Baixe o app para aproveitar ainda mais
Prévia do material em texto
Gabarito: Variáveis Bidimensionais REC 2303 Introdução à Probabilidade e à Estatística Aplicada II 1 Variáveis Aleatórias Bidimensionais Exercício 1.1: Sendo Y e X duas variáveis aleatórias, é correto afirmar que - verdadeiro ou falso, você deve solucionar cada ítem e mostrar porque é verdadeiro ou falso.(ANPEC 2003) ( ) Var(Y + X) = Var(Y) + Var(X) – 2Cov(Y, X); ( ) Var(Y – X) = Var(Y) – Var(X) – 2Cov(Y, X); ( ) Var (Y + X) = Var(Y) + Var(X), se Y e X forem independentes; ( ) Se Cov(Y, X)) = 0, então Y e X são independentes; Resposta: (a) Falso. Temos que: V ar(aX + bY ) = a2V ar(X) + b2V ar(Y ) + 2abCov(X, Y ) Fixando a = b = 1, teremos: V ar(X + Y ) = V ar(X) + V ar(Y ) + 2Cov(X, Y ) Que é a propriedade da Variância da soma que conhecemos! (b) Falso. Basta denotar a = –1 e b = 1 na primeira expressão do item anterior para obter : V ar(−X + Y ) = V ar(X) + V ar(Y )− 2Cov(X, Y ) (c) Verdadeiro. Veja, pelo primeiro item que: V ar(X + Y ) = V ar(X) + V ar(Y ) + 2Cov(X, Y ) Se X e Y são independentes, então Cov(Y,X) = 0 1 (d) Falso. Cov(Y,X) = 0, implica que Y e X não têm associação (corre- lação) linear entre si, mas não implica necessariamente independência, pois elas podem ter alguma associação não linear Exercício 1.2: Lançam-se, simultaneamente, uma moeda e um dado (Mo- rettin e Bussad cap. 8) (a) Determine o espaço amostral correspondente a esse experimento. (b) Obtenha a tabela da distribuição conjunta, considerando X o número de caras no lançamento da moeda e Y o número da face do dado. (c) Verifique se X e Y são independentes. (d) Calcule: (a) P (X = 1) (b) P (X ≤ 1) (c) P (X = 2, Y = 3) (d) P (X = 0, Y ≥ 1) Resposta: (a) W = C1, C2, C3, C4, C5, C6, R1, R2, R3, R4, R5, R6 Onde: C=cara e R=coroa (b) A tabela de distribuição conjunta é: x 1 2 3 4 5 6 P(X=x) 0 0,08 0,08 0,08 0,08 0,08 0,08 0,5 1 0,08 0,08 0,08 0,08 0,08 0,08 0,5 P(Y=y) 0,17 0,17 0,17 0,17 0,17 0,17 1 (c) Sim, pois P (X = i, Y = j) = P (X = i)P (Y = j),∀i, j (d) Respostas: a) 0,5 b) 1,0 c) 0 d) 0,5 2 2 Distribuições Marginais e Condicionais Exercício 2.1: Suponha que as v.a. X e Y tenham f.d.p.: (Morettin e Bussad, cap. 8) f(x, y) = { e−(x+y), x > 0 e y > 0 0, nos demais casos (a) Calcule as f.d.p. marginais de X e Y. (b) Calcule P (0 < X < 1, 1 < Y < 2) (c) Calcule as esperanças condicionais E(y|x) e E(x|y) . Resposta: (a) As f.d.p. marginais são: fx(x) = ∫ ∞ 0 e(x+y)dy = e−x[−e−y]|∞0 = e−x fy(y) = ∫ ∞ 0 e(x+y)dx = e−y (b) Temos que: P (0 < X < 1, 1 < Y < 2) = ∫ 1 0 ∫ 2 0 e(x+y)dxdy = ∫ 1 0 e−xdx ∫ 2 0 e−ydy = (−e−x|10)(−e−y|21) = (e− 1)2 e3 (c) Basta aplicar a definição de esperança condicional: E(y|x) = ∫ ∞ 0 y e(x+y)dy 3 Exercício 2.2: Calcule as densidades marginais e condicionais para a v.a. (X, Y), com f.d.p.: (Morettin e Bussad cap. 8) f(x, y) = (1/64)(x + y) para 0 ≤ x ≤ 4 ,0 ≤ y ≤ 4. Resposta: As densidades marginais e condicionais são calculadas como: fx(x) = ∫ 4 0 1 64 (x + y)dy = [ 1 64 (xy + y2 2 ]|40 = 1 64 (4x + 2) fy(y) = ∫ 4 0 1 64 (x + y)dx = 1 16 (y + 2) fy/x = f(x, y) fx(x) = 1 64 (x + y) 1 16 (x + 2) fx/y = f(x, y) fy(y) = x + y 4(y + 2) Exercício 2.3: As v.a. X e Y têm distribuição conjunta dada por: (Moret- tin e Bussad, cap. 8) f(x, y) = { 1 8 x(x− y), 0 < x < 2 e − x < y < x 0, c.c. (a) Encontre as f.d.p. marginais de X e Y. (b) Encontre a P (X ≤ 1). (c) Calcule fx|y(x|y) e fy|x(y|x). Resposta: (a) fy(y) = ∫ σx f(x, y)dx = ∫ 2 y 1 8 x(x− y)dx(I), 0 ≤ y ≤ 2∫ 2 −y x(x− y)dx(II),−2 ≤ y ≤ 0 0, cc Então para cada intervalo temos que: 4 (I) = 1 8 ∫ 2 y (x2 − xy) dx = 1 8 [ x3 3 ∣∣∣2 y − y x2 2 ∣∣∣2 y ] = 1 8 [ 8−y3 3 − ( 2y − y3 2 )] = = 1 48 [16− 2y3 − 12y + 3y3] = 1 48 (y3 − 12y + 16) (II) = 1 8 ∫ 2 −y (x 2 + xy) dx = 1 8 [ x3 3 ∣∣∣2 −y − y x2 2 ∣∣∣2 −y = 1 8 [ 8+y3 3 − ( 2y − y3 2 )] = = 1 48 [16 + 2y2 − 12y + 3y3] = 1 48 [5y3 − 12y + 16] De forma análoga para X: fx(x) = ∫ σy f(x, y)dy = {∫ x −x 1 8 x(x− y)dy(I), 0 ≤ x ≤ 2 0, cc (I) = 1 8 ∫ x −x (x 2 − xy) dy = 1 8 [ x2 ∫ x −x dy − x ∫ x −x ydy ] = 1 8 [x2y| − 0] = x3 4 fx(x) = { x3 4 , 0 ≤ x ≤ 2 0, cc (b) Calculamos como: P (X ≤ 1) = ∫ 1 0 ∫ x −x f(x, y)dydx = ∫ 1 0 ∫ 1 −1 f(x, y)dydx (c) Calculamos aplicando a definição de esperança condicional: E(y|x) = ∫ x −x y 1 8 x(x− y)dy E(y|x) = ∫ 2 0 x 1 8 x(x− y)dx Exercício 2.4: Numa urna têm-se cinco tiras de papel, numeradas 1, 3, 5, 5, 7. Uma tira é sorteada e recolocada na urna; então, uma segunda tira é sorteada. Sejam X1 e X2 o primeiro e segundo números sorteados. (Morettin e Bussad, cap. 8) 5 (a) Determine a distribuição conjunta de X1 e X2. (b) Obtenha as distribuições marginais de X1 e X2. Elas são independen- tes? (c) Encontre a média e a variância de X1 e X2. (d) Como seriam as respostas anteriores se a primeira tira de papel não fosse devolvida à urna antes da segunda extração? Resposta: (a) A distribuição conjunta pode ser descrita como: x2 x1 1 3 5 7 1 1/25 1/25 2/25 1/25 1/5 3 1/25 1/25 2/25 1/25 1/5 5 2/25 2/25 4/25 2/25 2/5 7 1/25 1/25 2/25 1/25 1/5 1/5 1/5 2/5 1/5 (b) De acordo com a tabela acima são independentes pois os produtos das marginais são iguais. (c) Temos que: E (X1) = E (X2) = 4, 2 Var (X1) + Var (X2) = 4, 16 E(X̄) = E ( X1 2 ) + E ( X2 2 ) = 1 2 [E (X1) + E (X2)] = 4, 2 Devido a independência Var(X̄) = 1 4 [Var (X1) + Var (X2)] = 4, 16 2 = 2, 08 6 (d) O novo espaço amostral seria: W = {13, 15, 15, 17, 31, 35, 35, 37, 51, 53, 55, 57, 51, 53, 55, 57, 71, 73, 75, 75} Logo, é possível construir a tabela abaixo: x2 x1 1 3 5 7 1 0 1/20 1/10 1/20 1/5 3 1/20 0 1/10 1/20 1/5 5 1/10 1/10 1/10 1/10 2/5 7 1/20 1/20 1/10 0 1/5 1/5 1/5 2/5 1/5 Note que nesse caso não seriam independentes e teríamos que: E (X1) = E (X2) = (1)(Y/s) + (3)(1/s) + (5)(3/6) + (7)(1/4) = 4, 2 E(X̄) = E ( X1 + X2 2 ) = 1 2 (2 · 4, 2) = 4, 2 E ( X̄2 ) = 19, 2⇒ Var(X̄) = 19, 2− (4, 2)2 = 1, 56 Exercício 2.5: Prove que E[E(X|Y )] = E(X).(Morettin e Bussad, cap. 8). Dica:E(X|y) é uma função de y e portanto uma v.a. Na realidade, E(X|y) é o valor da v.a. E(X|Y ). Considerre a expressõ para E(X|y) e tome a esperança novamente. Mude a ordem das integrais e obtenha o resultado. Resposta: Supomos que temos uma função conjunta f(x, y) e suas respectivas marginais e condicionais. Recorde que: E(x) = ∫ x · fx(x)dx 7 E(X/y) = ∫ x · f(x/y)dx = g(y) é uma função de y. Portanto: E[E(X/Y )] = E[g(y)] = ∫ g(y) · fY (y)dy = ∫ (∫ x · fx/y(x/y)dx ) fY (y)dy = = ∫ x (∫ fY (y) · fx/y(x/y)dy ) dx = ∫ x (∫ f(x, y)dy ) dx = ∫ x · fx(x)dx = E(X) 3 Independência, Covariância e Correlação Exercício 3.1: Suponha que as v.a. X e Y tenham f.d.p.: (Morettin e Bussad, cap. 8) f(x, y) = { e−(x+y), x > 0 e y > 0 0, nos demais casos (a) Calcule ρ(X,Y ) (correlação) Resposta: E(XY ) = ∫∞ 0 ∫∞ 0 e −(x+η)dxdy = ∫∞ 0 e −xdx ∫ e−ydy = (−e−x|∞0 ) (−e−y| ∞ 0 ) = 1 · 1 = 1 ∴ Cov(X,Y ) = E(XY )− E(X)E(Y ) = 0 ∴ ρ(X,Y ) = Cov(X,Y )DP (X)DP (Y ) = 0 1 = 0 Exercício 3.2: O exercício a seguir ilustra que ρ = 0 - correlação zero - não implica independência. Suponha que (X, Y) tenha distribuição conjunta dada pela tabela abaixo: (Morettin e Bussad, cap. 8) y\x -1 0 1 -1 1/8 1/8 1/8 0 1/8 0 1/8 1 1/8 1/8 1/8 8 (a) Mostre que E(XY ) = E(X)E(Y ), donde ρ = 0. (b) Justifique por que X e Y não são independentes. Resposta: (a) Temos a sefuinte distribuição conjunta: xy -1 0 1 p 1/4 1/2 1/4 E(XY ) = (−1) ( 2 8 ) + (0) ( 4 8 ) + (1) ( 2 8 ) = 0 E(X) = E(Y ) = 0⇒ ρ(X,Y ) = E(XY )− E(X)E(Y ) = 0 (b) Por exemplo, veja que P (X = 0, Y = 0) = 0 o que é diferente de: P (X = 0)P (Y = 0) = ( 1 4 )( 1 4 ) = 1 16 Exercício 3.3: Uma moeda perfeita é lançada três vezes. Sejam: (Morettin e Bussad, cap. 8) X: número de caras nos dois primeiros lançamentos; Y: número de caras no terceiro lançamento; e S: número total de caras. (a) Usando a distribuição conjunta de (X, Y), verifique se X e Y são indepen-dentes. Qual é a covariância entre elas? (b) Calcule a média e a variância das três variáveis definidas. (c) Existe alguma relação entre os parâmetros encontrados em (b)? Por quê? Resposta: (a) Temos a distribuição como a tabela abaixo: O que nos dá as seguintes probabilidades: Sim, são independentes, pois cada probabilidade encontrada é igual ao pro- duto das respectivas marginais. Verificando a covariância: 9 w: kkk kkc kck ckk kcc ckc Cck ccc x: 2 2 1 1 1 1 0 0 y: 1 0 1 1 0 0 1 0 s: 3 2 2 2 1 1 1 0 p: 1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8 y x 0 1 P (X = x) 0 1/8 1/8 1/4 1 1/4 1/4 1/2 2 1/8 1/8 1/4 P (Y = y) 1/2 1/2 1 xy 0 1 2 p 5/8 1/4 1/8 E(XY ) = (0) ( 5 8 ) + (1) ( 2 8 ) + (2) ( 1 8 ) = 12 = 0, 5 E(X) = 1 E(Y ) = 0, 5 Cov(X,Y ) = E(XY )− E(X)E(Y ) = 0.5− (1)(0, 5) = 0 (b) Já calculamos E(X) = 1 e E(Y ) = 0, 5− (1)(0, 5) = 0, acima . Temos que: E ( X2 ) = (0)2 ( 1 4 ) + (1)2 ( 1 2 ) + (2)2 ( 1 4 ) = 1, 5⇒ Var(X) = 1, 5− (1)2 = 0, 5 E ( Y 2 ) = (0)2 ( 1 2 ) + (1)2 ( 1 2 ) = 0, 5⇒ Var(Y ) = 0, 5− (0, 5)2 = 0, 25 s 0 1 2 3 p 1/8 3/8 3/8 1/8 E(S) = 18 [0 + 3 + 6 + 3] = 15 E ( S2 ) = 18 [ (0)2 + (1)23 + (2)23 + (3)21 ] = 3 Var(S) = 3− (1, 5)2 = 0, 75 (c) Sim. Como S = X + Y e Y e X são independentes: 10 0, 75 = Var(S) = Var(X + Y ) = Var(X) + Var(Y ) = 0, 5 + 0, 25 Exercício 3.4: Depois de um tratamento, seis perários submeteram-se a um teste e, mais tarde, mediu-se a produtividade de cada um deles. A partir dos resultads apresentados na tabela abaixo, calcule o coeficiente de correlação entre nota e produtividade. Operário Teste Produtividade 1 9 22 2 17 34 3 20 29 4 19 33 5 20 42 6 23 32 Resposta: Vamos atribuir a cada operário a mesma probabilidade de 1/6. Então temos que: E(T ) = 16 [9 + 17 + 19 + (2)(20) + 23] = 18 E ( T 2 ) = 16 [ 92 + 172 + 192 + (2)(20)2 + 232 ] = 20606 = 3433 Var(T ) = 20606 − 18 2 = 1166 = 19, 33 E(P ) = 16 [22 + 29 + 32 + 33 + 34 + 42] = 192 6 = 32 E(P ) = 16 [ 222 + 292 + 322 + 332 + 342 + 422 ] = 63586 = 1059, 67 Var(P ) = 63586 − 32 2 = 2146 = 35, 67 E(TP ) = 16 [(9)(22) + (17)(34) + (20)(29) + (19)(33) + (20)(42) + (23)(32)] = 35596 = 593, 17 Cov(T, P ) = 35596 − (18)(32) = 103 6 = 17, 17 ρ(T, P ) = 103 6√ 116 6 − 214 6 = 103√ 24824 = 0, 65 11
Compartilhar