You are on page 1of 5

MAE0221 - Probabilidade I

Fernando Henrique Ferraz Pereira da Rosa


25 de junho de 2003

Prova 21

1. Seja X uma variável aleatória contı́nua com função densidade de proba-


bilidade f (x) = 12 e−|x| , −∞ < x < ∞.
1
(a) Mostre que φX (t) = E[etX ] = 1−t2 , −1 < t < 1.
∞ ∞
1
Z Z
E[g(X)] = g(x)f (x)dx ⇒ E[etX ] = etx e−|x| dx
−∞ −∞ 2

Quebrando essa integral em dois intervalos nos quais conhecemos o


valor da função módulo:
Z ∞ Z 0 Z ∞
1 1 1
etx e−|x| dx = etx ex dx + etx e−x dx =
−∞ 2 −∞ 2 0 2
Z 0 Z ∞ 
1
= etx+x dx + etx−x dx (1)
2 −∞ 0
Resolvamos a primeira integral, fazendo a substituição u = tx + x
temos:
du
du = (t + 1)dx ⇒ dx =
t+1
x=0⇒u=0 lim x(t + 1) = −∞ (se t > −1)
x→−∞
0 0
du 1
Z Z
etx+x = eu =
−∞ −∞ t+1 t+1
Procedemos de forma análoga com a segunda integral, tomando u =
tx − x:
du
du = (t − 1)dx ⇒ dx =
t−1
x=0⇒u=0 lim x(t − 1) = −∞ (se t < 1)
x→∞
Z ∞ Z −∞
du 1
etx−x = eu =−
0 0 t−1 t−1
1 Powered by LATEX 2ε , R and Slackware 8.1 - because it works

1
Voltando os resultados na equação 1:
     
1 1 1 1 (t − 1) − (t + 1) 1 −2
(1) = − = =
2 t+1 t−1 2 (t + 1)(t − 1) 2 t2 − 1
1
= , −1 < t < 1
1 − t2
(b) Encontre a variância de X.

V ar(X) = E[X 2 ] − E 2 [X]

Mas E[X 2 ] = φ00X (0) e E[X] = φ0X (0). Assim:

2t
φ0X (t) = ⇒ φ0X (0) = 0 = E[X]
(1 − t2 )2
2(1 − t2 )2 − 2t(−2(1 − t2 )2t
φ00X (t) = ⇒ φ00X (0) = 2
(1 − t2 )4
Assim:
V ar(X) = 2 − 02 = 2
2. Lança-se uma moeda equilibrada até observar 100 caras. Determine a pro-
babilidade aproximada de que sejam necesarios, no mı́nimo, 221 lançamentos.
3. O número de sinistros pagos por uma Companhia Seguradora segue uma
distribuição de Poisson com parâmetro λ = 5, por semana. Indepen-
dente do número de sinistros a quantidade paga para cada segurado é
uma variável alatória com distribuição exponencial de média R$ 1500,00.
Qual a média e a varância da quantia paga pela Companhia em um perı́odo
de 4 semanas?
4. Sejam X e Y variáveis aleatórias independentes com distribuições expo-
nenciais com parâmetros λ1 , λ2 , respectivamente.
(a) Calcule a função de distribuição de Z = min{X, Y }.
Do enunciado temos:

X ∼ exp(λ1 ) Y ∼ exp(λ2 )

O que implica:

fX (x) = λ1 e−λ1 x I(0,∞) (x) , FX (x) = 1 − e−λ1 x


fY (y) = λ2 e−λ2 y I(0,∞) (y) , FY (y) = 1 − e−λ2 y

Desenvolvendo a função de distribuição de Z:

FZ (z) = P (Z ≤ z) = P (min{X, Y } ≤ z) = 1 − P (min{X, Y } > z)


= 1 − P (X > z, Y > z) = 1 − P (X > z)P (Y > z)
= 1 − (e−λ1 z e−λ2 z ) = 1 − (e−z(λ1 +λ2 ) )

2
(b) Calcule a distribuição condicional de Z dado que Z = X.

FZ|Z=X (z) = P (Z ≤ z|Z = X)

5. Sejam X e Y variáveis aleatórias independentes com distribuições expo-


nenciais de parâmetros 5 e 10 respectivamente.
X
(a) Calcule a densidade conjunta de U = X + Y e V = X+Y .
Do enunciado temos que X ∼ exp(5) e Y ∼ exp(10). Isso implica:

fX (x) = 5e−5x I(0,∞) (x) fY (y) = 10e−10y I(0,∞) (y)

Como X e Y são independentes, também temos:

fXY (x, y) = 50e−5(x+2y) I(0,∞) (x)I(0,∞) (y)

Queremos a transformação:
x
u = g(x, y) = x + y v = h(x, y) =
x+y
Tomemos o jacobiano dessa transformação:

δg δg 1 1

=− x+y =− 1
δx δy
J = δh δh = −y −x
δx δy (x+y) 2 (x+y) 2
(x + y)2 x+y

Assim |J −1 | = x + y. Basta agora inverter a transformação:

x = uv y = u − uv

Como:
fU V (u, v) = |J −1 |fXY (g −1 (u, v), h−1 (u, v))
Basta substituir os valores:

fU V (u, v) = u50e−5(uv+2(u−uv)) I(0,∞) (uv)I(0,∞) (u − uv)


= u50e−5u(2−v)I(0,∞) (uv)I(0,∞) (u − uv) (2)

(b) Qual a densidade marginal de U ? Para acharmos essa densidade


basta integramos (2) sobre todo o domı́nio de v. Ou seja:
Z ∞
fU (u) = fU V (u, v)dv
−∞

Analisemos em primeiro lugar qual vai ser a região de integração no


plano uv. Pela primeira função identidade, temos:

I(0,∞) (uv) ⇒ uv > 0 ⇒ u < 0 e v < 0 ou u > 0 e v > 0

3
Assim já ficamos restritos ao primeiro ou ao terceiro quadrantes.
Verificando a segunda função identidade:
I(0,∞) (u − uv) ⇒ u − uv > 0 ⇒ u(1 − v) > 0
Temos duas possibilidades, u < 0 e (1−v) < 0 ou u > 0 e (1−v) > 0.
A primeira implica em 1 < v ⇒ v > 1. Mas essa região fica no
segundo quadrante, que já excluimos. Resta então u > 0 e (1 − v) >
0 ⇒ v < 1, resultando na região indicada na figura ??.
Assim, basta integrar a função de densidade conjunta nessa região:
Z 1 Z 1
fU (u) = u50e−5u(2−v) dv = 50u e−5u(2−v) dv
0 0

dy .
Fazendo y = 5u(2 − v) temos dv = −5u
v = 0 ⇒ y = 10u v = 1 ⇒ y = 5u
Substituindo:
1 5u
50u
Z Z
e−5u(2−v) dv = e−y dy = −10 −e−5u + e−10u
 
fU (u) = 50u
0 −5u 10u
−5u −10u
= 10(e +e )

6. Uma urna contém 4 bolas brancas e 6 bolas pretas. Duas amostras


aleatórias de tamanhos 3 e 3 são retiradas da urna, sucessivamente e sem
reposiçao. Seja X o número de bolas brancas na primeira amostra e Y o
número de bolas brnacas na segunda amostra. Calcule E[Y ].
X : Hiper(N=10,m=4,n=3)
Y : Hiper(N=7,m=4-X,n=3)
Notando que a distribuição de Y depende de X, basta condicionarmos a
esperança de Y sobre os valores de X:
3
X
E[Y ] = E[Y |X = i]P (X = i)
i=0

Basta então calcularmos esses valores:


4
 6
0 20
P (X = 0) = 10
3 =
3
120
4
 6
1 60
P (X = 1) = 10
2 =
3
120
4
 6
2 36
P (X = 2) = 10
1 =
3
120
4
 6
3 4
P (X = 3) = 10
0 =
3
120

4
(4−i)3
Notando que a esperança de Y dado que X = i fica dada por 7 ,
temos:
12
E[Y |X = 0] =
7
9
E[Y |X = 1] =
7
6
E[Y |X = 2] =
7
3
E[Y |X = 3] =
7

Assim:
20 12 60 9 36 6 4 3
E[Y ] = · + · + · + · = 1.2
120 7 120 7 120 7 120 7

Sobre
A versão eletrônica desse arquivo pode ser obtida em http://www.feferraz.
net

Copyright (c) 1999-2005 Fernando Henrique Ferraz Pereira da Rosa.


É dada permiss~
ao para copiar, distribuir e/ou modificar este documento
sob os termos da Licença de Documentaç~ao Livre GNU (GFDL), vers~
ao 1.2,
publicada pela Free Software Foundation;
Uma cópia da licença em está inclusa na seç~
ao intitulada
"Sobre / Licença de Uso".

You might also like