Exercícios de Probabilidade
|
|
- Ricardo de Santarém
- 4 Há anos
- Visualizações:
Transcrição
1 Introdução à Probabilidade e Estatística I. Matemática Aplicada à Negócios. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 23 de setembro de 2008 Exercícios de Probabilidade Os exercícios marcados com são mais difíceis e podem ser deixados para uma segunda leitura. Cada uma das provas terão uma ou dois perguntas a este nével. Os exercícios marcados com são ainda mais difíceis e alguns serão resolvidos em aula, porém recomendamos a maneira de reto a sua resolução. O apéndice 14.2 contem tópicos mais avançados e o seu estudo é opcional. 1 Eventos e Espaços amostrais 1.1 Eventos Exercício 1. Demonstrar as seguintes identidades utilizando a definição de cada operação, considerando que para quaisquer dois conjuntos A e B, A = B se A B e B A. A B = (A B c ) (A c B) A = (A B) (A B c ) A \ B = A B c A c = Ω \ A A A c = A A c = Ω A A = A A = A (i) (ii) (iii) (iv) (v) (vi) (vii) (A B) C = (A C) (B C) (viii) (A B) C = (A C) (B C) (ix) Exercício 2. (Leis de De Morgan) Seja {A i : i = 1,..., n} uma coleção de eventos de Ω. Mostrar, ( n ) c n A i = A c i, i=1 i=1 ( n ) c n A i = A c i. i=1 i=1 1
2 Exercício 3. Sejam A, B e C eventos de Ω. Identifique as seguintes equações e frases, unindo cada equação expressa na notação de conjuntos com a correspondente frase na linguagem de eventos, (a) A B C = A B C (i) A e B ou C são incompatíveis (b) A B C = A (ii) Os eventos A, B, C são idênticos (c) A B C = A (iii) A ocorrência de A implica a de B e C (d) (A B C) \ (B C) = A (iv) A ocorrência de A decorre de B ou C Exercício 4. Sejam A, B, C eventos de Ω. Mostrar que A \ (B \ C) A \ B C. Encontrar uma expreção mais simples para A \ B C. Exercício 5. Sejam A, B e C três eventos em Ω. Encontrar as expressões para os seguintes eventos: (a) aconteceu somente A (b) aconteceram A e B mas não C (c) aconteceram os três eventos (d) aconteceu ao menos um dos eventos (e) aconteceram ao menos dois eventos (f) aconteceu só um dos eventos (g) ocorreram só dois eventos (h) não aconteceu nenhum dos eventos (i) não aconteceram mais de dois eventos 1.2 Espaços amostrais Ω Exercício 6. Descrever os espaços amostrais, Ω, dos seguintes experimentos: (i) uma moeda é lançada n vezes (n < ) [Dica: pense em um produto cartesiano. Por que?] (ii) duas bolas são retiradas de uma urna que inicialmente contem duas bolas pretas e duas vermelhas (iii) seleciona-se um ponto, ao acaso, do quadrado unitário {(x, y) : 0 x 1, 0 y 1} (iv) Retiram-se cartas sucessivamente de um baralho de 52 cartas, ao acaso e com reposição, até retirar-se o primeiro rei. Registra-se o número total de retiradas. Exercício 7. Um torneio de tênis começa com 2 n competidores e apresenta n jogos. Descrever o espaço Ω de todos os possíves resultados. [Dica: produto cartesiano] 2
3 2 Álgebras e σ-álgebras de conjuntos 2.1 Álgebras Definição 1. Seja Ω um conjunto. A familia A de conjuntos de Ω é uma álgebra de Ω se: (i) A, (ii) A A A c A, (iii) sejam A 1, A 2,..., A n conjuntos em A, então n i=1a i A. Assim, a única diferença entre álgebra e σ-álgebra é que a primeira so apresenta conjuntos formados por operações finitas. Exercício 8. Um dado equilibrado é jogado uma vez, e é observado o número da face superior. Os resultados possíveis são Ω = {ω 1, ω 2,..., ω 6 } = {1, 2,..., 6}. São considerados os seguintes eventos: A= o resultado é par, B= o resultado é impar, C= o resultado é um número primo. Explique por que {, A, B, Ω} é uma álgebra de Ω, embora {, A, Ω} não é uma álgebra de Ω. Exercício 9. Mostre que {, Ω} é uma álgebra (de Ω). Exercício 10. Mostre que a família de todos os subconjuntos de um conjunto finito é uma álgebra. Exercício 11. Seja A um evento de Ω. Mostrar que A = {, A, A c, Ω} é uma álgebra. Exercício 12. Sejam A e B dois conjuntos em A. Mostrar que A contem os conjuntos A B, A \ B e A B. 2.2 σ-álgebras A noção de σ-álgebra será raramente utilizada neste curso, porém é necessária para desenvolver a teoria de probabilidade de maneira consistente, isto é, sem contradições lógicas. Uma justificativa relativamente informal disto é apresentada no apêndice. Exercício 13. Mostre que uma σ-álgebra (de Ω) também é uma álgebra (de Ω). Exercício 14. Seja A uma σ-álgebra dos subconjuntos de Ω e suponha que B A. Mostrar que F B = {A B : A A } é uma σ-álgebra dos subconjuntos de B. Exercício 15. Sejam A e F duas σ-álgebras dos subconjuntos de Ω. (i) Seja D = A F a coleção dos subconjuntos de Ω em ambos A e F. Mostrar que D é uma σ-álgebra. (ii) Mostrar que A F, a coleção de subconjuntos de Ω pertencentes a A ou F, não é necessáriamente uma σ-álgebra.[dica: utilice um contra exemplo] (iii) Generalize o item (i): Se F i, i = 1,..., n são σ-álgebras de partes de Ω, 3
4 então n i=1f i também é uma σ-álgebra. (iv) Seja B uma classe de subconjuntos de Ω. Mostre que existe pelo menos uma σ-álgebra que contem B. [Dica: qual a maior classe de subconjuntos de Ω?] (v) Visando a plena utilização dos itens (b) e (c), como você definiria a menor σ-álgebra contendo B, onde B é uma classe de subconjuntos de Ω? 2.3 Seqüência de eventos Exercício 16. Seja A 1, A 2,... uma seqüência de eventos. Defina B n = m=n A m, C n = Neste caso C n A n B n. As seqüências {B n } e {A n } são respectivamente decrescentes e crescentes com limites m=n A m. lim B n = B = B n = A m, lim C n = C = n=1 C n = n=1 m n n=1 n=1 m n A m. Os eventos B e C são chamados lim sup n A n e lim inf n A n respectivamente. (i) Demonstrar a seguinte interpretação para B e C, B = {ω Ω : ω A n para uma infinidade de valores de n}, C = {ω Ω : ω A n para todo n menos uma quantidade finita de valores de n}. (ii) (esta parte realmente é de probabilidade) Se lim sup A n = lim inf A n = A, n n chamamos o evento limite A de lim n A n, ou simplesmente A n A. Demonstrar que se A = lim n A n, então P(A n ) P(A) quando n. 3 Probabilidade Exercício 17. Para os experimentos (i) e (ii) mencionados no exercicio 6, descreva um espaço de probabilidade. 4
5 Exercício 18. Uma moeda é jogada um número infinito de vezes. Descreva um espaço de probabilidade para este experimento. Exercício 19. Um dado equilibrado e jogado duas vezes. Qual é a probabilidade de que: (i) o número 6 ocorre só uma vez, (ii) ambos resultados sejam um número par, (iii) a soma dos resultados é 4, (iv) a soma dos resultados é divisível por 3. Exercício 20. Dois dados equilibrados são jogados simultaneamente. Qual é a probabilidade dos seguintes eventos: (i) a soma dos resultados é 2, 3 ou 12, (ii) a soma dos resultados é impar, (iii) o produto é impar, (iv) a diferença e impar, (v) o resultado de um dado é menor que o outro, (vi) os resultados serem diferentes e o menor dos dois números é r, para 1 r 6. [É importante distinguir os dois dados. No caso que isto não seja tomado em conta, o espaço amostral Ω = {(i, j) : 1 i j 6}, apresenta 21 possibilidades, Ω = 21, cada uma com probabilidades diferentes do caso na qual os dados são diferentes.] Exercício 21. Uma sala de aula tem 7 homens e 8 mulheres. (i) Se duas pessoas são selecionadas ao acaso para sair da sala, qual é a probabilidade destas serem do mesmo sexo? (ii) Em duas ocasiones diferentes uma pessoa é selecionada para sair da sala. Qual a probabilidade das escolhas resultar em pessoas de sexo diferente? Exercício 22. Uma moeda equilibrada é jogada repetidas vezes. Qual é a probabilidade de que na n-ésima jogada: (i) o resultado seja uma cara pela primeira vez, (ii) o número de caras e coroas é o mesmo, (iii) ocorreram exatamente duas caras, (iv) ocorreram pelo menos duas caras. Exercício 23. Descrever os espaços de probabilidade dos seguintes experimentos: (i) Uma moeda não equilibrada é jogada três vezes, (ii) duas bolas são retiradas sem reposição de uma urna que contem duas bolas brancas e duas pretas, (iii) uma moeda não equilibrada é jogada repetidas vezes até aparecer a primeira cara. Exercício 24. Demonstrar que a probabilidade de que ocorra exatamente A e B é P(A) + P(B) 2P(A B). Exercício 25. Demonstre as seguintes propriedades ( (i) Se P(A n ) = 0 para n = 1, 2,..., então P k=1 A n ) = 0, ( ) (ii) Se P(A n ) = 1 para n = 1, 2,..., então P A n = 1. Exercício 26. Demonstrar as seguintes desigualdades de Boole, ( n ) P A i i=1 n P(A i ), i=1 5 ( n ) P A i 1 i=1 k=1 n P(A c i) i=1
6 Exercício 27. Mostre que se P(A k ) 1 ε para k = 1,..., n, então, ( n P k=1 A k ) 1 nε. Exercício 28. Demonstre o seguinte fato: se A 1, A 2,... e B 1, B 2,... são eventos do mesmo espaço de probabilidade tais que P(A n ) 1 e P(B) p, quando n, então P(A n B n ) p. Exercício 29. Demonstrar que ( n ) P A i = i=1 n P(A i ) i=1 n P(A i A j ) + i<j n i<j<k + + ( 1) n+1 P(A 1 A 2 A n ). P(A i A j A k ) Exercício 30. Dois dados são jogados, sendo observado o resultado da face superior de cada um. Qual é a probabilidade dos seguintes eventos: (i) a soma dos resultados é 2, 3, ou 12?, (ii) a soma é émpar, (iii) a diferenéa é émpar, (iv) o produto é émpar. Exercício 31. Uma moeda equilibrada é jogada quatro vezes. Qual é a probabilidades de: (i) o resultado contem pelo menos trés caras, (ii) o resultado contem exatamente trés caras, (iii) o resultado contém trés o mais caras consecutivas, (iv) o resultado tem exatamente trés caras consecutivas. Exercício 32. Uma urna contem n bolas brancas, b, e n de cor laranja, l. Duas bolas são retiradas ao acaso. (i) Encontrar P(bb) quando o espaéo amostral é formado por todos os pares não ordenados de bolas indistinguéveis. (ii) Qual é a probabilidade de que a primeira bola seja branca? e da segunda branca?. (iii) A metade das bolas são removidas e colocadas em uma caixa. Se das bolas restantes uma é escolhida ao acaso, qual é a probabilidade de que esta última seja laranja?. (iii) Um dado honesto com n lados é jogado. Se a r-ésima face é o resultado, r bolas são removidas da urna e colocadas num saco. Qual é a probabilidade de que uma bola removida ao acaso do saco seja de cor laranja? Exercício 33. Um jogo de 4 xécaras e 4 pires contém duas xécaras brancas e dois pires de um cor, e os restantes de outro cor, por exemplo, preto e branco. (i) Qual é a probabilidade de que exatamente uma xécara esteja sobre um pires do mesmo cor?. (ii) Qual é a probabilidade de que duas xécaras estejam sobre pires do mesmo cor?. (iii) Qual é a probabilidade de que nenhuma xécara esteja sobre um pires do mesmo cor se o jogo consiste de quatro cores diferentes em lugar de sé dois? [Dica: bote primeiro os pires e deixe estes fixos!] 6
7 Exercício 34. A fim de comeéar um jogo de azar com um dado, é preciso sacar um 6 no primeiro lanéamento. (i) Qual é a probabilidade de que o 6 resulte pela primeira vez sé no terceiro intento?. (ii) Qual é a probabilidade de que sejam requeridos mais de trés intentos?. (iii) Qual é o número de intentos mais prováveis requeridos para obter um 6? Exercício 35. Encontrar a probabilidade de que em 24 laçamentos de dois dados não ocorra o evento (6,6). Exercício 36. No jogo crabs mencionado na sala de aula, qual é a probabilidade dos seguintes eventos: (i) ganhar ou perder antes ou no segundo lançamento, (ii) ganhar ou perder antes ou no terceiro lançamento, (iii) ganhar se no primeiro lançamento o primeiro dado resulta em 2, (iv) ganhar se no primeiro lançamento o primeiro dado resulta em 6, e (v) De ser possível fixar o resultado de um dos dados no primeiro lançamento, qual seria o número escolhido por vocé? Exercício 37. Uma urna contem trés tickets marcados com 1, 2 e 3. Se os tickets são retirados sem reposição, qual é a probabilidade de que exista um valor r (r = 1, 2, 3) tal que na r-ésima retirada resulte um tiket marcado com r? 4 Probabilidade (Combinatória) Todos os cálculos necessários para obter as probabilidades nesta seção devem utilizar argumentos combinatórios (mesmo que seja possível obter a resposta por outros médios!) Exercício 38. De quantas maneiras é possível ordenar um conjunto de n elementos? Exercício 39. De quantas maneiras podemos escolher k elementos de um conjunto de n elementos? (neste caso a ordem não é considerada) Exercício 40. Qual é o número de bijeções de um conjunto de n elementos a um conjunto de m elementos? Exercício 41. Qual é o número de todas as relações (não unicamente as bijeções) de um conjunto de n elementos a um conjunto de m elementos? Exercício 42. Qual é o número de subconjuntos de um conjunto de n elementos? Exercício 43. Suponha que vocé tem dois pares de meias vermelhas, três pares de meias beije, e quatro com um atrativo motivo de arco-éris. Se são escolhida duas meias ao acaso, qual é a probabilidade destas serem do mesmo par? 7
8 Exercício 44. Um estudante do DFM tem a livros de álgebra, b sobre bancos de dados, e c de cálculo. Se os livros são colocados numa prateleira ao acaso, qual será a probabilidade dos eventos: (i) os livros sobre um mesmo tema não estam separados, (ii) os livros sobre um mesmo tema estam em ordem alfabético mas não são necessariamente adjacentes, (iii) os livros sobre o mesmo tema são adjacentes e seguem o ordem alfabético. Exercício 45. Um jogo de cartas é bem embaralhado e uma mão de 13 cartas é oferecida a quatro jogadores. Encontrar a probabilidade de que: (i) cada jogador tenha um â? s, (ii) um jogador tenha todos os asses. [Dica: usualmente em um jogo com cartas, a ordem na qual as cartas são entregues não é importante. Lembre também que as cartas são inicialmente entregues sem reposição. Como contamos os eventos?] Exercício 46. Suponha que as pessoas tem a mesma probabilidade de nascer em qualquer dia do ano. Dado um grupo de r pessoas selecionadas ao acaso, das quais é sabido que nenhuma nasceu no 29 de fevereiro, mostrar que a probabilidade de que ao menos duas destas tenham aniversário em dias consecutivos ou no mesmo dia é p r, onde p r = 1 (365 r 1)! 365 r+1, (2r < 365). (365 2r)! Deduzir que para r = 13, a probabilidade de conseguir dois aniversários consecutivos é 1/2. Exercício 47. Uma urna contem 4n bolas, n das quais são pretas, n roxas, n azuis e n marrons. Se r, r 4, bolas são retiradas sem reposiçãoão, qual é a probabilidade de que: (i) ao menos uma bola é preta? (ii) exatamente duas bolas são pretas? (iii) existe ao menos uma bola de cada cor? Exercício 48. De quantas maneiras diferentes r bolas distintas podem ser distribuédas, ao acaso, em n urnas numeradas de 1 a n? Qual é a probabilidade de que pelo menos uma urna tenha duas bolas? Qual é a probabilidade de cada uma conter no máximo uma bola? Exercício 49. Um indivéduo tem n chaves, das quais somente uma abre uma porta. Ele seleciona, a cada tentativa, uma chave ao acaso sem reposição e tenta abrir a porta. Qual é a probabilidade de que ele abra a porta na k-ésima tentativa (k = 1, 2,..., n)? Exercício 50. Dez pessoas são sentadas ao acaso numa mesa redonda. Qual a probabilidade de que dois pessoas de um casal em particular estejam sentadas uma ao lado da outra? [Dica: enumere as cadeiras do 1 até o 10 ao igual que dez cartas bem embaralhadas, as quais serão repartidas entre as dez pessoas. O número total de resultados é igual a todas as permutações de 10 elementos. Conte o número de eventos favoráveis.] 8
9 Exercício 51. Vocé encontra-se jogando Poker e recebe 5 cartas. Um full house consta de trés cartas do mesmo valor e duas de outro, por exemplo (2, 2, 2, 4, 4 ). Uma quadra esta formada por quatro cartas do mesmo valor e uma quinta carta de qualquer outro valor, por exemplo (5, 5, 5, 5, K ). O que é mais provável, que vocé receba um full house ou uma quadra? [Dica: mesma observação que para o exercício 45] Exercício 52. Seis números são escolhidos de um total de 49 (loteria). Qual a probabilidade dos seguintes eventos (i) A = {os números escolhidos são 1, 2, 3, 4, 5, 6}, (ii) B = {44 é um dos números escolhidos}. [Dica: A ordem das escolhas não é importante.] Exercício 53. Qual é a probabilidade de formar a palavra ABRACADABRA se as letras A, A, A, A, A, B, B, C, D, R, e R são escolhidas ao acaso? Exercício 54. Mostrar as seguintes identidades n ( ) n/2 n ( ) n (i) ( ) k = 0. (iii) = 2 n 1, se n é par. k 2k k=0 k=0 n ( ) n/2 n ( ) n (ii) = 2 n. (iv) = 2 n 1, se n é par. k k k=0 k=0 Exercício 55. Considerando as identidades mostrar que k ( )( ) m n (i) j k j j=0 (1 + x) m (1 + x) n = (1 + x) m+n, (1 + x) m (1 + x) n 2 = (1 + x) m n 2, ( m + n = k ). (ii) Exercício 56. Mostrar que ( )( )( ) n n + k n = r r + 2k r + k m ( m ( ) m k k k=1 ( n r + k )( n + k r )( ) ( ) n + k n =. n + 1 m 1 )( ) n + 2k r + 2k e interpretar esta identidade no triângulo de Pascal. O triângulo de de Pascal é apresentado como um arranjo de coeficientes binomiais, C m n, C 0 0 C 0 1 C 1 1 C 0 2 C 1 2 C 2 2 C 0 3 C 1 3 C 2 3 C 3 3 = para C 0 0 = 1, já que por definição 0! =
10 5 Probabilidade Condicional Exercício 57. Um dado viciado com faces 1, 2, 3 da cor laranja e 4, 5, 6 da cor azul tem probabilidades P(1) = P(3) = P(5) = 1 9, P(2) = P(4) = P(6) = 2 9. Se o dado é lanéado uma vez, qual a probabilidade de que de que a face superior mostre um número par dado que esta é da cor laranja? Exercício 58. Dois dados são jogados no cassino, porém e o seu resultado não é mostrado. Suponha que o cassino informa que a face superior de um dos dados é 1, qual a probabilidade da soma dos dois dados ser maior o igual a 5? [Dica: quem é Ω? Se uma das faces é 1, quais dos elementos de Ω não são possíveis? quantos sobram?] Exercício 59. Durante o mês de novembro a probabilidade de chuva é de 0,3. O São Paulo ganha um jogo em um dia com chuva com a probabilidade de 0,4; em um dia sem chuva com probabilidade 0,6. Se ganhou um jogo em novembro, qual é a probabilidade de que choveu nesse dia? Exercício 60. Pedro quer enviar uma carta a Marina. A probabilidade de que Pedro escreva a carta é de 0,8. A probabilidade de que o correio não a perca é de 0,9. A probabilidade de que o carteiro a entregue é de 0,9. Dado que Marina não recebeu a carta, qual é a probabilidade condicional de que Pedro não a tenha escrito? Exercício 61. ( Urna de Polya 1 ) Uma urna contém a bolas azuis e v de cor verde. Uma bola é retirada ao acaso e seu cor é considerado. Subsequentemente a bola é devolvida para a urna junto com b bolas do mesmo cor. (i) Qual é a probabilidade dos eventos: (a) a segunda bola é verde, (b) a primeira bola retirada é verde dado que a segunda bola foi verde. (ii) Se V n denota o evento o resultado da n-ésima retirada e verde, mostrar que P(V n ) = P(V 1 ) para todo n 1. (iii) Encontrar a probabilidade de que a primeira bola retirada seja verde se na n-ésima retirada o resultado é verde. (iv) Mostrar que para quaisquer j, k, P(V k V j ) = P(V j V k ). Exercício 62. T e J decidem jogar golf. De acordo as suas habilidades T pode ganhar cada buraco com probabilidade p e J com probabilidade q. A probabilidade de empatar é r. O jogo acaba na primeira vez na qual sé um dos dois jogadores ganhe um buraco. (i) Mostrar que a probabilidade u n de que T ganhe antes ou no n-ésimo buraco é u n = p(1 rn ) (1 r). 1 O problema descrito neste exercício constitui um exemplo de uma cadeia de Markov, um dos tópicos mais importantes a serem estudados em Processos Estocásticos! 10
11 (ii) Dado que T ganha antes ou no n-ésimo buraco, mostrar que: (a) a probabilidade de que o primeiro buraco resultou em empate é r(1 r n 1 ). (1 r n ) (b) a probabilidade de que o primeiro buraco foi ganhado é (1 r) (1 r n ). (iii) Dado a que J ganha, qual é a probabilidade disto acontecer antes do terceiro buraco? Exercício 63. Um homem tem 5 moedas, duas das quais tem duas caras, uma tem duas coroas e as duas últimas são normais. (i) O homem fecha os olhos elege uma moeda e a lanéa. Qual é a probabilidade de que a face inferior da moeda seja cara? (ii) O homem abre os olhos e observa que a moeda mostra cara; qual é a probabilidade de que a face inferior seja cara? (iii) O homem fecha seus olhos de novo e lanéa a moeda uma segunda vez. Qual é a probabilidade de que a face inferior seja cara? (iv) O homem abre os olhos e observa que o resultado é cara; qual é a probabilidade de que a face inferior seja cara? (v) O homem descarta esta moeda, escolhe outra ao acaso e a lanéa. Qual é a probabilidade de que o resultado seja cara? 6 Independéncia Exercício 64. Se A e B são eventos independentes, mostrar que A c independentes, e então deducir que A c e B c também são independentes. e B são Exercício 65. Seja (Ω, A, P) um espaéo de probabilidade, e A 1,..., A n A eventos independentes com p k = P(A k ), k = 1,..., n. Obtenha a probabilidade de ocorréncia dos seguintes eventos, em termos das probabilidades p k : (i) a ocorréncia de nenhum dos A k, (ii) a ocorréncia de pelo menos um dos A k, (iii) a ocorréncia de exatamente um dos A k, (iv) a ocorréncia de exatamente dois dos A k, (v) a ocorréncia de, no máximo, n 1 dos A k. Exercício 66. (Independéncia a pares não implica independéncia coletiva) Um dado é jogado n vezes. Seja o evento A ij = a i-ésima e a j-ésima jogada tem o mesmo resultado. Mostrar que os eventos {A ij : 1 i < j n} são independentes somente quando considerados por pares, isto é, P(A ij A jn ) = P(A ij )P(A jn ) mas P(A ij A jk A ik ) P(A ij )P(A jk )P(A ik ) se i j k. 11
12 Exercício 67. Uma moeda honesta é jogada repetidas vezes. Mostrar que os seguintes enunciados são equivalentes ( ): (a) os resultados de lanéamentos diferentes são independentes, (b) dada qualquer seqüência de caras e coroas, a probabilidade de que a seqüência ocorra nos primeiros m lanéamentos é 2 m, sendo m o comprimento da seqüência. Exercício 68. Suponha que ter um menino ou uma menina tem a mesma probabilidade. Suponha também que a Sra. M tem trés filhos. Seja A o evento que a famélia tem filhos de ambos sexos, e B o evento que a famélia apresenta pelo menos uma menina. (i) Mostre que A e B são independentes. (ii) Serão A e B independentes se a probabilidade de ter um menino ou uma menina não são iguais? (iii) O que ocorre se a Sra. M tem quatro filhos? Exercício 69. Existem duas estradas para ir de A a B e duas para ir de B a C. Cada estrada pode estar bloqueada, independentemente das outras, devido a um acidente de transito com probabilidade p. (i) Encontrar a probabilidade de que uma das estradas de A a B esteja aberta dado que não existe nenhuma estrada aberta de B a C. (ii) Encontrar a probabilidade condicional se adicionalmente existe uma estrada direta entre A e C, também bloqueada independentemente das outras com probabilidade p. A p p B p p C p (iii) Qual a probabilidade de chegar de A a D se agora a disposição entre estas cidades segue o seguinte desenho embaixo? A p p B p C p p D 7 Variáveis Aleatórias Exercício 70. Considere a v.a. discreta X com distribuição de probabilidade P (X = 2) = 1/10, P (X = 3) = 1/10, P (X = 4) = 4/10, P (X = 5) = 2/10, P (X = 6) = 1/10, P (X = 7) = 1/10. Determine (i) P (X 6); (ii) P ( X 4 > 2); (iii) P (X = a), a é um número primo. Exercício 71. Suponha que vocé é convidado a jogar um jogo definido de acordo as seguintes regras: um dos números 2,..., 12 é escolhido ao acaso ao jogar um par de dados e somando os resultados das faces superiores. Vocé ganha 9 reais caso o resultado seja 2, 3, 11, ou 12, ou perde 10 reais se o resultado é 7. No caso contrário a estas duas situações, vocé não perde ou ganha nada. Se ξ denota o valor ganho (ou perdido) no jogo, quais são as probabilidades P (ξ > 0) e P (ξ < 0)? 12
13 Exercício 72. Seja X uma v.a. discreta com distribuição de probabilidade dada por { c2 x, x N, P (X = x) = 0, x N. onde N = {0, 1, 2,...}, e N é o complemento de N. Determine: (i) O valor da constante c; (ii) P (X 2); (iii) P (X > 5); (iv) P (X ser émpar). Exercício 73. Considere o lanéamento de dois dados simultaneamente. Para cada um dos items a seguir determine Im(X), e P (X = x), x Im(X): (i) X: maior valor observado no lanéamento dos sois dados. (ii) X é a soma dos valores observados. (iii) X é o produto dos valores observados. (iv) X é a diferenéa entre o maior valor observado e o menor valor observado. Exercício 74. Seja X uma v.a. cuja função de distribuição é dada por 0, x < 0, 1/3, 0 x < 1, F (x) = 1/2, 1 x < 2, 1, x 2. Calcular: P ( 1 2 X 3 2 ), P ( 1 2 X < 3 2 ), P ( 1 2 X 1), P ( 1 2 X < 1), P (1 < X < 2), P (1 X 2) e P (X > 1). Exercício 75. Cinco bolas são selecionadas aleatoriamente sem reposição de uma urna contendo N bolas numeradas de 1 até N, N > 5. Seja X a v.a. que denota o maior valor selecionado, determine a função de distribuição de X. Exercício 76. Quais são os valores da constante C para que as seguintes funções sejam distribuições nos inteiros positivos 1, 2,...? (i) Geométrica: P (X = x) = C2 x. (ii) Logarétmica: P (X = x) = C2 x /x. (iii) Quadrática inversa: P (X = x) = Cx 2. (iv) Poisson modificada : P (X = x) = C2 x /x!. Exercício 77. Seja Ω = {ω 1, ω 2, ω 3 }, com P(ω 1 ) = P(ω 2 ) = P(ω 3 ) = 1 3. Defina X, Y, Z : Ω R tal que X(ω 1 ) = 1, X(ω 2 ) = 2, X(ω 3 ) = 3, Y (ω 1 ) = 2, Y (ω 2 ) = 3, Y (ω 3 ) = 1, Z(ω 1 ) = 2, Z(ω 2 ) = 2, Z(ω 3 ) = 1. Mostrar que X e Y tem as mesmas distribuições. Encontra a funções de distribuição de X + Y, XY, e X/Y. 13
14 Exercício 78. Seja X uma v.a. definida em (Ω, A, P), e a uma constante. Mostrar que (i) ax é uma variável aleatória, (ii) X X = 0 é uma variável aleatória sempre igual a cero, e X + X = 2X. Exercício 79. Seja X uma v.a. com função de distribuição F. Qual é a distribuição de Y = ax + b, onde a e b são constantes ( R)? Exercício 80. Seja X uma v.a. e seja g : R R uma função continua e estritamente crescente. Mostrar que Y = g(x) é uma v.a. Exercício 81. O lanéamento de uma moeda resulta em cara com probabilidade p. A moeda e lanéada até aparecer a primeira cara. Seja X o número total de lanéamentos, qual é a probabilidade P (X > m)? Encontrar a função de distribuição de X. Exercício 82. Expressar as funções de distribuição de X + = max{0, X}, X = min{0, X}, X = X + + X, X, em termos da função de distribuição F da v.a. X. 8 Esperança matemática e variância Exercício 83. Mostre, para toda variável aleatória X discreta, que: (i) Se existe uma constante α tal que P (X α) = 1, então E[X] α. (ii) Se existe uma constante β tal que P (X β) = 1, então E[X] β. Se X Y, isto é, {w Ω : X(w) Y (w)}, então E[X] E[Y ]. Exercício 84. Seja X uma variável aleatória com E[X 2 ] < e sejam a e b constantes reais. Mostrar que Var(aX +b) = a 2 Var(X). [pode comeéar mostrando que Var(X + b) = Var(X).] Exercício 85. Considere dois lançamentos consecutivos de um dado. Seja o X número de vezes em que é obtida a face 1, x = 0, 1, 2; Y o número de vezes em que é obtida a face 6, y = 0, 1, 2; e Z = X + Y o número de vezes em que aparece ou uma face 1 ou uma face 6, z = 0, 1, 2. Determine Var(X), Var(Y ), Var(Z). Será verdade que Var(X + Y ) = Var(Y ) + Var(Z)? Exercício 86. Para um grupo de n pessoas, determine o número esperado de dias do ano que são aniversário de exatamente k pessoas, k n. [Dica: suponha que o ano tem 365 dias e que todos os arranjos são equiprováveis.] Exercício 87. Um homem possui em seu chaveiro n chaves e deseja abrir a porta de sua casa experimentando as chaves ao acaso e independentemente. Determine a média e a variância do número de tentativas se (i) as chaves incorretas são 14
15 descartadas e, consequentemente, não mais selecionadas; (ii) as chaves incorretas não são separadas, podendo ser escolhidas novamente. Admita que apenas uma chave consegue abrir a porta. Exercício 88. Uma urna contém bolas numeradas de 1 a N. Uma pessoa retira uma bola e a devolve, retira uma segunda bola e a devolve, e procede desta forma até obter uma bola pela segunda vez, isto é, até obter uma bola já retirada anteriormente. Seja X o número total de extrações necessárias para obter esta repetição, (i) obtenha a distribuição de X [calcule P (X > k)], (ii) Mostre que ( E[X] = ) ( )( 1 2 ) ( )( 1 2 ) ( 1 n 1 ) n n n n n n Exercício 89. Cada membro de um grupo de n jogadores lanéa um dado (sé uma vez). (i) Se o grupo ganha um ponto por cada par de jogadores cujo lanéamento tem o mesmo resultado, encontrar a média e a variância do total de pontos do grupo. (ii) Encontrar a média e a variância dos pontos totais do grupo se qualquer par de jogadores que lanéam o mesmo número k (k = 1, 2,..., 6), ganham k pontos. Exercício 90. Das 2n pessoas de um grupo de n cassais, morem exatamente m. Se as m pessoas são selecionadas ao acaso, calcule o número médio de cassais sobreviventes. [Este problema foi formulado por Daniel Bernoulli em 1768.] Exercício 91. Mostrar que se Var(X) = 0 então X é constante; isto é, existe a R tal que P (X = a) = 1. [Mostrar primeiro que se E[X 2 ] = 0 então P (X = 0) = 1.] Exercício 92. Seja X uma v.a. discreta e g : R R. Mostrar que E[g(X)] = x g(x)p (X = x) se a soma existe. 9 Esperança condicionada Exercício 93. Mostrar as seguintes propriedades da esperança condicionada (i) E[aY + bz X] = ae[y X] + be[z X], a, b R. (ii) E[Y X] 0 se Y 0. (iii) E[1 X] = 1. (iv) Se X e Y são independentes, então E[Y X] = E[Y ]. (vi) E[Y g(x) X] = g(x)[y X] para qualquer função g apropriada. (v) E{E[Y X, Z] X} = E[Y X] 15
16 10 Independéncia de variáveis aleatórias Exercício 94. Sejam X e Y v.a. independentes, cada uma com valores -1 ou 1 com probabilidade 1/2. Seja Z = XY. Mostrar que X, Y e Z são independentes a pares. Serão as trés independentes? Exercício 95. Sejam X e Y v.a. independentes com valores nos inteiros positivos e com a mesma distribuição P (X = x) = 2 x, x = 1, 2,.... Encontrar (i) P (min{x, Y } x). (iii) P (X = Y ). (v) P (X divide Y ). (ii) P (Y > X). (iv) P (X ky ), k inteiro positivo. (vi) P (X = ry ), r racional positivo. Exercício 96. Trés jogadores A, B e C se revezam para jogar um dado de acordo a ordem ABC, ABC, A... (i) Mostrar que a probabilidade de que A seja o primeiro em lanéar um 6, logo B e finalmente também C é 216/1001. (ii) Mostrar que a probabilidade de que o primeiro 6 seja lanéado por A, o segundo por B, e o terceiro por C é 46656/ Exercício 97. (a) Sejam X e Y v.a. discretas e independentes. Sejam g, h : R R. Mostrar que g(x) e h(y ) são independentes. (b) Mostrar que duas v.a. X e Y são independentes se, e somente se, P (X = x, Y = y) = P (X = x)p (Y = y) para todo x Im(X), y Im(Y ). (c) Mais geralmente, mostrar que X e Y são independentes se, e somente se, P (X = x, Y = y) pode ser fatorada como o produto g(x)h(y) de uma função de x e outra de y. 11 Extras Exercício 98. Definimos a função geradora de probabilidade da variável aleatória X (inteira não-negativa) como sendo ϕ X (t) = E[t X ], t R. (i) Verifique que ϕ X (t) = φ X (log(t)) e que φ X (t) = ϕ X (e t ), onde ϕ X (t) é a função geradora de momentos de X. (ii) Mostre que dϕ X (t) = E[X], dt t=1 d n ϕ X (t) t=0 = n! P (X = n). dt n Exercício 99. Seja X uma variável aleatória. A função caracteréstica de X é a função ψ : R C dada por ψ X (t) = E[e itx ], 16
17 onde i = 1. Lembrando que e itx = cos(tx) + isen(tx) e a + bi 2 = a 2 + b 2, verifique que a função caracteréstica é limitada por 1, isto é, ψ X (t) 1, t R. A função caracteréstica de v.as. é de grande importância em teoria das probabilidades, dentre outros motivos, por ser limitada e portanto sempre existir. [Os pré-requisitos adotados não permitem tratar da função caracteréstica nesse curso!] 12 Modelos Probabilísticos Discretos Exercício 100. Sabe-se que os parafusos produzidos por uma certa companhia são defeituosos com probabilidade 0,01, independentemente uns dos outros (isto é, a fração não-conforme de parafusos na produção é 0,01). A companhia vende os parafusos em pacotes de dez unidades e oferece uma garantia de devolução do dinheiro caso existam dois ou mais parafusos defeituosos no pacote com dez parafusos. (i) Qual a proporção de pacotes vendidos para os quais a companhia deve efetuar devolução de dinheiro? (ii) Supondo que o número de parafusos defeituosos num determinado pacote é independente dos demais pacotes, qual a probabilidade de que uma pessoa que compra dez pacotes de parafusos tenha que retornar à companhia para devolução do dinheiro? Exercício 101. Suponha que o número de erros tipográficos em uma única página de um livro tem distribuição Poisson(1/2). (i) Calcule a probabilidade de existir exatamente dois erros tipográficos em uma página. (ii) Calcule a probabilidade de que exista pelo menos um erro em uma página. (iii) Suponha agora que o livro em questão possui 200 páginas. Qual a probabilidade de não existir erros tipográficos neste livro? Exercício 102. Suponha que a probabilidade de que um item produzido por uma máquina seja defeituoso é 0,1. Determine a probabilidade de que uma amostra de dez itens conterá no máximo um item defeituoso. Compare os resultados obtidos pelas distribuições binomial e Poisson. Exercício 103. Seja X uma variável aleatória com distribuição Poisson(λ). Determine P (X A), onde A = {0, 2, 4,...}. Exercício 104. Considere X Poisson(λ). (i) Mostre que E[X n ] = λe[(x + 1) n 1 ]. (ii) Calcule E[X 4 ]. (iii) Determine E[X!] para 0 < λ < 1. (iv) Determine E[cos(πX)] e Var(cos(πX)). Exercício 105. Seja X uma variável aleatória binomial com parâmetros n e p. Mostre que P (X = k) atinge o valor máximo para k = [(n + 1)p] ([x] denota o maior inteiro menor ou igual a x). Exercício 106. Suponha que ensaios independentes, cada um tendo probabilidade p de sucesso, 0 < p < 1, são realizados até que um total de R sucessos seja 17
18 acumulado. Seja X o número de ensaios necessários para se obter o total de R sucessos. Determine a distribuição de X (dizemos, neste caso, que X possui distribuição binomial negativa com parâmetros R e p). Exercício 107. Considere a variável aleatória X do exercécio anterior. Determine E[X] e Var(X). [Observe que X = Y 1 + Y Y R, onde Y i tem distribuição geométrica de parâmetro p, 1 i R.] Exercício 108. Se ensaios independentes, cada um deles resultando em sucesso com probabilidade p, são realizados indefinidamente, qual a probabilidade de que R sucessos ocorram antes de M fracassos? Exercício 109. Sejam X e Y variáveis aleatórias binomiais com parâmetros (n, p) e (m, p), respectivamente. (i) Determine a distribuição de X + Y. (ii) Determine a distribuição condicional de X dado X + Y = n. Exercício 110. Sejam X e Y variáveis aleatórias Poisson com parâmetros λ e µ. Mostrar que: (i) X + Y é Poisson(λ + µ), (ii) a distribuição condicional de X dado X + Y = n é binomial. Encontrar os parâmetros da distribuição em (ii). Exercício 111. Se X geométrica, então P (X = n + k X > n) = P (X = k) para k, n 1. (i) Isto é interpretado como perda de meméria, por que? (ii) Mostre que não existe outra distribuição nos inteiros com esta propriedade. Exercício 112. Uma urna contem N bolas das quais b são azuis e r (= N b) são vermelhas. Uma amostra aleatória de n bolas e retirada sem reposição da urna. Mostrar que o número B de bolas azuis na amostra da distribuição P (B = k) = ( b k )( N b n k ) / ( N n Esta distribuição é a distribuição hipergeométrica com parâmetros N, b e n. Exercício 113. (i) Mostrar que se X toma valores inteiros não negativos, então E[X] = P (X > n). n=0 (ii) Uma urna contem b bolas azuis e r vermelhas. As bolas são removidas ao acaso até aparecer a primeira bola azul. Mostrar que o número esperado de bolas removidas é (b + r + 1)/(b + 1). Exercício 114. Em 1710, J. Arbuthnot observou que o número de meninos nascidos em Londres superou ao número de meninas em 82 anos sucessivos. Supondo que os dois sexos podem ocorrer na mesma proporção, e que 2 82 é pequeno, Arbuthnot atribuiu a diferença observada à Providencia Divina. Suponhamos que o 18 ).
19 nascimento de uma menina tem probabilidade de 0, 485 e que sexo resultante em cada nascimento é independente dos outros. (i) Mostrar que a probabilidade de que a ménimas sejam mais numerosas que os meninos em 2n nascimentos é ( ) 2n p n q n q n q p. onde q = 1 p. (ii) Suponha que nasceram pessoas em 82 anos sucessivos. Mostrar que a probabilidade de que os meninos superem o número de meninas em cada ano é ao menos 0,99. Exercício 115. Sejam X e Y variáveis aleatórias Bernoulli(1/2) independentes. Mostrar que X + Y e X Y são dependentes mas não correlacionadas. 13 Modelos Probabilésticos Conténuos Exercício 116. Se X é uniformemente distribuéda no intervalo (0,20), calcule a probabilidade de: (i) X < 3, (ii) X > 12, (iii) X 3 < 4. Exercício 117. Se X é uma variável aleatória normal com µ = 3 e σ 2 = 9, determine: (i) P (2 < X < 5), (ii) P (X > 0). 14 Apéndice 14.1 Conjuntos enumeráveis Denotamos por Q os números racionais, logo [0, 1] Q, são os números racionais em [0, 1]. Se agrupamos estes números de acordo aos denominadores comuns, estes podem ser ordenados da seguinte maneira 0, 1, 1 2, 1 3, 2 3, 1 4, 2 4, 3 4, 1 5, 2 5, 3 5, 4 5, 1 6,... O fato de que 1/2 esteja repetido como 2/4, 3/6, 4/8,... não tem importância (podemos omitir qualquer número que já esteja na seqüência de tal forma que cada racional em [0, 1] seja obtido de uma única forma). Definição 2. Um conjunto é enumerável se os seus elementos podem ser dispostos em uma seqüência (permitindo repetições). Teorema 1. Q é enumerável. A demonstração deste Teorema utilizara o seguinte resultado. Proposição 1. A união de uma seqüência de conjuntos enumeráveis é enumerável. 19
20 Demonstração. 2 Se os conjuntos são denotados por S i = {s ij }, i, j 1, então os términos da seqüência formada ao seguir as frechas no desenho s 11, s 12, s 21, s 31, s 22, s 13, s 14,... S 1 s 11, s 12, s 13, s 14,... S 2 s 21, s 22, s 23, s 24,... S 3 s 31, s 32, s 33, s 34,... S 4 s 41, s 42, s 43, s 44,... contam (possívelmente com repetições) todos os elementos de todos os conjuntos S i. Portanto a união i S i é enumerável. Para provar o Teorema 1, é suficiente tomar S 1, S 2, S 3, S 4,..., como os conjuntos formados pelos números racionais nos intervalos [0, 1], [ 1, 0], [1, 2], [ 2, 1],... respectivamente. Por que sera que que os racionais em [0,1] são enumeráveis? (Exercécio). Teorema 2. R não é enumerável. Demonstração. 3 Mostraremos apenas que os números reais em (0, 1) não são enumeráveis. Seja {s n } uma seqüência arbitraria dos números reais no intervalo aberto (0, 1). A prova consiste em mostrar que existe pelo menos um número real que não corresponde a nenhum dos números s n. Observamos que os números s n podem ser expressados ao considerar decimais sem fim utilizando a expansão decimal, por exemplo, o número 4, pode ser escrito como 4 + 2/10 + 9/ / Em geral qualquer número s R pode ser expressado pela série s = a + k=1 a k 10 k = a, a 0a 1 a 2 onde a k {0, 1,..., 9}, e a é a parte inteira de s. Esta representação é consistente se, por exemplo, sempre é utilizado o número 0, em lugar de 0, O argumento utilizado na prova, conhecido como o argumento diagonal, é devido a Georg Cantor. 3 Esta prova também é devida a G. Cantor. 20
21 para 1/5. Seja s 1 = 0, a 11 a 12 a s 2 = 0, a 21 a 22 a s 3 = 0, a 31 a 32 a Se a nn 1 seja b n = 1 e se a nn = 1 seja b n = 2. Isto define b n para qualquer n 1. Devido a construção realizada, a expansão decimal sem fim 0, b 1 b 2 b 3... converge a um número real b em (0, 1) o qual é diferente de qualquer s n, sendo que a sua expansão difere da expansão de s n na n-ésima posição. Suponhamos, por exemplo, que a nossa listagem {s n } é dada pelos números s 1 = s 2 = s 3 = s 4 = logo a 11 = 2 1 b 1 = 1 a 22 = 3 1 b 2 = 1 a 33 = 1 b 3 = 2 a 44 = 5 1 b 4 = 1 Assim b = 0, (0, 1), o qual poderia levar a pensar que b = s N, para algum N N, mas a expansão decimal de b difere da expansão de s N no N-ésimo decimal. Concluémos que não é possível dispor numa seqüência todos os números em (0,1), isto é, R não é enumerável. Exercício 118. Será que o Teorema 1 e o Teorema 2 juntos permitem determinar se o conjunto dos números irracionais é enumerável o não? (Qual é a definição de um número irracional?) Exercício 119. Considere o espaéo amostral Ω = {0, 1} N. Isto é, Ω tem eventos elementares ω k, k 1, da forma ω k = (a 1, a 2, a 3,...), onde a i {0, 1} para i N (ou seja, Ω contem todas as seqüências infintas de 0 s e 1 s). Será Ω enumerável? [Dica: revise cuidadosamente o Teorema 2] Exercício 120. Seja N o conjunto dos números naturais e S 1, S 2, S 3 uma seqüência dos subconjuntos de N. Construa uma seqüência de N que seja diferente de S n para cada n 1. (Vocé estara demonstrando que todos os subconjuntos de N formam um conjunto não enumerável!) 14.2 σ-álgebras Por que necessitamos de uma σ-álgebra? Mais especificamente, por que não podemos simplesmente considerar todos os possíveis subconjuntos de Ω para definir P? 21
22 Do exercício 10 sabemos que isto é possível quando Ω é enumerável, porém como veremos a continuação isto não acontece se Ω não é enumerável. Considere Ω = [0, 1] (obviamente não enumerável, veja a demosntração do Teorema 2), e suponha que temos interesse em definir uma probabilidade P neste conjunto. Seguindo a prescrição usual, fazemos P([0, 1]) = P(Ω) = 1. (1) Se assumimos que P é simétrica, então P([0, 1 2 ]) = 1 2, ou, por exemplo, P([ 3 4, 7 8 ]) = 1 8. Mais geralmente, sob simetria, Assim, em particular, se a = b, então P([a, b]) = b a, 0 a b 1. (2) P([a, a]) = P({a}) = 0. (3) Pelo outro lado, se [a, b ] e [a, b] são dois conjuntos disjuntos de [0, 1], então imediatamente de (2) temos que P ( [a, b ] [a, b] ) = P([a, b ]) + P([a, b]), (4) isto é, P é finitamente aditiva. É possível estender P a operações enumeráveis (estas permitem calcular as probabilidades de operações infinitamente delicadas como um limite). Sejam A i = [a i, b i ], i = 1, 2,... um conjunto enumerável de intervalos disjuntos de [0, 1], então P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) +... (5) Neste caso dézimos que P é enumeravelmente aditiva. Observamos agora que não é possível estender P a uniões não enumeráveis, pois claramente P([0, 1]) = P(x) x [0,1] é uma contradição uma vez que lado esquerdo é 1, porém o lado direito é 0. Suponhamos que os conjuntos A i em (5) formam uma partição de Ω, isto é, Ω = i=1a i. É importante ressaltar que neste caso não há nenhum problema pois o intervalo [0, 1] é uma união enumerável. Seja A = [a, b]. Sob simetria de P, observamos que se transladamos A por uma quantidade fixa τ, a probabilidade do intervalo transladado devera ser igual a probabilidade do intervalo original. Denotamos a translação de A por τ como A τ = {a + τ : a A, a + τ 1} {a + τ 1 : a A, a + τ > 1}, assim, P(A τ) = P(A) (6) 22
23 O préximo resultado mostra que não é possível definir uma probabilidade P sobre todos os conjuntos de [0, 1], se desejamos que esta seja consistente com as propriedades (2), (5) e (6). Equivalentemente, existem conjuntos em [0,1], aos quais não podemos outorgar um valor de probabilidade de maneira consistente, se queremos que a probabilidade satisfaga as condições (2), (5) e (6). Proposição 2. Não é possível definir uma probabilidade P, a qual satisfaz simultaneamente (2), (5) e (6). Demonstração. Suponhamos que P(A) pode ser definida para qualquer conjunto A [0, 1]. Consideramos primeiro a seguinte relação de equivaléncia em [0, 1]. Sejam x e y pontos em [0, 1], então x y se e somente se y x é racional. Esta relação determina uma partição em [0, 1] de classes de equivaléncia. Seja H um conjunto de [0, 1] o qual consiste de um elemento de cada uma destas classes de equivaléncia (é possível formar este conjunto pelo axioma da escolha; um resultado fundamental da teoria dos conjuntos). Suponhamos que 0 H (se 0 H, então podemos substitui-lo por 1/2). Sendo que H contem um elemento de cada uma das classes de equivaléncia, observamos que cada ponto em (0, 1] esta contido na união (H τ) τ [0,1) τ racional das translações de H. Dado que H contém sé um ponto de cada classe de equivaléncia, então os conjuntos H τ para τ [0, 1) racional são todos disjuntos. Assim, da aditividade enumerável temos que P ( (0, 1] ) = P(H τ). τ [0,1) τ racional Porém, da invariância por translação temos que P(H τ) = P(H), logo 1 = P ( (0, 1] ) = P(H), τ [0,1) τ racional o qual implica a seguinte contradição: uma soma enumerável (infinita) da mesma quantidade sé pode ser igual a 0, ou, ou, mas nunca igual a 1. Exercício 121. Mostre que a relação definida em [0, 1] é uma relação de equivaléncia. 23
Lista de Exercícios 4
Introdução à Teoria de Probabilidade. Informática Biomédica. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales 30 de maio de 2007. Lista de Exercícios 4 são difíceis, são bem mais difíceis.
Leia maisExercícios de Probabilidade
USP-FFCLRP Introdução à Teoria de Probabilidade DFM Informática Biomedica Prof. Rafael A. Rosales 1 de março de 2010 Exercícios de Probabilidade Os exercícios marcados com são mais difíceis e podem ser
Leia maisExercícios de Probabilidade
USP-FFCLRP Introdução à Estatística e Probabilidade I DCM Matemática Aplicada a Negócios Prof. Rafael A. Rosales 8 de agosto de 2011 Sumário 1 Eventos e Espaços amostrais 2 1.1 Eventos (Conjuntos)...............................
Leia maisMatemática Aplicada a Negócios Prof. Rafael A. Rosales 7 de setembro de 2016
USP-FFCLRP Introdução a Estatística e Probabilidade I DCM Matemática Aplicada a Negócios Prof. Rafael A. Rosales 7 de setembro de 2016 Sumário 1 Eventos e Espaços amostrais 2 1.1 Eventos (Conjuntos)...............................
Leia mais144 Exercícios de Probabilidade
USP-FFCLRP Introdução à Probabilidade e à Estatística I DCM FEARP Prof. Rafael A. Rosales 15 de outubro de 2018 Sumário 144 Exercícios de Probabilidade 1 Eventos e Espaços amostrais 2 1.1 Eventos (Conjuntos)...............................
Leia mais1 Conjuntos enumeráveis
Medida e Integração. Departamento de Física e Matemática. USP-RP. Prof. Rafael A. Rosales de maio de 007. Conjuntos enumeráveis Denotamos por Q os numeros racionais, logo [0, ] Q, são os números racionais
Leia mais3 NOÇÕES DE PROBABILIDADE
3 NOÇÕES DE PROILIDDE 3.1 Conjuntos Um conjunto pode ser considerado como uma coleção de objetos chamados elementos do conjunto. Em geral denota-se conjunto por letras maiúsculas,, C,... e a sua representação
Leia maisMAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 5: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 26 de Agosto, 2013 Probabilidade: uma Introdução / Aula 5 1 Variáveis aleatórias Definição
Leia maisProbabilidade e Estatística
Probabilidade e Estatística Distribuições Discretas de Probabilidade Prof. Narciso Gonçalves da Silva www.pessoal.utfpr.edu.br/ngsilva Introdução Distribuições Discretas de Probabilidade Muitas variáveis
Leia mais1 Definição Clássica de Probabilidade
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 4 Professor: Carlos Sérgio UNIDADE 2 - Probabilidade: Definições (Notas de aula) 1 Definição Clássica
Leia maisProbabilidade. Professora Ana Hermínia Andrade. Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise
Probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Você reconhece algum desses experimentos? Alguns
Leia maisSumário. 2 Índice Remissivo 12
i Sumário 1 Definições Básicas 1 1.1 Fundamentos de Probabilidade............................. 1 1.2 Noções de Probabilidade................................ 3 1.3 Espaços Amostrais Finitos...............................
Leia mais1 Variáveis Aleatórias
Centro de Ciências e Tecnologia Agroalimentar - Campus Pombal Disciplina: Estatística Básica - 2013 Aula 5 Professor: Carlos Sérgio UNIDADE 3 - VARIÁVEIS ALEATÓRIAS DISCRETAS (Notas de aula) 1 Variáveis
Leia maisCapítulo 2. Variáveis Aleatórias e Distribuições
Capítulo 2 Variáveis Aleatórias e Distribuições Experimento Aleatório Não existe uma definição satisfatória de Experimento Aleatório. Os exemplos dados são de fenômenos para os quais modelos probabilísticos
Leia maisModelos de Distribuição PARA COMPUTAÇÃO
Modelos de Distribuição MONITORIA DE ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO Distribuições Discretas Bernoulli Binomial Geométrica Hipergeométrica Poisson ESTATÍSTICA E PROBABILIDADE PARA COMPUTAÇÃO
Leia mais3 a Lista de PE Solução
Universidade de Brasília Departamento de Estatística 3 a Lista de PE Solução. Se X representa o ganho do jogador, então os possíveis valores para X são,, 0, e 4. Esses valores são, respectivamente, correspondentes
Leia mais(a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p), então (X + Y ) Binomial(n + m, p).
Capítulo 0 Revisões Exercício 0.1 Sejam X e Y variáveis aleatórias independentes. Mostre que: (a) Se X Poisson(λ) e Y Poisson(µ), então X + Y Poisson(λ + µ). (b) Se X Binomial(n, p) e Y Binomial(m, p),
Leia maisProbabilidade I. Departamento de Estatística. Universidade Federal da Paraíba. Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13
Probabilidade I Departamento de Estatística Universidade Federal da Paraíba Prof. Tarciana Liberal (UFPB) Aula Distribuição Geométrica 08/14 1 / 13 Distribuição Geométrica Considere novamente uma sequência
Leia maisTeoria da Probabilidade
Teoria da Probabilidade Luis Henrique Assumpção Lolis 14 de fevereiro de 2014 Luis Henrique Assumpção Lolis Teoria da Probabilidade 1 Conteúdo 1 O Experimento Aleatório 2 Espaço de amostras 3 Álgebra dos
Leia maisEscola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas. Probabilidades. Cristian Villegas
Probabilidades Cristian Villegas clobos@usp.br Setembro de 2013 Apostila de Estatística (Cristian Villegas) 1 Introdução Escola Superior de Agricultura "Luiz de Queiroz", Departamento de Ciências Exatas
Leia maisEstatística (MAD231) Turma: IGA. Período: 2018/2
Estatística (MAD231) Turma: IGA Período: 2018/2 Aula #03 de Probabilidade: 19/10/2018 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia maisTeoria das Probabilidades
Teoria das Prof. Eduardo Bezerra (CEFET/RJ) 23 de fevereiro de 2018 Eduardo Bezerra (CEFET/RJ) Teoria das 2018.1 1 / 54 Roteiro Experimento aleatório, espaço amostral, evento 1 Experimento aleatório, espaço
Leia maisExperiências Aleatórias. Espaço de Resultados. Acontecimentos
Experiências Aleatórias. Espaço de Resultados. Acontecimentos Experiência Aleatória É uma experiência em que: não se sabe exactamente o resultado que se virá a observar; conhece-se o universo dos resultados
Leia maisRevisão de Probabilidade
05 Mat074 Estatística Computacional Revisão de Probabilidade Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.ufrgs.br/~viali/ Determinístico Sistema Real Causas Efeito Probabilístico X Causas Efeito
Leia maisPRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE
PRINCIPAIS DISTRIBUIÇÕES DISCRETAS DE PROBABILIDADE 3.1 INTRODUÇÃO Muitas variáveis aleatórias associadas a experimentos aleatórios têm propriedades similares e, portanto, podem ser descritas através de
Leia maisVARIÁVEIS ALEATÓRIAS
UNIVERSIDADE FEDERAL DE JUIZ DE FORA INSTITUTO DE CIÊNCIAS EXATAS DEPARTAMENTO DE ESTATÍSTICA VARIÁVEIS ALEATÓRIAS Joaquim H Vianna Neto Relatório Técnico RTE-03/013 Relatório Técnico Série Ensino Variáveis
Leia mais= (365 k + 1). (365 k)! = 1.
Exemplo 6: (O problema do aniversário) Existem k pessoas numa sala. Supondo que o aniversário de cada pessoa é igualmente provável e que não há gêmeos na sala, qual a probabilidade de que duas ou mais
Leia maisPROBABILIDADES PROBABILIDADE DE UM EVENTO EM UM ESPAÇO AMOSTRAL FINITO
PROBABILIDADES Probabilidade é um conceito filosófico e matemático que permite a quantificação da incerteza, permitindo que ela seja aferida, analisada e usada para a realização de previsões ou para a
Leia mais1 Probabilidade: Axiomas e Propriedades
1 Probabilidade: Axiomas e Propriedades 1.1 Definição Frequentista Considere um experimento aleatório que consiste no lançamento de um dado honesto. O espaço amostral desse experimento é Ω = {1, 2, 3,
Leia maisEELT-7035 Processos Estocásticos em Engenharia. Variáveis Aleatórias. EELT-7035 Variáveis Aleatórias Discretas. Evelio M. G.
EELT-7035 Processos Estocásticos em Engenharia Variáveis Aleatórias Discretas 21 de março de 2019 Variáveis Aleatórias Variável aleatória, X( ): função que mapeia o espaço amostral (S) em números pertencentes
Leia maisUFPE, 2-o semestre de ET-622 Elementos de Estatística para o curso de Biblioteconomia Professor André Toom. Ementa
[1] Avisos: UFPE, 2-o semestre de 2011. ET-622 Elementos de Estatística para o curso de Biblioteconomia Professor André Toom Ementa Notações: v.a. - variável aleatória, E - esperança matemática, o mesmo
Leia maisa) o time ganhe 25 jogos ou mais; b) o time ganhe mais jogos contra times da classe A do que da classe B.
Universidade de Brasília Departamento de Estatística 5 a Lista de PE. Um time de basquete irá jogar uma temporada de 44 jogos. desses jogos serão disputados contra times da classe A e os 8 restantes contra
Leia maisEstatística. Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 4: Distribuições Teóricas de Probabilidades de Variáveis Aleatórias Discretas Professor Fernando Porto Capítulo 4 Baseado no Capítulo 4 do livro texto, Distribuições Teóricas de Probabilidades
Leia maisIntrodução à probabilidade e estatística I
Introdução à probabilidade e estatística I Variáveis Aleatórias Prof. Alexandre G Patriota Sala: 298A Email: patriota@ime.usp.br Site: www.ime.usp.br/ patriota Probabilidade Daqui por diante utilizaremos
Leia maisEstatística. Probabilidade. Conteúdo. Objetivos. Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal.
Estatística Probabilidade Profa. Ivonete Melo de Carvalho Conteúdo Definições. Probabilidade: regras e aplicações. Distribuição Discreta e Distribuição Normal. Objetivos Utilizar a probabilidade como estimador
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte II
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte II 13 de Dezembro de 2013 Exercício 1. Descreva o espaço de probabilidade associado às seguintes experiências aleatórias: 1. Uma moeda
Leia mais4.1. ESPERANÇA x =, x=1
4.1. ESPERANÇA 139 4.1 Esperança Certamente um dos conceitos mais conhecidos na teoria das probabilidade é a esperança de uma variável aleatória, mas não com esse nome e sim com os nomes de média ou valor
Leia maisProbabilidades. Wagner H. Bonat Elias T. Krainski Fernando P. Mayer
Probabilidades Wagner H. Bonat Elias T. Krainski Fernando P. Mayer Universidade Federal do Paraná Departamento de Estatística Laboratório de Estatística e Geoinformação 06/03/2018 WB, EK, FM ( LEG/DEST/UFPR
Leia maisProbabilidade em espaços discretos. Prof.: Joni Fusinato
Probabilidade em espaços discretos Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Probabilidade em espaços discretos Definições de Probabilidade Experimento Espaço Amostral Evento Probabilidade
Leia maisINTRODUÇÃO À PROBABILIDADE
INTRODUÇÃO À PROBABILIDADE Foto extraída em http://www.alea.pt Profª Maria Eliane Universidade Estadual de Santa Cruz USO DE PROBABILIDADES EM SITUAÇÕES DO COTIDIANO Escolhas pessoais Previsão do tempo
Leia maisMatemática & Raciocínio Lógico
Matemática & Raciocínio Lógico para concursos Prof. Me. Jamur Silveira www.professorjamur.com.br facebook: Professor Jamur PROBABILIDADE No estudo das probabilidades estamos interessados em estudar o experimento
Leia maisPROBABILIDADE. Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti
Curso: Logística e Transportes Disciplina: Estatística Profa. Eliane Cabariti PROBABILIDADE Dizemos que a probabilidade é uma medida da quantidade de incerteza que existe em um determinado experimento.
Leia maisTeoria das Desições Financeiras II p.1/15
Teoria das Desições Financeiras II José Fajardo Barbachan IBMEC Business School Rio de Janeiro Teoria das Desições Financeiras II p.1/15 Probabilidade para Finanças Teoria das Desições Financeiras II p.2/15
Leia maisESCOLA SUPERIOR DE TECNOLOGIA E GESTÃO
Área Científica Matemática Probabilidades e Estatística Curso Engenharia do Ambiente º Semestre º Ficha n.º: Probabilidades e Variáveis Aleatórias. Lançam-se ao acaso moedas. a) Escreva o espaço de resultados
Leia maisVariáveis Aleatórias Discretas
Variáveis Aleatórias Discretas Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Introdução Definição Uma variável aleatória é uma função definida
Leia maisMAE0219 Introdução à Probabilidade e Estatística I
Exercício 1 Um par de dados não viciados é lançado. Seja X a variável aleatória denotando o menor dos dois números observados. a) Encontre a tabela da distribuição dessa variável. b) Construa o gráfico
Leia maisPROBABILIDADE E ESTATÍSTICA PROBABILIDADES
PROBABILIDADE E ESTATÍSTICA PROBABILIDADES Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Revisando - Análise combinatória
Leia maisEstatística Planejamento das Aulas
7 de outubro de 2018 Fatorial Para n inteiro não negativo. O fatorial de n é definido por: Convenciona-se: Para n = 0, 0! = 1 Para n = 1, 1! = 1 Exemplos: 1. 6! = 6.5.4.3.2.1 = 720 2. 4! = 4.3.2.1 = 24
Leia maisCap. 8 - Variáveis Aleatórias
Variáveis Aleatórias Discretas: A de Poisson e Outras ESQUEMA DO CAPÍTULO 8.1 A DISTRIBUIÇÃO DE POISSON 8.2 A DISTRIBUIÇÃO DE POISSON COMO APROXIMAÇÃO DA DISTRIBUIÇÃO BINOMIAL 8.3 O PROCESSO DE POISSON
Leia maisIntrodução à Estatística
Introdução à Estatística Prof a. Juliana Freitas Pires Departamento de Estatística Universidade Federal da Paraíba - UFPB juliana@de.ufpb.br Introdução a Probabilidade Existem dois tipos de experimentos:
Leia maisReviso de Teoria da Medida e Elementos Bsicos de Probabilidade
Reviso de Teoria da Medida e Elementos Bsicos de Probabilidade Roberto Imbuzeiro Oliveira 9 de Março de 2009 Resumo Esta lista cobre o básico do básico sobre espaços e distribuições de probabilidade. Pouco
Leia maisPROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I
PROBABILIDADE E ESTATÍSTICA DISTRIBUIÇÕES DE PROBABILIDADES PARTE I Bruno Baierle Maurício Furigo Prof.ª Sheila Regina Oro (orientadora) Edital 06/2013 - Produção de Recursos Educacionais Digitais Variável
Leia maisTeoria das Probabilidades
08/06/07 Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica Universidade Federal do Pará Instituto
Leia mais3 a Lista de PE. Universidade de Brasília Departamento de Estatística
Universidade de Brasília Departamento de Estatística 3 a Lista de PE 1. Duas bolas são escolhidas aleatoriamente de uma urna contendo 8 bolas brancas, 4 pretas, e duas bolas laranjas. Suponha que um jogador
Leia maisTeoria das Probabilidades
Universidade Federal do Pará Instituto de Tecnologia Estatística Aplicada I Prof. Dr. Jorge Teófilo de Barros Lopes Campus de Belém Curso de Engenharia Mecânica 08:8 ESTATÍSTICA APLICADA I - Teoria das
Leia maisMATEMÁTICA MÓDULO 4 PROBABILIDADE
PROBABILIDADE Consideremos um experimento com resultados imprevisíveis e mutuamente exclusivos, ou seja, cada repetição desse experimento é impossível prever com certeza qual o resultado que será obtido,
Leia maisLista de exercícios 2 Métodos Estatísticos Básicos
Lista de exercícios 2 Métodos Estatísticos Básicos Prof. Regis Augusto Ely 1 de julho de 2014 1 Variáveis aleatórias unidimensionais 1. Suponha que a variável aleatória X tenha os valores possíveis 1,
Leia maisDaniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS
Daniel Queiroz VARIÁVEIS ALEATÓRIAS DISCRETAS INTRODUÇÃO O que é uma variável aleatória? Um tipo de variável que depende do resultado aleatório de um experimento aleatório. Diz-se que um experimento é
Leia maisMAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade
MAT 461 Tópicos de Matemática II Aula 8: Resumo de Probabilidade Edson de Faria Departamento de Matemática IME-USP 28 de Agosto, 2013 Probabilidade: uma Introdução / Aula 8 1 Desigualdades de Markov e
Leia maisCOMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2
COMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2 Newton José Vieira 23 de setembro de 2007 Matemática Discreta Capítulo 2 SUMÁRIO Problemas Básicos de Combinatória As Regras da Soma e do Produto
Leia maisCOMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2 O QUE É COMBINATÓRIA
Matemática Discreta Capítulo 2 SUMÁRIO COMBINATÓRIA ELEMENTAR BASEADO EM TOWNSEND (1987), CAP. 2 Newton José Vieira 23 de setembro de 2007 Problemas Básicos de Combinatória As Regras da Soma e do Produto
Leia maisEstatística e Modelos Probabilísticos - COE241
Estatística e Modelos Probabilísticos - COE241 Aulas passadas Espaço Amostral Álgebra de Eventos Axiomas de Probabilidade Análise Combinatória Aula de hoje Probabilidade Condicional Independência de Eventos
Leia maisProfessora Ana Hermínia Andrade. Período
Distribuições de probabilidade Professora Ana Hermínia Andrade Universidade Federal do Amazonas Faculdade de Estudos Sociais Departamento de Economia e Análise Período 2016.2 Modelos de distribuição Para
Leia maisTEORIA DAS PROBABILIDADES
TEORIA DAS PROBABILIDADES 1.1 Introdução Ao estudarmos um fenômeno coletivo, verificamos a necessidade de descrever o próprio fenômeno e o modelo matemático associado ao mesmo, que permita explicá-lo da
Leia mais2.4 Esperança e distribuição condicionais
2.4. ESPERANÇA E DISTRIBUIÇÃO CONDICIONAIS 35 2.4 Esperança e distribuição condicionais Estendemos aqui o conceito de probabilidade condicional em (2.8) para obter a distribuição condicional e, posteriormente,
Leia mais3. Probabilidade P(A) =
7 3. Probabilidade Probabilidade é uma medida numérica da plausibilidade de que um evento ocorrerá. Assim, as probabilidades podem ser usadas como medidas do grau de incerteza e podem ser expressas de
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisLucas Santana da Cunha de junho de 2017
VARIÁVEL ALEATÓRIA Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ Universidade Estadual de Londrina 19 de junho de 2017 Uma função que associa um número real aos resultados
Leia maisALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS. Prof.: Idemauro Antonio Rodrigues de Lara
1 ALGUNS MODELOS DE VARIÁVEIS ALEATÓRIAS UNIDIMENSIONAIS Prof.: Idemauro Antonio Rodrigues de Lara 2 Modelos de variáveis aleatórias discretas 1. Distribuição Uniforme Discreta 2. Distribuição Binomial
Leia maisPROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS. Aula 7 11 e 12 abril MOQ-12 Probabilidades e Int. a Processos Estocásticos
PROBABILIDADES E INTRODUÇÃO A PROCESSOS ESTOCÁSTICOS Aula 7 11 e 12 abril 2007 1 Distribuições Discretas 1. Distribuição Bernoulli 2. Distribuição Binomial 3. Distribuição Geométrica 4. Distribuição Pascal
Leia maisMétodos Estatísticos Básicos
Aula 6 - Introdução à probabilidade Departamento de Economia Universidade Federal de Pelotas (UFPel) Maio de 2014 Experimento Experimento aleatório (E ): é um experimento que pode ser repetido indenidamente
Leia maisEstatística (MAD231) Turma: IGA. Período: 2017/2
Estatística (MAD231) Turma: IGA Período: 2017/2 Aula #03 de Probabilidade: 04/10/2017 1 Variáveis Aleatórias Considere um experimento cujo espaço amostral é Ω. Ω contém todos os resultados possíveis: e
Leia mais2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB.
2. EXERCÍCIOS PROPOSTOS SOBRE V.A. E DISTRIB.PROBAB. 1) Classifique as seguintes variáveis aleatórias como discretas ou contínuas. X : o número de acidentes de automóvel por ano na rodovia BR 116. Y :
Leia maisProbabilidade. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Probabilidade Probabilidade Experimento Aleatório Um experimento é dito aleatório quando satisfaz
Leia maisProcessos Estocásticos
Processos Estocásticos Quarta Lista de Exercícios 12 de fevereiro de 2014 1 Sejam X e Y duas VAs que só podem assumir os valores 1 ou -1 e seja p(x, y) = P (X = x, Y = y), x, y { 1, 1} a função de probabilidade
Leia maisProcessos Estocásticos. Variáveis Aleatórias. Variáveis Aleatórias. Luiz Affonso Guedes. Como devemos descrever um experimento aleatório?
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Funções de Uma Variável Aleatória Funções de Várias Momentos e Estatística Condicional Teorema do Limite Central Processos Estocásticos
Leia maisAULA 15 - Distribuição de Bernoulli e Binomial
AULA 15 - Distribuição de Bernoulli e Binomial Susan Schommer Introdução à Estatística Econômica - IE/UFRJ Variável Aleatória de Bernoulli Podemos dizer que as variáveis aleatórias mais simples entre as
Leia maisProf.: Joni Fusinato
Introdução a Teoria da Probabilidade Prof.: Joni Fusinato joni.fusinato@ifsc.edu.br jfusinato@gmail.com Teoria da Probabilidade Consiste em utilizar a intuição humana para estudar os fenômenos do nosso
Leia maisPROBABILIDADE. Luciana Santos da Silva Martino. PROFMAT - Colégio Pedro II. 01 de julho de 2017
Sumário PROBABILIDADE Luciana Santos da Silva Martino PROFMAT - Colégio Pedro II 01 de julho de 2017 Sumário 1 Conceitos Básicos 2 Probabildade Condicional 3 Espaço Amostral Infinito Outline 1 Conceitos
Leia maisModelos Probabilisticos Discretos
Modelos Probabilisticos Discretos Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 30 A distribuição Uniforme Discreta Suponha um experimento
Leia maisVariáveis Aleatórias. Probabilidade e Estatística. Prof. Dr. Narciso Gonçalves da Silva
Probabilidade e Estatística Prof. Dr. Narciso Gonçalves da Silva http://paginapessoal.utfpr.edu.br/ngsilva Variáveis Aleatórias Variável Aleatória Variável aleatória (VA) é uma função que associa a cada
Leia maisAula de hoje. administração. São Paulo: Ática, 2007, Cap. 3. ! Tópicos. ! Referências. ! Distribuição de probabilidades! Variáveis aleatórias
Aula de hoje! Tópicos! Distribuição de probabilidades! Variáveis aleatórias! Variáveis discretas! Variáveis contínuas! Distribuição binomial! Distribuição normal! Referências! Barrow, M. Estatística para
Leia maisNOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE. Prof.: Idemauro Antonio Rodrigues de Lara
1 NOTAS DA AULA REVISÃO SOBRE FUNDAMENTOS DE PROBABILIDADE Prof.: Idemauro Antonio Rodrigues de Lara 2 Experimentos aleatórios Definição 1. Experimentos aleatórios são experimentos que quando executados
Leia maisESCOLA SUPERIOR DE TECNOLOGIA
Departamento Matemática Probabilidades e Estatística Curso Engenharia do Ambiente 2º Semestre 1º Ficha n.º1: Probabilidades e Variáveis Aleatórias 1. Lançam- ao acaso 2 moedas. a) Escreva o espaço de resultados
Leia maisConforme o conjunto de valores X(S) uma variável aleatória poderá ser discreta ou contínua.
Prof. Lorí Viali, Dr. viali@pucrs.br http://www.pucrs.br/famat/viali/ s KKK CKK KKC KCK CCK CKC KCC CCC S X X(s) R X(S) Uma função X que associa a cada elemento de S (s S) um número real X(s) é denominada
Leia maisEstatística. Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas. Professor Fernando Porto
Estatística Capítulo 3 - Parte 1: Variáveis Aleatórias Discretas Professor Fernando Porto Lançam-se 3 moedas. Seja X o número de ocorrências da face cara. O espaço amostral do experimento é: W = {(c,c,c),(c,c,r),(c,r,c),(c,r,r),(r,c,c),(r,c,r),(r,r,c),(r,r,r)}
Leia maisTipos de Modelo. Exemplos. Modelo determinístico. Causas. Efeito. Exemplos. Modelo probabilístico. Causas. Efeito. Determinístico.
Tipos de Modelo Sistema Real Determinístico Prof. Lorí Viali, Dr. viali@mat.ufrgs.br http://www.mat.ufrgs.br/~viali/ Probabilístico Modelo determinístico Exemplos Gravitação F GM 1 M 2 /r 2 Causas Efeito
Leia maisExercícios de Teoria da Probabilidade e Processos Estocásticos Parte I
Exercícios de Teoria da Probabilidade e Processos Estocásticos Parte I 2014/2015 Os exercícios assinalados com (*) têm um nível de dificuldade superior. Exercício 1. Seja (X, F) um espaço mensurável. Mostre
Leia mais6.3 Valor Médio de uma Variável Aleatória
6. 3 V A L O R M É D I O D E U M A V A R I Á V E L A L E A T Ó R I A 135 1. Considere uma urna contendo três bolas vermelhas e cinco pretas. Retire três bolas, sem reposição, e defina a v.a. X igual ao
Leia maisELEMENTOS DE PROBABILIDADE. Prof. Paulo Rafael Bösing 25/11/2015
ELEMENTOS DE PROBABILIDADE Prof. Paulo Rafael Bösing 25/11/2015 ELEMENTOS DE PROBABILIDADE Def.: Um experimento é dito aleatório quando o seu resultado não for previsível antes de sua realização, ou seja,
Leia mais4. Distribuições de probabilidade e
4. Distribuições de probabilidade e características Valor esperado de uma variável aleatória. Definição 4.1: Dada uma v.a. discreta (contínua) X com f.m.p. (f.d.p.) f X (), o valor esperado (ou valor médio
Leia maisProcessos Estocásticos. Luiz Affonso Guedes
Processos Estocásticos Luiz Affonso Guedes Sumário Probabilidade Variáveis Aleatórias Funções de Uma Variável Aleatória Funções de Várias Variáveis Aleatórias Momentos e Estatística Condicional Teorema
Leia maisTE802 Processos Estocásticos em Engenharia. Informação sobre a disciplina Notes. Processos Estocásticos em Engenharia Conteúdo Notes.
TE802 Processos Estocásticos em Engenharia Conceitos Básicos de Teoria de Probabilidade 7 de março de 2016 Informação sobre a disciplina Terças e Quintas feiras das 09:30 às 11:20 horas Professor: Evelio
Leia maisProbabilidade. Ricardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Probabilidade Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo Experimento aleatório Definição. Qualquer experimento cujo resultado não pode
Leia maisProf. Dr. Lucas Santana da Cunha de maio de 2018 Londrina
Prof. Dr. Lucas Santana da Cunha email: lscunha@uel.br http://www.uel.br/pessoal/lscunha/ 21 de maio de 2018 Londrina 1 / 14 Variável aleatória Introdução Definição Uma função que associa um número real
Leia maisCiclo 3 Encontro 2 PROBABILIDADE. Nível 3 PO: Márcio Reis 11º Programa de Iniciação Científica Jr.
1 Ciclo 3 Encontro 2 PROBABILIDADE Nível 3 PO: Márcio Reis 11º Programa de Iniciação Científica Jr. Probabilidade 2 Texto: Módulo Introdução à Probabilidade O que é probabilidade? parte 1 de Fabrício Siqueira
Leia maisEST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais
EST029 Cálculo de Probabilidade I Cap. 4: Variáveis Aleatórias Unidimensionais Prof. Clécio da Silva Ferreira Depto Estatística - UFJF Introdução Considere o experimento: Lançamento de uma moeda. Resultados
Leia mais