Baixe o app para aproveitar ainda mais
Prévia do material em texto
Lista 1 de Exerćıcios - Estat́ıstica Matemática I Exerćıcio 1 - Sejam A1, · · · , An eventos independentes com probabilidade dada por pk = P (Ak), k = 1, · · · , n Obtenha a probabilidade de ocorrência dos eventos descritos abaixo, em termos das probabilidades pk. (a) A ocorrência de nenhum dos Ak. Solução: A expressão para que não ocorra nenhum dos eventos Ak é dada por Ac1 ∩Ac2 ∩ · · · ∩Acn = n⋂ k=1 Ack Como definido, a probabilidade de ocorrer o complementar de um evento é calculada por P (Ack) = 1− P (Ak). Como os eventos são independentes, temos que P ( n⋂ k=1 Ack) = n⋂ k=1 P [Ack] = n⋂ k=1 P [1− (Ak)] = (1− p1).(1− p2). · · · .(1− pn) = n∏ k=1 (1− pk) (b) A ocorrência de pelo menos um dos Ak. Solução: A expressão para que ocorra pelo menos um dos eventos Ak é dada por A1 ∪A2 ∪ · · · ∪An = n⋃ k=1 Ak = [ n⋂ k=1 Ack ]c Assim, P [ n⋂ k=1 Ack ]c = 1− P [ n⋂ k=1 Ack ] = 1− n∏ k=1 [ 1− P (Ak) ] = 1− n∏ k=1 (1− pk) (c) A ocorrência de exatamente um dos Ak. Solução: As expressões que descrevem a ocorrência de exatamente um evento são A1 : (A c 2 ∩Ac3 ∩ · · · ∩Acn) ∩A1 A2 : (A c 1 ∩Ac3 ∩ · · · ∩Acn) ∩A2 ... An : (A c 1 ∩Ac2 ∩ · · · ∩Acn−1) ∩An Fazendo a união das expressões, temos que n⋃ k=1 ( n⋂ i=1,i6=k Aci ) ∩Ak Com isso, a probabilidade é calculada como P [ n⋃ k=1 ( n⋂ i=1,i6=k Aci ) ∩Ak ] = n∑ k=1 P (Ak) [ n∏ i=1,i6=k P (Aci ) ] = n∑ k=1 pk [ n∏ i=1,i6=k 1− pi ] (d) A ocorrência de exatamente dois dos Ak. Solução: As expressões que descrevem a ocorrência de exatamente dois evento são 1 A1 e A2 : (A c 3 ∩Ac4 ∩ · · · ∩Acn) ∩ (A1 ∩A2) A1 e A3 : (A c 2 ∩Ac4 ∩ · · · ∩Acn) ∩ (A1 ∩A3) ... A1 e An : (A c 2 ∩Ac3 ∩ · · · ∩Acn−1) ∩ (A1 ∩An) Generalizando, fixamos um evento Ai e realizamos a interseção com os demais, temos assim Ai e A2 : (A c 1 ∩Ac3 ∩ · · · ∩Acn) ∩ (Ai ∩A2) Ai e A3 : (A c 1 ∩Ac2 ∩ · · · ∩Acn) ∩ (Ai ∩A3) ... Ai e An : (A c 1 ∩Ac2 ∩ · · · ∩Acn−1) ∩ (Ai ∩An) Fazendo a união das expressões, chegamos que⋃ 1≤k<j≤n ( n⋂ i=1,i6=k,16=j Aci ) ∩ ( Ak ∩Aj ) Com isso, a probabilidade é calculada por P [ ⋃ 1≤k<j≤n ( n⋂ i=1,i6=k,16=j Aci ) ∩ ( Ak ∩Aj )] = ∑ 1≤k<j≤n P (Ak)P (Aj) [ n∏ i=1,i6=k,16=j P (Aci ) ] = ∑ 1≤k<j≤n (pk)(pj) [ n∏ i=1,i6=k,1 6=j 1− pi ] (e) A ocorrência de todos os Ak. Solução: A expressão para que ocorram todos eventos Ak é dada por A1 ∩A2 ∩ · · · ∩An = n⋂ k=1 Ak Assim, a probabilidade é calculada por P [ n⋂ k=1 Ak ] = n∏ k=1 P (Ak) = (p1).(p2). · · · .(pn) = n∏ k=1 pk (f) A ocorrência de, no máximo, n− 1 dos Ak. Solução: A expressão para que ocorram n− 1 eventos Ak é dada por( A1 ∩A2 ∩ · · · ∩An )c = ( n⋂ k=1 Ak )c = ( n⋃ k=1 Ack ) Assim, a probabilidade é calculada por P [ n⋃ k=1 Ack ] = n∑ k=1 P ( Ack ) = (1− p1) + (1− p2) + · · ·+ (1− pn) = n∑ k=1 (1− pk) Exerćıcio 2 - Se P1 e P2 são medidas de probabilidade em (Ω,F) e 0 ≤ α ≤ 1, mostre que αP1+(1−α)P2 é uma medida de probabilidade em (Ω,F). Solução: Para que αP1 + (1−α)P2 seja uma medida de probabilidade, devemos verificar que são válidos os Axiomas de Kolmogorov. Axioma 1: Normalização Unitária. αP1 + (1− α)P2 = 1. 2 Como P1 e P2 são, por hipótese, medidas de probabilidade em (Ω,F), então P1(Ω) = 1⇒ αP1(Ω) = α.1 = α (1) P2(Ω) = 1⇒ (1− α)P2(Ω) = (1− α).1 = (1− α) (2) Com isso, por (1) e (2), temos que αP1(Ω) + (1− α)P2(Ω) = [ αP1 + (1− α)P2 ] (Ω) = α+ 1− α = 1 Logo, é válido a normalização unitária. Axioma 2: Não-nagatividade. ∀A ∈ F , P (A) ≥ 0 Sendo A ∈ F . Como P1 e P2 são medidas de probabilidade, então P1 ≥ 0 e P2 ≥ 0. Com isso, podemos inferir que α.(P1) ≥ 0 e (1− α)P2 ≥ 0 uma vez que 0 ≤ α ≤ 1. Logo, αP1(A) + (1− α)P2(A) ≥ 0 ⇒ [ αP1 + (1− α)P2 ] (A) ≥ 0 Portanto, é valida a não-negatividade. Axioma 3: σ-aditividade. ∀A1, A2, · · · ∈ F ⇒ P ( ∞⋃ n=1 An ) = ∞∑ n=1 P (An), disjuntos dois a dois. Sendo P1 e P2 medidas de probabilidade, temos que P1 ( ∞⋃ n=1 An ) = ∞∑ n=1 P1(An) e P2 ( ∞⋃ n=1 An ) = ∞∑ n=1 P2(An) (3) Note que, como 0 ≤ α ≤ 1, a partir de (3) temos que αP1 ( ∞⋃ n=1 An ) = ∞∑ n=1 αP1(An) e (4) (1− α)P2 ( ∞⋃ n=1 An ) = ∞∑ n=1 (1− α)P2(An) (5) Assim, de (4) e (5), chegamos que αP1 ( ∞⋃ n=1 An ) + (1− α)P2 ( ∞⋃ n=1 An ) = ∞∑ n=1 αP1(An) + ∞∑ n=1 (1− α)P2(An) ⇒ [ αP1 + (1− α) ]( ∞⋃ n=1 An ) = ∞∑ n=1 [ αP1 + (1− α)P2 ] (An) Logo, é válida a σ -aditividade e portanto αP1 + (1− α)P2 é uma medida de probabilidade. 3 Exerćıcio 3 - Mostre que (a) P (A ∪B) ≤ P (A) + P (B), para quaisquer A,B ∈ F . Solução: Vamos analisar os casos de A e B serem conjuntos disjuntos e A e B não disjuntos. (1) Se A e B são disjuntos, então temos que P (A ∪B) = P (A) + P (B)− P (A ∩B) Como A ∩B 6= ∅ , então P (A ∩B) = 0. Assim, P (A ∪B) = P (A) + P (B) Desta maneira, independentemente de A,B ∈ F , temos que P (A ∪B) ≤ P (A) + P (B) (2) Se A e B são não disjuntos, então por uma propriedade de medidas de probabilidade, temos que P (A ∪B) = P (A) + P (B)− P (A ∩B) ≤ P (A) + P (B) já que P (A ∩B) ≥ 0. Logo, temos então que P (A ∪B) ≤ P (A) + P (B). (b) P (A ∩B) ≥ P (A) + P (B)− 1. Solução: Sabemos que, em geral P (A ∪B) = P (A) + P (B)− P (A ∩B). Como 0 ≤ P (A ∪B) ≤ 1, temos: P (A ∪B) = P (A) + P (B)− P (A ∩B) ≤ 1 ⇒ P (A) + P (B)− P (A ∩B) ≤ 1 ⇒ P (A) + P (B)− 1 ≤ P (A ∩B) Logo, temos o desejado. Exerćıcio 4 - Sejam A1, A2, · · · , An eventos independentes. Mostre que P (A1 ∪A2 ∪ · · · ∪An) = 1− n∏ i=1 [ 1− P (Ai) ] Solução: Note que P (A1 ∪A2 ∪ · · · ∪An) = P [ n⋃ i=1 Ai ] = 1− P [ n⋃ i=1 Ai ]c = 1− P [ n⋂ i=1 Aci ] Como os eventos Ai, i = 1, · · · , n são independentes, temos que seus complementares Aci , i = 1, · · · , n também são. Logo, 1− P [ n⋂ i=1 Aci ] = 1− n∏ i=1 P (Aci ) = 1− n∏ i=1 [ 1− P (Ai) ] Portanto, é válida a igualdade P (A1 ∪A2 ∪ · · · ∪An) = 1− n∏ i=1 [ 1− P (Ai) ] . Exerćıcio 5 - Seja (Ω,F , P ) um espaço de probabilidade e sejam A,B ∈ F . A probabilidade de A dado B é definida por: P (A|B) = P (A ∩B) P (B) , P (B) > 0 4 Mostre que para todo B ∈ F , não-vazio, o trio (Ω,F , P (·|B)) define um espaço de probabilidade. Solução: Sendo Ω o espaço amostral, F a σ−álgebra de subconjuntos de Ω, devemos mostrar que P (·|B) é uma medida de probabilidade definida em F , isto é, P (·|B) deve satisfazer os aximoas de Kolmogorov. (i) Normalização Unitária: Devemos mostrar que P (Ω|B) = 1. De fato, P (Ω|B) = P (Ω ∩B) P (B) = P (B) P (B) = 1 Logo, P (Ω|B) = 1 (ii) Não-negatividade ∀A ∈ F , P (A|B) ≥ 0. De fato, P (A|B) = P (A∩B)P (B) Como P (A ∩B) ≥ 0 e P (B) > 0, temos então que P (A|B) ≥ 0. (iii) σ−aditividade ∀A1, A2, · · · ∈ F , com Ai ∩Aj 6= ∅ para todo i, j ∈ N, temos P [ (A1 ∪A2 ∪ · · · )|B ] = P [( ∞⋃ n=1 An ) |B ] = ∞∑ n=1 P (An|B) De fato, P [ (A1 ∪A2 ∪ · · · )|B ] = P [ (A1 ∪A2 ∪ · · · ) ∩B ] P (B) = P [( ∞⋃ n=1 An ) ∩B ] P (B) = P [ ∞⋃ n=1 An ∩B ] P (B) Como (An ∩B),∀n ≥ 1 são disjuntos, temos que P [ ∞⋃ n=1 An ∩B ] P (B) = ∞∑ n=1 P (An ∩B) P (B) = ∞∑ n=1 P (An ∩B) Portanto, temos o desejado. Exerćıcio 6 - Desigualdade e Boole: Seja {An : n ∈ N} uma sequência de eventos. Então, P ( ∞⋃ n=1 An ) ≤ ∞∑ n=1 P (An) Solução: Note que podemos considerar que ∞⋃ n=1 An = ∞∑ n=1 Bn, de maneira que B1 = A1;B2 = (A c 1 ∩A2);B3 = (Ac1 ∩Ac2 ∩A3); · · · ;Bn = (Ac1 ∩Ac2 ∩ · · · ∩An), com n ≥ 1. 5 Como sabemos, P é monótona. Além disso, por Bn ⊂ An, ∀ n ≥ 1, temos que P ( ∞⋃ n=1 An ) = P ( ∞∑ n=1 Bn ) = ∞∑ n=1 P (Bn) ≤ ∞∑ n=1 P (An) uma vez que, se B ⊂ A⇒ P (B) ≤ P (A). Portanto, P ( ∞⋃ n=1 An ) = ∞∑ n=1 P (An) Exerćıcio 7 - Teorema da Probabilidade Total: Seja (Ω,F , P ) um espaço de probabilidade, e seja A1, A2, · · · uma partição de Ω tal que cada elemento da partição é um evento aleatório com prababilidade estritamente positiva. Mostre que para qualquer evento B ∈ F P (B) = ∞∑ n=1P (B|An)P (An) Solução: Note que B pode ser escrito como a união disjunta das intersecções de B com cada um dos Ai, i ≥ 1. Desta forma, B = (B ∩A1) ∪ (B ∩A2) ∪ · · · ∪ (B ∩Ai) ∪ · · · = ∞⋃ n=1 (B ∩An) ⇒ B = ∞⋃ n=1 (B ∩An) Assim, P (B) = P [ ∞⋃ n=1 (B ∩An) ] = ∞∑ n=1 P (B ∩An) = ∞∑ n=1 P (B|An)P (An) Portanto, P (B) = ∞∑ n=1 P (B|An)P (An) Exerćıcio 8 - Teorema de Bayes: Seja (Ω,F , P ) um espaço de probabilidade, e seja A1, A2, · · · uma partição de Ω tal que cada elemento da partição é um evento aleatório com probabilidade estritamente positiva. Mostre que para qualquer evento B tal que P (B) > 0, e para qualquer m ≥ 1, fixo, P (Am|B) = P (B|Am)P (Am)∑∞ n=1 P (B|An)P (An) Solução: Sejam os eventos A1, A2, · · · uma partição de Ω, isto é, A1 ∩ A2 ∩ · · · = ∅ e A1 ∪ A2 ∪ · · · = Ω. Considere B um evento não vazio de Ω tal que P (B) > 0. Por meio da definição de propriedade condicional, temos P (B|Am) = P (B ∩Am) P (Am) ⇒ P (B ∩Am) = P (B|Am)P (Am) Além disso, P (B ∩Am) = P (Am ∩B) (6) 6 Note que B = (B ∩A1) ∪ (B ∩An) ∪ · · · ∪ (B ∩An) ∪ · · · é uma união disjunta. Logo, P (B) = P (B|A1)P (A1) + P (B|A2)P (A2) + · · ·+ P (B|An)P (An) + · · · (7) Novamente, temos pela definição de probabilidade condicional P (Am|B) = P (Am ∩B) P (B) Assim, por (6) e (7) temos que P (Am|B) = P (B|Am)P (Am) P (B|A1)P (A1) + P (B|A2)P (A2) + · · ·+ P (B|An)P (An) + · · · Portanto, P (Am|B) = P (B|Am)P (Am) ∞∑ n=1 P (B|An)P (An) 7
Compartilhar