x 2,
0 caso contrrio.
(c) f(x) =
_
_
2/3 se 1 x 0,
2 (x 1)/3 se 0 x 1,
0 caso contrrio.
(d) f(x) = 3 (1 x)
2
, 0 x 1.
(e) f(x) = 4 x e
2x
, x 0.
(f) f(x) = sen x, 0 x /2.
24. Seja X uma varivel aleatria contnua com densidade dada por
f(x) =
c
x
3
, x 1.
Obtenha:
(a) o valor de c.
(b) a probabilidade de X ser maior que 2.
(c) a funo de distribuio de X.
25. Seja X uma varivel aleatria com densidade dada por
f(x) =
_
_
a (1 +x) se 0 < x 1,
2/3 se 1 < x 2,
0 caso contrrio.
Obtenha:
(a) o valor de a. (b) P(0,5 < X 1,5).
26. Seja X uma varivel aleatria com funo de distribuio dada por
F(x) =
_
_
0 se x < 1,
log x se 1 x < e,
1 se x e.
(a) Prove que de fato F uma funo de distribuio.
(b) Explique por que X contnua e obtenha a densidade de X.
27. Seja X uma varivel aleatria com funo de distribuio dada por
F(x) =
_
_
0 se x < 0,
x
2
/2 se 0 x < 1,
3/4 se 1 x < 2,
(x + 1)/4 se 2 x < 3,
1 se x 3.
(a) Demonstre que de fato F uma funo de distribuio.
(b) Determine as seguintes probabilidades: P(X = 1/2), P(X = 1), P(X < 1),
P(X > 2), P(1/2 < X < 5/2) e P(X = 1 | X < 2).
(c) Justique por que X no discreta, nem contnua.
Exerccios 69
28. Se Y tem distribuio uniforme em (0, 5), qual a probabilidade de que as razes da
equao 4 x
2
+ 4 x Y +Y + 2 = 0 sejam ambas reais?
29. Numa populao, o nvel srico de colesterol em adultos (medido em mg/dl) uma
varivel aleatria com distribuio normal com parmetros = 225 e = 75. Calcule:
(a) a proporo de pessoas com nvel de colesterol entre 200 e 350.
(b) o valor acima do qual se encontra o colesterol da parcela de 10% da populao que
tem os nveis mais elevados.
Soluo. (a) Seja X o nvel de colesterol de uma pessoa selecionada aleatoriamente da
populao. Ento, X N(225, 75
2
) e portanto:
Z =
X 225
75
N(0, 1).
Da, consultando a tabela da funo de distribuio da normal padro (apresentada no
nal do livro),
P(200 X 350) = P
_
200 225
75
Z
350 225
75
_
= P(0,33 Z 1,67)
= (1,67) (0,33) = (1,67) (1 (0,33))
0,9525 (1 0,6293) = 0,5818.
Assim, 58,2% da populao tem nvel de colesterol entre 200 e 350.
(b) Desejamos obter o valor de a tal que P(X a) = 0,1. Ento, P(X a) = 0,9, logo
P
_
Z
a 225
75
_
= 0,9.
Procurando na tabela da distribuio normal padro, temos que o valor de z tal que
(z) = 0,9 z = 1,28. Consequentemente,
a 225
75
= 1,28 a = 225 + 1,28 . 75 = 321.
Portanto, a parcela de 10% da populao que tem os nveis mais elevados de colesterol
delimitada pelo limiar 321.
30. Seja X N(5, 16). Obtenha:
(a) P(X 13).
(b) P(X 1).
(c) P(4 X 9).
(d) o valor de a tal que P(X a) = 0,04.
(e) o valor de b tal que P(X b) = 0,01.
(f) o intervalo que contm 95% dos valores centrais de X.
31. Em uma fbrica de refrigerante, uma mquina usada para encher garrafas de 600 ml.
O contedo lquido (em ml) por garrafa varia segundo a distribuio normal com par-
metros = 600 e = 4. Calcule:
(a) a porcentagem de garrafas produzidas com contedo inferior a 592 ml ou superior
a 612 ml.
(b) o valor do contedo excedido por 96% das garrafas fabricadas.
32. Suponha que o tempo em horas que um estudante precisa para aprender uma matria
de Geograa uma varivel aleatria com distribuio normal. Se 84,13% dos alunos usam
mais de 3 horas e somente 2,28% levam mais de 9 horas para aprender a matria, quais
so os parmetros da distribuio?
33. O peso em gramas dos recm-nascidos em uma maternidade tem distribuio normal
com parmetro = 3000. Sabe-se que 98% dos bebs nascem com um peso compreendido
entre 2,5 e 3,5 quilos. Determine:
(a) o parmetro .
(b) o peso abaixo do qual nascem 0,4% dos bebs dessa maternidade.
34. O dimetro em centmetros das bolinhas de gude em um lote tem distribuio normal
com parmetro = 1. Um tero das bolinhas tem dimetro maior que 1,1 cm. Obtenha:
(a) o parmetro .
(b) a proporo de bolinhas cujo dimetro est entre 0,8 e 1,2 cm.
(c) o valor do dimetro superado por 80% das bolinhas do lote.
35. O salrio mensal em reais de um trabalhador da empresa A tem distribuio normal
com parmetros
A
= 1800 e
A
= 300; para a empresa B, os parmetros da distribuio
normal so
B
= 2000 e
B
= 200. A empresa A tem o triplo de funcionrios da
empresa B. Se uma pessoa escolhida aleatoriamente entre os trabalhadores das duas
empresas, qual a probabilidade de que receba mais de 2200 reais por ms?
36. 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?
37. O tempo de vida til em anos de um eletrodomstico uma varivel aleatria com
densidade dada por
f(x) =
x e
x/2
4
, x > 0.
(a) Mostre que de fato f uma densidade.
(b) Se o fabricante d um tempo de garantia de seis meses para o produto, qual a
proporo de aparelhos que devem usar essa garantia?
Exerccios 71
(c) Dado que um aparelho est funcionando aps um ano, qual a probabilidade de que
dure pelo menos dois anos?
38. Uma loja de comrcio eletrnico envia e-mails com ofertas especiais a seus clientes
cadastrados. Suponha que, aps o recebimento de uma mensagem, a proporo de clientes
que efetivam uma compra uma varivel aleatria com densidade dada por
f(x) = c x(1 x)
5
, 0 x 1.
(a) Encontre o valor de c.
(b) Calcule a probabilidade de que um e-mail resulte em alguma compra para mais de
50% dos seus destinatrios.
39. A proporo de ferro puro em amostras de hematita extradas de uma regio tem
distribuio Beta(4, 2). Obtenha a probabilidade de que uma amostra contenha
(a) mais de 75% de ferro puro.
(b) menos de 30% de ferro puro.
40. Uma reserva ecolgica tem um pssaro raro, que costuma aparecer aos turistas em
um bosque. Suponha que um turista que chega ao bosque espera para v-lo um tempo
em minutos com densidade dada por
f(x) =
e
x/2
+e
x/4
6
, x 0.
(a) Prove que de fato f uma densidade.
(b) Calcule a probabilidade de que um turista espere mais de dois minutos para avistar
o pssaro.
(c) Um turista que j esperou dois minutos sem ter visto o pssaro tem qual probabi-
lidade de v-lo se aguardar mais cinco minutos?
41. Dena uma coleo de eventos E
a
, 0 < a < 1, satisfazendo a propriedade de que
P(E
a
) = 1 para todo a, mas P(
a
E
a
) = 0.
Sugesto: Seja X com distribuio uniforme em (0, 1) e dena cada E
a
em termos de X.
42. Razo de Mill: Denote respectivamente por e a densidade e a funo de
distribuio de uma varivel aleatria com distribuio N(0, 1).
(a) Prove que para todo x > 0,
_
1
x

1
x
3
_
(x) 1 (x)
(x)
x
.
A importncia desses limitantes decorre do fato de no haver uma frmula fechada para .
(b) Obtenha de (a) que
lim
x
1 (x)
(x)/x
= 1.
Sugesto: (a) Use que 1
3
y
4
1 1 +
1
y
2
para y > 0 e que
d
dy
_
(y)
y
_
=
_
1 +
1
y
2
_
(y),
d
dy
__
1
y

1
y
3
_
(y)
_
=
_
1
3
y
4
_
(y).
Aproximaes de Poisson e normal distribuio binomial
43. Suponha que 1% das lmpadas de enfeite de Natal de certa marca apresentem defeito.
Estime a probabilidade de que uma caixa com 30 lmpadas contenha no mximo uma
lmpada com defeito.
44. 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.
45. H 180 inscritos em um congresso com durao de 5 dias. Obtenha uma aproximao
para a probabilidade de que ao menos um deles faa aniversrio durante o congresso.
46. Aproximadamente 80000 casamentos foram celebrados no Rio de Janeiro durante o
ano passado. Estime a probabilidade de que para pelo menos um desses casais ambos os
cnjuges tenham nascido no dia 30 de abril. Deixe claras as suas hipteses.
47. 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.
48. 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.
49. Em uma indstria, fabricam-se dispositivos eltricos, que so vendidos em caixas
com 400 unidades. Suponha que cada dispositivo funciona adequadamente com probabi-
lidade 0,98. A companhia deseja garantir aos revendedores que mais de k dispositivos por
caixa funcionam. Qual o maior valor de k tal que pelo menos 93% das caixas satisfaam
essa garantia?
50. Se apenas 10% das pessoas conseguem perceber a diferena entre duas marcas de
cerveja, estime a probabilidade de que, em uma amostra aleatria de 196 pessoas, mais
de 29 consigam distingui-las.
51. Uma prova consiste de 108 questes de verdadeiro ou falso.
(a) Suponha que um estudante tem probabilidade 3/4 de acertar cada questo. Estime
a probabilidade de que ele acerte pelo menos 86 questes.
(b) Responda a questo anterior, supondo que o estudante sabe as respostas de metade
das questes da prova e simplesmente chuta a outra metade.
Exerccios 73
52. Se 55% da populao de uma cidade a favor de um projeto proposto pelo prefeito,
estime a probabilidade de que, em uma amostra aleatria de 176 pessoas, no mximo 93
sejam favorveis ao projeto.
53. Uma companhia area sabe que, das pessoas que fazem uma reserva para certo voo,
somente 90% comparecem. Por isso, ela aceita reservas em quantidade maior do que a
capacidade do avio, de 144 assentos. Supondo que as decises das pessoas em comparecer
ao voo so independentes, quantas reservas a companhia pode fazer, se quer estar 99%
certa de que haver lugar para todos os passageiros que compaream?
54. O tempo de vida em horas de chips de computador produzidos por uma indstria tem
distribuio normal com parmetros = 1,4 . 10
6
e
2
= 9 . 10
10
. Obtenha uma estimativa
para a probabilidade de que um lote de 100 chips contenha pelo menos 20 chips que durem
menos que 1,8 . 10
6
horas.
55. Um produtor de sementes as vende em pacotes com 50 unidades. Suponha que cada
semente germina com probabilidade 99%, independentemente das demais. O produtor
promete substituir, sem custo ao comprador, qualquer pacote com 3 ou mais sementes
que no germinem.
(a) Use a aproximao de Poisson para estimar a probabilidade de que um pacote
precise ser substitudo.
(b) Use a aproximao normal para estimar a probabilidade de que o produtor tenha
que substituir mais que 70 dos ltimos 4000 pacotes vendidos.
Distribuies conjuntas, Independncia
e transformaes de variveis aleatrias
56. Sejam X e Y variveis aleatrias discretas cuja funo de probabilidade conjunta
dada pela seguinte tabela:
X \ Y 1 2
0 0,05 0,15
1 0,3 0
2 0,05 0,45
(a) Obtenha as funes de probabilidade marginais de X e Y .
(b) So X e Y independentes?
(c) Determine as seguintes probabilidades: P(X = 2 | Y = 2), P(Y = 2 | X 1),
P(X +Y > 2), P(0 < X 2 | Y = 1) e P(XY 1).
(d) Encontre as distribuies conjunta e marginais de U = X +Y e V = mx{X, Y }.
57. Sejam X e Y variveis aleatrias discretas com funo de probabilidade conjunta
p(x, y) =
_
_
_
c xy se x {1, 2, 3, 4}, y {1, 2, 3, 4} e x +y 5,
0 caso contrrio.
(a) Determine o valor de c.
(c) Qual a probabilidade de que X seja mpar, dado que X +Y par?
58. 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.
59. 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?
60. Dois dados honestos so lanados. Obtenha a funo de probabilidade conjunta do
maior valor X e do menor valor Y obtidos, bem como as marginais.
61. Sejam X o mnimo e Y o mximo de trs nmeros sorteados ao acaso, sem reposio,
do conjunto {0, 1, . . . , 9}.
(b) Obtenha a funo de probabilidade de Z = Y X.
62. Um nmero aleatrio N de dados so lanados. Suponha que
P(N = i) =
1
2
i
, i = 1, 2, . . .
A soma dos resultados S. Encontre as probabilidades de que
(a) N = 2 dado que S = 3.
(b) S = 3 dado que N par.
63. Um dado honesto lanado 20 vezes, de modo independente. Para i = 1, . . . , 6, seja
X
i
o nmero de vezes que ocorre a face i.
(a) Qual a distribuio do vetor aleatrio (X
1
, . . . , X
6
)?
(b) Dado que a face 6 foi obtida em 5 lanamentos, qual a probabilidade de que as
faces 1, 2 e 5 tenham ocorrido 8, 3 e 4 vezes, respectivamente?
64. O conselho de um departamento universitrio formado por dois professores titulares,
seis associados, quatro adjuntos, um assistente e um aluno. Visando a preparar uma
reviso da estrutura curricular, seleciona-se ao acaso uma comisso de cinco membros.
Denote por X
1
, X
2
, X
3
, X
4
e X
5
o nmero de titulares, associados, adjuntos, assistentes
e alunos na comisso, respectivamente.
(a) Qual a distribuio do vetor aleatrio (X
1
, . . . , X
5
)?
Exerccios 75
(b) Calcule a probabilidade de que na comisso haja um professor titular, dois asso-
ciados e um aluno.
65. Modelo de Maxwell-Boltzmann. Distribuem-se k bolas distinguveis em n ur-
nas, sendo permitido colocar mais de uma bola na mesma urna. Suponha que todas as
conguraes so igualmente provveis. Seja X
j
o nmero de bolas na urna j.
Demonstre que
(a) P(X
1
= k
1
, . . . , X
n
= k
n
) =
k!
k
1
! . . . k
n
!
n
k
para k
j
0 com

n
j=1
k
j
= k.
(b) P(X
1
= i) =
_
k
i
_
_
1
n
_
i
_
1
1
n
_
ki
, i = 0, . . . , k.
(c) lim
n,k, k/n(0,)
P(X
1
= i) =
e
i
i!
, i = 0, 1, . . .
66. Modelo de Bose-Einstein. Distribuem-se k bolas indistinguveis em n urnas, sendo
permitido colocar mais de uma bola na mesma urna. Suponha que todas as conguraes
so igualmente provveis. Seja X
j
o nmero de bolas na urna j.
Mostre que
(a) P(X
1
= k
1
, . . . , X
n
= k
n
) =
_
n +k 1
n 1
_
1
para k
j
0 com

n
j=1
k
j
= k.
(b) P(X
1
= i) =
_
n +k i 2
n 2
__
n +k 1
n 1
_
1
, i = 0, . . . , k.
(c) lim
n,k, k/n(0,)
P(X
1
= i) =
1
+ 1
_

+ 1
_
i
, i = 0, 1, . . .
67. Considere a distribuio aleatria de k bolas em n urnas como explicada nos exerc-
cios 65 e 66. Suponha que k n e seja A o evento de que nenhuma urna que vazia.
Prove que, no caso do modelo de Maxwell-Boltzmann,
P(A) =
n
i=0
(1)
i
_
n
i
_
_
1
i
n
_
k
e, para o modelo de Bose-Einstein,
P(A) =
_
k 1
n 1
__
n +k 1
n 1
_
1
.
68. Sejam X
1
e X
2
variveis aleatrias independentes e identicamente distribudas, com
P(X
1
= 1) = P(X
1
= 1) = 1/2. Considere X
3
= X
1
X
2
. As variveis aleatrias X
1
, X
2
e X
3
so independentes? So independentes duas a duas?
69. 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 (1p). 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. Justique e use que
P(Y = y, Z = z) = P(Y = y, Z = z | X = x) P(X = x) =
_
x
y
_
p
y
(1 p)
z
e
x
x!
.
70. O nmero de pessoas atendidas a cada dia no pronto-socorro do hospital de uma
cidade tem distribuio de Poisson com parmetro 8. A porcentagem de pessoas que
requerem hospitalizao de 10%.
(a) Calcule a probabilidade de que em um dia mais de uma pessoa seja encaminhada
hospitalizao.
(b) Dado que nenhuma pessoa foi hospitalizada em certo dia, qual a probabilidade de
que mais de duas pessoas tenham sido atendidas no pronto-socorro?
71. Sejam X
0
, X
1
, . . . variveis aleatrias i.i.d., com P(X
0
= 1) = P(X
0
= 1) = 1/2.
Considere Z
n
=

n
j=0
X
j
, n 0. Mostre que Z
0
, Z
1
Sugesto: Por induo em n, prove que para todo n 0,
P(Z
n
= 1) = P(Z
n
= 1) = 1/2 e
P(Z
0
= 1, Z
1
= 1, . . . , Z
n
= 1) = 1/2
n+1
.
Da, use o tpico 2.10 para concluir que Z
0
, Z
1
72. Sejam X e Y variveis aleatrias com funo densidade conjunta
f(x, y) =
6
7
_
x
2
+
xy
2
_
, 0 < x < 1, 0 < y < 2.
(a) Prove que de fato f uma densidade.
(b) Determine as densidades marginais de X e Y .
(c) Calcule P(X > Y ).
(d) Obtenha P(Y > 1 | X < 1/2).
f(x, y) =
_
_
_
c (y x) se 0 x y 1,
0 caso contrrio.
Obtenha o valor de c e as distribuies marginais de X e Y .
Exerccios 77
f(x, y) = c exp
_
25
32
_
x
2
3xy
5
+
y
2
4
__
, x, y R.
Determine o valor de c e as distribuies marginais de X e Y .
75. Um romancista se comprometeu com seu editor a entregar a cada 30 dias um captulo
do livro que est escrevendo; esse tem sido o seu mtodo de trabalho h vrios anos. Sejam
X o nmero de dias que o escritor demora para redigir a primeira verso de um captulo,
e Y o nmero total de dias que tarda para ter o captulo pronto, incluindo a reviso e a
correo de erros. Suponha que X e Y tm densidade conjunta
f(x, y) =
_
_
_
c x(30 y) se 0 x y 30,
0 caso contrrio.
(a) Obtenha o valor de c.
(c) Calcule a probabilidade de que o romancista termine um captulo em no mximo
25 dias.
(d) Encontre a probabilidade de que o tempo gasto redigindo a primeira verso seja
superior ao tempo de reviso e correo de erros.
(e) Qual a probabilidade de que o escritor demore menos de 15 dias revisando e cor-
rigindo um captulo?
76. Uma empresa de varejo vende produtos em uma rede de lojas fsicas e por meio da
internet. Sejam X a proporo mensal de vendas de eletrodomsticos sobre o total de
vendas das lojas fsicas, e Y a proporo mensal correspondente ao comrcio virtual.
Suponha que a densidade conjunta de X e Y dada por
f(x, y) = 2 x y, 0 < x < 1, 0 < y < 1.
(a) Mostre que de fato f uma densidade conjunta.
(c) Obtenha a probabilidade de que em um ms a venda de eletrodomsticos represente
mais de 80% das vendas das lojas fsicas.
(d) Calcule a probabilidade de que a proporo mensal de eletrodomsticos vendidos
pela internet seja maior do que aquela das lojas fsicas.
(e) Dado que os eletrodomsticos representaram mais de 60% das vendas das lojas
fsicas em um ms, qual a probabilidade de que o mesmo tenha acontecido com a
loja virtual?
(f) Encontre a probabilidade de que em um ms as propores X e Y no diram por
mais de 50%.
f(x, y) = 2 (x +y 2 x y), 0 x 1, 0 y 1.
(a) Determine as distribuies marginais de X e Y e responda se so independentes.
(b) Calcule P(|X Y | 1/2).
78. Sejam X e Y variveis aleatrias com densidade conjunta dada por
f(x, y) =
_
_
_
120 x (y x) (1 y) se 0 < x < y < 1,
0 caso contrrio.
(a) Determine as distribuies marginais de X e Y .
(b) Mostre que P(X zY ) = 3 z
2
2 z
3
para z (0, 1).
(c) Usando o item (b), obtenha a distribuio de X/Y .
79. Seja OA um segmento de R de comprimento a. Escolhem-se dois pontos P
1
e P
2
em OA de forma aleatria e independente. Denote por X
1
e X
2
os comprimentos dos
segmentos OP
1
e OP
2
, respectivamente.
Dentre P
1
e P
2
, sejam Y
1
o ponto mais prximo a O e Y
2
o ponto mais prximo a A.
Dena M
1
e M
2
os comprimentos dos segmentos OY
1
e OY
2
, respectivamente.
(a) Calcule a funo de distribuio da varivel aleatria M = distncia entre P
1
e P
2
.
(b) Encontre a densidade de M.
(c) Determine a probabilidade de que com os trs segmentos OY
1
, Y
1
Y
2
e Y
2
A seja
possvel construir um tringulo.
Soluo. (a) Temos que X
1
e X
2
so variveis aleatrias independentes, ambas com
distribuio uniforme em [0, a]. Ento, o par (X
1
, X
2
) tem distribuio uniforme em
B = [0, a] [0, a]. Alm disso,
M
1
= mn{X
1
, X
2
},
M
2
= mx{X
1
, X
2
} e
M = M
2
M
1
= |X
1
X
2
|.
Queremos calcular F
M
(y) = P(M y) = P(|X
1
X
2
| y), y R.
Claramente, se y 0, ento F
M
(y) = 0.
Para y > 0, denimos o conjunto A
y
= {(u, v) R
2
: |u v| y}, portanto
F
M
(y) = P((X
1
, X
2
) A
y
) =
rea (A
y
B)
rea (B)
.
Se y > a, ento A
y
B = B, logo F
M
(y) = 1.
Exerccios 79
Por outro lado, se 0 < y a, ento (veja-se a Figura 3.8)
F
M
(y) =
a
2
(a y)
2
a
2
=
2ay y
2
a
2
.
Assim, a funo de distribuio de M dada por
F
M
(y) =
_
_
0 se y 0,
(2ay y
2
)/a
2
se 0 < y a,
1 se y > a.
(b) Como F
M
contnua e derivvel por partes, obtemos a densidade de M derivando F
M
:
f
M
(y) =
_
_
_
2(a y)/a
2
se 0 < y < a,
0 caso contrrio.
Note que os valores de f
M
nos pontos 0 e a so arbitrrios.
(c) Recordamos que M
1
= mn{X
1
, X
2
}, M
2
= mx{X
1
, X
2
} e M = M
2
M
1
. Os
segmentos com os quais se deseja construir um tringulo tm comprimentos M
1
, M e
a M
2
, logo poder constru-lo equivalente a pedir que
M
1
< M +a M
2
, M < M
1
+a M
2
e a M
2
< M
1
+M.
Assim, precisamos calcular P(M
1
< a/2, M < a/2, M
2
> a/2). Denimos o conjunto
C = {(u, v) R
2
: mn{u, v} < a/2, |u v| < a/2, mx{u, v} > a/2}. Ento,
P(M
1
< a/2, M < a/2, M
2
> a/2) = P((X
1
, X
2
) C) =
rea (C B)
rea (B)
=
1
4
.
u
v
a
a
y
y 0
A
y
B
u
v
a
a
a/2
a/2 0
C B
Figura 3.8: Exerccio 79 Clculos de F
M
e do item (c).
80. 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.
81. Em uma espcie de ave de rapina, a envergadura em centmetros das fmeas tem
distribuio normal com parmetros
F
= 168,75 e
F
= 6,5. Nos machos, a envergadura
tem distribuio normal com parmetros
M
= 162,5 e
M
= 6. Se uma fmea e um
macho sero capturados para anilhamento, qual a probabilidade de que o macho tenha
envergadura maior que a fmea?
82. Um elevador tem capacidade mxima de 500 kg. Suponha que o peso em kg de uma
pessoa adulta tem distribuio normal com parmetros = 75 e
2
= 96. Obtenha a
probabilidade de que o peso total de seis passageiros adultos exceda a capacidade mxima
do elevador.
83. A precipitao anual (medida em centmetros) em uma localidade tem distribuio
normal com parmetros = 240 e
2
= 900. Calcule as seguintes probabilidades:
(a) de que em cada um dos prximos dois anos a precipitao que entre 204 e 276 cm.
(b) de que a precipitao total durante os prximos dois anos que entre 420 e 540 cm.
(c) de que a precipitao no ano que vem exceda a do ano seguinte por mais que 90 cm.
Suponha que as precipitaes totais dos prximos dois anos so independentes.
84. A nota de um estudante em um exame vestibular tem distribuio normal com par-
metros = 75 e
2
= 64. Uma amostra aleatria de nove provas selecionada. Obtenha
as seguintes probabilidades:
(a) de que exatamente duas provas na amostra tenham nota superior a 83.
(b) de que a mdia das nove provas escolhidas seja maior que 80.
85. 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 .
86. Sejam X e Y variveis aleatrias independentes, com distribuio de Poisson com
parmetros respectivos e . Prove que Z = X +Y Poisson( +).
87. Sejam X e Y variveis aleatrias independentes, com X Geomtrica(p
1
) e Y
Geomtrica(p
2
). Determine a distribuio de Z = mn{X, Y }.
88. Seja U uma varivel aleatria com distribuio uniforme no intervalo aberto (0, 1).
Dado p (0, 1), obtenha a distribuio da varivel aleatria
X =
_
log
1p
U
_
=
_
log U
log(1 p)
_
,
onde [a] denota a parte inteira de a.
89. Seja X uma varivel aleatria com distribuio exponencial de parmetro . Deni-
mos uma nova varivel aleatria por Y = [X] + 1, onde [X] denota a parte inteira de X.
Obtenha a distribuio de Y .
Exerccios 81
90. Seja F uma funo de distribuio. A inversa contnua esquerda de F a funo
F
1
: (0, 1) R dada por
F
1
(t) = inf{x R : F(x) t} para t (0, 1).
(a) Explique por que F
1
est bem denida e mostre que
F
1
(t) x t F(x).
(b) Prove que se U U(0, 1), ento a varivel aleatria X = F
1
(U) tem funo de
distribuio F.
91. Em uma indstria, uma mquina usada para fabricar esferas de rolamentos com
5 centmetros de dimetro. Desajustes na mquina fazem com que as esferas tenham
tamanhos diferentes do padro. Suponha que o erro no dimetro (em cm) de uma esfera
produzida uma varivel aleatria X com densidade
f
X
(x) =
1
2
e
|x|
, x R.
No processo de fabricao, so aceitas apenas as esferas cujos erros no dimetro estiverem
entre 0,5 e 0,5 cm; as demais so descartadas. Seja Y o erro no dimetro de uma esfera
aceita segundo essa especicao.
(a) Determine a funo de distribuio de Y .
(b) Obtenha a densidade de Y .
(c) Qual a probabilidade de que uma esfera aceita tenha dimetro maior que 5,2 cm?
92. O tempo de durao em horas de um componente eletrnico tem distribuio expo-
nencial de parmetro 1/8. O departamento de controle de qualidade da fbrica que o
produz descarta todos os componentes que falham nas trs primeiras horas, e os restantes
so comercializados.
(a) Determine a densidade da durao em horas de um componente comercializado.
(b) Qual a probabilidade de um componente comercializado durar mais que 12 horas?
93. 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 [15].
94. Encontre a densidade de Y = e
2X
, onde X tem distribuio exponencial de parme-
tro 1.
Soluo. A densidade de X dada por
f(x) = e
x
, x > 0.
Consideremos a funo : (0, ) (0, 1) dada por (x) = e
2x
. Ento, decrescente,
diferencivel e
y = (x) = e
2x
x =
1
(y) =
1
2
log y,
dx
dy
=
1
2 y
.
A densidade de Y = e
2X
, portanto,
g(y) = f(
1
(y))
dx
dy
=
1
2
y
, 0 < y < 1.
95. Distribuio Log-normal. Seja Y = e
X
, onde X tem distribuio N(0, 1). Encon-
tre a densidade de Y .
96. Seja X uma varivel aleatria com distribuio uniforme em (0, /2). Obtenha a
densidade de Y = sen X.
97. Determine a densidade de Y = arcsen X quando
(a) X tem distribuio uniforme em (0, 1).
(b) X tem distribuio uniforme em (1, 1).
98. Seja X Gama(, ), > 0, > 0, e considere a > 0. Encontre a distribuio da
varivel aleatria Y = a X.
99. Seja X F(m, n), m, n 1 inteiros, ou seja, X tem densidade dada por
f(x) =
(
m+n
2
)
(
m
2
) (
n
2
)
m
m/2
n
n/2
x
m/21
(n +mx)
(m+n)/2
, x > 0.
Mostre que 1/X F(n, m).
100. Encontre a densidade de Y = |X|, onde X tem distribuio N(0, 1).
101. Seja X N(0, 1). Por denio, a varivel aleatria Y = X
2
tem distribuio
qui-quadrado com 1 grau de liberdade, denotada
2
1
.
(a) Obtenha a densidade de Y .
(b) Deduza que a distribuio
2
1
idntica Gama(1/2, 1/2) e que (1/2) =

.
f(x) =

2
e
|x|
, x R,
onde > 0. Determine a distribuio da varivel aleatria Y = |X|.
Exerccios 83
f(x) =
_
_
1/2 se 1 < x < 0,
e
x
/2 se x 0,
0 caso contrrio.
Obtenha a densidade de Y = X
2
.
104. Sejam X e Y variveis aleatrias i.i.d. com funo densidade comum
f(x) =
_
_
_
1/x
2
se x > 1,
0 caso contrrio.
(a) Calcule a densidade conjunta de Z e W, onde Z = XY e W = X/Y .
(b) So Z e W independentes?
Soluo. (a) Notamos que a densidade conjunta de X e Y dada por
f
X,Y
(x, y) =
_
_
_
1/(x
2
y
2
) se x > 1, y > 1,
0 caso contrrio.
Sejam B
0
= {(x, y) R
2
: x > 1, y > 1} e B = {(z, w) : z > w > 0, zw > 1}.
Consideremos a funo : B
0
B denida por (x, y) = (xy, x/y). Ento, uma
funo bijetora,
1
(z, w) = (
zw,
z/w) e o Jacobiano de
1
igual a 1/(2w). Como
(Z, W) = (X, Y ), a densidade conjunta de Z e W dada por
f
Z,W
(z, w) =
_
_
f
X,Y
(
zw,
z/w)
1
2w
se z > w > 0, zw > 1,
0 caso contrrio.
Assim,
f
Z,W
(z, w) =
_
_
_
1/(2z
2
w) se z > w > 0, zw > 1,
0 caso contrrio.
(b) Observamos que
f
Z
(z) =
_
_
_
_
z
1/z
1/(2z
2
w) dw se z > 1,
0 caso contrrio.
Logo,
f
Z
(z) =
_
_
_
log(z)/z
2
se z > 1,
0 caso contrrio.
Ademais,
f
W
(w) =
_
_
_
1/w
1/(2z
2
w) dz se 0 < w 1,
_
w
1/(2z
2
w) dz se w > 1,
0 caso contrrio.
Portanto,
f
W
(w) =
_
_
1/2 se 0 < w 1,
1/(2w
2
) se w > 1,
0 caso contrrio.
Visto que a densidade conjunta no o produto das marginais, conclumos que Z e W
no so independentes.
105. Sejam X e Y variveis aleatrias independentes, ambas com distribuio exponencial
de parmetro 1. Calcule a densidade conjunta de U = |X Y | e V = X +Y , bem como
as marginais.
Soluo. Sejam A = {(x, y) R
2
: x > 0, y > 0}, A
= {(u, v) R
2
: 0 < u < v} e
denimos a funo : A A
por (x, y) = (|x y|, x + y). Observamos que no

bijetora, mas podemos utilizar o mtodo resumido no Teorema 2.1
da Seo 2.7 de
James [15]. Denimos A
(1)
= {(x, y) A : y x > 0} e A
(2)
= {(x, y) A : y x < 0}.
Ento,
1
:= |
A
(1) e
2
:= |
A
(2) so funes bijetoras com inversas
1
1
(u, v) =
_
v u
2
,
u +v
2
_
e
1
2
(u, v) =
_
u +v
2
,
v u
2
_
.
Aplicando o teorema, obtemos que, para 0 < u < v, a densidade conjunta de U e V
f
U,V
(u, v) = f
X,Y
_
v u
2
,
u +v
2
_
1
2
+f
X,Y
_
u +v
2
,
v u
2
_
1
2
.
Portanto,
f
U,V
(u, v) =
_
_
_
e
v
se 0 < u < v,
0 caso contrrio.
Com respeito s marginais, um clculo simples mostra que U Exp(1) e V Gama(2, 1).
106. 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 f
X
e f
Y
, respectivamente.
Soluo. Consideremos a transformao e sua inversa
_
_
_
w = x
z = x y
_
_
_
x = w
y = z/w
com Jacobiano J(w, z) = 1/w. (Recorde-se de que P(W = 0) = 0).
Ento, a densidade conjunta de W e Z
g(w, z) = f
_
w,
z
w
_
1
|w|
.
Portanto, a densidade de Z = XY dada por
f
Z
(z) =
_

f
_
x,
z
x
_
1
|x|
dx.
Exerccios 85
Assim, se X e Y so independentes com densidades respectivas f
X
e f
Y
,
f
Z
(z) =
_

f
X
(x) f
Y
_
z
x
_
1
|x|
dx.
No clculo de um caso particular, caso se prera aplicar diretamente a frmula obtida,
preciso estar atento aos valores que Z assume e aos limites da integral.
107. Sejam X e Y variveis aleatrias independentes, com X Exp() e Y Exp(),
> 0, > 0. Determine a densidade de Z = X +Y nos seguintes casos:
(a) = .
(b) = .
f(x, y) =
x
(1 +x)
2
(1 +xy)
2
, x > 0, y > 0.
Mostre que X e XY so independentes e identicamente distribudas e determine a sua
distribuio.
f(x, y) = e
x
2
y
, x > 1, y > 0.
Prove que U = 1/X e V = X
2
Y so independentes, U U(0, 1) e V Exp(1).
110. 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).

111. 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
f
R
(r) = r e
r
2
/2
, r > 0.
112. Sejam X e Y variveis aleatrias independentes, X Gama(r, ) e Y Gama(s, ),
onde > 0, r > 0 e s > 0. Mostre que P = X + Y e Q = X/(X + Y ) tambm so
independentes, P Gama(r +s, ) e Q Beta(r, s).
113. Encontre a distribuio de (X Y )/(X + Y ) se X e Y so variveis aleatrias
independentes e
(a) X, Y Exp(1).
(b) X, Y N(0, 1).
f(x, y) =
_
_
_
6y se 0 < y < x < 1,
0 caso contrrio.
(a) Determine as densidades marginais de X e Y . So X e Y independentes?
(b) Calcule a funo densidade de Z = Y/X.
f(x, y) =
_
_
_
x e
y
se 0 < x < y < ,
0 caso contrrio.
(a) Obtenha as densidades marginais de X e Y . So X e Y independentes?
(b) Determine a densidade de Z = Y X.
116. As variveis aleatrias X e Y representam, respectivamente, a renda e o consumo por
ms, em milhes de reais, dos trabalhadores de uma empresa. Suponha que a densidade
conjunta de X e Y dada por
f(x, y) =
_
_
1
6
x
1/2
y
1/2
se 0 < y < x < 3,
0 caso contrrio.
(a) A renda e o consumo so independentes?
(b) Determine a funo densidade do quociente entre o consumo e a renda desses
trabalhadores.
117. Seja X a varivel aleatria que representa o peso em toneladas de uma certa mer-
cadoria 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
f(x, y) =
_
_
1
10 x
se 0 < y < x < 10,
0 caso contrrio.
(a) Obtenha a densidade do peso da mercadoria que sobra armazenada ao nal do
ms.
(b) Calcule a probabilidade de que o peso da mercadoria armazenada ao incio do ms
seja superior a 8 toneladas e o peso da mercadoria vendida inferior a 4 toneladas.
(c) Dado que em um ms as vendas no superaram 5 toneladas, qual a probabilidade
de que ao nal do ms restem armazenadas mais do que 3 toneladas?
118. Sejam X e Y variveis aleatrias com funo densidade conjunta dada por
f(x, y) =
_
_
_
k xy se x 0, y 0 e x +y 1,
0 caso contrrio.
(a) Obtenha k.
(b) Calcule as densidades marginais de X e Y .
Exerccios 87
(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 = XY , bem como as marginais.
119. Sejam X
1
, X
2
e X
3
variveis aleatrias com funo densidade conjunta
f(x
1
, x
2
, x
3
) =
2 x
2
1
x
2
e
x
1
x
2
x
3
2 e 5
, 0 < x
1
, x
2
, x
3
< 1.
Obtenha a densidade de X
1
X
2
X
3
.
120. Sejam X, Y e Z variveis aleatrias com funo densidade conjunta
f(x, y, z) =
6
(1 +x +y +z)
4
, x, y, z > 0.
Determine a densidade de X +Y +Z.
121. Sejam Y
1
, Y
2
e Y
3
as estatsticas de ordem associadas s variveis aleatrias inde-
pendentes X
1
, X
2
e X
3
, uniformemente distribudas em (0, 1). Obtenha:
(a) P(Y
1
+Y
3
1).
(b) P(Y
3
< Y
1
+Y
2
).
(c) P(Y
3
> 2 Y
1
).
(d) o valor de a tal que P(Y
3
> a Y
1
) = 1/2.
122. Uma mquina tem quatro componentes idnticos, cujos tempos de durao em anos
so variveis aleatrias independentes e identicamente distribudas, com distribuio ex-
ponencial de parmetro 1/4. Determine a densidade do tempo de durao da mquina,
supondo que ela falha
(a) quando todos os componentes tiverem falhado.
(b) quando um dos componentes falhar.
(c) quando restar apenas um componente funcionando.
Nos trs casos anteriores, obtenha a probabilidade de que a mquina dure pelo menos
5 anos.
123. 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 nalize a sua ligao e cada pessoa se retira da
central uma vez terminado o seu telefonema. Sejam X
1
, X
2
e X
3
os tempos das ligaes
de A, B e C, respectivamente. Suponha que X
1
, X
2
e X
3
so variveis aleatrias i.i.d.
com distribuio exponencial de parmetro .
(a) Determine a densidade de Z = mx{X
1
, X
2
} mn{X
1
, X
2
}.
(b) Calcule P(Z < X
3
).
(c) O que representa a probabilidade calculada no item (b)?
124. Sejam X
1
, . . . , X
n
com distribuio exponencial de parmetro . Considere Y
1
, . . . , Y
n
as estatsticas de
ordem associadas, e dena
Z
1
= Y
1
e Z
j
= Y
j
Y
j1
, j = 2, . . . , n.
Prove que Z
1
, . . . , Z
n
so independentes e Z
j
Exp((n j + 1)), j = 1, . . . , n.
125. Sejam X
1
, . . . , X
n
com distribuio uniforme em (0, 1). Considere Y
1
, . . . , Y
n
as estatsticas de ordem asso-
ciadas, e dena
V
i
=
Y
i
Y
i+1
, i = 1, . . . , n 1 e V
n
= Y
n
.
Demonstre que V
1
, . . . , V
n
so independentes e V
i
Beta(i, 1), i = 1, . . . , n.
126. Um ponto escolhido ao acaso em um tringulo com base b e altura h. Determine
a densidade da distncia do ponto base do tringulo.
127. 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 .
128. Sejam
1
e
2
variveis aleatrias independentes, ambas com distribuio uniforme
em (0, 2). Ento, P
1
= (X
1
, Y
1
) = (cos
1
, sen
1
) e P
2
= (X
2
, Y
2
) = (cos
2
, sen
2
)
so dois pontos escolhidos de forma aleatria e independente na circunferncia de raio
unitrio. Considere Z = (X
1
X
2
)
2
+ (Y
1
Y
2
)
2
o quadrado da distncia entre P
1
e P
2
.
Calcule a densidade da varivel aleatria Z.
Sugesto: Dena
=
_
_
_
|
1
2
| se |
1
2
| < ,
2 |
1
2
| se |
1
2
| < 2
e mostre que para 0 < y < ,
P( y) = P(|
1
2
| y) +P(2 y |
1
2
| < 2) =
y
.
(Ou seja, tem distribuio uniforme em (0, )). Ento, use que Z = 2 2 cos .
Respostas
1. (a) 1/21 (b) 3/7
2. (a) 3/4 (b) 4/5
3. (a) P(X = 0) = 1/2, P(X = 1) = P(X = 3) = P(X = 4) = 1/10, P(X = 2) = 1/5
(b) 5/8
Respostas 89
4. (a) Binomial(15, 0,8) (b) 0,035 (c) 0,83
5. (a) Binomial(10, 1/5) (b) 4,2 . 10
6
(c) 0,62
6. (a) 35/128 (b) 12393/16384
7. As probabilidades so 0,665, 0,619 e 0,597, aproximadamente.
8. (a) Hipergeomtrica(6, 9, 12) (b) 1/2
9. (a) 81/128 (b) 819/1292
10. 358/120
3
0,000207
11. (a) Geomtrica(0,3) (b) 7
12. (a) 0,0189 (b) 0,027
13. (a) Binomial Negativa(2, 2/5) (b) 0,7667
14. 0,014; 0,036
15. (a) 0,4232 (b) 0,8009
16. (a) 1/3 (b) 0,057 (c) Geomtrica(1 e
1/3
) (d) 0,1043
18. p(0) = 0,0018, p(1) = 0,032, p(2) = 0,1862, p(3) = 0,4344, p(4) = 0,3456
19. (a) P(X = 0) = 0,54, P(X = 1) = 0,36, P(X = 2) = 0,09, P(X = 3) = 0,01
(b) 0,54
20. (a) p(2) = 1/10, p(3) = 1/5, p(4) = 3/10, p(5) = 2/5
(b) p(x) = 1/10 para x {3, 4, 8, 9} e p(x) = 1/5 para x {5, 6, 7}
21. (a) p(0) = 28/45, p(1) = 16/45, p(2) = 1/45 (b) 17/45
22. (a) p(0) = 1/35, p(1) = 12/35, p(2) = 18/35, p(3) = 4/35
(b) p(0) = 3/32, p(1) = 9/16, p(2) = 21/64, p(3) = 1/64
24. (a) 2 (b) 1/4 (c) F(x) =
_
1 x
2
se x 1,
0 se x < 1.
25. (a) 2/9 (b) 19/36
26. (a) Verique que F no-decrescente, contnua, lim
x
F(x) = 0 e lim
x+
F(x) = 1.
(b) F contnua em R e derivvel em toda a reta, com exceo de um nmero nito
de pontos. Uma densidade de X dada por
f(x) =
_
_
_
1/x se 1 x e,
0 caso contrrio.
27. (a) F no-decrescente, contnua direita, lim
x
F(x) = 0 e lim
x+
F(x) = 1.
(b) 0, 1/4, 1/2, 1/4, 3/4 e 1/3, respectivamente.
(c) F crescente no intervalo (2, 3) e descontnua no ponto 1.
28. 3/5
30. (a) 0,9772 (b) 0,8413 (c) 0,44 (d) 2 (e) 14,32 (f) [2,84; 12,84]
31. (a) 2,41% (b) 593 ml
32. = 5 e = 2
33. (a) 214,6 (b) 2431 g
34. (a) 0,2325 (b) 0,6102 (c) 0,805 cm
35. 0,1085
36. 0,068
37. (b) 2,65% (c) 0,8087
38. (a) 42 (b) 0,0625
39. (a) 0,3672 (b) 0,0308
40. (b) 0,527 (c) 0,7611
43. 0,9631
44. (a) 0,1339 (b) 0,2851 (c) 0,9380
45. 0,9151
46. 0,4515
47. 0,8363
Respostas 91
48. 0
49. 387
50. 0,0125
51. (a) 0,1335 (b) 0,0869
52. 0,281
53. 150
54. 1
55. (a) 0,0144 (b) 0,0495
56. (a) p
X
(0) = 0,2, p
X
(1) = 0,3, p
X
(2) = 0,5 e p
Y
(1) = 0,4, p
Y
(2) = 0,6.
(b) No.
(c) 0,75, 0,3, 0,5, 0,875 e 0,5, respectivamente.
(d)
U \ V 1 2 p
U
(u)
1 0,05 0 0,05
2 0,3 0,15 0,45
3 0 0,05 0,05
4 0 0,45 0,45
p
V
(v) 0,35 0,65 1
57. (a) 1/85 (b) No (c) 9/41
58.
X \ Y 0 1 2 p
X
(x)
1 1/10 1/10 1/10 3/10
2 2/5 1/5 0 3/5
3 1/10 0 0 1/10
p
Y
(y) 3/5 3/10 1/10 1
59. (a)
X \ Y 0 1 2 p
X
(x)
0 1/30 1/10 1/30 1/6
1 1/5 4/15 1/30 1/2
2 1/5 1/10 0 3/10
3 1/30 0 0 1/30
p
Y
(y) 7/15 7/15 1/15 1
(b) P(Y 1) = 8/15 (c) P(X > Y ) = 8/15
60.
X \ Y 1 2 3 4 5 6 p
X
(x)
1 1/36 0 0 0 0 0 1/36
2 1/18 1/36 0 0 0 0 3/36
3 1/18 1/18 1/36 0 0 0 5/36
4 1/18 1/18 1/18 1/36 0 0 7/36
5 1/18 1/18 1/18 1/18 1/36 0 9/36
6 1/18 1/18 1/18 1/18 1/18 1/36 11/36
p
Y
(y) 11/36 9/36 7/36 5/36 3/36 1/36 1
61. (a) P(X = x, Y = y) =
y x 1
120
, 0 x 7, x + 2 y 9
P(X = x) =
(9 x)(8 x)
240
, 0 x 7 P(Y = y) =
y(y 1)
240
, 2 y 9
(b) P(Z = z) =
(10 z)(z 1)
120
, 2 z 9
62. (a) 24/169 (b) 1/24
63. (a) Distribuio multinomial com parmetros m = 20 e p
i
= 1/6, i = 1, . . . , 6.
(b) 7,4 . 10
6
64. (a) Distribuio hipergeomtrica multivariada com parmetros n = 5, N
1
= 2, N
2
=
6, N
3
= 4, N
4
= 1, N
5
= 1 e N = 14.
(b) 0,0749
68. X
1
, X
2
e X
3
no so independentes, mas so independentes duas a duas.
70. (a) 0,1912 (b) 0,9745
72. (b) f
X
(x) =
6
7
x (2x + 1), 0 < x < 1, f
Y
(y) =
1
14
(3y + 4), 0 < y < 2
(c) 15/56 (d) 13/20
73. c = 6, X Beta(1, 3) e Y Beta(3, 1)
74. c =
5
16
, X N(0, 1) e Y N(0, 4)
75. (a) 1/33750 (b) No (c) P(Y 25) = 125/144
(d) P(X > Y X) = P(Y < 2 X) = 3/4 (e) P(Y X < 15) = 15/16
76. (b) No (c) P(X > 0,8) = 0,12 (d) P(X < Y ) = 0,5
(e) P(Y > 0,6 | X > 0,6) = 0,2286 (f) P(|X Y | 0,5) = 0,75
77. (a) X, Y U[0, 1], no so independentes. (b) 17/48
Respostas 93
78. (a) X Beta(2, 4) e Y Beta(4, 2) (c) X/Y Beta(2, 2)
80. (a) 1/6 (b) 1/2
81. 0,2389
82. 0,0188
83. (a) 0,5926 (b) 0,8414 (c) 0,017
84. (a) 0,2705 (b) 0,0301
85. P(Y = k) =
_
6
(k + 6)/2
_
_
1
2
_
6
, k = 6, 4, 2, 0, 2, 4, 6
87. Geomtrica(1 (1 p
1
)(1 p
2
))
88. P(X = k) = p (1 p)
k
, k = 0, 1, . . .
89. Geomtrica(1 e
)
91. (a) F
Y
(y) =
_
_
0 se y < 0,5,
0,5 e
y
0,5 e
0,5
1 e
0,5
se 0,5 y < 0,
1 0,5 e
y
0,5 e
0,5
1 e
0,5
se 0 y < 0,5,
1 se y 0,5.
(b) f
Y
(y) =
0,5 e
|y|
1 e
0,5
, 0,5 y 0,5
(c) 0,2697
92. (a) f(y) = (1/8) exp{(y 3)/8}, y > 3 (b) 0,3247
93. (a) F
Y
(y) =
_
_
0 se y < 2,
y 2/10 se 2 y < 102,

1 se y 102.
(b) F
W
(w) =
_
_
0 se w < 2,
w/10 se 2 w < 4,
1 se w 4.
(c) F
Z
(z) =
_
_
0 se z < 0,
z/5 se 0 z < 4,
z/10 + 2/5 se 4 z < 6,
1 se z 6.
95. f
Y
(y) = y
1
(2)
1/2
exp{(log y)
2
/2}, y > 0
96. f
Y
(y) = 2/(
1 y
2
), 0 < y < 1
97. (a) f
Y
(y) = cos y, 0 < y < /2 (b) f
Y
(y) = (1/2) cos y, /2 < y < /2
98. Gama(, /a)
100. f
Y
(y) = (2/)
1/2
exp{y
2
/2}, y > 0
101. (a) f
Y
(y) = y
1/2
e
y/2
/
2, y > 0
102. Y Exp()
103. f
Y
(y) =
_
_
1
4
y
_
1 +e
y
_
se 0 y < 1,
1
4
y
e
y
se y 1,
0 caso contrrio.
107. (a) f
Z
(z) =

_
e
z
e
z
_
, z > 0
(b) f
Z
(z) =
2
z e
z
, z > 0 (Z Gama(2, )).
108. f
X
(x) = f
XY
(x) =
1
(1 +x)
2
, x > 0
113. (a) U(1, 1) (b) Cauchy(0, 1)
114. (a) f
X
(x) = 3 x
2
, 0 < x < 1, f
Y
(y) = 6 y (1 y), 0 < y < 1;
X e Y no so independentes.
(b) f
Z
(z) = 2 z, 0 < z < 1
115. (a) f
X
(x) = x e
x
, x > 0, f
Y
(y) =
1
2
y
2
e
y
, y > 0;
(b) f
Z
(z) = e
z
, z > 0
Respostas 95
116. (a) f
X
(x) =
1
9
x
2
, 0 < x < 3, f
Y
(y) =
1
9
y
1/2
(3
3/2
y
3/2
), 0 < y < 3;
(b) f
Y/X
(z) =
3
2
z
1/2
, 0 < z < 1
117. (a) f
Z
(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
118. (a) k = 24 (b) f
X
(x) = f
Y
(x) = 12 x (1 x)
2
, 0 x 1 (c) No
(d) P(X Y ) = 1/2, P(X 1/2 | X +Y 3/4) = 1/9 e P(X
2
+Y
2
1) = 1
(e) g(u, v) = 3 (u
2
v
2
), u v u 1;
f
U
(u) = 4 u
3
, 0 u 1; f
V
(v) = 1 3 v
2
+ 2 |v
3
|, 1 v 1
119. f
X
1
X
2
X
3
(y) =
(1 y)
2
e
y
2 e 5
, 0 < y < 1
120. f
X+Y +Z
(w) =
3 w
2
(1 +w)
4
, w > 0
121. (a) 1/2 (b) 1/2 (c) 3/4 (d) 2 +
2
122. (a) f(y) = e
y/4
(1 e
y/4
)
3
, y > 0
(b) f(y) = e
y
, y > 0
(c) f(y) = 3 e
y/2
(1 e
y/4
)
2
, y > 0
Probabilidades: (a) 0,7408 (b) 0,006738 (c) 0,3246
123. (a) Z Exp() (Primeiro, obtenha a densidade conjunta de Y
1
= mn{X
1
, X
2
} e
Y
2
= mx{X
1
, X
2
} e depois use o Mtodo do Jacobiano para mostrar que Y
1
e Z so
independentes com Y
1
Exp(2) e Z Exp()).
(b) 1/2 (Note que X
3
e Z so independentes, ambas com distribuio Exp()).
(c) a probabilidade de que, dentre as trs pessoas, C seja a ltima a sair da central
telefnica.
126. f(y) = 2(h y)/h
2
, y [0, h]
127. f
Y/X
(z) =
_
_
1/2 se 0 < z 1,
1/(2 z
2
) se z > 1,
0 caso contrrio.
f
() =
_
_
1/(2 cos
2
) se 0 < /4,
1/(2 sen
2
) se /4 < < /2,
0 caso contrrio.
128. f
Z
(z) =
1
2
z z
2
/4
, z (0, 4)
Captulo 4
Esperana
1. Denies e propriedades
1.1. A esperana (mdia, valor esperado) de uma varivel aleatria X denida por
X
= E(X) =
_
x
x P(X = x) se X discreta,
_

x f(x) dx se X contnua com densidade f.

A esperana est denida somente quando a soma (integral) bem denida. Assim,
E(X) =
_
x0
x P(X = x)
x<0
(x) P(X = x) se X discreta,
_
x0
x f(x) dx
_
x<0
(x) f(x) dx se X contnua com densidade f
e portanto E(X) est denida 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 denida 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

P(X = x) =
1
2 |x| (1 +|x|)
, x Z
.
Para ver por que esta uma funo de probabilidade, note que
k=1
1
k (1 +k)
=

k=1
_
1
k

1
1 +k
_
= 1.
Como

x>0
x P(X = x) =

x<0
(x) P(X = x) = , E(X) no existe.
Observao. A esperana pode ser denida de uma forma mais geral, sem se restringir
hiptese de que a varivel aleatria seja discreta ou contnua. Matematicamente, espe-
ranas so integrais com respeito a funes de distribuio ou medidas de probabilidade.
Para mais detalhes, veja-se, por exemplo, a Seo 4 do Captulo 2 de Gut [13].
98 Esperana
1.2. Para qualquer funo g a valores reais,
E[g(X)] =
_
x
g(x) P(X = x) se X discreta,
_

g(x) f(x) dx se X contnua com densidade f,

desde que a soma (integral) exista.
Observao. Esse teorema possibilita a obteno da mdia da varivel aleatria Y = g(X),
mesmo que no se conhea a distribuio de Y . Por ter sido erroneamente tratada como
se fosse a denio de E(Y ), essa frmula recebeu o famigerado nome de Lei do estatstico
inconsciente.
1.3. Dizemos que a varivel aleatria X integrvel se E(X) nita. 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
2
X
= Var(X) = E((X )
2
) = E(X
2
)
2
.
Se
2
X
< , ento
X
=
_
Var(X) chamado o desvio padro de X.
1.6. Nas tabelas 4.1 e 4.2 (p. 104 e 105), so apresentadas a esperana e a varincia das
principais distribuies discretas e contnuas.
1.7. Se a e b so constantes, ento
E(a X +b) = a E(X) +b e Var(a X +b) = a
2
Var(X).
1.8. Se E|X|
t
nita para algum t > 0, ento E|X|
s
nita para todo 0 s t.
1.9. (a) Se X uma varivel aleatria inteira e no-negativa, ento
E(X) =

n=1
P(X n).
(b) Se X uma varivel aleatria contnua que assume apenas valores no-negativos,
ento
E(X) =
_

0
P(X > t) dt.
Denies e propriedades 99
1.10. Critrio para integrabilidade: Seja X uma varivel aleatria qualquer. Ento,
n=1
P(|X| n) E|X| 1 +

n=1
P(|X| n).
Assim, X integrvel se e somente se

n=1
P(|X| n) < .
1.11. (a) Se X e Y tm uma funo de probabilidade conjunta p(x, y), ento
E[(X, Y )] =

x
y
(x, y) p(x, y).
(b) Se X e Y tm uma funo densidade conjunta f(x, y), ento
E[(X, Y )] =
_

(x, y) f(x, y) dx dy.

1.12. Se P(X Y ) = 1, ento E(X) E(Y ).
1.13. E
_
n
i=1
X
i
_
=
n
i=1
E(X
i
).
1.14. Se X
1
, . . . , X
n
so independentes, ento
E
_
n
i=1
X
i
_
=
n
i=1
E(X
i
).
1.15. A covarincia entre duas variveis aleatrias X e Y integrveis dada por
Cov(X, Y ) = E((X
X
)(Y
Y
)) = E(XY ) E(X) E(Y ).
Assim, Cov(X, Y ) = 0 se X e Y so independentes. (Porm a recproca no sempre
verdadeira).
1.16. Cov
_
n
i=1
a
i
X
i
,
m
j=1
b
j
Y
j
_
=
n
i=1
m
j=1
a
i
b
j
Cov(X
i
, Y
j
), onde os a
i
e b
j
so nmeros
reais.
1.17. Var
_
n
i=1
X
i
_
=
n
i=1
Var(X
i
) + 2

1i<jn
Cov(X
i
, X
j
).
1.18. Var
_
n
i=1
X
i
_
=
n
i=1
Var(X
i
) se X
1
, . . . , X
n
so independentes.
Observao. Recorde-se de que 1.13 e 1.17 so teis para determinar a esperana e a
varincia de muitas variveis aleatrias pelo uso de funes indicadoras.
100 Esperana
1.19. Sejam X e Y variveis aleatrias com varincias nitas e positivas. O coeciente
de correlao entre X e Y denido por
(X, Y ) =
Cov(X, Y )
X

Y
= E
__
X
X
X
__
Y
Y
Y
__
,
onde
X
=
_
Var(X) e
Y
=
_
Var(Y ).
Propriedades:
(i) |(X, Y )| 1.
(ii) Se (X, Y ) = 1, ento os valores de X e Y pertencem a uma reta.
2. Distribuio e esperana condicionais
2.1. Caso discreto: Se X e Y so variveis aleatrias discretas, a funo de probabilidade
condicional de X dado que Y = y denida por
p
X|Y
(x | y) = P(X = x | Y = y) =
p(x, y)
p
Y
(y)
,
para todos os valores de y tais que p
Y
(y) > 0. Neste caso, a esperana condicional de X
dado que Y = y
E(X | Y = y) =

x
x p
X|Y
(x | y).
2.2. Caso contnuo: Se X e Y so conjuntamente contnuas com funo densidade
conjunta f(x, y), a funo densidade condicional de X dado que Y = y denida para
todos os valores de y tais que f
Y
(y) > 0 por
f
X|Y
(x | y) =
f(x, y)
f
Y
(y)
.
A esperana condicional de X dado que Y = y , neste caso,
E(X | Y = y) =
_

x f
X|Y
(x | y) dx.
2.3. Para B R,
P(X B| Y = y) =
_
xB
P(X = x | Y = y) no caso discreto,
_
B
f
X|Y
(x | y) dx no caso contnuo.
Funes geradoras 101
2.4. A esperana condicional de X dado que Y = y simplesmente a esperana de X com
respeito distribuio condicional de X dado que Y = y. Assim, desfruta de propriedades
anlogas s da esperana comum. Por exemplo,
E(a X
1
+b X
2
| Y = y) = a E(X
1
| Y = y) +b E(X
2
| Y = y);
E(g(X) | Y = y) =
_
x
g(x) P(X = x | Y = y) no caso discreto,
_

g(x) f
X|Y
(x | y) dx no caso contnuo.
2.5. Princpio da substituio para a esperana condicional:
Se (X, Y ) integrvel, ento
E ((X, Y ) | Y = y) = E ((X, y) | Y = y) .
Corolrio: Se g(X) e g(X) h(Y ) so integrveis, ento
E (g(X) h(Y ) | Y = y) = h(y) E (g(X) | Y = y) .
2.6. Propriedade fundamental: Seja X uma varivel aleatria integrvel. Ento,
E (E(X | Y )) = E(X).
(a) E(X | Y ) uma varivel aleatria (uma funo de Y ) cuja esperana igual a E(X).
(b) E(X) =
_
y
E(X | Y = y) P(Y = y) se Y discreta,
_

E(X | Y = y) f
Y
(y) dy se Y contnua com densidade f
Y
.
Corolrio: Para qualquer evento A,
P(A) =
_
y
P(A| Y = y) P(Y = y) se Y discreta,
_

P(A| Y = y) f
Y
(y) dy se Y contnua com densidade f
Y
.
3. Funes geradoras
3.1. A funo geradora de momentos da varivel aleatria X denida por
M
X
(t) = E(e
tX
) =
_
x
e
tx
P(X = x) se X discreta,
_

e
tx
f(x) dx se X contnua com densidade f,
para todo t R tal que a esperana seja nita.
102 Esperana
Observao. Suporemos que o domnio de M
X
contm um intervalo em torno de t = 0.
3.2. Propriedades:
1. M
(n)
X
(0) =
d
n
M
X
(t)
dt
n
t=0
= E(X
n
), n 1.
2. Para a, b R, M
aX+b
(t) = e
tb
M
X
(at).
3. A funo geradora de momentos determina unicamente a distribuio. Isso signica
que se X e Y so variveis aleatrias tais que M
X
(t) = M
Y
(t) para |t| < c, onde
c > 0 uma constante, ento F
X
(x) = F
Y
(x) para todo x R.
4. Se X
1
, . . . , X
k
so variveis aleatrias independentes com funes geradoras de mo-
mentos respectivas M
X
1
(t), . . . , M
X
k
(t), ento a funo geradora de momentos de
X
1
+ +X
k
dada por
M
X
1
+ +X
k
(t) = M
X
1
(t) . . . M
X
k
(t).
3.3. Sejam X
1
, . . . , X
k
variveis aleatrias independentes.
Se X
i
Binomial(n
i
, p), i = 1, . . . , k, ento

k
i=1
X
i
Binomial(
k
i=1
n
i
, p).
Se X
i
Binomial Negativa(r
i
, p), i = 1, . . . , k, ento

k
i=1
X
i
Binomial Negativa
(
k
i=1
r
i
, p).
Se X
i
Poisson(
i
), i = 1, . . . , k, ento

k
i=1
X
i
Poisson(
k
i=1
i
).
Se X
i
Gama(
i
, ), i = 1, . . . , k, ento

k
i=1
X
i
Gama(
k
i=1
i
, ).
Se X
i
N(
i
,
2
i
), i = 1, . . . , k, e a
1
, . . . , a
k
so nmeros reais no todos nulos,
ento

k
i=1
a
i
X
i
N(
k
i=1
a
i
i
,
k
i=1
a
2
i

2
i
).
Observao. Se X uma varivel aleatria inteira e no-negativa, prefervel trabalhar
com a funo geradora de probabilidade de X, que denida por
G
X
(s) = E(s
X
) =

n=0
s
n
P(X = n), s [1, 1].
Note que G
X
uma srie de potncias com raio de convergncia maior ou igual a 1, j
que G
X
(1) = P(X < ) = 1. A funo geradora de probabilidade tambm determina
Funes geradoras 103
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:
(i) P(X = n) =
G
(n)
X
(0)
n!
, n 0.
(ii) G
(n)
X
(1) = E [X(X 1) . . . (X n + 1)] , n 1, onde G
(n)
X
(1) = lim
s1
G
(n)
X
(s) quando
o raio de convergncia de G
X
igual a 1.
A funo caracterstica de uma varivel aleatria X a funo
X
: R C denida por
X
(t) = E(e
itX
) = E (cos (tX)) +i E (sen (tX)) , t R,
onde o smbolo i representa a unidade imaginria
1. A principal vantagem de trabalhar

com a funo caracterstica reside no fato de ser denida para todo t R.
104 Esperana
p
X
(
x
)
M
X
(
t
)
2X
U
n
i
f
o
r
m
e
D
i
s
c
r
e
t
a
(
n
)
1n
,
x
=
1
,
.
.
.
,
n
e
t
(
e
n
t
1
)
n
(
e
t
1
)
n
+
1
2
n
2
1
1
2
B
i
n
o
m
i
a
l
(
n
,
p
)
_
nx
_
p
x
q
n
x
,
x
=
0
,
1
,
.
.
.
,
n
(
p
e
t
+
q
)
n
n
p
n
p
q
P
o
i
s
s
o
n
(
)
e
x
x
!
,
x
=
0
,
1
,
.
.
.
e
(
e
t
1
)
G
e
o
m
t
r
i
c
a
(
p
)
p
q
x
1
,
x
=
1
,
2
,
.
.
.
p
e
t
1
q
e
t
1p
q
p
2
B
i
n
o
m
i
a
l
N
e
g
a
t
i
v
a
(
r
,
p
)
_
x
1
r
1
_
p
r
q
x
r
,
x
=
r
,
r
+
1
,
.
.
.
_
p
e
t
1
q
e
t
_
r
rp
r
q
p
2
H
i
p
e
r
g
e
o
m
t
r
i
c
a
(
n
,
R
,
N
)
_
N
R
n
x
_
_
R
x
_
_
N
n
_
n
R
N
n
_
RN
_
_
1
RN
_
_
N
n
N
1
_
T
a
b
e
l
a
4
.
1
:
D
i
s
t
r
i
b
u
i
e
s
d
i
s
c
r
e
t
a
s
.
C
o
m
o
d
e
c
o
s
t
u
m
e
,
q
=
1
p
.
P
a
r
a
a
d
i
s
t
r
i
b
u
i
o
u
n
i
f
o
r
m
e
d
i
s
c
r
e
t
a
,
a
f
r
m
u
l
a
i
n
d
i
c
a
d
a
p
a
r
a
M
X
(
t
)
l
i
d
a
p
a
r
a
t
=
0
.
P
a
r
a
a
s
d
i
s
t
r
i
b
u
i
e
s
g
e
o
m
t
r
i
c
a
e
b
i
n
o
m
i
a
l
n
e
g
a
t
i
v
a
,
o
d
o
m
n
i
o
d
e
M
X
l
o
g
(
1
p
)
)
.
P
a
r
a
a
d
i
s
t
r
i
b
u
i
o
h
i
p
e
r
g
e
o
m
t
r
i
c
a
,
o
s
v
a
l
o
r
e
s
p
o
s
s
v
e
i
s
s
o
m
x
(
0
,
n
N
+
R
)
n
(
n
,
R
)
e
a
f
u
n
o
g
e
r
a
d
o
r
a
d
e
m
o
m
e
n
t
o
s
f
o
i
s
u
b
s
t
i
t
u
d
a
p
o
r
u
m
a
s
t
e
r
i
s
c
o
p
o
i
s
n
t
i
l
.
Funes geradoras 105
f
X
(
x
)
M
X
(
t
)
2X
U
n
i
f
o
r
m
e
(
a
,
b
)
1
b
a
,
a
b
e
b
t
e
a
t
t
(
b
a
)
a
+
b
2
(
b
a
)
2
1
2
N
o
r
m
a
l
(
2
)
1
(
x
)
2
/
(
2
2
)
,
x
R
e
t
+
2
t
2
/
2
2
E
x
p
o
n
e
n
c
i
a
l
(
x
,
x
t
p
a
r
a
t
<
1
1
2
G
a
m
a
(
)
x
1
e
x
,
x
0
_
t
_
p
a
r
a
t
<
2
B
e
t
a
(
a
,
b
)
1
B
(
a
,
b
)
x
a
1
(
1
x
)
b
1
,
0
a
a
+
b
a
b
(
a
+
b
+
1
)
(
a
+
b
)
2
C
a
u
c
h
y
(
a
,
b
)
1
b
_
1
+
[
(
x
a
)
/
b
]
2
_
,
x
X
(
t
)
=
e
i
a
t
b
|
t
|
T
a
b
e
l
a
4
.
2
:
D
i
s
t
r
i
b
u
i
e
s
c
o
n
t
n
u
a
s
.
P
a
r
a
a
d
i
s
t
r
i
b
u
i
o
u
n
i
f
o
r
m
e
,
a
f
r
m
u
l
a
i
n
d
i
c
a
d
a
p
a
r
a
M
X
(
t
)
l
i
d
a
p
a
r
a
t
=
0
.
A
f
u
n
o
g
e
r
a
d
o
r
a
d
e
m
o
m
e
n
t
o
s
d
a
d
i
s
t
r
i
b
u
i
o
B
e
t
a
f
o
i
s
u
b
s
t
i
t
u
d
a
p
o
r
u
m
a
s
t
e
r
i
s
c
o
p
o
i
s
n
t
i
l
.
P
a
r
a
a
d
i
s
t
r
i
b
u
i
o
d
e
C
a
u
c
h
y
,
i
n
d
i
c
a
d
a
a
f
u
n
o
c
a
r
a
c
t
e
r
s
t
i
c
a
.
106 Esperana
4. Desigualdades
4.1. Desigualdade de Markov: Se X 0, ento, para qualquer > 0,
P(X )
E(X)
.
4.2. Desigualdade de Markov Generalizada: Seja X uma varivel aleatria qualquer.
Para todo t > 0,
P(|X| )
E|X|
t
t
, > 0.
4.3. Desigualdade de Chebyshev: Seja X uma varivel aleatria com E(X) < .
Ento, para qualquer > 0,
P(|X E(X)| )
Var(X)
2
.
4.4. Limitantes de Cherno: Para quaisquer varivel aleatria X e a R,
P(X a) e
ta
M
X
(t) para todo t > 0;
P(X a) e
ta
M
X
(t) para todo t < 0.
4.5. Desigualdade de Jensen: Seja : R R uma funo convexa. Se a varivel
aleatria X integrvel, ento
E((X)) (E(X)).
Observao. A Desigualdade de Jensen vlida se convexa em um intervalo (a, b) tal
que P(a < X < b) = 1, em que se admite a possibilidade de a = ou b = +.
4.6. Desigualdade de Cauchy-Schwarz: Se as variveis aleatrias X e Y tm varin-
cias nitas, ento
|E(XY )| (E(X
2
) E(Y
2
))
1/2
.
Exerccios 107
Exerccios
Esperana: Denies e propriedades bsicas, Momentos, Varincia
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.
(a) Determine a funo de probabilidade de X.
(b) Obtenha o valor esperado e a varincia de X.
2. Considere o seguinte jogo. Um indivduo aposta em um dos nmeros de 1 a 6. Trs
dados honestos so ento lanados, de maneira independente, e, se o nmero apostado
aparecer i vezes, i = 1, 2, 3, o apostador ganha i reais; caso o nmero apostado no aparea
em nenhum dos dados, o apostador perde 1 real. Seja X o ganho do apostador no jogo.
Determine a funo de probabilidade de X e, com base na esperana de X, julgue se o
jogo honesto ou no para o apostador.
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. Em um experimento de hibridao com ervilhas, a descendncia formada por plantas
com vagens amarelas ou verdes. Segundo a teoria de Gregor Mendel, a probabilidade de
uma planta com vagem amarela 1/4. Quais so a esperana e a varincia do nmero de
plantas com vagem amarela em uma descendncia de 580 plantas?
5. Cinquenta pessoas lanam uma moeda honesta dez vezes. Obtenha a mdia e a vari-
ncia do nmero de pessoas que obtm exatamente cinco caras.
6. No niquelamento de certas lminas metlicas, ocorrem imperfeies que se distribuem
aleatoriamente sobre a superfcie niquelada. O nmero de imperfeies por lmina uma
varivel aleatria com distribuio de Poisson de mdia 2.
(a) Qual a porcentagem de lminas niqueladas com pelo menos quatro imperfeies?
(b) Dez lminas so escolhidas ao acaso da linha de montagem. Calcule a probabilidade
de que exatamente trs delas tenham imperfeies.
(c) Observam-se as lminas da linha de montagem at que aparea a primeira lmina
sem imperfeies. Qual o nmero esperado de lminas observadas?
7. Um atleta de tiro com arco tem probabilidade 5% de acertar na mosca em cada tiro.
Qual o nmero esperado de tiros que deve realizar para completar uma srie com dois
acertos na mosca?
8. Se a varivel aleatria X tem distribuio de Poisson e P(X = 0) = 1/2, quanto vale
a varincia de X?
9. Existe uma varivel aleatria X com E(X) = 3 e E(X
2
) = 8?
108 Esperana
10. Suponha que n pessoas, incluindo voc e um amigo, alinham-se aleatoriamente para
tirar uma foto. Seja X o nmero de pessoas que cam entre voc e o seu amigo. Determine
o valor esperado de X.
Sugesto: Use que
n2
x=1
x (n 1 x) =
n(n 1)(n 2)
6
.
11. Obtenha a esperana das variveis aleatrias contnuas cujas densidades so dadas
no exerccio 23 do Captulo 3.
12. A durao de uma ligao telefnica central de atendimento ao consumidor de uma
empresa uma varivel aleatria exponencialmente distribuda, com mdia de 6 minutos.
(a) Determine a probabilidade de que uma ligao dure no mximo 4 minutos.
(b) Dado que uma ligao j durou 3 minutos, qual a probabilidade de que dure pelo
menos outros 6 minutos?
13. Em uma faculdade, a proporo de alunos aprovados anualmente em um curso de
Estatstica uma varivel aleatria com distribuio Beta(3, 2).
(a) Calcule a probabilidade de que menos de 20% dos alunos sejam reprovados em um
ano.
(b) Qual a proporo mdia de aprovados por ano?
14. Seja X uma varivel aleatria com distribuio logstica, isto , X tem densidade
f(x) =
e
x
(1 +e
x
)
2
, x R.
Obtenha o valor esperado de X.
Soluo. Temos:
E(X) =
_

0
x f(x) dx
_
0
(x) f(x) dx,

desde que as integrais no sejam ambas +. Como f simtrica em torno de 0 (ou seja,
f(x) = f(x) para todo x R), obtemos:
_
0
(x) f(x) dx =
_
0
(x) f(x) dx =
_
0
y f(y) dy =
_

0
y f(y) dy.
Finalmente, visto que
_

0
x f(x) dx
_

0
x e
x
dx = 1 < ,
conclumos que E(X) = 0.
15. Seja X uma varivel aleatria com densidade
f(x) =
1
x
2
, x 1.
Exerccios 109
(b) A esperana de X existe? Se existe, igual a quanto?
16. Seja X N(0, 1).
(a) Mostre que E(X) = 0 e Var(X) = 1.
(b) Calcule E|X|.
17. Seja X uma varivel aleatria com distribuio de Laplace (tambm conhecida como
exponencial dupla), isto , com densidade
f(x) =
1
2
e
|x|
, x R.
Obtenha:
(a) E(X) (b) E|X| (c) Var(X).
18. Seja X Cauchy(0, 1), com densidade
f(x) =
1
(1 +x
2
)
, x R.
(a) Determine a funo de distribuio de X.
(b) Prove que E(X) no existe e que E|X| = .
19. Suponha que X uma varivel aleatria com distribuio binomial com n = 20 e
p = 2/5. Calcule a esperana e a varincia de Y = 3 X 4.
20. Seja X uma varivel aleatria com distribuio de Poisson com parmetro , > 0.
Obtenha:
(a) E
_
(1 +X)
1
_
.
(b) E(2
X
).
(c) E(X!).
Para quais valores de a varivel aleatria X! integrvel?
21. Seja X uma varivel aleatria com distribuio geomtrica de parmetro p. Mostre
que
E
_
1
X
_
=
p log p
1 p
.
Sugesto: Use que
_
(1 p)
x1
dp =
(1 p)
x
x
.
22. Calcule o n-simo momento de uma varivel aleatria com distribuio uniforme no
intervalo [a, b].
23. Determine o n-simo momento de uma varivel aleatria com distribuio exponencial
de parmetro .
24. Obtenha o valor esperado da rea de um tringulo retngulo issceles cuja hipotenusa
tem comprimento uniformemente distribudo no intervalo [2, 8].
110 Esperana
25. Um ponto escolhido ao acaso no intervalo [0, 1], dividindo-o em duas partes. Calcule
o valor esperado da razo entre os tamanhos do menor segmento e do maior segmento
formados.
26. Seja Z uma varivel aleatria com distribuio normal padro. Para x R xado,
dena
X =
_
_
_
Z se Z > x,
0 caso contrrio.
Mostre que E(X) =
1
2
e
x
2
/2
.
27. Demonstre o critrio para integrabilidade enunciado em 1.10 (p. 99).
Sugesto: Considere a varivel aleatria Y = [|X|] (parte inteira de |X|) e observe que Y
assume valores inteiros e no-negativos e satisfaz 0 Y |X| Y + 1.
28. Um estacionamento cobra 10 reais pela primeira hora ou frao e 2 reais a partir da
segunda hora ou frao. Suponha que o tempo em horas que um carro permanece no
estacionamento uma varivel aleatria com distribuio Gama(2, 1). Determine o preo
mdio pago por um cliente para estacionar um carro.
Sugesto: Dena Y o nmero de horas que um carro permanece no estacionamento, in-
cluindo a ltima hora incompleta.
Esperana de funes de vetores aleatrios, Covarincia,
Uso de funes indicadoras
29. 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:
(a) a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) se X e Y so independentes.
(c) E(2X + 8Y ).
(d) a covarincia entre X e Y .
Soluo. (a) Utilizando uma rvore, podemos obter o espao amostral, probabilidades e
valores de X e Y correspondentes:
@
@
@
!
!
!
!
a
a
a
a
!
!
!
!
a
a
a
a
3/5
2/5
1/2
1/2
3/4
1/4
B
V
B
V
B
V
X = 1 Y = 1 Prob. = 3/10
X = 1 Y = 0 Prob. = 3/10
X = 0 Y = 1 Prob. = 3/10
X = 0 Y = 0 Prob. = 1/10
Exerccios 111
onde B e V denotam respectivamente bola branca e bola vermelha.
Dessa forma, a funo de probabilidade conjunta de X e Y e as marginais cam:
X \ Y 0 1 p
X
(x)
0 1/10 3/10 2/5
1 3/10 3/10 3/5
p
Y
(y) 2/5 3/5 1
(b) X e Y no so independentes:
P(X = 0, Y = 0) =
1
10
= P(X = 0) P(Y = 0) =
2
5
.
2
5
=
4
25
.
(c) Temos
E(X) = E(Y ) = 0 .
2
5
+ 1 .
3
5
=
3
5
,
portanto, pela linearidade da esperana,
E(2X + 8Y ) = 2 E(X) + 8 E(Y ) = 6.
(d) Visto que E(XY ) = 1 . 1 . 3/10 = 3/10, obtemos
Cov(X, Y ) = E(XY ) E(X) E(Y ) =
3
50
.
30. Cada lanamento de um dado no honesto resulta em cada um dos nmeros mpares 1,
3, 5 com probabilidade C e em cada um dos nmeros pares 2, 4, 6 com probabilidade 2C.
(a) Determine C.
Suponha que o dado lanado e considere as seguintes variveis aleatrias:
X =
_
1 se o resultado um nmero par,
0 caso contrrio;
Y =
_
1 se o resultado um nmero maior que 3,
0 caso contrrio.
(b) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.
X e Y so independentes?
(c) Obtenha P(X = 0 | Y = 1).
(d) Calcule E(2
X
12 Y + 6).
(e) Calcule Var(X +Y ).
31. Sejam X e Y variveis aleatrias discretas com funo de probabilidade conjunta
p(x, y) =
_
_
_
c xy se x {1, 2, 3}, y {1, 2, 3} e x +y 4,
0 caso contrrio.
(a) Determine o valor de c.
112 Esperana
(c) Calcule o coeciente de correlao entre X e Y .
32. Em um problema envolvendo variveis aleatrias independentes X e Y , um estudante
calcula, corretamente, que
E(Y ) = 2, E(X
2
Y ) = 6, E(XY
2
) = 8, E((XY )
2
) = 24.
Voc pode ajud-lo, determinando o valor de E(X)?
f(x, y) =
_
_
_
c (y
2
x
2
) e
y
se y x y e y > 0,
0 caso contrrio.
(a) Mostre que Y tem distribuio Gama e da deduza qual o valor de c.
(b) Obtenha a densidade de Z = e
Y
.
(c) Explique por que E|X| 4.
34. Sejam X e Y variveis aleatrias independentes, com X U(0, 1) e Y Exp(1).
Obtenha:
(a) E(X +Y ).
(b) E(XY ).
(c) E((X Y )
2
).
(d) E(X
2
e
2Y
).
35. Aps uma troca de unidades, a relao entre a renda mensal X de uma famlia em
um pas e sua despesa mensal Y expressa pela seguinte densidade conjunta
f(x, y) =
_
_
_
8 x y se 0 y x 1,
0 caso contrrio.
(a) Obtenha o valor esperado do quociente Y/X.
(b) Determine a covarincia entre X e Y .
f(x, y) =
_
_
_
2 e
2x
/x se 0 y x < ,
0 caso contrrio.
Calcule a covarincia entre X e Y .
f(x, y) =
1
2
(x +y)e
(x+y)
, x 0, y 0.
Exerccios 113
(a) X e Y so independentes?
(b) Calcule a funo densidade de Z = X +Y .
(c) Obtenha E
_
(X +Y )
1
_
.
38. Seja (X, Y ) um ponto escolhido ao acaso no conjunto
S = {(x, y) R
2
: |x| +|y| 1 e x y 0}.
(a) So X e Y independentes?
(b) Calcule a covarincia entre X e Y .
39. Seja (X, Y ) um ponto escolhido aleatoriamente no conjunto
S = {(x, y) R
2
: |x| +|y| 1}.
(a) So X e Y independentes?
(b) Encontre a covarincia entre X e Y .
40. Sejam X, Y e Z variveis aleatrias independentes, com varincias iguais e positivas.
Determine o coeciente de correlao entre X +Y e X +Z.
41. Sejam X e Y variveis aleatrias com varincias iguais a
2
> 0 e coeciente de
correlao . Calcule a varincia da mdia aritmtica de X e Y . Conclua que a mdia
aritmtica de X e Y tem varincia menor ou igual a
2
.
42. 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(UV ).
43. Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias independentes, tal que, para
cada n 1, X
n
Exp(n), ou seja, X
n
tem densidade de probabilidade dada por
f
X
n
(x) =
_
_
_
ne
nx
se x > 0,
0 caso contrrio.
(a) Obtenha a distribuio de Y = mn{X
1
, X
2
, X
3
}.
(b) Determine E
_
exp
_
100
n=1
X
n
__
.
44. Sejam X
1
, X
2
e X
3
variveis aleatrias i.i.d. com distribuio exponencial de par-
metro 1. Dena U
1
=

X
1
X
2
, U
2
=

X
1
X
3
e U
3
=

X
2
X
3
.
(a) Calcule a mdia e a varincia de cada U
i
, i = 1, 2, 3.
(b) Obtenha a mdia e a varincia de T = (U
1
+U
2
+U
3
)/3.
114 Esperana
45. 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 = X
1
+X
2
+ +X
10
,
onde, para i = 1, 2, . . . , 10,
X
i
=
_
1 se o i-simo par permanece no vaso,
0 caso contrrio.
Porm, para i = 1, 2, . . . , 10,
E(X
i
) = P(X
i
= 1) =
_
18
5
_
_
20
5
_
=
21
38
.
Assim, obtemos
E(X) = E(X
1
) +E(X
2
) + +E(X
10
) = 10 .
21
38
=
105
19
5,53.
Observao. Embora mais trabalhoso, pode-se obter a distribuio de X e calcular o valor
esperado pela denio. De fato,
P(X = 5) =
_
10
5
_
2
5
_
20
5
_
=
168
323
,
P(X = 6) =
_
10
1
__
9
3
_
2
3
_
20
5
_
=
140
323
,
P(X = 7) =
_
10
2
__
16
1
_
_
20
5
_
=
15
323
,
portanto
E(X) =

x
x P(X = x) =
105
19
5,53.
46. 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.
Exerccios 115
Soluo. Se X o nmero de de paradas feitas pelo nibus, escrevemos
X = X
1
+X
2
+ +X
10
,
onde
X
i
=
_
1 se pelo menos uma pessoa solicita a parada no ponto i,
0 caso contrrio.
Ento, para i = 1, . . . , 10,
E(X
i
) = P(X
i
= 1)
= P(Pelo menos uma pessoa solicita a parada no ponto i)
= 1 P(Nenhuma pessoa solicita a parada no ponto i)
= 1
_
9
10
_
20
.
Portanto, pela linearidade da esperana,
E(X) = 10 . E(X
1
) = 10 .
_
1 (0,9)
20
_
8,78.
Observao. possvel, porm mais trabalhoso, obter a distribuio de X e calcular o
valor esperado pela denio. Para x = 1, . . . , 10,
P(X = x) =
_
10
x
_
_
_
x1
j=0
(1)
j
_
x
j
_
(x j)
20
_
_
_
1
10
_
20
,
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 que vazia (o qual pode
ser obtido pelo Princpio da Incluso-Excluso). Assim,
E(X) =
10
x=1
x P(X = x) 8,78.
47. Uma prova consiste de duas partes: a parte I, com 50 questes de verdadeiro ou falso,
e a parte II, formada por 40 questes de mltipla escolha, cada uma com 4 alternativas,
das quais somente uma correta. Por no ter estudado, um aluno pretende fazer a prova
escolhendo ao acaso as respostas das questes, de modo independente. Determine a
esperana e a varincia do nmero de questes que acertar.
48. 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?
49. 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?
116 Esperana
50. Um crculo de raio 1 lanado em uma folha de tamanho innito 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.
51. Escolhem-se ao acaso e sem reposio 10 nmeros do conjunto {1, 2, . . . , 30}. Calcule
o valor esperado da soma dos nmeros escolhidos.
52. 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?
53. Suponha que 8 casais sentam-se ao acaso em um banco de 16 lugares. Determine a
esperana e a varincia do nmero de mulheres que esto sentadas ao lado dos maridos.
54. 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.
55. So realizados n lanamentos independentes de uma moeda, com probabilidade p de
cara em cada lanamento (0 < p < 1). Uma seguida uma sequncia de lanamentos de
mesmo resultado; por exemplo, a sequncia CCKCKKC contm 5 seguidas. Obtenha a
esperana e a varincia do nmero de seguidas nos n lanamentos.
56. Esperana e varincia da distribuio hipergeomtrica.
Suponha que temos uma populao de N objetos, dos quais R so do tipo 1 e N R
so do tipo 2. Escolhem-se desta populao n objetos ao acaso, sem reposio (n N).
Determine a esperana e a varincia do nmero de objetos do tipo 1 escolhidos.
57. 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.
58. Seja (X
1
, . . . , X
n
) com distribuio multinomial de parmetros m, p
1
, . . . , p
n
. Obtenha
a covarincia entre X
i
e X
j
para i = j.
59. 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 .
60. Considere um grafo com n vrtices numerados 1, 2, . . . , n, e suponha que cada um
dos
_
n
2
_
pares de vrtices distintos ligado por um elo, independentemente, com proba-
bilidade p. Seja D
i
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 D
i
?
(b) Determine a correlao entre D
i
e D
j
para i = j.
Exerccios 117
Sugesto: Dena I
i,j
a funo indicadora do evento de que h um elo entre os vrtices i
e j.
Distribuio e esperana condicionais
61. Sejam X e Y variveis aleatrias discretas cuja funo de probabilidade conjunta
dada pela seguinte tabela:
X \ Y 1 2
1 1/20 1/5
2 0 1/10
3 1/10 1/10
4 1/20 2/5
(a) Obtenha a funo de probabilidade de X dado que Y = 2.
(b) Calcule E(X
2
| Y = 2).
62. Sejam X o mnimo e Y o mximo de trs nmeros sorteados ao acaso, sem reposio,
do conjunto {1, 2, . . . , 6}.
(b) Obtenha a funo de probabilidade de X dado que Y = 5.
(c) Calcule E(X | Y X = 3).
63. 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
f
X,Y
(x, y) =
_
_
_
1 se 0 < x < 1 e 0 < y < 1,
0 caso contrrio.
Seja Z = XY . Usando o Mtodo do Jacobiano, obtemos a densidade conjunta de X e Z:
f
X,Z
(x, z) =
_
_
_
1/x se 0 < z < x < 1,
0 caso contrrio.
Ento, calculamos a densidade marginal de Z. Para 0 < z < 1,
f
Z
(z) =
_
1
z
1/x dx = log z.
Portanto, para 0 < z < 1,
f
X|Z
(x|z) =
1
x log z
, z < x < 1.
Assim,
E(X|Z = z) =
_

x f
X|Z
(x|z) dx =
_
1
z
_
1
log z
_
dx =
z 1
log z
.
118 Esperana
Finalmente,
E(X|XY ) =
XY 1
log(XY )
.
f(x, y) =
_
_
_
8 x y se 0 < y < x < 1,
0 caso contrrio.
Calcule E(X | Y ) e E(Y | X).
f(x, y) =
_
_
_
2 exp{y
2
} se 0 < x < y,
0 caso contrrio.
(a) Obtenha a densidade condicional de X dado que Y = y.
(b) Calcule E(X
3
| Y = y).
66. 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
f(x, y) =
_
_
_
k (x +y) e
y
se 0 < x < 1, y > 0,
0 caso contrrio,
onde k uma constante.
(a) Obtenha o valor de k.
(b) Determine a esperana condicional de X dado que Y = y.
67. O tempo em minutos que um professor gasta para corrigir uma prova uma varivel
aleatria com funo densidade de probabilidade
f(x) =
_
_
1
5
e
x/5
se x > 0,
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?
68. 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
f(x, y) =
_
_
_
2/9 se 0 < y < x < 3,
0 caso contrrio
a funo densidade conjunta das variveis aleatrias X e Y .
Exerccios 119
(b) Calcule a probabilidade de que ao nal do ms a farmcia tenha vendido pelo
menos a metade das unidades que havia inicialmente.
(c) Dado que foram vendidas cem unidades, qual a probabilidade de que havia pelo
menos duzentas unidades no comeo do ms?
69. 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
classicam 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
f(x, y) =
_
_
_
6 x se x 0, y 0 e x +y 1,
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?
70. Sejam X e Y variveis aleatrias independentes, com distribuio de Poisson com
parmetros respectivos e , e considere Z = X+Y . Determine a distribuio condicional
de X dado que Z = z.
71. Sejam X e Y variveis aleatrias independentes, com distribuies Binomial(m, p) e
Binomial(n, p), respectivamente, e considere Z = X + Y . Obtenha a distribuio condi-
cional de X dado que Z = z.
72. Sejam X e Y variveis aleatrias independentes, com distribuio comum geomtrica
com parmetro p (0 < p < 1), e considere Z = X + Y . Determine a distribuio
condicional de X dado que Z = z.
73. Sejam X e Y variveis aleatrias independentes, com distribuio comum exponencial
de parmetro , e considere Z = X + Y . Obtenha a densidade condicional de X dado
que Z = z.
74. Duas pessoas chegam simultaneamente a um ponto de nibus. Suponha que o tempo
que a pessoa i espera pela sua conduo uma varivel aleatria T
i
Exp(), com T
1
e T
2
independentes. Sejam X = mn{T
1
, T
2
} o tempo transcorrido at o primeiro passageiro
120 Esperana
tomar seu nibus e Y = mx{T
1
, T
2
} o tempo transcorrido at que ambas as pessoas
tenham tomado a conduo. Determine a distribuio de:
(a) X | Y = y.
(b) Y | X = x.
(c) (Y X) | X = x.
75. Sejam X
1
, X
2
e X
3
variveis aleatrias i.i.d. com distribuio Exp(1) e sejam Y
1
, Y
2
e Y
3
as estatsticas de ordem associadas. Dena Z
1
= Y
1
, Z
2
= Y
2
Y
1
e Z
3
= Y
3
Y
2
.
(a) Encontre a densidade conjunta de Z
1
, Z
2
e Z
3
, bem como as marginais. So Z
1
,
Z
2
e Z
3
independentes?
(b) Determine a densidade condicional de Z
2
dado Y
1
.
(c) Calcule a densidade e a esperana condicionais de Y
3
dado Y
1
.
76. 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
f
X
(x) =
1
()
x
1
e
x
, x 0.
Por outro lado,
P(Y = k | X = x) =
e
x
x
k
k!
, k = 0, 1, . . .
Logo, para k = 0, 1, . . . ,
P(Y = k) =
_

P(Y = k | X = x) f
X
(x) dx
=
1
k! ()
_

0
x
k+1
e
2x
dx =
(k +)
k! () 2
k+
.
Note que, em particular, se X Exp(1), ento
P(Y = k) =
1
2
k+1
, k = 0, 1, . . .
77. Usando o resultado do exerccio anterior, prove que para n 1,
k=1
_
k +n 1
n
_
1
2
k
= 2
n
.
Sugesto: Tome = n e use que

k=1
k P(Y = k) = E(Y ) = E(E(Y |X)).
Exerccios 121
78. O nmero de e-mails que chegam a um servidor no intervalo de tempo [0, t] , para
cada t > 0, uma varivel aleatria N
t
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,
N
t
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, . . . ,
P(N
T
= j) =
_

P(N
T
= j | T = t) f
T
(t) dt =
_

0
P(N
T
= j | T = t) e
t
dt
()
=
_

0
P(N
t
= j | T = t) e
t
dt
()
=
_

0
P(N
t
= j) e
t
dt
=
_

0
e
t
(t)
j
j!
e
t
dt =

j
j!
_

0
t
j
e
(+)t
dt
=

j
j!
(j + 1)
( +)
j+1
=
_

+
__

+
_
j
.
A passagem () justicada pelo Princpio da substituio; () decorre da independncia
de N
t
e T para todo t.
79. 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,
E(X) = E(Y ) + 49 =
1
0,8
+ 49 = 50,25
e portanto E(D) = 5,025.
122 Esperana
80. 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
M(t) =
p e
t
1 q e
t
=
p
e
t
q
, t < log q.
(b) Usando o item (a), prove que E(N) = 1/p.
Uma urna contm N bolas numeradas de 1 a N, onde N tem a distribuio dada
anteriormente. Bolas so escolhidas ao acaso dessa urna, uma por vez, at que a bola
com o nmero 1 seja selecionada. Suponha que as retiradas so feitas com reposio, isto
, cada bola escolhida reposta na urna antes da prxima retirada. Seja X o nmero de
retiradas feitas.
(c) Obtenha P(X = x | N = n).
(d) Determine E(X).
81. 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
distribuio condicional
P(Y = y | X = x) =
_
_
1/5 se y = x + 1,
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 ).
82. Escolhe-se ao acaso um nmero X entre os inteiros de 1 a n. A seguir, um nmero Y
escolhido aleatoriamente entre os mesmos nmeros, excludos os menores que X.
(a) Quanto vale E(Y |X)?
(b) Mostre que Cov(X, Y ) = Var(X)/2.
Exerccios 123
83. 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?
84. 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).
Sugesto: Escreva X =

Y
j=1
X
j
, onde X
j
o nmero de gols marcados no j-simo jogo e
Y o nmero de partidas jogadas numa semana. Use condicionamento em Y para obter
E(X) e E(X
2
).
85. Sejam X
1
, X
2
, . . . variveis aleatrias independentes e identicamente distribudas,
com mdia nita. Seja N uma varivel aleatria inteira e no-negativa, com varincia
nita, e independente de X
1
, X
2
, . . . Obtenha Cov(
N
k=1
X
k
, N).
86. Rosana tem uma moeda com probabilidade p de cara em cada lanamento (0 < p < 1).
Ela lana a moeda at obter cara. Lana ento uma moeda honesta tantas vezes quantas
lanou a primeira. Finalmente, para toda cara que obtm com a moeda honesta, Rosana
lana um dado honesto. Determine a esperana e a varincia da soma total dos pontos
obtidos com o dado.
87. (a) Sejam X e Y variveis aleatrias independentes e positivas, e considere a varivel
aleatria V = X/(X +Y ). Prove que, para todo v (0, 1),
P(V v) = E
_
F
X
_
v Y
1 v
__
,
onde F
X
a funo de distribuio de X.
(b) Sejam X e Y variveis aleatrias independentes, ambas com distribuio expo-
nencial de parmetro . Usando o item (a), obtenha a distribuio de V = X/(X +Y ).
88. Seja Y U(0, 1) e suponha que, dado que Y = y, X uma varivel aleatria com
distribuio U(y, y). Obtenha a distribuio, a mdia e a varincia de X.
89. Seja Y N(0, 1) e suponha que, dado que Y = y, X uma varivel aleatria com
distribuio N(y, 1).
(a) Encontre a esperana e a varincia de X.
(b) Qual a distribuio de X?
(c) Determine a distribuio condicional de Y dado que X = x.
124 Esperana
90. Este exerccio tem como objetivo mostrar que, sem a hiptese de que E|X| < ,
o resultado E(X) = E (E(X | Y )) pode no valer. Seja Y Gama(1/2, 1/2) e suponha
que, dado que Y = y, X uma varivel aleatria com distribuio N(0, 1/y).
(a) Mostre que E (E(X | Y )) = 0.
(b) Prove que X Cauchy(0, 1) e portanto o resultado referido no vlido.
91. Seja X o nmero de caras obtidas em n lanamentos de uma moeda cuja probabili-
dade de cara uma varivel aleatria Y com distribuio Beta(2, 2). Mais precisamente,
suponha que
X | Y = y Binomial(n, y) com f
Y
(y) = 6 y (1 y), 0 < y < 1.
(a) Calcule a esperana e a varincia de X.
(b) Obtenha a distribuio de X.
(c) Encontre a distribuio condicional de Y dado que X = x.
92. Considere uma moeda cuja probabilidade de cara uma varivel aleatria Y com
distribuio uniforme no intervalo (0, 1). Seja X o nmero de lanamentos feitos com essa
moeda at ser obtida a primeira cara. Mais precisamente,
X | Y = y Geomtrica(y) onde Y U(0, 1).
(a) Determine a distribuio de X.
(b) Qual o valor esperado de X?
(c) Obtenha a distribuio condicional de Y dado que X = x.
93. 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).
94. Escolhe-se ao acaso um ponto (X, Y ) no tringulo {(x, y) R
2
: 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).
95. 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.
f(x, y) =
_
_
_
c xy
2
se 0 < x < y < 1,
0 caso contrrio.
(a) Obtenha o valor de c.
Exerccios 125
(b) Calcule a esperana condicional de X dado que Y = y.
(c) Usando o item (b), determine E(X/Y ).
f(x, y) =
1
y
e
(y+x/y)
, x > 0, y > 0.
(a) Determine a distribuio de Y .
(b) Obtenha a distribuio condicional de X dado que Y = y.
(c) Usando (a) e (b), calcule Cov(X, Y ).
98. Um dado honesto lanado repetidamente, de modo independente. Sejam X e Y o
nmero de lanamentos necessrios para obter um 6 e um 5, respectivamente. Obtenha:
(a) E(X).
(b) E(X | Y = 1).
(c) E(X | Y = 5).
99. 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.
Sugesto: No item (a), para i = 1, 2, 3, dena p
i
a probabilidade de que Jerry encontre
Tom antes do queijo, partindo do quarto i. Condicionando na primeira escolha de Jerry,
escreva um sistema de equaes para p
1
, p
2
e p
3
. O item (b) anlogo.
Queijo
Tom 1
2
3
Figura 4.1: Exerccio 99 Tom e Jerry.
100. Passeio aleatrio simtrico: Um homem caminha em um trecho com 5 quartei-
res de uma avenida (Figura 4.2). Ele comea na esquina i e, com probabilidade uniforme,
decide ir um quarteiro direita ou um quarteiro esquerda. Quando chega prxima
esquina, novamente escolhe ao acaso a sua direo ao longo da avenida. Ele prossegue at
126 Esperana
chegar esquina 5, que sua casa, ou esquina 0, que um bar. Quando chega casa
ou ao bar, permanece l. Para i = 1, 2, 3, 4, dena p
i
a probabilidade de que o homem,
comeando na esquina i, chegue casa antes do bar, e q
i
a probabilidade de que partindo
da esquina i chegue ao bar antes da casa.
(a) Obtenha p
1
, p
2
, p
3
e p
4
.
(b) Explique por que q
i
= p
5i
para i = 1, 2, 3, 4.
(c) Conclua que no h possibilidade de um passeio interminvel, qualquer que seja a
esquina da qual o homem parta.
0
Bar
1 2 3 4 5
Casa
1/2 1/2
1 1
Figura 4.2: Exerccio 100 Passeio aleatrio simtrico.
101. 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 M
n
o nmero esperado de bolas brancas na urna depois que
a operao anterior foi repetida n vezes.
(a) Obtenha a equao recursiva
M
n+1
=
_
1
1
a +b
_
M
n
+ 1, n 0.
(b) Use o item (a) para provar que
M
n
= a +b b
_
1
1
a +b
_
n
, n 0.
(c) Qual a probabilidade de que a (n + 1)-sima bola retirada seja branca?
102. Um dado honesto lanado repetidamente, de modo independente. Calcule o n-
mero esperado de lanamentos feitos at conseguir duas faces 6 consecutivas.
Sugesto: Condicione no tempo da primeira ocorrncia de uma face diferente de 6.
103. Uma moeda com probabilidade p de cara em cada lanamento lanada repetida-
mente, de modo independente. Seja T
r
o nmero de lanamentos necessrios para obter
uma sequncia de r caras consecutivas.
(a) Determine E(T
r
| T
r1
).
(b) Escreva E(T
r
) em termos de E(T
r1
).
(c) Quanto vale E(T
1
)?
(d) Obtenha E(T
r
).
Exerccios 127
104. 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: Dena A o evento de que dois dos trs primeiros lanamentos resultam em cara
e N
j
o nmero de caras nos j lanamentos nais. Ento, E(N
10
| A) = 2+E(N
7
| A). Para
obter E(N
7
| A), condicione na moeda que foi usada.
Funes geradoras
105. Demonstre o tpico 3.3 (p. 102).
106. Obtenha a funo geradora de momentos de Y = X
2
, onde X tem distribuio
N(0, 1). Conclua que a distribuio
2
1
idntica Gama(1/2, 1/2).
107. Sejam X e Y variveis aleatrias independentes tais que P(X = 1) = P(X = 1) =
1/2 e Y U(1, 1). Determine a distribuio de Z = X +Y de duas maneiras:
(a) Obtendo a funo de distribuio de Z por condicionamento em X.
(b) Calculando a funo geradora de momentos de Z.
108. Seja {U
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em (0, 1). Sejam X e Y variveis aleatrias independentes uma da outra e de {U
n
}
n1
,
com funes de probabilidade dadas por
P(X = x) = (e 1) e
x
, x = 1, 2, . . . e
P(Y = y) =
1
(e 1) y!
, y = 1, 2, . . .
Dena V = mx{U
1
, . . . , U
Y
} e Z = X V .
(a) Obtenha a funo de distribuio de V .
(b) Determine a funo geradora de momentos de X.
(c) Calcule a funo geradora de momentos de Z.
(d) Deduza qual a distribuio de Z.
109. Sejam X
1
, . . . , X
n
variveis aleatrias independentes com distribuio exponencial
de parmetro 1. Considere
V
n
= mx{X
1
, . . . , X
n
} e W
n
= X
1
+
X
2
2
+
X
3
3
+ +
X
n
n
.
Prove que V
n
e W
n
tm a mesma distribuio.
110. Sejam X e Y variveis aleatrias independentes tais que X N(0, 1) e Y N(0, 2).
Denimos 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.
128 Esperana
111. As variveis aleatrias inteiras e no-negativas X e Y so independentes e identi-
camente distribudas. Prove que se X + Y tem distribuio de Poisson, ento X e Y
tambm tm.
112. Sejam X
1
, . . . , X
n
variveis aleatrias i.i.d. com densidade comum denida por
f(x) =
_
_
_
2(1 x) se 0 < x < 1,
0 caso contrrio.
Calcule a funo geradora de momentos da varivel aleatria Y =
1
n
n
j=1
log (1 X
j
)
e da conclua qual a sua distribuio.
113. Um aparelho de som formado por n componentes, sendo que o i-simo compo-
nente tem probabilidade p
i
de falhar. Suponha que os componentes falham de maneira
independente 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 p
i
s.
(b) Sendo n = 4, p
1
= 0,1, p
2
= 0,05, p
3
= 0,15 e p
4
= 0,1, calcule a probabilidade do
aparelho funcionar.
114. A funo geradora de probabilidade de uma varivel aleatria inteira e no-negativa X
dada por
G
X
(s) = A
_
10 + 8 s
2
2 s
_
, s (2, 2),
onde A uma constante.
(a) Encontre o valor de A.
(b) Calcule a mdia de X.
(c) Obtenha a funo de probabilidade de X.
115. (a) Seja X uma varivel aleatria com distribuio geomtrica de parmetro p
(0, 1). Prove que para n 1,
E (X (X 1) . . . (X n + 1)) =
n! (1 p)
n1
p
n
.
(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,
d
n
G
X
(s)
ds
n
=
n! p (1 p)
n1
(1 (1 p)s)
n+1
, s < (1 p)
1
e faa s = 1 para chegar ao resultado.
Exerccios 129
116. Duas partculas realizam passeios aleatrios independentes nos vrtices de um tri-
ngulo. Isso signica que, a cada instante, cada partcula move-se para um novo vrtice,
escolhido no sentido horrio com probabilidade p ou no anti-horrio com probabilidade
q = 1 p. Todas essas escolhas so independentes. No instante n = 0, as duas partculas
esto no mesmo vrtice; seja T o nmero de passos at que novamente estejam em um
mesmo vrtice. Dena S o nmero de passos at que as partculas se encontrem pela
primeira vez, se inicialmente estiverem em vrtices diferentes.
(a) Prove que as funes geradoras de probabilidade de S e T satisfazem
G
S
(s) = pq s + (1 pq) s G
S
(s) e
G
T
(s) = (p
2
+q
2
) s + 2pq s G
S
(s).
(b) Obtenha G
T
(s) e E(T).
117. Problema de Huygens: Considere trs moedas A, B e C, que fornecem cara
com probabilidades respectivas , e . Elas so lanadas repetidamente, na ordem
ABCABC . . . Seja X o nmero de lanamentos at ser obtida a primeira cara.
(a) Determine a funo geradora de probabilidade de X.
(b) Encontre a probabilidade de que a primeira cara seja obtida com um lanamento
da moeda C.
(c) Obtenha o valor esperado de X.
118. Seja X uma varivel aleatria inteira e no-negativa, tal que
P(X = k) =

k
P(X = k 1),
para todo k 1, onde > 0 uma constante. Determine a distribuio de X.
Soluo. Sejam p
k
= P(X = k), k 0 e
G
X
(s) = E(s
X
) =

k=0
p
k
s
k
, s [1, 1]
a funo geradora de probabilidade de X. Podemos diferenciar a srie de potncias em
todo ponto s (1, 1). Usando a igualdade dada no enunciado do exerccio, obtemos
d G
X
(s)
ds
=

k=1
k p
k
s
k1
=
k=1
p
k1
s
k1
= G
X
(s).
Portanto,
d
ds
(log G
X
(s)) = ,
logo podemos escrever
G
X
(s) = exp{s +K},
130 Esperana
onde K uma constante. Visto que lim
s1
G
X
(s) =

k=0
p
k
= 1, temos que K = e
ento
G
X
(s) = exp{(s 1)}.
Como a funo geradora de probabilidade determina unicamente a distribuio, conclu-
mos que X Poisson().
Desigualdades
119. Um professor sabe que a nota de um estudante no exame nal de uma disciplina
uma varivel aleatria X com mdia 75.
(a) Fornea um limitante superior para a probabilidade de um estudante tirar uma
nota maior que 85 no exame nal.
Suponha, ademais, que o professor sabe que Var(X) = 25.
(b) O que pode ser dito sobre a probabilidade de que um estudante tire uma nota entre
65 e 85?
(c) Quantos estudantes devem fazer o exame para garantir que a mdia da classe que
distncia no mximo 5 de 75 com probabilidade pelo menos 0,9?
120. O tempo (em minutos) em que um trabalhador espera o nibus para lev-lo ao em-
prego uma varivel aleatria com mdia 8 e desvio padro 4. Prove que a probabilidade
de que ele aguarde pela conduo mais de 14 minutos em um dia menor que 41%.
121. O nmero de jornais que um jornaleiro vende diariamente uma varivel aleatria
com mdia 200 e desvio padro 10. Mostre que a probabilidade de que em um dia sejam
vendidos entre 130 e 270 jornais maior que 98%.
122. Seja X Exp(1).
(a) Prove que P(X x) 1/x para todo x > 0.
(b) Quanto vale a probabilidade dada no item (a)?
123. Seja X uma varivel aleatria contnua com funo densidade de probabilidade
f(x) =
_
_
_
1 |x| se |x| < 1,
0 caso contrrio.
(a) Prove que f uma funo densidade de probabilidade.
(b) Determine E(X) e Var(X).
(c) Calcule P(|X| k), onde k um nmero 0 < k < 1.
(d) Utilizando a Desigualdade de Chebyshev, obtenha uma cota superior para a pro-
babilidade anterior.
(e) Para k = 0,2 e k = 0,8, obtenha os valores numricos da probabilidade calculada
em (c) e da cota obtida em (d). Comente.
Exerccios 131
124. Uma prova formada por 64 questes de mltipla escolha, cada uma com 5 respostas
possveis, das quais apenas uma certa. Um estudante vai chutar a alternativa correta
de todas as questes, independentemente.
(a) Usando a Desigualdade de Chebyshev, obtenha um limitante superior para a pro-
babilidade de que o aluno acerte pelo menos 20 questes.
(b) Calcule uma estimativa para essa probabilidade.
125. Um dado honesto lanado repetidamente, de modo independente, at que cada
face ocorra pelo menos uma vez.
(a) Determine a esperana e a varincia do nmero de lanamentos feitos.
(b) Prove que a probabilidade de que sejam necessrios menos de 40 lanamentos
maior que 0,93.
126. Um grupo de 200 pessoas, com 100 mulheres e 100 homens, dividido aleatoriamente
em 100 pares. Seja X o nmero de homens pareados com uma mulher.
(a) Determine a esperana e a varincia de X.
(b) Prove que a probabilidade de que haja no mximo 30 homens pareados com uma
mulher menor que 7%.
127. Seja X Poisson(). Demonstre que, para qualquer > 0,
P(X (1 +)) e
_
e
1 +
_
(1+)
.
128. Prove que se X Geomtrica(1/2), ento E(X log X) 2 log 2.
129. Mostre que se X uma varivel aleatria positiva com mdia igual a 1, ento
E(log X) 0.
130. Seja X uma varivel aleatria no-negativa. Demonstre que
E(X) (E(X
2
))
1/2
(E(X
3
))
1/3

Sugesto: Use a Desigualdade de Jensen para uma varivel aleatria Y no-negativa e a
funo (y) = y
n/(n1)
e depois faa Y = X
n1
.
131. (a) Seja Y uma varivel aleatria no-negativa tal que 0 < E(Y
2
) < . Prove que
para a < E(Y ),
P(Y > a)
(E(Y ) a)
2
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 < ,
P(|X | > x)
(
2
x
2
)
2
M
.
Sugesto: (a) Utilize a Desigualdade de Cauchy-Schwarz com as variveis aleatrias Y e
I
{Y >a}
.
132 Esperana
132. Sejam X e Y variveis aleatrias denidas no mesmo espao de probabilidade. Mos-
tre que para todo (x, y) R
2
,
F
X,Y
(x, y)
_
F
X
(x) F
Y
(y).
Sugesto: Use a Desigualdade de Cauchy-Schwarz.
Respostas
1. (a)
x -16 -7 2 11 20
p
X
(x) 1/12 1/6 13/36 2/9 1/6
(b) E(X) = 4, Var(X) = 108,5
2.
x -1 1 2 3
p
X
(x) 125/216 75/216 15/216 1/216
E(X) = 17/216, No
3. 7/2 (O nmero de tentativas tem distribuio uniforme discreta em {1, 2, . . . , 6}).
4. 145 e 108,75
5. 12,3 e 9,3
6. (a) 14,3% (b) 6,5 . 10
5
(c) e
2
7,39
7. 40
8. log 2
9. No
10. E(X) =
n 2
3
, pois P(X = x) =
2 (n 1 x)
n(n 1)
para x {0, . . . , n 2}.
11. (a) 29/8 (b) 1 (c) 2/9 (d) 1/4 (e) 1 (f) 1
12. (a) 0,4866 (b) 0,3679
13. (a) 0,1808 (b) 60%
15. (b) E(X) =
16. (b)
_
2/
Respostas 133
17. (a) 0 (b) 1 (c) 2
18. (a) F(x) =
1
2
+
arctg x
, x R
19. E(Y ) = 20 e Var(Y ) = 216/5
20. (a) (1 e
)/ (b) e
(c) e
/(1 ) se 0 < < 1, se 1

X! integrvel para 0 < < 1.
22.
b
n+1
a
n+1
(n + 1)(b a)
23. n! /
n
24. 7
25. 2 log 2 1
28. 13 reais
30. (a) C = 1/9
(b)
X \ Y 0 1 p
X
(x)
0 2/9 1/9 1/3
1 2/9 4/9 2/3
p
Y
(y) 4/9 5/9 1
(c) 1/5 (d) 1 (e) 50/81
31. (a) 1/15 (b) No (c) 2/3
32. 1
33. (a) Y Gama(4, 1), c = 1/8
(b) f
Z
(z) = (log z)
3
/6, 0 < z < 1
(c) P(|X| Y ) = 1
34. (a) 3/2 (b) 1/2 (c) 4/3 (d)
35. (a) 2/3 (b) 4/225
36. 1/8
37. (a) No (b) f
Z
(z) = (1/2) e
z
z
2
, z 0 (c) 1/2
134 Esperana
38. (a) No (b) 1/12
39. (a) No (b) 0
40. 1/2
41. (1 +)
2
/2
42. 1/36
43. (a) Exp(6) (b) 1/101
44. (a) /4, 1
2
/16 (b) /4, 1/3 +/6
2
/16
47. 35 e 20
48. 8
49. 21/11
50.
51. 155
52. n
_
1 +
1
2
+ +
1
n
_
53. 1, 14/15
54. 6/7, 156/245
55. 1 + 2(n 1)pq, 2pq(2n 3 2pq(3n 5)) onde q = 1 p.
56.
nR
N
, n
_
R
N
__
1
R
N
__
N n
N 1
_
57. 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
]
58. mp
i
p
j
59. 96/145
60. (a) Binomial(n 1, p) (b) 1/(n 1)
61. (a)
x 1 2 3 4
p
X|Y
(x|2) 1/4 1/8 1/8 1/2
(b) 79/8
Respostas 135
62. (a) P(X = x, Y = y) =
y x 1
20
, 1 x 4, x + 2 y 6
P(X = x) =
(6 x)(5 x)
40
, 1 x 4 P(Y = y) =
(y 1)(y 2)
40
, 3 y 6
(b) P(X = x | Y = 5) =
4 x
6
, 1 x 3
(c) 2
64. E(X | Y ) = (2/3)(1 Y
3
)/(1 Y
2
), E(Y | X) = (2/3) X
65. (a) Para y > 0: f
X|Y
(x|y) = 1/y, 0 < x < y (b) E(X
3
|Y = y) = y
3
/4
66. (a) k =
2
3
(b) E(X|Y = y) =
2 + 3y
3(1 + 2y)
67. (a) X, Y Exp(1/5), independentes, Z = X +Y f
Z
(z) =
1
25
z e
z/5
, z > 0
(b) f
X|Z
(x|15) =
1
15
, 0 < x < 15 P(X > 10 | Z = 15) =
1
3
68. (b) P(Y X/2) = 1/2 (c) f
X|Y
(x|1) = 1/2, 1 < x < 3 P(X 2 | Y = 1) = 1/2
69. (a) P(X > 0,7) = 0,216 (b) P(X < Y ) = 0,25
(c) Z = X +Y , f
Z
(z) = 3 z
2
, 0 z 1 (d) P(Z 0,8) = 0,512
(e) f
X|Z
(x|1) = 2 x, 0 x 1 P(X 0,6 | Z = 1) = 0,64
70. Binomial(z, /( +))
71. Hipergeomtrica(m+n, m, z)
72. Uniforme Discreta(z 1)
73. Uniforme(0, z)
74. f
X,Y
(x, y) = 2
2
e
(x+y)
, 0 < x < y
(a) Para y > 0, f
X|Y
(x|y) =
e
x
1 e
y
, 0 < x < y
(b) Para x > 0, f
Y |X
(y|x) = e
(yx)
, y > x
(c) (Y X) | X = x Exp()
75. (a) Z
1
Exp(3), Z
2
Exp(2) e Z
3
Exp(1), independentes
(b) Z
2
| Y
1
Exp(2) (decorre imediatamente de (a))
(c) Para y
1
> 0, f
Y
3
|Y
1
(y
3
|y
1
) = 2 e
2y
1
y
3
(e
y
1
e
y
3
), y
3
> y
1
e E(Y
3
|Y
1
) = 3/2 +Y
1
136 Esperana
80. (c) Para n 1: P(X = x | N = n) = (1/n)(1 1/n)
x1
, x = 1, 2, . . . (d) 1/p
81. (a) (9/5) e
2
(b) 1/9 (c) 2 (d) E(Y | X = x) = x + 2 (e) 4
82. (a) (n +X)/2 (b) Use que E(XY |X) = X E(Y |X).
83. (a) X|N = n Binomial(n, p) (b) Poisson(p) (c) p
84. E(X) = e Var(X) =
2
+
2
2
85. Var(N)
86.
7
4 p
e
35
24 p
+
49
16 p
2
87. (b) V U(0, 1)
88. f
X
(x) = log |x|/2, 1 < x < 1, x = 0
E(X) = 0 e Var(X) = 1/9
89. (a) E(X) = 0 e Var(X) = 2 (b) X N(0, 2) (c) Y | X = x N(x/2, 1/2)
91. (a) E(X) =
n
2
e Var(X) =
n
2
20
+
n
5
(b) P(X = x) =
6 (x + 1)(n x + 1)
(n + 3)(n + 2)(n + 1)
, x = 0, 1, . . . , n
(c) Y | X = x Beta(x + 2, n x + 2)
92. (a) P(X = x) =
1
x (x + 1)
, x = 1, 2, . . .
(b) E(X) =
(c) Y | X = x Beta(2, x)
93. E(X) = (1 e
)/
94. (a) E(X|Y ) =
Y + 1
2
(b) E(Y |X) =
X
2
; E(Y
2
|X) =
X
2
3
(c) E((X Y )
2
|X) =
X
2
3
96. (a) c = 10 (b) E(X|Y = y) = 2 y/3 (c) 2/3
97. (a) Y Exp(1) (b) X | Y = y Exp(1/y) (c) 1
Respostas 137
98. (a) 6 (b) 7 (c) 5,8192
99. (a) p
1
= 1/2 p
2
, p
2
= 1/4 p
1
+ 2/4 p
3
+ 1/4, p
3
= 2/4 p
2
+ 1/4
p
1
= 0,3 (p
2
= 0,6 e p
3
= 0,55).
(b)
1
= 4/3 + 1/2
2
,
2
= 4/6 + 1/4
1
+ 2/4
3
,
3
= 4/9 + 2/4
2

1
= 104/45 (
2
= 88/45 e
3
= 64/45).
100. (a) p
1
= 1/2 p
2
, p
2
= 1/2 p
1
+ 1/2 p
3
, p
3
= 1/2 p
2
+ 1/2 p
4
, p
4
= 1/2 p
3
+ 1/2
p
i
= i/5, i = 1, 2, 3, 4.
(c) p
i
+q
i
= 1 para todo i = 1, 2, 3, 4.
101. (c) M
n
/(a +b)
102. 42
103. (a) 1 +T
r1
+ (1 p) E(T
r
) (b) E(T
r
) = 1/p + (1/p) E(T
r1
)
(c)
1
p
(d)
r
i=1
1
p
i
=
1 p
r
p
r
(1 p)
104. 6,0705
106. M
Y
(t) =
_

e
tx
2
f
X
(x) dx =
1
1 2 t
, t < 1/2
107. Z U(2, 2)
108. (a) F
V
(v) =
_
_
0 se v < 0,
e
v
1
e 1
se 0 v 1,
1 se v > 1.
(b) M
X
(t) =
(e 1) e
t1
1 e
t1
, t < 1
(c) M
Z
(t) =
1
1 t
, t < 1 (d) Exp(1)
109. M
V
n
(t) = M
W
n
(t) =
n! (1 t)
(n + 1 t)
=
n!
n
i=1
(i t)
, t < 1
110. M
Z
(t) = M
W
(t) = e
3t
2
/2
, t R, portanto Z e W tm distribuio N(0, 3). Se fossem
independentes, teramos que M
Z+W
(t) = M
Z
(t) M
W
(t) para todo t.
112. M
Y
(t) =
_
2n
2n t
_
n
para t < 2n, Y Gama(n, 2n)
113. (a) G
X
(s) =

n
i=1
(1 p
i
+p
i
s) , s R (b) 0,860715
138 Esperana
114. (a)
1
18
(b)
17
9
(c) P(X = 0) =
5
18
, P(X = 1) =
5
36
, P(X = n) =
7
6 2
n
, n {2, 3, . . . }
116. (a) Condicionamento no primeiro passo.
(b) G
T
(s) = (p
2
+q
2
)s +
2 p
2
q
2
s
2
1 (1 pq)s
, s [1, 1] e E(T) = 3.
117. (a) G
X
(s) =
s + (1 )s
2
+ (1 )(1 )s
3
1 (1 )(1 )(1 )s
3
, s [1, 1] (Condicionamento)
(b)
(1 )(1 )
1 (1 )(1 )(1 )
(Soma dos coecientes das potncias de s
3
em G
X
(s))
(c)
1 + (1 ) + (1 )(1 )
1 (1 )(1 )(1 )
119. (a) 15/17 (b) 3/4 (c) 10
120. Use a Desigualdade de Markov Generalizada.
121. Use a Desigualdade de Chebyshev.
122. (a) Desigualdade de Markov. (b) e
x
123. (b) 0, 1/6 (c) (1 k)
2
(d) 1/(6 k
2
)
124. (a) 16/81 (b) 0,0122
125. (a) 14,7 e 38,99 (b) Desigualdade de Chebyshev.
126. (a) 50,25 e 25,126 (b) Desigualdade de Chebyshev.
127. Use um dos limitantes de Cherno.
Captulo 5
Modos de Convergncia e Teoremas Limites
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.
Convergncia Ferramenta Teorema limite
Em distribuio Funo geradora /
caracterstica
Teorema Central do Limite
Em probabilidade Desigualdades de
Markov / Chebyshev
Lei Fraca dos Grandes
Nmeros
Quase certa Lema de Borel-Cantelli Lei Forte dos Grandes
Nmeros
1. Lema de Borel-Cantelli
*
1.1. Lema de Borel-Cantelli (1909): Seja A
1
, A
2
, . . . uma sequncia de eventos em
um espao de probabilidade (, F, P).
(a) Se

n=1
P(A
n
) < , ento P(A
n
innitas vezes) = 0.
(b) Se

n=1
P(A
n
) = e A
1
, A
2
, . . . so independentes, ento P(A
n
innitas vezes) = 1.
Observao. Em vez da independncia, basta em (b) que A
1
, A
2
, . . . sejam independentes
aos pares. Outras generalizaes desse resultado podem ser encontradas na Seo 18 do
Captulo 2 de Gut [13].
2. Modos de Convergncia
2.1. Sejam X
1
, X
2
, . . . , X variveis aleatrias em um espao de probabilidade (, F, P).
Dizemos que
(a) X
n
converge para X quase certamente, denotado por X
n
q.c.
X, se o evento
{ : X
n
() X() quando n }
tem probabilidade 1.
140 Modos de Convergncia e Teoremas Limites
(b) X
n
converge para X em probabilidade, denotado por X
n
P
X, se para qualquer
> 0,
P(|X
n
X| > ) 0 quando n .
(c) X
n
converge para X em distribuio, denotado por X
n
D
X, se
P(X
n
x) P(X x) quando n ,
para todo ponto x em que F
X
(x) = P(X x) contnua.
Observao. Note que a convergncia em distribuio denida em termos das funes de
distribuio; a condio de que as variveis aleatrias sejam denidas no mesmo espao de
probabilidade suprua. Outra terminologia para X
n
D
X dizer que F
X
n
converge
fracamente para F
X
.
2.2. Unicidade do limite:
(i) Se X
n
q.c.
X e X
n
q.c.
Y , ento P(X = Y ) = 1.
(ii) Se X
n
P
X e X
n
P
Y , ento P(X = Y ) = 1.
(iii) Se X
n
D
X e X
n
D
Y , ento F
X
(x) = F
Y
(x) para todo x R.
2.3. Relaes entre os tipos de convergncia:
1. X
n
q.c.
X = X
n
P
X = X
n
D
X.
Nenhuma outra implicao vale em geral.
2. Se X
n
D
c, onde c uma constante, ento X
n
P
c.
2.4. Condio necessria e suciente para convergncia quase certa
*
:
Sejam X
1
, X
2
, . . . , X variveis aleatrias em um espao de probabilidade (, F, P).
Ento,
X
n
q.c.
X P(|X
n
X| > innitas vezes) = 0 para todo > 0
lim
n
P
_

_
k=n
{|X
k
X| > }
_
= 0 para todo > 0.
Em particular, se p
n
() = P(|X
n
X| > ) satisfaz

n=1
p
n
() < para todo > 0,
ento X
n
q.c.
X.
Modos de Convergncia 141
2.5. Teorema da continuidade
*
:
Seja {X
n
}
n1
uma sequncia de variveis aleatrias com funes geradoras de momentos
correspondentes {M
n
(t)}
n1
, que existem para |t| < b. Suponhamos que lim
n
M
n
(t) =
M(t) para |t| a < b, onde M(t) a funo geradora de momentos da varivel aleat-
ria X. Ento, X
n
D
X.
Observao. O seguinte resultado til em muitas aplicaes do Teorema da continuidade:
se c
1
, c
2
, . . . e c so nmeros reais tais que lim
n
c
n
= c, ento lim
n
_
1 +
c
n
n
_
n
= e
c
.
2.6. Outras condies para convergncia em distribuio:
(a) Sejam X
1
, X
2
, . . . e X variveis aleatrias inteiras e no-negativas. Ento,
X
n
D
X lim
n
P(X
n
= k) = P(X = k) para todo k N.
No caso geral de variveis aleatrias discretas assumindo valores em {x
0
, x
1
, . . . }, vale a
implicao = com x
k
no lugar de k.
(b) Teorema de Sche: Sejam X
1
, X
2
, . . . e X variveis aleatrias contnuas, com
densidades respectivas f
1
, f
2
, . . . e f. Se f
n
(x) f(x) quando n para quase todo x,
ento X
n
D
X.
A condio de que f
n
(x) f(x) para quase todo x signica que o conjunto {x : f
n
(x)
f(x)} tem medida de Lebesgue nula, o que ocorre, por exemplo, se esse conjunto nito
ou enumervel. A recproca do Teorema de Sche falsa.
2.7. Preservao da convergncia por uma funo contnua:
Se X
n
q.c.
X e g : R R contnua, ento g(X
n
)
q.c.
g(X).
Asseres anlogas so vlidas para
P
e
D
.
2.8. Convergncia de somas de sequncias:
(i) Se X
n
q.c.
X e Y
n
q.c.
Y , ento X
n
+Y
n
q.c.
X +Y .
(ii) Se X
n
P
X e Y
n
P
Y , ento X
n
+Y
n
P
X +Y .
Essa armao em geral no vlida no caso de convergncia em distribuio. Para valer,
alguma hiptese adicional requerida, por exemplo,
(iii) Suponha que X
n
D
X e Y
n
D
Y , com X
n
e Y
n
independentes para todo n e X
e Y independentes. Ento, X
n
+Y
n
D
X +Y .
Observao. Nos itens (i) e (ii) de 2.8, a soma pode ser substituda por diferena, produto
ou quociente.
2.9. Teorema de Slutsky (1925): Se X
n
D
X e Y
n
D
c, onde c uma constante,
ento
(a) X
n
Y
n
D
X c,
(b) X
n
Y
n
D
cX,
(c) X
n
/Y
n
D
X/c se c = 0.
2.10. Mtodo Delta: Sejam Y
1
, Y
2
, . . . variveis aleatrias tais que

n(Y
n
)
D
N(0,
2
), onde e
2
> 0 so constantes. Se g uma funo derivvel no ponto , ento
n(g(Y
n
) g())
D
N(0, (g
())
2
2
),
onde, no caso de g
() = 0, interpretamos a distribuio N(0, 0) como a massa pontual

em 0.
3. Teoremas Limites
3.1. Lei Fraca dos Grandes Nmeros de Khintchine (1929):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias i.i.d. com mdia nita . As somas
parciais S
n
= X
1
+X
2
+ +X
n
satisfazem
S
n
n
P
.
3.2. Lei Fraca dos Grandes Nmeros de Bernoulli (1713):
Consideremos uma sequncia de ensaios de Bernoulli independentes, tendo a mesma pro-
babilidade p de sucesso em cada ensaio. Se S
n
o nmero de sucessos nos n primeiros
ensaios, ento
S
n
n
P
p.
3.3. Lei Fraca dos Grandes Nmeros de Chebyshev (1867):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias e consideremos S
n
= X
1
+ X
2
+
+X
n
. Se lim
n
Var(S
n
)/n
2
= 0, ento
S
n
E(S
n
)
n
P
0. ()
Teoremas Limites 143
Em particular, () vlida se X
1
, X
2
, . . . so variveis aleatrias no-correlacionadas que
tenham varincias nitas e uniformemente limitadas.
3.4. Lei Forte dos Grandes Nmeros de Kolmogorov (1933):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias i.i.d. com mdia nita . As somas
parciais S
n
= X
1
+X
2
+ +X
n
satisfazem
S
n
n
q.c.
.
3.5. Lei Forte dos Grandes Nmeros de Borel (1909):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias i.i.d. tal que P(X
n
= 1) = p,
P(X
n
= 0) = 1 p. Ento,
S
n
n
q.c.
p,
onde S
n
= X
1
+X
2
+ +X
n
.
3.6. Teorema Central do Limite (Liapunov (1901), Lindeberg (1922)):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias i.i.d. com mdia e varincia
2
nita e positiva, e seja S
n
= X
1
+X
2
+ +X
n
. Ento,
S
n
n
n
D
N(0, 1).
Isto , para qualquer a R,
lim
n
P
_
S
n
n
n
a
_
=
1
2
_
a
e
x
2
/2
dx.
3.7. Teorema Central do Limite de De Moivre (1733) e Laplace (1812):
Seja S
n
o nmero de sucessos em n ensaios de Bernoulli independentes, tendo a mesma
probabilidade p de sucesso em cada ensaio, onde 0 < p < 1. Ento,
S
n
np
np (1 p)
D
N(0, 1).
3.8. Limite de binomiais para Poisson:
Se X
n
Binomial(n, p
n
), n 1, e lim
n
np
n
= > 0, ento
X
n
D
Poisson().
Observao. Tendo em vista o tpico 2.6 (a), no lugar da convergncia em distribuio
podemos escrever
lim
n
P(X
n
= k) =
e
k
k!
, k N
(Teorema de Poisson (1832)).
4. Outros Teoremas Limites
*
4.1. Uma Lei Forte sem supor distribuies idnticas (Kolmogorov (1933)):
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias independentes e integrveis, e con-
sideremos S
n
= X
1
+X
2
+ +X
n
.
Se

n=1
Var(X
n
)/n
2
< , ento
S
n
E(S
n
)
n
q.c.
0.
4.2. Um Teorema Central do Limite sem supor distribuies idnticas:
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias independentes, e seja S
n
=
n
i=1
X
i
.
Para cada i, sejam
i
= E(X
i
) e
2
i
= Var(X
i
), e denotemos por m
n
=
n
i=1
i
e s
2
n
=
n
i=1
2
i
a mdia e a varincia de S
n
, respectivamente.
Suponhamos que: (a) s
2
n
quando n , e (b) existe uma constante M tal que
P(|X
i
| M) = 1 para todo i.
Ento,
S
n
m
n
s
n
D
N(0, 1).
Isto , para qualquer a R,
lim
n
P
_
S
n
m
n
s
n
a
_
=
1
2
_
a
e
x
2
/2
dx.
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 [9] (p. 254).
Convergncia de momentos 145
5. Convergncia de momentos
*
5.1. Teorema da convergncia montona: Sejam X
1
, X
2
, . . . variveis aleatrias no-
negativas. Se X
n
X quase certamente quando n , ento
E(X
n
) E(X) quando n .
Observe que o limite pode ser innito.
5.2. Lema de Fatou: Se X
1
, X
2
, . . . so variveis aleatrias no-negativas, ento
E
_
liminf
n
X
n
_
liminf
n
E(X
n
).
5.3. Teorema da convergncia dominada de Lebesgue: Suponha que |X
n
| Y
para todo n, onde Y integrvel, e que X
n
q.c.
X. Ento, X e X
n
so integrveis e
lim
n
E(X
n
) = E(X).
Observao. Em 5.3, a hiptese de que X
n
q.c.
X pode ser substituda por X
n
D
X.
No caso particular de Y ser uma constante, o resultado conhecido como Teorema da
convergncia limitada.
Exerccios
Lema de Borel-Cantelli
*
1
. Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.

Para n 1, considere os eventos
A
n
: O n-simo lanamento resulta cara.
B
n
: O n-simo e o (n + 1)-simo lanamentos ambos resultam cara.
Mostre que
(a) P(A
n
innitas vezes) = 1.
(b) P(B
n
innitas vezes) = 1.
Em palavras, o item (a) garante que com probabilidade 1 ocorrem innitas caras e o
item (b) estabelece que o evento duas caras em seguida ocorre innitas vezes, com
probabilidade 1.
Sugesto: (b) Para n 1, dena C
n
o evento de que o (2n 1)-simo e o (2n)-simo
lanamentos ambos resultam cara.
2
. Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.

Prove que qualquer sequncia nita de resultados ocorre innitas vezes, com probabili-
dade 1.
3
. Sejam X
1
, X
2
, . . . variveis aleatrias independentes e identicamente distribudas, com
distribuio Bernoulli(1/2). Para n 1, denimos Y
n
o comprimento da sequncia de 0s
comeando em X
n
, isto ,
Y
n
=
_
_
_
0 se X
n
= 1,
k se X
n
= = X
n+k1
= 0 e X
n+k
= 1.
(a) Mostre que P(Y
n
= k) = 1/2
k+1
para todo k 0.
(b) Prove que P(Y
n
= k innitas vezes) = 1 para todo k 0.
(c) Mostre que P(Y
n
= n innitas vezes) = 0.
4
. Sejam X
1
, X
2
, . . . variveis aleatrias independentes, tais que X
n
U[0, a
n
], onde
a
n
> 0. Demonstre que:
(a) Se a
n
= n
2
, ento, com probabilidade 1, somente um nmero nito das X
n
s so
menores que 1.
(b) Se a
n
= n, ento, com probabilidade 1, um nmero innito das X
n
s so menores
que 1.
5
. (Barndor-Nielsen (1961)). Sejam A

1
, A
2
, . . . eventos em um espao de probabilidade
tais que lim
n
P(A
n
) = 0 e

n=1
P(A
n
A
c
n+1
) < . Prove que P(A
n
innitas vezes) = 0.
6
. Sejam A
1
, A
2
, . . . eventos em um espao de probabilidade.
(a) Prove que P(A
n
innitas vezes) = 1 se para cada k
n>k
P(A
n
| A
c
k
A
c
n1
) = .
Deduza da o item (b) do Lema de Borel-Cantelli.
(b) Mostre por meio de um exemplo que P(A
n
innitas vezes) = 1 no segue apenas
da divergncia de

n
P(A
n
| A
c
1
A
c
n1
).
(c) Demonstre que P(A
n
innitas vezes) = 1 se e somente se

n=1
P(A A
n
) =
para todo evento A com P(A) > 0.
7
. Sejam X
1
, X
2
distribuio exponencial de parmetro . Os itens (a) e (c) deste exerccio provam que,
com probabilidade 1,
limsup
n
X
n
log n
=
1
,
o que fornece uma descrio bastante precisa dos valores grandes de X
n
quando n .
Exerccios 147
(a) Mostre que
P
_
limsup
n
X
n
log n

1
_
= 1.
(b) Prove que, para qualquer > 0,
P
_
limsup
n
X
n
log n

1 +
_
= 1.
(c) Obtenha de (b) que
P
_
limsup
n
X
n
log n

1
_
= 1.
Soluo. (a) Para n 1, seja A
n
= {X
n
(log n)/}. Como A
1
, A
2
, . . . so inde-
pendentes e

n=1
P(A
n
) =

n=1
1/n = , temos, pelo Lema de Borel-Cantelli, que
P(A
n
innitas vezes) = 1. Ento,
P
_
limsup
n
X
n
log n

1
_
= 1.
(b) Fixado > 0, seja B
n
= {X
n
> (1 + ) (log n)/}, n 1. Visto que

n=1
P(B
n
) =
n=1
1/n
1+
< , obtemos pelo Lema de Borel-Cantelli que P(B
n
innitas vezes) = 0.
Da, segue que
P
_
limsup
n
X
n
log n

1 +
_
= 1.
(c) Observamos que, quando k ,
_
limsup
n
X
n
log n

1 + 1/k
_

_
limsup
n
X
n
log n

1
_
,
portanto,
P
_
limsup
n
X
n
log n

1
_
= 1.
8
. Sejam X
1
, X
2
distribuio N(0, 1). Os itens (a) e (c) deste exerccio mostram que, com probabilidade 1,
limsup
n
X
n
2 log n
= 1,
o que descreve acuradamente os valores grandes de X
n
quando n .
(a) Prove que
P
_
limsup
n
X
n
2 log n
1
_
= 1.
(b) Mostre que, para qualquer > 0,
P
_
limsup
n
X
n
2 log n

1 +
_
= 1.
(c) Conclua de (b) que
P
_
limsup
n
X
n
2 log n
1
_
= 1.
Sugesto: Use a Razo de Mill (Exerccio 42(b) do Captulo 3).
9
. Sejam X
1
, X
2
distribuio N(0, 1), e considere S
n
=

n
i=1
X
i
. Mostre que
P
_
limsup
n
S
n
2nlog n
1
_
= 1.
Sugesto: Observe que a independncia das X
i
s no usada na obteno do item (c) do
exerccio 8.
Observao. Um resultado mais preciso conhecido como Lei do Logaritmo Iterado, a
qual estabelece que, para X
1
, X
2
, . . . variveis aleatrias independentes e identicamente
distribudas com mdia 0 e varincia 1,
P
_
limsup
n
S
n
2nlog log n
= 1
_
= 1.
Encontram-se mais detalhes na Seo 1 do Captulo 8 de Gut [13].
10
. Sejam X
1
, X
2
, . . . variveis aleatrias positivas tais que E(X
n
) C para todo n 1,
onde C uma constante. Mostre que, para qualquer > 0,
P
_
limsup
n
log X
n
n

_
= 1
e portanto
P
_
limsup
n
log X
n
n
0
_
= 1.
Modos de Convergncia
11. Seja {X
n
}
n1
uma sequncia de variveis aleatrias tal que cada X
n
assume valores
em {0, 1/n, . . . , (n 1)/n, 1} com P(X
n
= j/n) = 1/(n + 1) para j = 0, . . . , n. Mostre
que X
n
D
U(0, 1).
Soluo. Seja X U(0, 1), logo
F
X
(x) =
_
_
0 se x < 0,
x se 0 x < 1,
1 se x 1.
Para n 1,
F
X
n
(x) =
_
_
0 se x < 0,
k/(n + 1) se (k 1)/n x < k/n, k = 1, . . . , n,
1 se x 1.
Exerccios 149
Para x < 0 ou x 1, temos que F
X
n
(x) = F
X
(x), portanto
lim
n
F
X
n
(x) = F
X
(x). ()
Se 0 x < 1, ento F
X
n
(x) = k/(n + 1) onde k {1, . . . , n} tal que (k 1)/n x <
k/n. Como F
X
(x) = x, temos
1
n + 1

k
n + 1

k
n
F
X
n
(x) F
X
(x)
k
n + 1

k 1
n

1
n + 1
e ento tambm vale (). Assim, X
n
D
X.
12. Seja {X
n
}
n1
uma sequncia de variveis aleatrias, sendo a densidade de X
n
dada
por
f
X
n
(x) =
nx
n1
n
, 0 < x < .
Prove que X
n
D
.
13. Suponha que X
n
N(0, 1/n), n 1. Prove que X
n
D
X 0.
14. Sejam X
1
, X
2
, . . . variveis aleatrias i.i.d. com distribuio exponencial de parme-
tro 1. Para n 1, denimos Y
n
= mx{X
1
, . . . , X
n
} log n. Mostre que a sequncia
{Y
n
}
n1
converge em distribuio, determinando a distribuio limite.
15. Sejam X
1
, X
2
com densidade comum dada por
f(x) =
1
(1 +x)
2
, x > 0.
Dena W
n
= n
1
mx{X
1
, . . . , X
n
}, n 1. Demonstre que a sequncia {W
n
}
n1
converge
em distribuio, identicando a distribuio limite.
16. Sejam X
1
, X
2
, . . . variveis aleatrias i.i.d. com distribuio uniforme em (0, 1), e seja
N
k
Poisson(k) independente de X
1
, X
2
, . . . Considere
Y
k
=
_
_
_
0 se N
k
= 0,
k mn{X
1
, . . . , X
N
k
} se N
k
1.
Prove que Y
k
converge em distribuio quando k , obtendo a distribuio limite.
17. Seja {X
n
}
n1
uma sequncia de variveis aleatrias tal que X
n
Binomial(n, 1/n
2
).
Demonstre que X
n
1/n
P
0.
Soluo. Observamos que E(X
n
) = 1/n e Var(X
n
) = (1/n) (1 1/n
2
). Para qualquer
> 0, temos, pela Desigualdade de Chebyshev,
P
_
X
n
1
n
>
_

1
n
2
_
1
1
n
2
_
n
0.
Assim, X
n
1/n
P
0.
18. Seja {X
n
}
n1
uma sequncia de variveis aleatrias tais que
P(X
n
= n) = 1 P(X
n
= 1/n) = 1/n
2
.
Mostre que X
n
P
0.
19. Seja {X
n
}
n1
em [0, 1]. Denimos
Y
n
= mn{X
1
, . . . , X
n
}, Z
n
= mx{X
1
, . . . , X
n
}, U
n
= nY
n
e V
n
= n(1 Z
n
), n 1.
Mostre que
(a) Y
n
P
0 e Z
n
P
1.
(b) U
n
D
W e V
n
D
W, onde W Exp(1).
20. Seja X uma varivel aleatria assumindo os valores 1 e 1 com probabilidade 1/2
e suponha que {Y
n
}
n1
uma sequncia de variveis aleatrias independentes de X tais
que
P(Y
n
= 1) = 1 P(Y
n
= 0) = 1
1
n
.
Denimos a sequncia de variveis aleatrias {X
n
}
n1
por
X
n
=
_
_
_
X se Y
n
= 1,
e
n
se Y
n
= 0.
Responda se as seguintes armaes so verdadeiras ou falsas, justicando sua resposta.
(a) X
n
P
X.
(b) lim
n
E(|X
n
X|) = 0.
21. Seja {X
n
}
n1
uma sequncia de variveis aleatrias com E(X
2
n
) < para todo n 1.
Prove que se lim
n
E(X
n
) = e lim
n
Var(X
n
) = 0, ento X
n
P
.
22
. Sejam X
1
, X
2
, . . . variveis aleatrias independentes, com
P(X
n
= 1) = p
n
e P(X
n
= 0) = 1 p
n
.
Prove que
(a) X
n
P
0 se e somente se lim
n
p
n
= 0.
(b) X
n
q.c.
0 se e somente se

n=1
p
n
< .
Soluo. Recordamos que, pela denio de convergncia em probabilidade,
X
n
P
0 P(|X
n
| > )
n
0 para todo > 0.
Alm disso, o critrio para convergncia quase certa dado em 2.4 estabelece que
X
n
q.c.
0 P(|X
n
| > innitas vezes) = 0 para todo > 0.
Exerccios 151
(a) Se lim
n
p
n
= 0, ento para qualquer > 0,
P(|X
n
| > ) P(X
n
= 0) = p
n
n
0,
e portanto X
n
P
0. Reciprocamente, se X
n
P
0, ento
p
n
= P(|X
n
| > 1/2)
n
0.
(b) Se

n=1
p
n
< , ento para qualquer > 0,
n=1
P(|X
n
| > )
n=1
p
n
< .
Usando o Lema de Borel-Cantelli, conclumos que P(|X
n
| > innitas vezes) = 0 para
todo > 0, logo X
n
q.c.
0.
Por outro lado, se

n=1
p
n
= , ento
n=1
P(|X
n
| > 1/2) =

n=1
p
n
= .
Como os eventos {|X
n
| > 1/2} so independentes (pois as X
n
s o so), temos, pelo Lema
de Borel-Cantelli, que P(|X
n
| > 1/2 innitas vezes) = 1. Isso mostra que X
n
no converge
para 0 quase certamente.
23
. Sejam X
2
, X
3
com distribuio exponencial de parmetro 1. Para n 2, considere
Y
n
=
X
n
log n
.
(a) Mostre que Y
n
P
0.
(b) Prove que P(|Y
n
| > 1/2 innitas vezes) = 1.
(c) Conclua do item (b) que Y
n
no converge para 0 quase certamente.
24
. Seja {X
n
}
n1
uma sequncia de variveis aleatrias tais que
P(X
n
= n
3
) =
1
n
2
, P(X
n
= 0) = 1
1
n
2
.
Prove que X
n
q.c.
0, porm lim
n
E(X
n
) = 0.
25
. Sejam X
1
, X
2
, . . . , X variveis aleatrias em um mesmo espao de probabilidade.
Demonstre que X
n
q.c.
X se
n=1
E(|X
n
X|
r
) < para algum r > 0.
26
. Suponha que X
n
N(
n
,
2
n
), n 1, e que
n
R e
n
> 0 quando
n . Prove que X
n
D
N(,
2
).
27
. Seja {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com distribuio N(0,
2
).
Fixado um nmero real , denimos a sequncia {Y
n
}
n1
pela frmula
Y
1
= X
1
, Y
n
= Y
n1
+X
n
, n 2.
(a) Mostre que Y
n
=

n1
i=0

i
X
ni
, n 1.
(b) Obtenha a funo geradora de momentos de Y
n
e a sua distribuio.
(c) Calcule Cov(Y
m
, Y
n
), 1 m n.
(d) Prove que se || < 1, ento
Y
n
D
N
_
0,

2
1
2
_
.
28
. Suponha que X
n
Geomtrica(1/n), n 2, e seja Y
n
= X
n
/n 1. Prove que
Y
n
D
Y onde Y Exp(1).
29
. Sejam X
1
, X
2
com distribuio de Poisson de parmetro . Considere S
n
=

n
i=1
X
i
. Usando o Teorema
da continuidade, demonstre que
S
n
n
D
.
Sugesto: Prove e use que lim
x0
e
x
1
x
= 1.
30. Seja {X
n
}
n1
uma sequncia de variveis aleatrias tal que X
n
tem funo de distri-
buio
F
n
(x) = x
sen(2nx)
2n
, 0 x 1.
(a) Mostre que X
n
tem densidade e ento conclua que de fato F
n
uma funo de
distribuio.
(b) Prove que X
n
D
X onde X U[0, 1], mas a densidade de X
n
no converge para
a densidade de X no intervalo (0, 1).
31. (a) Prove os itens (i) e (ii) do tpico 2.8 (p. 141).
(b) Fornea um exemplo no qual X
n
D
X, Y
n
D
Y , porm a soma X
n
+ Y
n
no
converge em distribuio para X +Y .
32. Suponha que Z
n
N(0, 1) e V
n

2
n
so variveis aleatrias independentes. Mostre
que
T
n
=
Z
n
V
n
/n
D
N(0, 1).
Sugesto: Recorde-se de que a distribuio
2
n
idntica Gama(n/2, 1/2) e obtenha
E(V
n
) e Var(V
n
).
Exerccios 153
Teoremas Limites
33. Uma moeda honesta lanada innitas vezes independentemente. Sejam X
1
, X
2
, . . .
as variveis aleatrias denidas por
X
i
=
_
_
_
1 se o i-simo e o (i + 1)-simo lanamentos resultam em cara,
0 caso contrrio.
(a) Obtenha E(X
i
) e Var(X
i
).
(b) Mostre que
Cov(X
i
, X
j
) =
_
_
_
1/16 se j = i + 1,
0 se j > i + 1.
(c) Seja S
n
=
n
i=1
X
i
, n 1. Determine E(S
n
) e Var(S
n
).
(d) Prove que S
n
/n
P
1/4.
34. Seja m 0 um nmero inteiro. Dizemos que as variveis aleatrias X
1
, X
2
, . . . so
m-dependentes se X
i
e X
j
so independentes sempre que |i j| > m. Assim, variveis
aleatrias independentes so 0-dependentes. Suponha que X
1
, X
2
, . . . so variveis aleat-
rias m-dependentes, tais que E(X
i
) = e Var(X
i
) =
2
< para todo i 1. Considere
S
n
=

n
i=1
X
i
, n 1. Mostre que
S
n
n
P
.
Sugesto: Use a Desigualdade de Cauchy-Schwarz para obter um limitante superior para
Cov(X
i
, X
j
), |i j| m.
35. Considere uma sequncia innita de lanamentos independentes de uma moeda, com
probabilidade p de cara em cada lanamento (0 < p < 1). Uma seguida uma sequncia
de lanamentos de mesmo resultado. Seja R
n
o nmero de seguidas nos n primeiros
lanamentos. Demonstre que
R
n
n
P
2 p (1 p).
Sugesto: Vejam-se os exerccios 55 do Captulo 4 e 21 do Captulo 5.
36. Suponha que distribumos r bolas distintas aleatoriamente em n urnas. Seja N
n
o
nmero de urnas vazias aps a distribuio. Prove que se r, n de forma que r/n c,
ento
N
n
n
P
e
c
.
Sugesto: Vejam-se os exerccios 57 do Captulo 4 e 21 do Captulo 5.
37. Sejam X
1
, X
2
com mdia comum e varincia nita. Prove que
_
n
2
_
1
1i<jn
X
i
X
j
P

2
.
38. Seja {X
n
}
n1
em (0, 1). Denimos a mdia geomtrica de X
1
, . . . , X
n
por
Y
n
=
_
n
i=1
X
i
_
1/n
.
Mostre que a sequncia {Y
n
}
n1
converge q.c. para uma constante e encontre o valor dessa
constante.
Soluo. Seja Z
i
= log X
i
, i 1. Ento, Z
1
, Z
2
, . . . so variveis aleatrias i.i.d. (j que
as X
i
s o so), com
E(Z
1
) =
_
1
0
log x dx = lim
0
+
_
1
log x dx = lim
0
+
(x log x x)
= 1.
Pela Lei Forte dos Grandes Nmeros de Kolmogorov,
log Y
n
=
Z
1
+ +Z
n
n
q.c.
1.
Portanto, como a funo x e
x
contnua,
Y
n
q.c.
e
1
.
39. Integrao numrica: Suponha que g uma funo contnua, no-negativa, de-
nida em [0, 1], tal que sup
x
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 dene U
n
como
o nmero de pontos que caem abaixo da curva y = g(x). Prove que
U
n
n
q.c.
_
1
0
g(x) dx.
40. Uma vareta de comprimento 1 quebrada de maneira aleatria, o que signica que a
parte restante tem distribuio uniforme em (0, 1). A parte restante quebrada de modo
similar, e assim por diante.
(a) Seja X
n
o comprimento da parte que sobra aps a vareta ter sido quebrada n vezes.
Descreva X
n
como um produto.
(b) Mostre que a sequncia {log(X
n
)/n}
n1
converge quase certamente, respondendo
qual o limite.
(c) Obtenha uma aproximao para a probabilidade de que X
36
e
24
.
41. Seja {X
n
}
n1
em [0, ]. Encontre constantes A e B tais que
sen
_
n
i=1
X
i
n
_
q.c.
A e
n
i=1
sen X
i
n
q.c.
B.
Exerccios 155
42. Seja {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com distribuio N(0, 1).
Denimos a sequncia {Y
n
}
n1
por
Y
n
=
X
2
1
+ +X
2
n
(X
1
1)
2
+ + (X
n
1)
2
.
Prove que Y
n
q.c.
1/2.
43. Seja {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com distribuio de Poisson
de parmetro . Denimos a sequncia {Y
n
}
n1
por
Y
n
=
X
1
+ +X
n
_
n(X
2
1
+ +X
2
n
)
.
Demonstre que {Y
n
}
n1
converge q.c. para uma constante e encontre o valor dessa cons-
tante.
44. Sejam X
1
, . . . , X
n
com mdia e varincia
2
, 0 <
2
< . Denimos
X
n
=
n
i=1
X
i
n
= Mdia amostral e
S
2
n
=
n
i=1
(X
i

X
n
)
2
n 1
= Varincia amostral.
(a) Determine E(

X
n
) e Var(

X
n
).
(b) Mostre que
S
2
n
=
n
i=1
X
2
i
n(

X
n
)
2
n 1
.
(c) Obtenha E(S
2
n
).
(d) Prove que S
2
n
q.c.

2
quando n .
45
. Seja {X
n
}
n1
uma sequncia de variveis aleatrias independentes tal que
P(X
n
= n
) = P(X
n
= n
) =
1
2
para algum (0,1/2). Mostre que n
1

n
i=1
X
i
q.c.
0.
46
. Sejam X
1
, X
2
, . . . variveis aleatrias independentes e identicamente distribudas.
Mostre que as seguintes armaes so equivalentes:
(i) E|X
1
| < ;
(ii)

n=1
P(|X
n
| > n) < para todo > 0;
(iii) P(|X
n
| > n innitas vezes) = 0 para todo > 0;
(iv) X
n
/n
q.c.
0 quando n .
Sugesto: Use o critrio para integrabilidade enunciado em 1.10 do Captulo 4.
47
. Recproca para a Lei Forte de Kolmogorov: Sejam X

1
, X
2
, . . . variveis alea-
trias independentes e identicamente distribudas, e considere S
n
=

n
i=1
X
i
.
(a) Suponha que S
n
/n
q.c.
c, onde c uma constante.
(a1) Mostre que X
n
/n
q.c.
0.
(a2) Conclua que E|X
1
| < e c = E(X
1
).
(b) Suponha que E|X
1
| = .
(b1) Prove que P(|X
n
| > nk innitas vezes) = 1 para todo k = 1, 2, . . .
(b2) Mostre que
P
_
limsup
n
|X
n
|
n
=
_
= 1
e portanto
P
_
limsup
n
|S
n
|
n
=
_
= 1.
Sugesto: Veja o exerccio 46 e use respectivamente em (a) e em (b) que
X
n
n
=
S
n
n

_
n 1
n
_
S
n1
n 1
e
|X
n
|
n

|S
n
|
n
+
|S
n1
|
n 1
.
48
. Uma sequncia de variveis aleatrias que satisfaz a Lei Fraca dos Grandes
Nmeros, porm no a Lei Forte: Sejam X
1
, X
2
, . . . variveis aleatrias independen-
tes tais que P(X
1
= 0) = 1 e, para cada n 2,
P(X
n
= n) = P(X
n
= n) =
1
2nlog n
, P(X
n
= 0) = 1
1
nlog n
.
Seja S
n
=

n
i=1
X
i
.
(a) Usando a Desigualdade de Chebyshev, prove que S
n
/n
P
0.
(b) Mostre que P(|X
n
| > n/2 innitas vezes) = 1.
(c) Conclua que X
n
/n no converge para 0 quase certamente e portanto S
n
/n no
converge para 0 quase certamente.
49
. Sejam X
1
, X
2
, . . . variveis aleatrias independentes tais que, para cada n 1,
P(X
n
= n) = P(X
n
= n) =
p
n
2
, P(X
n
= 0) = 1 p
n
.
Seja S
n
=

n
i=1
X
i
. Demonstre que
n=1
p
n
<
S
n
n
q.c.
0.
50. 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.
Exerccios 157
Soluo. Para 1 i 120, seja X
i
o nmero de pacotes premiados vendidos na loja no
dia i. Sabemos que X
1
, . . . , X
120
tm distribuio de Poisson(0,3), logo
= E(X
1
) = 0,3 e
2
= Var(X
1
) = 0,3.
Supomos que X
1
, . . . , X
120
so independentes, e seja S
120
=

120
i=1
X
i
o total de pacotes
premiados vendidos na loja durante os 120 dias.
Pelo Teorema Central do Limite,
P(S
120
> 30) = P
_
S
120
120 . 0,3
0,3 .
120
>
30 120 . 0,3
0,3 .
120
_
P(Z > 1) 0,8413,
onde Z N(0, 1).
51. 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.
52. 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?
53. 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.
54. O salrio em reais dos funcionrios de uma empresa tem distribuio de Pareto, com
densidade
f(x) =
5 700
5/2
2 x
7/2
, x 700.
Qual a probabilidade de que o salrio mdio de um grupo de 1000 funcionrios seja maior
que 1200 reais?
55. Cada um de 108 nmeros arredondado para o inteiro mais prximo, e somam-se os
valores arredondados. Suponha que os erros de arredondamento so variveis aleatrias
independentes, uniformemente distribudas em [1/2, 1/2]. Obtenha uma aproximao
para a probabilidade de que a soma obtida esteja distante da soma dos nmeros originais
(a) por mais de 3.
(b) por mais de 6.
56. Um estudante tem no mximo uma hora para fazer uma prova com 116 questes. Ele
decide gastar no mais que um minuto por questo. Suponha que os tempos gastos em
diferentes questes so variveis aleatrias independentes, com densidade
f(x) = 6 x (1 x), 0 x 1.
Qual a probabilidade de que o estudante consiga fazer a prova inteira?
57. A proporo de impurezas em amostras de gua coletadas em um trecho de um rio
tem distribuio Beta(3, 2). Coletam-se 36 amostras, de forma independente. Encontre
uma aproximao para as seguintes probabilidades:
(a) de que a proporo mdia de impurezas das amostras seja maior que 0,58.
(b) de que o nmero de amostras em que a proporo de impurezas excede 0,58 seja
no mximo 24.
58. Suponha que, ao jogar roleta em um cassino, o apostador ganha ou perde um euro
com probabilidades respectivas 9/19 e 10/19. Assim, as apostas sucessivas so variveis
aleatrias X
1
, X
2
, . . . independentes, com P(X
i
= 1) = 9/19 = 1 P(X
i
= 1), i 1, e
S
n
=

n
i=1
X
i
o capital acumulado pelo apostador aps n jogadas.
(a) Estime a probabilidade de que em 80 jogadas o apostador tenha perdido dinheiro.
(b) Aproxime a probabilidade de que em 400000 apostas o cassino aura um lucro
entre 20000 e 22000 euros.
59. Considere a mdia

X
n
= n
1

n
i=1
X
i
de n variveis aleatrias i.i.d. com distribuio
uniforme em [0, 1]. Encontre n tal que P(

X
n
< 0,51) seja aproximadamente 90%.
60. Um dado honesto lanado innitas vezes independentemente. Seja X
i
o resultado
do i-simo lanamento, e considere S
n
= X
1
+ +X
n
. Obtenha:
(a) lim
n
P(S
n
> 3 n).
(b) lim
n
P(S
n
> 3,5 n).
(c) um valor aproximado para P(S
100
> 320).
61. 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 sequncia de lanamentos da moeda innita e usar que {N 960} =
{
960
i=1
X
i
450}, onde X
i
a funo indicadora de que ocorre cara no i-simo
lanamento.
Exerccios 159
62. 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
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.
63. Considere um experimento que consiste em lanamentos independentes e sucessivos
de um dado honesto. Se o resultado 1, 2 ou 3, anotamos em uma folha de papel o
nmero 1, se a face do dado igual a 4, anotamos o nmero 2, e se igual a 5 ou 6,
anotamos o nmero 3. Seja N o nmero de lanamentos necessrios para que o produto
dos nmeros anotados ultrapasse 100000. Estime a probabilidade de que N 25.
64. A durao em meses de uma pilha usada por Joo no seu aparelho de mp3 tem distri-
buio uniforme em (1, 2). Suponha que Joo troca a pilha por uma nova imediatamente
aps ela car gasta. Estime a probabilidade de que ele use mais do que 27 pilhas em um
perodo de 42 meses.
65. Usando o Teorema Central do Limite para variveis aleatrias com distribuio de
Poisson, mostre que
lim
n
e
n
_
1 +
n
1!
+
n
2
2!
+ +
n
n
n!
_
=
1
2
.
66. Sejam X
1
, X
2
com distribuio Bernoulli(p), p (0, 1), e consideremos

X
n
= S
n
/n =

n
i=1
X
i
/n. Prove
que
n
_

X
n
(1

X
n
) p (1 p)
_
D
N(0, p (1 p) (1 2p)
2
).
Soluo. Pelo Teorema Central do Limite de De Moivre e Laplace,
n
_

X
n
p
_
p (1 p)
=
S
n
np
np (1 p)
D
N(0, 1),
logo, pelo Teorema de Slutsky,
n
_

X
n
p
_
D
N(0, p (1 p)).
Tomando g(x) = x (1 x), temos que g
(x) = 1 2x, portanto usando o Mtodo Delta

conclumos que
n
_

X
n
(1

X
n
) p (1 p)
_
D
N(0, p (1 p) (1 2p)
2
).
Se p = 1/2, interpretamos a distribuio N(0, 0) como a massa pontual em 0.
67. Seja {X
n
}
n1
em (1,1). Denimos a sequncia {Y
n
}
n1
por
Y
n
=
n
i=1
X
i
n
i=1
X
2
i
+
n
i=1
X
3
i
.
(a) Prove que Y
n
q.c.
0.
(b) Demonstre que

n Y
n
D
N(0, 3).
68. Seja X
n
Gama(n, 1), n 1. Prove que
X
n
n
X
n
D
N(0, 1).
69. Sejam X
1
, X
2
com distribuio de Laplace (exponencial dupla), ou seja, X
1
tem densidade
f
X
1
(x) =
1
2
e
|x|
, x R.
Mostre que
n
_
n
i=1
X
i
n
i=1
X
2
i
_
D
N(0, 1/2).
70. Sejam X
1
, X
2
com distribuio uniforme em (, ), > 0. Para n 1, denimos S
n
=

n
i=1
X
i
e
Y
n
= mx{X
1
, . . . , X
n
}. Demonstre que
S
n
n Y
n
D
N(0, 1/3).
71. Sejam {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. e g : R R uma funo.
Suponha que E(g(X
1
)) = e Var(g(X
1
)) =
2
, 0 <
2
< . Alm disso, suponha que T
n
uma funo T
n
= T
n
(X
1
, . . . , X
n
) (uma estatstica) que satisfaz
T
n
=
n
i=1
g(X
i
) +R
n
,
onde R
n
/
n
P
0. Prove que
T
n
n
n
D
N(0, 1).
72. Seja {X
n
}
n1
em [0, 2], onde > 0. Denimos

X
n
= n
1

n
i=1
X
i
. Demonstre que
n
_
log

X
n
log
_
D
N(0, 1/3).
73. Seja {X
n
}
n1
uma sequncia de variveis aleatrias independentes e identicamente
distribudas, com densidade comum
f(x) = 3 x
2
, 0 < x < 1.
Denimos a mdia harmnica de X
1
, . . . , X
n
por
H
n
=
n
n
i=1
X
1
i
.
Exerccios 161
(a) Mostre que a sequncia {H
n
}
n1
converge q.c. para uma constante c e encontre o
valor de c.
(b) Prove que

n(H
n
c) converge em distribuio, apresentando a distribuio li-
mite.
74. Seja {X
n
}
n1
uma sequncia de variveis aleatrias independentes e identicamente
distribudas, com distribuio exponencial de parmetro . Denimos
X
n
=
n
i=1
X
i
n
, U
n
=
1
X
n
, Y
n
=
|{i n : X
i
1}|
n
e V
n
= log Y
n
.
(a) Mostre que U
n
q.c.
e V
n
q.c.
quando n .
(b) Demonstre que

n(U
n
) e

n(V
n
) convergem em distribuio, determi-
nando as distribuies limites.
75. Seja {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com mdia 1 e varincia
2
nita e positiva. Considere S
n
=

n
i=1
X
i
. Prove que
_
S
n
n
D
N(0, a
2
),
determinando a constante a
2
.
76. Seja {X
n
}
n1
uma sequncia de variveis aleatrias i.i.d. com mdia e varincia
2
nita e positiva. Denimos

X
n
= n
1

n
i=1
X
i
.
(a) Mostre que
n
_

X
2
n
2
_
D
N(0, 4
2
2
).
(b) Prove que, se > 0, ento
n
_
log

X
n
log
_
D
N(0,
2
/
2
).
77
. Seja {X
n
}
n1
uma sequncia de variveis aleatrias independentes tal que
P(X
n
= 1) = P(X
n
= 1) =
1
2 n
, P(X
n
= 0) = 1
1
n
, n 1.
Considere S
n
=

n
i=1
X
i
e demonstre que
S
n
n
q.c.
0 e
S
n
log n
D
N(0, 1).
Convergncia de momentos
*
78
. Sejam X
1
, X
2
, . . . variveis aleatrias tais que X
1
integrvel e X
n
X quase
certamente quando n . Prove que
E(X
n
) E(X) quando n .
79
. (Teorema de Beppo Levi). Suponha que X

1
, X
2
, . . . so variveis aleatrias integr-
veis tais que sup
n
E(X
n
) < . Mostre que se X
n
X quase certamente quando n ,
ento X integrvel e
E(X
n
) E(X) quando n .
80
. Sejam A
1
, A
2
, . . . eventos em um espao de probabilidade.
(a) Usando o Lema de Fatou, demonstre que
P
_
liminf
n
A
n
_
liminf
n
P(A
n
).
(b) Usando o Teorema da convergncia limitada, prove que se existe A = lim
n
A
n
,
ento P(A) = lim
n
P(A
n
).
81
. Mostre que se Y
1
, Y
2
, . . . so variveis aleatrias no-negativas, ento
E
_

n=1
Y
n
_
=

n=1
E(Y
n
).
82
. Suponha que Y
1
, Y
2
, . . . so variveis aleatrias tais que |
n
k=1
Y
k
| X para todo n,
onde X integrvel. Prove que se

n=1
Y
n
converge quase certamente, ento

n=1
Y
n
e
as Y
n
s so integrveis, e
E
_

n=1
Y
n
_
=

n=1
E(Y
n
).
83
. Suponha que Y
1
, Y
2
, . . . so variveis aleatrias tais que
n=1
E|Y
n
| < . Demonstre
que

n=1
|Y
n
| converge quase certamente e integrvel, e
E
_

n=1
Y
n
_
=

n=1
E(Y
n
).
84
. Equao de Wald: Sejam X

1
, X
2
, . . . variveis aleatrias, todas com a mesma
mdia . Seja N uma varivel aleatria inteira e no-negativa tal que, para todo n,
o evento {N = n} independente de X
n+1
, X
n+2
, . . . Suponha que vlida uma das
seguintes condies:
(i) X
n
0 para todo n ou
(ii) E(N) < e sup
n
E|X
n
| < .
Mostre que
E
_
N
n=1
X
n
_
= E(N).
Sugesto: Dena I
n
= I
{Nn}
= 1
n1
i=0
I
{N=i}
e escreva

N
n=1
X
n
=

n=1
X
n
I
n
.
Respostas 163
Respostas
14. F
Y
n
(y) =
_
_
_
(1 e
y
/n)
n
se y > log n,
0 caso contrrio.
Y
n
D
Y com F
Y
(y) = exp{exp{y}}, y R.
15. F(w) =
_
_
_
e
1/w
se w > 0,
0 caso contrrio.
16. F
Y
k
(y) =
_
_
0 se y < 0,
1 +e
k
e
y
se 0 y < k,
1 se y k.
Y
k
D
Y com Y Exp(1).
20. (a) Verdadeira (Para qualquer > 0, {|X
n
X| > } {Y
n
= 0}).
(b) Falsa ( lim
n
E(|X
n
X|) = lim
n
e
n
/n = ).
26. Use o Teorema da continuidade.
27. (a) Prove por induo em n. (b) N
_
0,
2
n1
i=0

2i
_
(c)
2
nm
m1
i=0

2i
(d) Use o Teorema da continuidade.
28. Use o Teorema da continuidade.
32. Use o Teorema de Slutsky.
33. (a) 1/4, 3/16 (c) n/4, (5n 2)/16 (d) Use a Desigualdade de Chebyshev.
40. (b) 1 (c) 0,9772
41. A = 1 e B = 2/
42. Use duas vezes a Lei Forte dos Grandes Nmeros.
43.

1 +
44. (a) E(

X
n
) = e Var(

X
n
) =
2
/n (c) E(S
2
n
) =
2
(d) Use duas vezes a Lei Forte dos Grandes Nmeros.
45. Use a Lei Forte dos Grandes Nmeros enunciada em 4.1.
51. 0,904
52. 1027
53. 0,0339
54. 0,1562
55. (a) 0,3174 (b) 0,0456
56. 0,7967
57. (a) 0,7257 (b) 0,9015
58. (a) 0,6406 (b) 0,8857
59. 1366
60. (a) 1 (b) 1/2 (c) 0,9608
61. 0,97
62. 0,84
63. 0,494
64. 0,8413
67. (a) Use trs vezes a Lei Forte dos Grandes Nmeros.
(b) Use o Teorema Central do Limite, a Lei Forte e o Teorema de Slutsky.
71. Utilize o Teorema Central do Limite para a sequncia {g(X
i
)}
i1
e o Teorema de
Slutsky.
72. Mtodo Delta.
73. (a) 2/3 (b) N(0, 4/27)
74. (b) N(0,
2
) e N(0, e
1), respectivamente.
75. a
2
=
2
/4
76. Mtodo Delta.
77. Use os tpicos 4.1, 4.2, o Teorema de Slutsky e o fato de que

n
i=1
1/i log n quando
n .
Apndice
Conjuntos
Denotamos por N = {0, 1, 2, . . . } o conjunto dos nmeros naturais, Z = {. . . , 1, 0, 1, . . . }
o conjunto dos nmeros inteiros, R o conjunto dos nmeros reais e C o conjunto dos
nmeros complexos.
Um conjunto A nito se existe uma correspondncia biunvoca entre A e o conjunto
{1, . . . , n} para algum n 1. (O conjunto vazio tambm nito).
Um conjunto A innito enumervel se existe uma correspondncia biunvoca entre A
e N.
Um conjunto A innito no-enumervel se no nito nem enumervel.
A cardinalidade de um conjunto A, denotada por |A|, o nmero de elementos de A.
Sequncias
Para uma sequncia {x
n
}
n1
de nmeros reais, escrevemos x
n
x quando lim
n
x
n
= x;
x
n
x signica que x
1
x
2
e x
n
x; x
n
x signica que x
1
x
2
e x
n
x.
Seja {x
n
}
n1
uma sequncia de nmeros reais. O limite inferior e o limite superior dessa
sequncia so denidos respectivamente por
= liminf
n
x
n
= sup
n1
inf
kn
x
k
= lim
n
inf
kn
x
k
e
= limsup
n
x
n
= inf
n1
sup
kn
x
k
= lim
n
sup
kn
x
k
.
Pode-se mostrar que

so respectivamente o nmo e o supremo do conjunto dos
pontos limites da sequncia. Observamos que

= se e somente se dados M R e
n 1, existe k n tal que x
k
> M. A sequncia tem limite R {, } quando
n se e somente se =
=

.
Cumpre ainda notar que, para uma sequncia A
1
, A
2
, . . . de eventos,
I
liminf
n
A
n
= liminf
n
I
A
n
e I
limsup
n
A
n
= limsup
n
I
A
n
.
166 Apndice
Sries
Dada uma sequncia {a
n
}
n1
de nmeros reais, dizemos que a srie

n=1
a
n
converge se
a sequncia das somas parciais s
n
=

n
k=1
a
k
, n 1, tem limite nito quando n .
Caso contrrio, a srie diverge.
Se os termos so no-negativos (a
n
0 para todo n), claro que as somas parciais formam
uma sequncia no-decrescente, e ento a srie converge se e somente se a sequncia das
somas parciais limitada. Escrevemos

n=1
a
n
< ou = conforme a srie convirja
ou no.
Algumas sries importantes:
n=0
x
n
=
_
_
_
(1 x)
1
se 0 x < 1,
se x 1.
n=0
x
n
n!
= e
x
para todo x R.
n=1
1
n
p
_
_
_
< se p > 1,
= se p 1.
n=2
1
n(log n)
p
_
_
_
< se p > 1,
= se p 1.
Um critrio bastante til estabelece que as sries de termos positivos

n
a
n
e

n
b
n
so
convergentes ou divergentes simultaneamente se o limite lim
n
a
n
/b
n
um nmero diferente
de zero.
Dada uma sequncia {a
n
}
n0
de nmeros reais, a srie

n=0
a
n
x
n
chamada uma srie
de potncias. Denimos
R =
1
limsup
n
n
_
|a
n
|
,
com 1/0 e 1/ 0. Ento,

n=0
a
n
x
n
converge se |x| < R e diverge se |x| > R.
Denomina-se R o raio de convergncia da srie de potncias.
Teorema de Abel: Se a
n
0 para todo n e

n=0
a
n
x
n
converge para x (1, 1), ento
lim
x1
_

n=0
a
n
x
n
_
=

n=0
a
n
,
seja essa soma nita ou no.
167
Teorema: Uma srie de potncias pode ser derivada ou integrada termo a termo qualquer
nmero de vezes dentro do intervalo de convergncia.
Funes
Uma funo f : X R (onde X R) chamada crescente se, quaisquer que sejam x, y
X, x < y implica f(x) < f(y). Se x < y (com x, y X) implica apenas f(x) f(y), f
no-decrescente. De modo anlogo, dene-se funo decrescente e funo no-crescente.
Uma funo denominada estritamente montona se crescente ou decrescente.
Um conjunto A R convexo se, sempre que contm os pontos x e y, tambm contm
x + (1 ) y para 0 1. Uma funo : A R convexa se para quaisquer
x, y A e 0 1,
(x + (1 ) y) (x) + (1 ) (y).
Em palavras, convexa se cada ponto na corda entre (x, (x)) e (y, (y)) est acima
do grco de . Para uma funo : (a, b) R duas vezes diferencivel,
(x) 0 para
todo x (a, b) uma condio necessria e suciente para convexidade.
Convergncia uniforme no Teorema Central do Limite
Seja X
1
, X
2
, . . . uma sequncia de variveis aleatrias i.i.d. com mdia e varincia
2
nita e positiva. Em aplicaes do Teorema Central do Limite, usa-se frequentemente
que, para n grande, S
n
=

n
i=1
X
i
tem aproximadamente distribuio normal com mdia
n e varincia n
2
. Essa armao justicada pelo seguinte resultado: Se Z
n
D
Z e
F
Z
contnua em R, ento F
Z
n
converge para F
Z
uniformemente em R.
Distribuio Normal Padro
Funo tabelada: (z) =
1
2
_
z
e
x
2
/2
dx para z 0.
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
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
P
a
r
t
e
i
n
t
e
i
r
a
e
p
r
i
m
e
i
r
a
d
e
c
i
m
a
l
d
e
z
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 Bibliogrcas
[1] BACHX, A. C.; POPPE, L. M. B.; TAVARES, R. N. O. Preldio anlise combi-
natria. So Paulo: Companhia Editora Nacional, 1975.
[2] BASSETT, E. E.; BREMNER, J. M.; JOLLIFFE, I. T.; JONES, B.; MORGAN, B.
J. T.; NORTH, P. M. Statistics: problems and solutions. 2nd. ed. Singapore: World
Scientic, 2000.
[3] BILLINGSLEY, P. Probability and measure. 3rd. ed. New York: John Wiley & Sons,
1995.
[4] BNA, M. Introduction to enumerative combinatorics. Boston: McGraw Hill, 2007.
[5] DANTAS, C. A. B. Probabilidade: um curso introdutrio. 3. ed. So Paulo: Editora
da Universidade de So Paulo, 2008. (Coleo Acadmica).
[6] DASGUPTA, A. Fundamentals of probability: a rst course. New York: Springer,
2010.
[7] DURRETT, R. Elementary probability for applications. Cambridge: Cambridge Uni-
versity Press, 2009.
[8] DURRETT, R. Probability: theory and examples. 4th. ed. Cambridge: Cambridge
University Press, 2010.
[9] FELLER, W. An introduction to probability theory and its applications, Volume I.
3rd. ed. New York: John Wiley & Sons, 1968.
[10] FERNNDEZ-ABASCAL, H.; GUIJARRO, M.; ROJO, J. L.; SANZ, J. A. Ejercicios
de clculo de probabilidades. Resueltos y comentados. Barcelona: Editorial Ariel,
1995.
[11] GRIMMETT, G. R.; STIRZAKER, D. R. Probability and random processes. 3rd. ed.
New York: Oxford University Press, 2001.
[12] GUT, A. An intermediate course in probability. 2nd. ed. New York: Springer, 2009.
[13] GUT, A. Probability: a graduate course. New York: Springer, 2005.
172 Referncias Bibliogrcas
[14] HOEL, P. G.; PORT, S. C.; STONE, C. J. Introduction to probability theory. Boston:
Houghton Miin, 1971.
[15] JAMES, B. R. Probabilidade: um curso em nvel intermedirio. 3. ed. Rio de Janeiro:
Instituto Nacional de Matemtica Pura e Aplicada, 2004. (Projeto Euclides).
[16] LARSEN, R. J.; MARX, M. L. An introduction to mathematical statistics and its
applications. 4th. ed. Upper Saddle River, N. J.: Prentice Hall, 2006.
[17] LIMA, E. L. Curso de anlise, Volume 1. 12. ed. Rio de Janeiro: Instituto Nacional
de Matemtica Pura e Aplicada, 2004. (Projeto Euclides).
[18] MEESTER, R. A natural introduction to probability theory. 2nd. ed. Basel: Birkhu-
ser, 2008.
[19] MORGADO, A. C. O.; CARVALHO, J. B. P.; CARVALHO, P. C. P.; FERNAN-
DEZ, P. Anlise combinatria e probabilidade. 9. ed. Rio de Janeiro: Sociedade Bra-
sileira de Matemtica, 2006. (Coleo do Professor de Matemtica).
[20] PITMAN, J. Probability. New York: Springer, 1993.
[21] RIORDAN, J. An introduction to combinatorial analysis. New York: Dover, 2002.
[22] ROSS, S. M. A rst course in probability. 8th. ed. Upper Saddle River, N. J.: Prentice
Hall, 2008.
[23] SANTOS, J. P. O.; MELLO, M. P.; MURARI, I. T. C. Introduo anlise combi-
natria. Rio de Janeiro: Editora Cincia Moderna, 2008.
[24] STIRZAKER, D. Probability and random variables: a beginners guide. Cambridge:
Cambridge University Press, 1999.

Exercícios de Probabilidade e Estatística

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Exercícios de Probabilidade e Estatística

Uploaded by

Copyright:

Available Formats

Exerccios de Probabilidade

. Continuidade por baixo e por cima da probabilidade: Sejam A, A

. Uma moeda com probabilidade p de cara em cada lanamento lanada innitas

. Subaditividade nita e enumervel: Sejam A

. Continuidade da probabilidade: Sejam A

), com bijetora. A aplicao do mtodo consiste, em

com probabilidade 1. O leitor interessado pode olhar o Teorema 2.1

por (x, y) = (|x y|, x + y). Observamos que no

2 tambm so independentes e N(0, 1).

y 2/10 se 2 y < 102,

x f(x) dx se X contnua com densidade f.

= Z \ {0} com funo de probabilidade dada por

g(x) f(x) dx se X contnua com densidade f,

(x, y) f(x, y) dx dy.

1. A principal vantagem de trabalhar

(x) f(x) dx,

/(1 ) se 0 < < 1, se 1

() = 0, interpretamos a distribuio N(0, 0) como a massa pontual

. Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.

. Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.

. (Barndor-Nielsen (1961)). Sejam A

. Recproca para a Lei Forte de Kolmogorov: Sejam X

(x) = 1 2x, portanto usando o Mtodo Delta

. (Teorema de Beppo Levi). Suponha que X

. Equao de Wald: Sejam X

You might also like