Baixe o app para aproveitar ainda mais
Prévia do material em texto
Exerćıcios: Variáveis Aleatórias e Funções de Probabilidade PARTE I: Variáveis Aleatórias e funções Exercise 1 Defina: 1. Variável aleatória 2. Variáveis aleatórias cont́ınuas 3. Função massa de probabilidade P (X = x) 4. Função acumulada de probabilidade P (X ≤ x) = F (x) 5. O que significa [X ≤ x] pela teoria da medida? 6. função densidade de probabilidade f(x) Exercise 2 Encontre a função acumulada F(X) das densidades de probabili- dade f(x) abaixo: 1. f(x) = e−x com x > 0 (a) Cálculo F (X) = ∫ x −∞ f(x)dx F (X) = ∫ x −∞ e−tdt F (X) = (−e−t|x∞ A função acumulada é F (X) = 1− e−x 1 2 (b) Prova: lim x→+∞ (1− e−x) → 1 X : {x ∈ ℜ/x > 0} ∴ ∄ lim x→−∞ f(x) ⇒ lim x→0 (1− e−x) → 0 2. f(x) = 2x com 0 < x < 1 e f(x) = 0 c.c. 3. f(x) = 1b−a com a ≤ x ≤ b. Exercise 3 Calcule a probabilidade segundo a função Massa de probabildiade P (X = x) 1. P (X = x) = 12x com x > 0 (a) P (X = 2) = 122 = 1 4 (b) P (X < 3) = 122 + 1 21 = 3 4 (c) P (5 ≤ X < 7) = P (X = 5) + P (X = 6) = 125 + 1 26 = 3 64 2. P (X = x) = 0.5x(1− 0.5)5−x com X : {0, 1, 2, 3, 4, 5} (a) P (X = 5) (b) P (2 < X < 3) (c) P (X ≥ 1) Exercise 4 O diâmetro X, em miĺımetros, de um cabo segue uma distribuição f(x) = 6x(1− x) para 0 ≤ x ≤ 1 mm. 1. Esboçe o gráfico para f(x) 2. Encontre e esboçe o gráfico para F (x) 3. Calcule P (X ≤ 1/2mm) 4. Calcule probabildiade do diâmetro do cabo estar entre 0.20 e 0.25 mm. 3 Exercise 5 Dada a função de distribuição acumulada F (X) = P ([X ≤ x]) discreta, econtre aproximadamente os valores probabiĺısticos de a) P (X = −2); b)P (X ≤ 1); c)P (−1, 5 < X ≤ 0) e d)P (X ⩾ 1) + 0.2 ∗ P (X = −1.5) PARTE II: Probabilidade Conjunta e Marginal Exercise 6 Com a tabela abaixo, responda o que se pede: X/Y 0 1 2 P(X=x) 0 1/16 1/16 1/8 1 1/8 1/8 0 2 1/16 1/8 1/8 3 0 1/8 1/16 P(Y=y) 1 1. Encontre as probabilidades conjuntas: (a) P (X = 1;Y = 2) = (b) P (X = 0;Y = 0) = (c) P (X = 3;Y = 2) = 2. Encontre as probabilidades condicionais: (a) P (X = 1;Y > 0) = (b) P (X < 2;Y = 1) = (c) P (X ≤ 3;Y > 2) = 4 3. Encontre as probabilidades marginais e preencha a tabela: (a) P (X = 0) = (b) P (X = 1) = (c) P (X = 2) = (d) P (X = 3) = (e) P (Y = 0) = (f) P (Y = 1) = (g) P (Y = 2) = 4. Mostre que: (a) P (X = 0;Y = y) = ∑y j=0 P (X = 0;Y = j) = P (X = 0) (b) P (X = 1;Y = y) = ∑y j=0 P (X = 1;Y = j) = P (X = 1) (c) P (X = 2;Y = y) = ∑y j=0 P (X = 2;Y = j) = P (X = 2) (d) P (X = 3;Y = y) = ∑y j=0 P (X = 3;Y = j) = P (X = 3) (e) P (X = x;Y = 0) = ∑x i=0 P (X = i;Y = 0) = P (Y = 0) (f) P (X = x;Y = 1) = ∑x i=0 P (X = i;Y = 1) = P (Y = 1) (g) P (X = x;Y = 2) = ∑x i=0 P (X = i;Y = 2) = P (Y = 2) 5. Encontre as probabilidades condicionadas (use a fórmula de Beyes): (a) P (X = 0|Y > 0) = (b) P (X = 0|Y = 0) = 6. Verifique se as variáveis X e Y são ou não são independentes: 5 Exercise 7 Dada a função abaixo, calcule: f(x, y) = x2 + xy 3 para 0 < x < 1 e 0 < y < 2 1. marginal fX(x) 2. marginal fY (y) 3. P (X > 12 ) = 4. P (Y < X) = 5. P (Y < 12 |X < 1 2 ) = Resp. 3. 56 4. 7 24 5. 5 32 Exercise 8 Dada a função f(x, y) = kx(x− y) para 0 < x < 2 e −x < y < x 1. Encontre a constante k para que a f(x, y) seja uma função densidade de probabilidade 2. Encontre as marginais fX(x) e fY (y) 3. Encontre a função de distribuição acumulada FXY (x, y) 4. Verifique se FXY (x, y) = FX(x) · FY (y) 5. Verifique se as variáveis X e Y são ou não são independentes 6 PARTE III: Esperança Matemática Exercise 9 Prove as propriedades abaixo: 1. Prove que o segundo momento centrado é a variância 2. Prove que: V AR( ∑ i aiXi) = a 2 i ∑ i V AR(Xi) + 2aiaj ∑ i<j cov(Xi, Xj) 3. Prove que E(X − E(X)) = 0. O que isto significa? 4. Prove que cov(X,Y ) = E(XY )− E(X)E(Y ) Exercise 10 Calcule as esperança Matemáticas pedidas para a tabela abaixo Y/X 1 2 3 P(X=x) 1 1/12 1/6 0 2 0 1/9 1/5 3 1/18 1/4 2/15 P(Y=y) 1 1. E(X) 2. E(Y ) 3. E(XY ) 4. Calcule E(XY ) − E(X)E(Y ). O que foi calculado? (Sugest. Veja o exerćıcio 4.4 acima) 5. O segundo momento para X → E(X2) 6. O segundo momento para Y → E(Y 2) 7 7. O terceiro momento para X → E(X3) 8. O terceiro momento para Y → E(Y 3) 9. Verifique se E(XY ) = E(X) · E(Y ) 10. Verifique se as variáveis X e Y são ou não são independentes 11. Se P (X = x, Y = y) = P (X = x) ·P (Y = y) são va’s independentes então é verdade que E(XY ) = E(X) · E(Y ) ? Exercise 11 Calcule E(X) e V AR(X) = E(X2)− E(X)2 para 1. f(z) = 1√ 2π e −z2 2 Resp. µ = E(X) = 0 e σ2 = V AR(X) = 1 2. f(x) = λe−λx Resp. µ = E(X) = 1λ e σ 2 = V AR(X) = 1λ2 3. P (X = x|θ) = θx(1− θ)1−x Resp. E(X) = θ e V AR(X) = θ(1− θ) Exercise 12 Calcule E(X) para a distribuição de Weibull 1. f(x) = λαxα−1e−λx α , x > 0 Exercise 13 Sabemos que a média, a variância, os coeficientes de assimetria (SKW ) e a curtose (γ) são dados por: 1. µ = E(X) 2. σ2 = E(x2)− E(X)2 3. SKW = E(X−E(X)) 3 (σ2)3/2 (razão entre o terceiro momento certado e a variância elevada a 3/2) 4. γ = E(X−E(X)) 4 (σ2)2 (razão entre o quarto momento certado e a variância elevada ao quadrado) encontre através do momento gerador E(etX) os valores de µ, σ2, SKW e γ: 1. E(etX) = (1− θ) + θet (momento gerador Bernouli) 2. E(etX) = eλ(e t−1) (momento gerador Poisson) 3. E(etX) = eµt+ 1 2σ 2t2 (momento gerador Gaussiano) REF. 1. BARRY, R JAMES 1981. Probabildiade: um curso em nivel intermedi- ario. Rio de Janeiro. Instituto de Matematica Pura e Aplicada 2. MOOD, A.M.; GRAYBILL, F.A.; BOES, D.C. Introduction to the theory of Statistics. 3 ed. New York: McGraw Hill, 1974 3. MEYER, PAUL L. Probabilidade: Aplicacoes a Estatistica.
Compartilhar