Baixe o app para aproveitar ainda mais
Prévia do material em texto
INF1036 - Probabilidade Computacional – 2ª. Lista – 2022.1 Professora: Ana Carolina Letichevsky 1) A variável aleatória 𝑋 tem função densidade dada por: 𝑓(𝑥) = { −𝑥 −1 ≤ 𝑥 < 0 𝑥 0 ≤ 𝑥 ≤ 1 0 𝑥 < −1 𝑜𝑢 𝑥 > 1 a) Esboce o gráfico de 𝑓(𝑥) e verifique se 𝑓(𝑥) define uma função densidade de probabilidade. b) Calcule 𝑃(|𝑋 − 0,5| > 0,25). c) Calcule a variância de 𝑋. d) Obtenha a função distribuição acumulada de 𝑋. 2) Uma variável aleatória 𝑋 tem distribuição uniforme no intervalo [𝑎, 𝑏] com média 7 e variância 3. Determine os valores de 𝑎 e 𝑏, sabendo que 𝑏 > 𝑎 > 0. 3) Se 𝑋 é uma variável aleatória exponencial de parâmetro 𝜆, mostre que: a) 𝐸[𝑋] = 1 𝜆 b) 𝑉𝑎𝑟(𝑋) = 1 𝜆2 4) A função distribuição acumulada de uma variável aleatória 𝑋 é dada por: 𝐹(𝑥) = { 0 𝑥 < 0 3𝑥2 − 𝑥3 2 0 ≤ 𝑥 < 1 1 𝑥 ≥ 1 a) Calcule 𝐸(𝑋) e 𝑉𝑎𝑟(𝑋). b) Calcule 𝑃(0,25 ≤ 𝑋 ≤ 0,5). 5) Considerando 𝑔(𝑥) = 𝑥2 + 3𝑥 uma função, calcule o valor aproximado de 𝜑, onde: 𝜑 = ∫ 𝑔(𝑥)𝑑𝑥 1 0 Observação: Considerando 𝑈 uma variável aleatória uniformemente distribuída no intervalo [0, 1] , então: 𝜑 = ∫ 𝑔(𝑥)𝑑𝑥 = 𝐸[𝑔(𝑈)] 1 0 Se 𝑈1, 𝑈2, … , 𝑈𝑛 são variáveis aleatórias independentes e uniformemente distribuídas em [0, 1], tem-se que as variáveis aleatórias 𝑔(𝑈1), 𝑔(𝑈2), … , 𝑔(𝑈𝑛) são variáveis aleatórias independentes com média 𝜑. Portanto, pela Lei Forte dos Grandes Números (Lei Forte de Kolmogorov), segue que, com probabilidade 1, ∑ 𝑔(𝑈𝑖) 𝑛 𝑛 𝑖=1 → 𝐸[𝑔(𝑈)] = 𝜑 onde 𝑛 → ∞. Para realizar o cálculo, deve ser criada uma função chamada aproximador que deverá retornar o valor aproximado de 𝜑. Implemente a função aproximador, em R e em Python, usando como gerador de números pseudo-aleatórios o algoritmo: a) LGC. b) Mersenne Twister. http://www.portalaction.com.br/probabilidades/722-lei-forte-dos-grandes-numeros#teo7124
Compartilhar