Soluções - Capítulo 7 Lista semestre 000.0:, 3, 5 a, 5, 6, 7,, 4, 5 Problema Ache a mediana das densidades Qui-quadrado com e graus de liberdade. A densidade Qui-quadrado com n graus de liberdade é dada por: f () x x. e n / n Γ n x Onde n é um inteiro maior ou igual a. Em particular, a densidade Qui-quadrado com grau de liberdade é: f x x / () x. x. e. e pois. Γ Γ π πx e a densidade Qui-quadrado com graus de liberdade é: x x / f ( x). Γ (). x. e. e ou seja, coincide com a densidade Exponencial com média. Em ambos os casos, a mediana é o ponto m tal que Pr(X < m) Pr(X > m) 50% e assim precisamos resolver (numérica ou analiticamente) as integrais: a) Para a densidade Qui-quadrado com grau de liberdade m x / 0 e πx dx 0.5 A solução numérica desta equação nos dá: m 0.4549 b) Para a densidade Qui-quadrado com graus de liberdade X 85 88 85 Pr 0 0 m log( 0.5) 0.693 m. 3863 ( X > 88) Pr > Pr( Z > 0.3) Φ( 0.3) 38.% Problema A renda doméstica mensal num certo bairro do Rio de Janeiro é uma variável aleatória com distribuição Gama com média R$ 000 e desvio padrão R$ 400. a) Ache os parâmetros e β desta densidade. b) Calcule a probabilidade da renda média mensal de um domicílio exceder R$500. c) Qual a mediana desta distribuição Gama?
a) Se X tem distribuição Gama com parâmetros e β então a média de X é.β e sua variância é.β. Logo, neste caso:. β 000 e. β 400 e 60000 β 80 000 000 80 000 000 β 000β 400 000β 60000 β β 00 5 8 Logo X tem distribuição Gama(5, 80) e sua densidade é: f ( x) Γ β ( ) x exp (. x / β ) Γ 5 80 ( ) 5 x 4 exp ( x /80) 5 ( 80 ) x 4! 4 exp ( x / 80) b) A probabilidade da renda mensal de um domicílio exceder R$ 500 pode ser encontrada numericamente através da integral: 500 5 80 4! x 4 exp 500 5 80 4! 4 ( 80x) dx x exp( 80x) dx 0.8896.04% 0 Abaixo exibimos, apenas a título de curiosidade, uma tabela contendo as probabilidades da renda exceder o valor indicado, e o gráfico correspondente. Renda Pr(X > renda) 000 99.88% 500 90.40% 000 47.34% 500.04% 3000.6% 0.998808 0.05968 0.5 3000 c()m 000 500 000 500 3000 0 m 000
3 c) A mediana desta distribuição Gama é encontrada numericamente através de (vide problema ): m 0 5 80 4! x 4 exp ( 80x) dx 0.5 m 973. 40 Problema 3 a) Faça um gráfico das densidades Qui-quadrado com,, 3, 5, 8 e graus de liberdade. b) Calcule a mediana de cada uma das densidades do ítem a). Você consegue identificar alguma relação entre a média e a mediana? c) Faça o gráfico da função de distribuição de cada uma das densidades do ítem a). A densidade Qui-quadrado com n graus de liberdade é dada por (vide problema ): n x f( x) n/. x. e n. Γ Onde n é um inteiro maior ou igual a. a) O gráfico das densidades pedidas é mostrado a seguir. Qui-quadrado() Qui-Quadrados com e 3 graus 4 0 8 6 4 0 0,0 0,5,0,5,0,5 0,6 0,5 0,4 0,3 0, 0, 0,0 0 5 0 5 Qui-quad() Qui-quad(3) Qui-Quadrados com 5, 8 e graus 0,0 0,5 0,0 0,05 Qui-quad(5) Qui-quad(8) Qui-quad() 0,00 0 5 0 5 a) As medianas podem ser obtidas por integração numérica, e os resultados estão a seguir. Não existe uma relação aparente entre as médias e medianas de cada uma das densidades (ao contrário do que ocorre para a densidade Exponencial), apenas fica claro que a mediana é sempre menor que a média da densidade correspondente (que é igual aos graus de liberdade da Qui-Quadrado).
4 Graus de Mediana Média Liberdade 0.455.386 3.366 3 5 4.35 5 8 7.344 8.340 As funções de distribuição Qui-quadrado estão pré-definidas no Excel. Basta olhar a sua sintaxe. Os gráficos a seguir foram produzidos usando as funções do Excel. Funções de Distribuição Qui-Quadrado,0 0,8 0,6 0,4 0, 0,0 0 3 4 5 6 7 Qui-quad() Qui-quad() Qui-quad(3) Funções de Distribuição Qui-Quadrado,0 0,8 0,6 0,4 0, 0,0 0 5 0 5 0 Qui-quad(5) Qui-quad(8) Qui-quad() Problema 4 O percentil (-)% de uma densidade qualquer é o ponto x - tal que Pr{ X x -} F(x -) -. Crie uma tabela da densidade Qui-quadrado com graus de liberdade,,3,..., 4, 5, 8, 30 e os percentis %,.5%, 5%, 0%, 50% (mediana), 90%, 95%, 97.5% e 99%. Fique ligado.. Se X é uma variável aleatória qualquer com média a e variância b então a variável X a b tem média zero e variância um. Em particular, se X é Normal, esta transformação nos leva a uma variável N(0,), a Normal padrão, cuja função de distribuição, denotada por Φ(.), é uma função tabelada.
5 Se X, X,..., X n são iid N(µ, σ ) então X, a média da amostra, também tem distribuição Normal com a mesma média (µ ) mas com variância σ /n, que decresce à medida que o tamanho da amostra aumenta. Problema 5 Uma montadora de automóveis, após muitos anos de observação, verificou que a quilometragem típica anual de um motorista brasileiro é uma variável aleatória Normal com média de 5000 km e desvio padrão 3500 km. A empresa decide oferecer, para os automóveis novos, garantia de ano ou 30000 km de uso, o que ocorrer primeiro. a) Qual a probabilidade de um carro novo rodar mais de 30000 km no seu primeiro ano de uso? b) Suponha que a quilometragem típica anual é 5000 km, e que a probabilidade de um carro rodar mais de 5000 km é 5%. Qual o desvio padrão? a) Seja X a quilometragem de um carro com um ano de uso. Então, X é uma variável Normal com média 5000 km e desvio padrão 3500 km. Logo, a variável: 5000 Z X tem distribuição N(0,). Assim: 3500 X 5000 30000 5000 Pr 3500 3500 ( X > 30000) Pr > Pr( Z > 4.8) 0.0009% Logo, a probabilidade de um carro rodar mais de 30000 km em um ano é mínima. b) Neste caso supomos que a média é 5000 mas o desvio padrão é desconhecido. No entanto, sabemos que a quilometragem igual a 5000 corresponde ao percentil 95% da distribuição, e isso nos permitirá encontrar o desviopadrão. Note que, para uma distribuição N(0,), o percentil 95% é.645, ou seja, Φ(.645) Pr(Z.645) 95%. Mas, a distribuição da quilometragem pode ser padronizada para gerar uma N(0,) da seguinte forma: 5000 Z X σ Igualando os percentis 95% das distribuições de X e Z leva a: 5000 5000 0000.645 σ 6079 σ.645 Problema 6 A idade dos assinantes de um jornal é uma variável aleatória com densidade Normal com média 35.5 anos e desvio padrão 4.8 anos. Calcule as seguintes probabilidades: a) De que um assinante escolhido aleatoriamente tenha entre 30 e 40 anos; b) De que um assinante escolhido aleatoriamente tenha mais que 40 anos; c) Suponha que você toma uma amostra de 6 assinantes. Qual a probabilidade de que a idade média na amostra exceda 40 anos? Neste caso X, a idade dos assinantes, é uma variável N( 35.5, (4.8) ). Se quisermos criar uma variável padronizada 35.5 N(0,) devemos subtrair a média de X e dividir o resultado pelo desvio padrão. Logo, a variável Z X tem 4.8 distribuição N(0,).
6 a) Pr( 30 < X < 40) 30 35.5 X 35.5 40 35.5 30 35.5 X 35.5 40 35.5 Pr < < Pr < < 4.8 4.8 4.8 4.8 4.8 4.8 Pr.458 < Z < 0.9375 Φ 0.9375 Φ.458 Φ 0.9375 Φ.458 ( ) ( ) ( ) ( ) { ( )} 0.857 0.59 69.98% X 35.5 40 35.5 Pr > Φ 4.8 4.8 c) Considere agora uma amostra de 6 assinantes. A idade média dos assinantes na amostra é também uma variável b) Pr(X > 40) ( 0.9375) 7.43% ( 4.8 ) Normal, com média 35.5 e variância 6 amostra, exceder 40 anos. Então: X 35.5 40 35.5 ( X > 40) Pr > Pr( Z > 3.75) 0.0% Pr 4.8 / 4 4.8 / 4. Desejamos encontrar a probabilidade de X, a idade média na Problema 7 A velocidade (em km/h) dos carros num túnel do Rio de Janeiro num horário de pouco movimento é uma variável Normal com média 85 km/h e desvio padrão 0 km/h. a) A que velocidade você deve trafegar para estar entre os 5% mais rápidos? b) A velocidade máxima permitida no túnel é 80 km/h, mas há uma tolerância de 0% (e então, se você estiver a uma velocidade menor ou igual a 88 km/h não leva multa). Qual a probabilidade de um carro selecionado aleatoriamente ser multado? c) Toma-se uma amostra de 0 carros. Calcule a probabilidade de que a velocidade média dos carros na amostra seja maior que 00 km/h. a) Seja X a velocidade de um carro no túnel. Sabe-se que X tem distribuição N( 85, 00). Para você estar entre os 5% mais rápidos, você deverá estar com velocidade acima do percentil 95% da distribuição de X. Mas, quem é este ponto? Basta olhar para o percentil correspondente da distribuição N(0,), que é.645 e padronizar a variável X. Assim, a quilometragem tal que, 95% dos carros andam abaixo deste valor é um certo u que satisfaz: u 85.645 u 0.45 km/h 0 b) Agora precisamos encontrar Pr(X > 88). Novamente, basta padronizar a variável X e transformá-la numa N(0,). X 85 88 85 Pr ( X > 88) Pr > Pr( Z > 0.3) Φ( 0.3) 38.% é a probabilidade de um carro ser 0 0 multado. c) Numa amostra de 0 carros, a velocidade média é uma variável Normal com média 85 km/h e variância 0 (por que?). X 85 00 85 Então: Pr ( X > 00) Pr > Pr( Z > 4.7434) 0.000% é a probabilidade da velocidade média 0 0 na amostra ultrapassar 00 km/h.
7 Problema 8 O consumo médio mensal de energia elétrica num certo bairro é aproximadamente uma variável aleatória Normal com média 80 kwh e desvio padrão 60 kwh. Calcule as seguintes probabilidades: a) De que um domicílio escolhido aleatoriamente tenha consumo médio mensal entre 50 e 50 kwh; b) De que um domicílio escolhido aleatoriamente tenha consumo médio mensal acima de 0 KWh; c) De que um domicílio escolhido aleatoriamente tenha consumo médio mensal abaixo de 00 KWh; d) De que um prédio com 0 apartamentos selecionado aleatoriamente no bairro tenha consumo médio mensal acima de 4000 kwh. a) X, o consumo mensal de energia, é Normal com média 80 kwh e desvio padrão 60 kwh. Então: 50 80 X 80 50 80 Pr( 50 < X < 50) Pr < < Pr( 0.5 < Z < 0.5) 60 60 60 Φ 0.5 Φ 0.5 Φ 0.5 38.9 ( ) ( ) ( ) % X 80 0 80 b) Pr(X > 0) Pr > Φ 0.7475 5.5% 60 60 3 X 80 00 80 4 4 c) Pr(X < 00) Pr < Φ Φ 9.% 60 60 3 3 Problema 9 Seja X ~ N(µ, σ ). a) Calcule a função geradora de momentos de X. b) Mostre que, se X ~ N(0,) então Y X tem densidade Qui-quadrado com grau de liberdade. c) Mostre que, se X e Y são iid N(µ, σ ) então Z X + Y tem densidade N(µ, σ ) (Dica : use a função geradora de momentos). d) Calcule a densidade condicional de X dado Z, onde Z foi definido no ítem c) acima. a) Usamos diretamente a definição da função geradora de momentos, completando o quadrado na integral. tx Mt Ee () ( ) exp tx.( x µ ) dx -. πσ. σ Para simplificar a notação, sejam k e. π. σ A tx ( x µ ) σ respectivamente a constante e o expoente na integral anterior. Para resolver esta integral precisamos reescrever o expoente A como o quadrado de uma variável, o que nos levará a uma integral da densidade Normal, cujo valor é (se "acertarmos" as constantes). A.{. σ. tx + x. µ. x + µ }. σ { µ + σ + µ }. x. x(. t ). σ
8. x. x. ( t) (. t) (. t ) + ++ + + µ σ µ σ µ σ µ. σ ( + ) + ( + + ). x µ σ t µ µ. σ. t. µ σ 4. t. σ ( ) ( ) Seja z x ( + t) A µ σ. O expoente A torna-se: z.σ + t.σ + (.σ. t ) / Mas, a variável de integração era x, e passou a ser z. Também, dz dx, e a função geradora de momentos torna-se : M ( t ) exp( µ.t +.σ t / ). (. π. σ ) /.exp(-z /..σ ) dz Note que esta integral é uma integral da densidade N(0,.σ ), e portanto resulta em. Logo, a função geradora de momentos é dada por : σ () t M t exp µ. t + b) Se X é N(0,) então a densidade de Y X pode ser encontrada pelo método da função de distribuição, como indicado no capítulo 4. Em particular sabemos que: { ( ) ( )} ( ) ( ) y y g( y) f y + f y exp + exp y y π π y y exp π y π exp y que é a densidade Qui-quadrado com grau de liberdade (veja o problema deste capítulo). Problema 0 Sejam X, X,..., X 5 e Y, Y,..., Y 5 duas amostras aleatórias de duas distribuições Normais independentes onde X i ~ N(0, 6) e Y j ~ N(, 9) para i e j,,..., 5. Sejam X e Y as respectivas médias amostrais. Calcule Pr( X > Y) Dica : X e Y são independentes. Note que X, a média amostral da primeira amostra, tem distribuição Normal com média 0 e variância 6/5. Analogamente, Y, a média amostral da segunda amostra, é Normal com média e variância 9/5. Além disso, X e Y são independentes e assim a variável W X Y tem distribuição Normal com média 0 - e variância 6/5 + 9/5. Logo: Pr(X > Y) Pr(X Y > 0) Pr(W > 0) ( ) 0 ( ) W Pr > Pr Z ( > ) Φ( ) 0.843 5.87%
9 Problema Sejam X, X,..., X 8 independentes e identicamente distribuídas com densidade N (, 4). Calcule: a) Pr ( X > 3) b) Pr(máx(X, X,..., X 8) > 3) c) Pr( mín(x, X,..., X 8) < ) a) A média amostral, X, tem densidade Normal com média e variância 4/8. Então: X Pr 4 4 8 8 3 ( 3) Pr X > > Pr( Z > ) Φ( ) 7.86% b) Note que, se o máximo de um conjunto de observações é maior que um certo número, nada podemos dizer a respeito da relação entre cada observação e este número. No entanto, se o máximo de uma amostra é menor que um certo número, todas as observações na amostra também serão menores que este número. Podemos escrever a probabilidade desejada usando este resultado. Pr(máx(X, X,..., X 8) > 3) - Pr(máx(X, X,..., X 8) 3) Pr(X 3, X 3,., X 8 3) e como os X i s são independentes, esta última probabilidade pode ser reescrita como: Pr(X 3, X 3,., X 8 3) Pr(X 3). Pr(X 3).Pr(X 8 3) Como os X i s são identicamente distribuídos, todas estas probabilidades são iguais, e então: Pr(X 3, X 3,., X 8 3) {Pr(X 3)} 8 Mas: X Pr 4 3 4 ( X 3) Pr Pr Z Φ 0. 695 Assim: Pr(X 3, X 3,., X 8 3) {Pr(X 3)} 8 {0.695} 8 0.053 E então: Pr(máx(X, X,..., X 8) > 3) 0.053 94.77% c) Queremos encontrar Pr( mín(x, X,..., X 8) < ). Note que, se o mínimo é menor que um, nada podemos dizer sobre cada um dos valores individuais, mas se o mínimo é maior que um, todos os valores são também maiores que um. Logo, a solução é análoga à do ítem anterior. Pr( mín(x, X,..., X 8) < ) - Pr( mín(x, X,..., X 8) ) Como os X i s são independentes segue que: Pr( mín(x, X,..., X 8) ) Pr( X, X,..., X 8 ) Pr( X ).Pr( X )...Pr(X 8 ) Além disso, como os X i s são identicamente distribuídos, Pr( X ) Pr( X )... Pr(X 8 ) E então: Pr( mín(x, X,..., X 8) ) { Pr( X )} 8 X X 4 4 Z Φ Mas, Pr( ) Pr Pr 0. 695 Assim, Pr( mín(x, X,..., X 8) ) { Pr( X )} 8 (0.695) 8 0.053 Pr( mín(x, X,..., X 8) < ) - Pr( mín(x, X,..., X 8) ) 0.053 94.77%
0 Problema Seja X uma variável aleatória Normal com média e variância 4. Considere uma nova variável aleatória T definida a seguir: T - se X T 0 se - X 0 T + se X > 0 a) Encontre a função de probabilidade de T (note que T é discreta!) b) Encontre o valor esperado de T usando a definição de valor esperado. c) Encontre a função geradora de momentos de T e, a partir dela, calcule E(T) e confirme o resultado do ítem b). Calcule também VAR(T). Problema 3 Sejam X e X variáveis aleatórias iid (independentes e identicamente distribuídas), com distribuição N(0,). Sejam Y e Y novas variáveis aleatórias criadas a partir de transformações destas tais que: Y X + X Y X - X a) Ache a densidade conjunta de X e X. b) Ache a densidade conjunta de Y e Y. c) Qual a marginal de Y? d) Qual a marginal de Y? e) Demonstre que Y e Y são independentes. (Dica: As variáveis são Normais). Problema 4 Um posto de gasolina recebe combustível apenas nas a. feiras. O distribuidor de combustível precisa saber qual a proporção do estoque vendido durante a semana. Após observar postos em condições similares, o distribuidor chegou à conclusão que a proporção do estoque de combustível neste posto pode ser modelada por uma densidade Beta(4,). O distribuidor considera arriscado vender, numa semana, mais de 90% do estoque de combustível do posto. Qual a probabilidade disso acontecer? Fique ligado.. A Normal Bivariada é uma densidade que serve para modelar duas variáveis Normais, X e X, que apresentam dependência entre si. Os pontos importantes, que você não pode esquecer, são: a) As densidades marginais de X e X são Normais, b) Se ρ, o coeficiente de correlação, for igual a zero, as variáveis X e X serão independentes (este é o único caso em que independência e correlação zero são equivalentes!) c) As densidades condicionais de X dado X e de X dado X também são Normais, e a seguir exibimos a média e variância da densidade condicional de X dado X : EX ( X x) +.. x µ ρ σ σ ( µ ) Esta média condicional é uma função linear de x.
X x). ( ) VAR( X σ ρ A variância condicional é constante, não depende do valor da variável em que se está condicionando (neste caso, X x ) e é menor que a variância incondicional, desde que o coeficiente de correlação (ρ) seja diferente de zero. Os resultados para a densidade condicional de X dado X x são completamente análogos, basta trocar os índices e acima! Problema 5 Uma população de estudantes universitários do sexo masculino tem uma distribuição de pesos e alturas que seguem uma distribuição Normal bivariada. A distribuição dos pesos tem média 7 kg e desvio padrão 8 kg. A distribuição das alturas tem média 70 cm e desvio padrão 0 cm. O coeficiente de correlação entre pesos e alturas é 0.8. Usando estas informações calcule: a) A probabilidade do peso de um rapaz estar entre 70 e 80 kg. b) A probabilidade do peso de um rapaz estar entre 70 e 80 kg dado que sua altura é 80 cm. c) A probabilidade da altura de um rapaz estar entre 75 e 85 cm. d) A probabilidade da altura de um rapaz estar entre 75 e 85 cm dado que seu peso é 80 kg. Seja X a variável que representa o peso de um rapaz, e X a variável que indica a sua altura. Então X ~ N(7, 8 ) e X ~ N(70, 0 ). Nos ítens a) e c) a seguir você deve usar apenas as densidades marginais. 70 7 8 X 7 8 80 7 8 a) Pr( 70 < X < 80) Pr Pr( 0.5 Z ) Φ( ) Φ( 0.5) 84.3% - 40.3% 44% b) Aqui é necessário calcular a densidade condicional de X dado X 80 cm. Quem é esta densidade? Note que ela é também Normal, mas agora a média não é mais 7 kg, e sim: σ E( X X x ) µ + ρ.. x µ σ 8 0 ( ) 7 + 0.8.( 80 70) 78. 4 E a variância condicional é: ( ) 64( 0.8 ) 3. 04 VAR( X X x ) σ. ρ A probabilidade desejada é: Pr( 70 < X < 80 X 80 ) 70 78.4 X 78.4 80 78.4 Pr Pr 3.04 3.04 3.04 (.75 Z 0.333) Φ( 0.333) Φ(.75) 59.05% c) Aqui, da mesma forma que no ítem a), basta usar a densidade marginal. Pr( 75 < X < 85) 85 70 X 70 75 70 Pr Pr Z 0 0 0 0.933 0.695 4.7% ( 0.5.5) Φ(.5) Φ( 0.5) d) A densidade condicional da altura dado o peso é também uma densidade Normal, com média:
σ E( X X x) µ + ρ.. x µ σ E variância: 0 8 ( ) 70 + 0.8 ( 80 7) 78 ( ) 00( 0.64) 36 VAR( X X x) σ. ρ Logo, a probabilidade desejada é: 75 78 X 78 85 78 Pr( 75 < X < 85 X 80) < < Pr 36 36 36 7 7 Pr 0.5 < Z < Φ Φ 0.5 0.8783 0.3085 56.98 6 6 ( ) % Ou seja, a probabilidade de um rapaz ter altura entre.75 e.85 m é bem maior se ele é relativamente pesado (80 kg) do que na população em geral. Problema 6 As notas em duas provas de estatística têm uma distribuição Normal bivariada onde o coeficiente de correlação é ρ 0.6. A distribuição das notas da P tem média 63 e desvio padrão 8. A distribuição das notas da P tem média 60 e desvio padrão. Calcule: a) A probabilidade da nota da P de um aluno estar entre 59 e 67. b) A probabilidade da nota da P de um aluno estar entre 59 e 67 dado que a sua nota na P foi 65. c) A probabilidade da nota da P estar entre 55 e 65. d) A probabilidade da nota da P estar entre 55 e 65 dado que sua nota na P foi 65. e) A probabilidade da nota da P estar entre 55 e 65 dado que sua nota na P foi 75. f) Supondo que as notas da P de cada aluno são independentes e identicamente distribuídas com a distribuição Normal já indicada, e sabendo que existem 0 alunos na turma, calcule a probabilidade de que a nota mínima na P seja menor que 55. Seja X a nota na P e X a nota da P. Pelo enunciado, X ~ N(63, 8 ) e X ~ N(60, ). a) Neste caso basta usar a densidade marginal, pois precisamos calcular uma probabilidade que só envolve a nota da primeira prova. 59 63 X 63 67 63 Pr 8 8 8 Pr 0.5 Z 0.695 0.3085 38.9% Pr( 59 < X < 67) ( ) Φ( ) Φ( ) 0.5 0.5 0.5 b) Agora precisamos da densidade condicional das notas da a. prova dado que a nota na a. prova foi 65, isto é, uma nota ligeiramente acima da média. A densidade condicional é Normal, e sua média é: σ E( X X x) µ + ρ.. x µ σ 8 ( ) 63 + 0.6.( 65 60) 65 E a variância condicional é: ( ) 64( 0.6 ) 40. 96 VAR( X X x ) σ. ρ 59 65 X 65 67 65 Pr( 59 < X < 67 X 65) Pr 40.96 40.96 40.96 Pr 0.9375 Z 0.35 Φ 0.35 Φ 0.9375 44.84 ( ) ( ) ( ) %
3 c) Agora a probabilidade procurada refere-se apenas à a. prova, e portanto basta usar a densidade marginal das notas desta prova, que é uma N(60, ). Pr( 55 < X < 65) 55 60 X 60 65 60 5 5 5 5 Pr Pr Z Φ Φ 3.3% d) Precisamos calcular a probabilidade da nota da P estar entre 55 e 65 dado que a nota na P foi 65, que é uma probabilidade calculada a partir da densidade condicional, que é Normal com média: σ E( X X x ) µ + ρ.. x µ σ E variância: 8 ( ) 60 + 0.6 ( 65 63) 6. 8 ( ) 44( 0.36) 9. 6 VAR( X X x) σ. ρ Logo, a probabilidade desejada é: 55 6.8 X 6.8 65 6.8 Pr( 55 < X < 65 X 65) Pr 9.6 9.6 9.6 Pr 0.7083 Z 0.3333 Φ 0.3333 Φ 0.7083 39. ( ) ( ) ( ) % e) Precisamos calcular a probabilidade da nota da P estar entre 55 e 65 dado que a nota na P foi 75, que é uma probabilidade calculada a partir da densidade condicional, que é Normal com a mesma variância que no ítem anterior mas com média dada por: σ E( X X x) µ + ρ.. x µ σ 8 ( ) 60 + 0.6 ( 75 63) 70. 8 55 70.8 X 70.8 65 70.8 Pr( 55 < X < 65 X 75) Pr 9.6 9.6 9.6 Pr.6458 Z 0.604 Φ 0.604 Φ.6458.30 ( ) ( ) ( ) % f) A solução deste ítem segue os mesmos passos do problema, ítem c). Precisamos encontrar Pr( mín(x, X,..., X 0) < 55 ) - Pr( mín(x, X,..., X 0) 55 ) - { Pr( X 55)} 0 Mas, X 63 Pr 8 55 63 8 ( X 55) Pr Pr( Z ) Φ( ) 84.3% Então: Pr( mín(x, X,..., X 0) < 55 ) - { Pr( X 55)} 0 (0.843) 0 96.84% Problema 7 Considere uma amostra de tamanho n > 3 da densidade Uniforme(0,). Calcule, como função do tamanho da amostra, as seguintes probabilidades: a) De que o maior número na amostra exceda 0.8; b) De que o menor número na amostra seja menor que 0.. c) Faça um gráfico das probabilidades nos ítens a) e b) versus n. A densidade de cada X i é Uniforme(0,). Pelos mesmos argumentos que no problema acima:
4 a) Pr(máx(X, X,..., X n) > 0.8) - Pr(máx(X, X,..., X n) 0.8) - {Pr(X 0.8)} n Mas: 0.8 Pr( X 0.8) dx 0. 8 0 E então: Pr(máx(X, X,..., X n) > 0.8) - {0.8)} n b) Pr(mín(X, X,..., X n) < 0.) - Pr(mín(X, X,..., X n) 0.) - {Pr(X 0.)} n Mas: Pr( X 0.) dx 0. 8 0. Logo: Pr(mín(X, X,..., X n) < 0.) - Pr(mín(X, X,..., X n) 0.) - {0.8)} n Portanto, neste caso, como função de n, as probabilidades dos ítens a) e b) são iguais, e o gráfico é mostrado a seguir:,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,0 -(0,8)^n 3 5 7 9 3 5 Problema 8 (Simulação de variáveis com densidade Exponencial) Seja U uma variável aleatória com densidade Uniforme(0,). Então a variável: X { U} λ log tem densidade Exponencial com média /λ. Aqui, log indica o logaritmo natural. a) Use este procedimento para gerar 00 observações de uma densidade Exponencial com média 000. b) Calcule a probabilidade de uma variável aleatória X com esta densidade Exponencial ser menor que 70. c) Suponha que os dados gerados em a) representam a duração (em horas) de uma lâmpada. Aproxime a probabilidade encontrada em b) usando os dados gerados (na verdade você vai estar interessado em encontrar o percentil correspondente da distribuição de probabilidade empírica).
5 Problema 9 A duração de certos componentes eletrônicos é uma variável aleatória com densidade Exponencial com média 00 horas. a) Suponha que um sistema é formado por dois destes componentes operando em série, ou seja, o sistema falha se um dos componentes falhar. Encontre a densidade de X, a duração média do sistema. b) Agora suponha que o sistema opera em paralelo, isto é, o sistema só falha se os dois componentes falharem. Ache a densidade de Y, a duração média do sistema. Problema 0 (Geração de Normais a partir da Uniforme) Uma maneira fácil de gerar variáveis aproximadamente Normais é a partir da soma de variáveis Uniforme(0,). Na verdade, o algoritmo descrito a seguir era empregado para a geração de N(0,) até relativamente pouco tempo atrás, quando ainda era computacionalmente caro gerar variáveis Normais por outros métodos. Sejam U, U,..., U variáveis aleatórias iid com densidade Uniforme(0,). Então cada U i tem média / e variância /. T U i Seja i. T é uma variável aleatória com média 6 e variância /. Considere então a variável W T -6. W é uma variável aleatória com média 0 e variância, e é aproximadamente Normal. a) Utilizando este procedimento, gere 50 realizações de uma variável N(0,). b) Faça um histograma das observações geradas em a), e superponha a ele uma densidade N(0,). c) Divida a amostra gerada no ítem a) em partes com 75 observações cada. A partir das observações na primeira parte, construa uma amostra de variáveis Normais com média e variância 4 a partir de uma transformação linear da amostra N(0,) gerada originalmente. Usando uma outra transformação linear, construa a partir da a. parte da amostra uma amostra de 75 observações da densidade Normal com média - e variância 9. Faça o histograma das distribuições geradas, superpondo a eles os gráficos das distribuições teóricas (N(,4) e N(-,9) respectivamente). Atenção: Não ordene as 50 observações geradas no ítem a) antes de dividir a amostra em duas partes, para evitar que uma metade da amostra só contenha observações pequenas e a outra metade inclua apenas as observações grandes. d) A função de distribuição empírica F n(x) é calculada a partir de uma amostra qualquer da seguinte maneira: ) ordene as n observações da sua amostra em ordem crescente; ) para cada valor observado na amostra, isto é, para x, x,..., x n, a função de distribuição empírica é F n(x) { número de valores observados x}/n. Logo, para qualquer x abaixo do menor valor na amostra, F n(x) é zero, e para x maior que o máximo da amostra, o valor de F n(x) é. Usando os dados gerados em a) faça um gráfico da função de distribuição empírica. Superponha a este gráfico a função de distribuição da N(0,), Φ(x), que é calculada automaticamente em diversos softwares, inclusive o Excel. Fique ligado. Relação entre a densidade Uniforme e a densidade Beta Sejam X, X,..., X n variáveis aleatórias independentes com densidade Unif(0,). Seja Y r o r-ésimo maior número dentre os valores observados de X, X,..., X n. Então Y r tem densidade Beta com parâmetros r e n r+. Então, em particular: o mínimo de X, X,..., X n tem densidade Beta(, n) e sua média é /(n+) o máximo de X, X,..., X n tem densidade Beta(n, ) e sua média é n/(n+)
6 Problema Um computador gera 6 números aleatórios uniformemente distribuídos no intervalo (0,). a) Calcule a probabilidade de que o menor destes números será maior que 0.. b) Calcule o valor esperado do menor destes números. c) Encontre a densidade do o. menor destes números e calcule a sua média e variância. d) Calcule a probabilidade de que o maior destes números exceda 0.6. Veja os problemas e 7. Aqui, como no problema, os números são distribuídos de acordo com uma Uniforme(0,). a) Pr(mín(X, X,..., X 6) > 0.) {Pr(X > 0.)} 6 Mas: Pr( X 0.) dx 0. 8 0. Logo: Pr(mín(X, X,..., X 6) > 0.) {0.8)} 6 6.% b) Neste caso, mín(x, X,..., X 6) é uma variável aleatória com densidade Beta(,6) e sua média é /7. c) O segundo menor dentre X, X,..., X 6 tem densidade Beta(, 5) e então sua média é /7 e sua variância é () 5 0 ( + 5 + )( + 5) 8( 49) 0.055 d) Seja W o maior dentre X, X,..., X 6. Então W tem densidade Beta(6, ) e assim: Γ() 7 6 5 6 Pr(W > 0.6) ()() 6 Γ ( w) dw 6w dw w ( 0.6) 6 w 0.6 Γ 0.6 0.6 95.33% Problema Seja X ~ N(µ, σ ). Determine c (como função de µ e σ) tal que: Pr( X < c).pr( X > c). Problema 3 Sejam X e Y independentes, ambas com densidade N(µ, σ ). Defina Z(t) X.cos(wt) + Y.sen(wt) onde w é uma constante e t é um índice de tempo. Seja V(t) dz(t)/dt. a) Para um instante de tempo fixado (t), encontre a distribuição conjunta de Z(t) e V(t). b) Mostre que Z(t) e V(t) São descorrelatados. Problema 4 Uma variável aleatória contínua tem distribuição de Pareto com parâmetros e c (onde e c são constantes positivas) se a sua densidade é:. c f x para x c + () x a) Suponha que c. Faça o gráfico da densidade Pareto para 0.5, 0.5, 0.75,,, 5. b) Calcule Pr(X < ) em todas as situações do ítem a). c) Mostre que, se X tem distribuição Pareto, então Y log(x/c) tem distribuição Exponencial com parâmetro. a) As densidades desejadas têm a forma:
7 () x + f onde x. x Densidades Pareto Densidades Pareto 0,8 0,6 0,4 0, 0,0 3 5 7 9 P areto (0.5,) P areto (0.5,) P areto (0.75,) 5,0 4,0 3,0,0,0 0,0 3 5 7 9 Pareto(,) Pareto(,) Pareto(5,) b) Pr(X < ) x + + x () dx + x A tabela a seguir fornece estas probabilidades para os diversos valores de. probabilidade 0,5 63,64% 0,50 58,58% 0,75 54,05%,00 50,00%,00 37,50% 5,00 9,38% c) Use o método do Jacobiano. Y log(x/c) e Y X/c X c.e Y dx dy c. e Quando x tende a c, y tende a zero, e quando x tende a +, y também vai para +. y A densidade de Y é:. c dx. c y g( y). ce y + y +. y. e onde y > média (/) ( c. e ) dy ( c. e ) 0 e portanto Y tem densidade Exponencial com Problema 5 Suponha que X tem distribuição Beta com parâmetros a e b. Mostre que Y - X tem distribuição Beta com parâmetros b e a. Problema 6 Sejam X e Y independentes, ambos com densidade Exponencial(β). Mostre que a variável Z X/(X+Y) tem densidade Uniforme no intervalo (0,).