Exerccios de Probabilidade

lcio Lebensztayn

Sumrio

Prefcio
Captulo 1: Anlise Combinatria
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

iii
1
3

Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
Captulo 2: Probabilidade

19

1.

Definies e propriedades . . . . . . . . . . . . . . . . . . . . . . 19

2.

Probabilidade condicional e independncia . . . . . . . . . . . . . . . 22

3.

Conjuntos limites e continuidade da probabilidade. . . . . . . . . . . . 24

Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Captulo 3: Variveis aleatrias

45

1.

Definies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

2.

Variveis aleatrias conjuntamente distribudas . . . . . . . . . . . . . 47

3.

Independncia de variveis aleatrias . . . . . . . . . . . . . . . . . 48

4.

Modelos de distribuies discretas. . . . . . . . . . . . . . . . . . . 49

5.

Modelos de distribuies contnuas . . . . . . . . . . . . . . . . . . 51

6.

Aproximao de Poisson Binomial . . . . . . . . . . . . . . . . . . 54

7.

Aproximao Normal Binomial . . . . . . . . . . . . . . . . . . . 55

8.

Funes de variveis aleatrias . . . . . . . . . . . . . . . . . . . . 56

9.

Estatsticas de ordem . . . . . . . . . . . . . . . . . . . . . . . . 60

10. Modelos multidimensionais. . . . . . . . . . . . . . . . . . . . . . 60

11. Distribuies relacionadas com a normal . . . . . . . . . . . . . . . . 61
Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88

ii

Sumrio

Captulo 4: Esperana

97

1.

Definies e propriedades . . . . . . . . . . . . . . . . . . . . . . 97

2.

Distribuio e esperana condicionais . . . . . . . . . . . . . . . . . 100

3.

Funes geradoras . . . . . . . . . . . . . . . . . . . . . . . . . 101

4.

Desigualdades . . . . . . . . . . . . . . . . . . . . . . . . . . . 106

Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
Captulo 5: Modos de Convergncia e Teoremas Limites

139

1.

Lema de Borel-Cantelli . . . . . . . . . . . . . . . . . . . . . . . 139

2.

Modos de Convergncia . . . . . . . . . . . . . . . . . . . . . . . 139

3.

Teoremas Limites. . . . . . . . . . . . . . . . . . . . . . . . . . 142

4.

Outros Teoremas Limites . . . . . . . . . . . . . . . . . . . . . . 144

5.

Convergncia de momentos . . . . . . . . . . . . . . . . . . . . . 145

Exerccios. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Respostas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163
Apndice

165

Distribuio Normal Padro

169

Referncias Bibliogrficas

171

Prefcio
Este livro destina-se a estudantes de cursos de probabilidade em nvel de Graduao e Mestrado. Os temas abordados so: Anlise Combinatria, Probabilidade, Variveis
Aleatrias, Esperana e Teoremas Limites. No comeo de cada captulo, visando recordao da matria, renem-se em forma de tpicos as principais definies e resultados.
Para mais detalhes e demonstraes, sugiro ao leitor que consulte as referncias bibliogrficas. Ao final de cada captulo, enunciam-se os exerccios correspondentes teoria
exposta, alguns dos quais tm a soluo apresentada.
Cumpre salientar que, por fins didticos, decidi definir os principais modos de convergncia para tratar dos teoremas limites. As sees e os tpicos marcados com asterisco
correspondem a assuntos mais avanados, que podem ser omitidos em uma primeira leitura. Os exerccios que envolvem esses assuntos tambm esto assinalados. Aceitarei,
com prazer, as crticas e sugestes que me permitam aperfeioar o livro.

Agradecimentos:
Aos meus familiares e amigos.
A Cristian Favio Coletti, pela colaborao no estgio inicial do livro.
A Fbio Prates Machado, pelo apoio e incentivo ao desenvolvimento do livro.
Aos autores e docentes cujos livros, listas de exerccios e provas me serviram de
fonte.
Aos professores com os quais convivi nos anos de formao acadmica.
Comisso de Ps-Graduao em Estatstica do IMEUSP e CAPESPROEX,
que editaram a primeira verso desse livro.
FAPESP, CAPES e ao CNPq, pelos apoios recebidos nesses anos.
A Deus e a todos que me ajudaram a chegar at aqui.
lcio Lebensztayn.
Fevereiro de 2012.

Captulo 1

Anlise Combinatria

1.1. Princpio multiplicativo: Uma tarefa deve ser executada em uma sequncia de
r etapas. Existem n1 maneiras de realizar a primeira etapa; para cada uma dessas n1
maneiras, existem n2 maneiras de realizar a segunda etapa; para cada uma dessas n2
maneiras, existem n3 maneiras de realizar a terceira etapa, e assim por diante. Ento, o
nmero total de maneiras de efetuar a tarefa completa dado por n1 n2 . . . nr .
Observao. Ao usar o princpio multiplicativo, fundamental que o nmero de maneiras de realizar uma determinada etapa no seja influenciado por nenhuma das etapas
predecessoras.
1.2. Princpio aditivo para partes disjuntas: Se A1 , . . . An so conjuntos dois a dois
disjuntos, ento

[
 n



i=1



Ai 

n
X

|Ai |.

i=1

Princpio da Incluso-Excluso: Em geral, devemos usar

[
 n



i=1



Ai 

|Ai |

|Ai Aj |

i<j

|Ai Aj Ak | + (1)n+1 |A1 . . . An |.

i<j<k

1.3. Convm recordar uma tcnica bastante til em problemas de contagem: primeiro
ignore uma restrio do problema, contando a mais. Depois, desconte o que foi indevidamente contado.
1.4. Um conjunto com n elementos tem 2n subconjuntos.
1.5. Permutaes: O nmero de maneiras de ordenar n objetos distintos
n! = n (n 1) . . . 2 1.
O nmero n! chamado o fatorial de n. Por conveno, 0! = 1.

Anlise Combinatria

Observao. Uma frmula muito importante quando se trata de fatoriais foi obtida por
Stirling (1730):

n! nn en 2n,

onde o smbolo indica que a razo entre os dois lados tende a 1 quando n .
1.6. Permutaes circulares: O nmero de maneiras de dispor n objetos distintos em
torno de um crculo (n 1)!.
Nessa contagem, interessa apenas a posio relativa dos objetos entre si, ou seja, duas
disposies so consideradas indistinguveis se uma pode ser obtida a partir da outra por
uma rotao conveniente dos objetos.
1.7. O nmero de palavras de comprimento k que podem ser compostas com n elementos
dados nk .
1.8. Arranjos: O nmero de k-subconjuntos ordenados de um n-conjunto
(n)k = n(n 1) . . . (n k + 1).
1.9. Combinaes: O nmero de k-subconjuntos de um n-conjunto
!

n
n!
=
,
k
k! (n k)!
que chamado um coeficiente binomial. Estes nmeros podem ser arrumados em uma
disposio triangular, o famoso Tringulo de Pascal.
1.10. Teorema Binomial: Para quaisquer n 0 inteiro e x, y R,
(x + y) =
n

n
X
k=0

n k nk
x y .
k

1.11. O nmero de divises possveis de n objetos distintos em r grupos distintos de

tamanhos respectivos n1 , n2 , . . . , nr (n1 + n2 + + nr = n)
!

n
n!
=
.
n1 , n2 , . . . , nr
n1 ! n2 ! . . . nr !
Esta frmula tambm fornece o nmero de anagramas de uma palavra com n letras que
contm n1 vezes a letra `1 , n2 vezes a letra `2 , . . . , nr vezes a letra `r (n1 +n2 + +nr = n).

Exerccios

1.12. Para qualquer inteiro p > 0 fixado, o nmero de vetores distintos (x1 , . . . , xn ) nonegativos e a valores inteiros que satisfazem a equao x1 + + xn = p

p+n1
n1

Esse o chamado nmero de combinaes completas (ou com repetio), pois o nmero
de modos de escolher p objetos entre n objetos distintos dados, podendo repetir a escolha
(xi o nmero de vezes que tomamos o objeto i).
Em outras palavras, o nmero de maneiras de distribuir p moedas idnticas a n crianas

p+n1
n1

1.13. Para qualquer inteiro p > 0 fixado, o nmero de vetores distintos (x1 , . . . , xn ) a
valores inteiros que satisfazem x1 + + xn = p e xi 1 para todo i = 1, . . . , n

p1
n1

Isto significa que o nmero de maneiras de distribuir p moedas idnticas a n crianas de

forma que cada criana receba pelo menos uma moeda

p1
n1

1.14. A tabela a seguir resume o nmero de maneiras de tomarmos uma amostra de

tamanho k de uma populao com n elementos distintos, dependendo se o mesmo objeto
pode ser escolhido mais de uma vez (amostragem com ou sem reposio) e se vamos distinguir entre duas escolhas com os mesmos objetos escolhidos em ordem diferente (amostra
ordenada ou no).
Ordenada
Com reposio

nk

Sem reposio

(n)k

No-ordenada


k+n1
n1

 
n
k

Exerccios
1. Quantas permutaes diferentes existem das letras A, B, C, D, E, F
(a) que tm as letras A, B juntas em qualquer ordem?
(b) que tm a letra A em primeiro lugar ou a letra F em ltimo?
(c) em que a letra A vem antes da letra B?
(d) em que a letra E no a ltima?
Soluo. (a) Imaginamos as letras A e B coladas como uma letra s, na ordem AB, o
que fornece 5! permutaes. Como tambm existem 5! permutaes nas quais a letra
B est imediatamente antes da letra A, obtemos um total de 2 . 5! = 240 permutaes
diferentes.

Anlise Combinatria

(b) Sejam A o conjunto das permutaes que comeam por A e F o conjunto das permutaes que terminam em F . Pelo Princpio da Incluso-Excluso, o nmero de permutaes
que comeam por A ou terminam em F
|A F| = |A| + |F| |A F| = 5! + 5! 4! = 216.
(c) Existe um total de 6! = 720 permutaes possveis, e existem tantas com A antes de
B quantas com B antes de A, logo a resposta 360.
(d) Existem 5! permutaes em que a letra E a ltima, portanto 6! 5! = 600 permutaes em que E no a ltima letra.
2. Numa prova, um estudante deve responder exatamente 7 questes de um total de
10 questes. Quantas escolhas ele tem? Quantas escolhas ele tem se entre as 7 questes
deve responder pelo menos 3 das primeiras 5 questes?
Soluo. O estudante deve
  escolher um subconjunto de tamanho 7 de um conjunto com
10 elementos, logo tem 10
= 120 escolhas.
7
No caso em que entre as 7 questes deve responder pelo menos 3 das primeiras 5 questes,
o estudante possui trs opes (disjuntas):
Escolher exatamente 3 das primeiras 5 questes e 4 das 5 ltimas;
Escolher exatamente 4 das primeiras 5 questes e 3 das 5 ltimas;
Escolher as 5 primeiras questes e 2 das 5 ltimas.
Assim, o total de escolhas que tem
5
3

5
5
+
3
5

5
= 110.
2

5
Outra resposta para a segunda pergunta: 120
2

5
= 110.
5

5
5
+
4
4
!

3. Um pai compra 7 presentes diferentes (entre os quais, um videogame e um relgio)

para dar a seus trs filhos.
(a) De quantas maneiras ele pode dividir os 7 presentes entre os filhos, se decide dar
2 presentes ao filho mais velho, 2 presentes ao filho do meio e 3 presentes ao mais
novo?
(b) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele resolve dar pelo menos um entre o
videogame e o relgio ao filho mais velho?
(c) De quantas maneiras ele pode dividir os 7 presentes, se, alm da diviso 2 ao
mais velho, 2 ao do meio e 3 ao mais novo, ele decide dar exatamente um entre o
videogame e o relgio ao filho mais velho?

Exerccios

Soluo. (a) O nmero de divises possveis de n objetos distintos em r grupos distintos

de tamanhos respectivos n1 , n2 , . . . , nr (n1 + n2 + + nr = n)
!

n
n!
.
=
n1 ! n2 ! . . . nr !
n1 , n2 , . . . , nr
Assim, a resposta

7
7!
= 210.
=
2! 2! 3!
2, 2, 3
!

Outras respostas: O pai dispe os presentes numa fila, os dois primeiros destinados ao
filho mais velho, os dois seguintes ao filho do meio e os trs ltimos ao mais novo. Existem
7! maneiras de ordenar os presentes, porm fixada uma ordenao entre os presentes, a
ordem dos presentes de cada um dos filhos pode ser alterada, sem mudar a distribuio.
7!
= 210 maneiras de distribuir os presentes.
Dessa forma, o pai tem
2! 2! 3!
O pai escolhe 2 dos 7 presentes para o filho mais velho, o que pode fazer de

 
7

2 

modos; em seguida, deve escolher 2 dos 5 presentes restantes para o filho do meio (
modos); os 3 presentes que sobram so do mais novo. A resposta 21 . 10 = 210.

5
2

= 21
= 10

(b) Sejam
nv = Nmero de maneiras de dividir os presentes, sendo 2 ao filho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o videogame;
nr = Nmero de maneiras de dividir os presentes, sendo 2 ao filho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o relgio;
nvr = Nmero de maneiras de dividir os presentes, sendo o videogame e o relgio ao filho
mais velho, 2 outros presentes ao do meio e 3 ao mais novo.
Pelo Princpio da Incluso-Excluso, a resposta dada por:
nv + nr nvr = 2 .
Outra resposta: 210

  
5
2

5
2

6!
5!

= 110.
1! 2! 3! 2! 3!

= 110.

(c) Sejam
N1 = Nmero de maneiras de dividir os presentes, sendo 2 ao filho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o videogame porm no o relgio;
N2 = Nmero de maneiras de dividir os presentes, sendo 2 ao filho mais velho, 2 ao do
meio e 3 ao mais novo, com o mais velho ganhando o relgio porm no o videogame.
Uma forma de obter N1 observar que o pai tem
 

 
5
1

= 5 escolhas para o outro presente

para o filho mais velho e

= 10 maneiras de dividir os 5 presentes restantes entre os
filhos menores, logo N1 = 5 . 10 = 50. (Outro modo seria notar que N1 = nv nvr ).
Analogamente, temos que N2 = 50. Visto que N1 e N2 se referem a opes disjuntas, o
nmero de maneiras
N1 + N2 = 100.
5
2

Anlise Combinatria

Outra resposta: 110 nvr = 100.

4. Quantos so os anagramas da palavra COMBINATORIA? (Considere O sem acento).
Quantos deles comeam por vogal ou terminam em consoante?
Soluo. O nmero de permutaes de n objetos, dos quais n1 so do tipo 1, n2 so do
tipo 2, . . . , nk so do tipo k (n1 + n2 + + nk = n)
n!
.
n1 ! n2 ! . . . nk !
A palavra COMBINATORIA tem 2A, 2I, 2O, 1B, 1C, 1M, 1N, 1R, 1T, logo o nmero
total de anagramas (ordenaes diferentes das letras)
12!
= 59875200.
2! 2! 2!
Outra resposta:
Escolhemos 2 de 12 lugares para colocar as 2 letras A, o que pode ser
 
12
feito de 2 = 66 modos; em seguida, devemos escolher 2 dos 10 lugares restantes para
colocar as 2 letras I (


 
10
2

= 45 modos); a seguir, escolhemos 2 dos 8 lugares que restam

para as 2 letras O (
= 28 modos) e finalmente temos 6 lugares para 6 letras distintas
(6! = 720 modos). A resposta 66 . 45 . 28 . 720 = 59875200.
8
2

Sejam V o conjunto dos anagramas que comeam por vogal e C o conjunto dos anagramas
que terminam em consoante. A fim de obter |V|, notamos que temos 3 escolhas para
11!
formas de permutar as letras restantes. Para
a vogal inicial e, feita essa escolha,
2! 2!
11!
calcular |C|, existem 6 escolhas para a consoante final e, tomada essa deciso,
2! 2! 2!
10!
.
modos de permutar as letras restantes. Analogamente, |V C| = 3 . 6 .
2! 2!
Pelo Princpio da Incluso-Excluso, conclumos que o nmero de anagramas que comeam
por vogal ou terminam em consoante :
|V C| = |V| + |C| |V C| = 3 .

11!
11!
10!
+ 6.
3.6.
= 43545600.
2! 2!
2! 2! 2!
2! 2!

5. Permutam-se de todas as formas possveis os algarismos 1, 2, 4, 6, 7 e escrevem-se os

nmeros formados em ordem crescente. Determine:
(a) que lugar ocupa o nmero 62417.
(b) que nmero ocupa o 66 lugar.
(c) qual o 166 algarismo escrito.
(d) a soma dos nmeros assim formados.
Soluo. (a) Precisamos determinar quantos nmeros antecedem o 62417. Antecedem-no
todos os nmeros comeados em 1 (4! = 24), em 2 (4! = 24), em 4 (4! = 24), em 61 (3!
= 6) e em 621 (2! = 2), logo 80 nmeros. O nmero 62417 ocupa o 81 lugar.

Exerccios

(b) Contemos os nmeros:

Comeados por
1
2
41
42
46

Quantidade
4! = 24
4! = 24
3! = 6
3! = 6
3! = 6

Acumulado
24
48
54
60
66

Assim, o 66 nmero o ltimo (maior) que comea com 46, portanto o 46721.
(c) Visto que 166 = 5 . 33 + 1, o 166 algarismo escrito o primeiro do 34 nmero. Os
24 primeiros nmeros comeam por 1 e os 24 seguintes por 2, logo o 34 nmero comea
por 2. Assim, o 166 algarismo escrito 2.
(d) Iniciamos como se deve: somando as unidades dos nmeros formados. Cada um dos
algarismos 1, 2, 4, 6, 7 aparece como algarismo das unidades em 24 nmeros, portanto a
soma das unidades dos nmeros 24 . (1 + 2 + 4 + 6 + 7) = 480. Analogamente, a soma
das dezenas 480 dezenas, isto , 4800. A soma das centenas 48000, a das unidades de
milhar 480000 e a das dezenas de milhar 4800000. A soma total fica ento
480 + 4800 + 48000 + 480000 + 4800000 = 480 . 11111 = 5333280.

6. Quantos so os anagramas da palavra PARAGUAIO que no possuem consoantes

adjacentes?
Soluo. Arrumemos inicialmente as vogais, o que pode ser feito de 6!/3! = 120 modos,
e depois colocamos as consoantes de forma que no fiquem adjacentes. Arrumadas as
vogais (digamos na ordem AAUAIO), temos 7 escolhas para a colocao do P, 6 para o
R e 5 para o G. Assim, existem 120 . 7 . 6 . 5 = 25200 anagramas de PARAGUAIO que
no possuem consoantes adjacentes.
Outra resposta: Escolhida a ordem das consoantes, decidimos quantas vogais desejamos
colocar nos quatro espaos disponveis (de forma que
 no fiquem consoantes adjacentes)
e finalmente permutamos as vogais. O total fica 3! 73 6!/3! = 25200.
7. Quantos so os nmeros inteiros positivos menores que 360 e primos com 360?
Soluo. Notamos que 360 = 23 . 32 . 5 e definimos os conjuntos
A = {1, 2, . . . , 360},
A1 = {x A : x mltiplo de 2},
A2 = {x A : x mltiplo de 3},
A3 = {x A : x mltiplo de 5}.

Anlise Combinatria

Desejamos calcular a cardinalidade do conjunto A \ (A1 A2 A3 ). Porm,

360
360
= 180,
|A1 A2 | =
= 60,
2
2.3
360
360
|A2 | =
= 120,
|A1 A3 | =
= 36,
3
2.5
360
360
|A3 | =
= 72,
|A2 A3 | =
= 24,
5
3.5
Portanto, pelo Princpio da Incluso-Excluso,
|A1 | =

|A1 A2 A3 | =

360
= 12.
2.3.5

|A1 A2 A3 | = 180 + 120 + 72 60 36 24 + 12 = 264.

Assim, existem ao todo 96 nmeros inteiros positivos menores que 360 e primos com 360.
8. Uma bolsa contm 8 moedas de 1 real, 7 moedas de 50 centavos, 4 moedas de 25
centavos e 3 moedas de 10 centavos. De quantos modos diferentes podemos retirar 6
moedas dessa bolsa?
Soluo. Definimos
x1 : nmero de moedas de 1 real,
x2 : nmero de moedas de 50 centavos,
x3 : nmero de moedas de 25 centavos,
x4 : nmero de moedas de 10 centavos.
Queremos obter o nmero de solues inteiras no-negativas da equao x1 +x2 +x3 +x4 =
6, satisfazendo as condies x1 8, x2 7, x3 4 e x4 3. Sejam os conjuntos
A = {(x1 , x2 , x3 , x4 ) N4 : x1 + x2 + x3 + x4 = 6},
A1 = {(x1 , x2 , x3 , x4 ) A : x1 9},
A2 = {(x1 , x2 , x3 , x4 ) A : x2 8},
A3 = {(x1 , x2 , x3 , x4 ) A : x3 5},
A4 = {(x1 , x2 , x3 , x4 ) A : x4 4}.
Ento, o nmero pedido y = |A| |A1 A2 A3 A4 |. No entanto,
9
|A| =
= 84,
3
!

4
|A3 | =
= 4,
3
!

|A1 | = |A2 | = 0,

5
|A4 | =
= 10,
3
!

|Ai Aj | = 0, 1 i < j 4,
|Ai Aj Ak | = 0, 1 i < j < k 4 e
|A1 A2 A3 A4 | = 0.
Usando o Princpio da Incluso-Excluso, obtemos que y = 84 4 10 = 70.

Exerccios

9. Quantos so os gabaritos possveis de uma prova com 10 questes de verdadeiro ou

falso?
10. De quantas maneiras 4 pessoas podem sentar-se em 10 cadeiras em fila?
11. O conjunto A possui 3 elementos, e o conjunto B, 10 elementos. Quantas funes
f : A B existem? Quantas delas so injetoras?
12. De quantos modos podemos colocar dois reis diferentes em casas no-adjacentes de
um tabuleiro 6 6? E se os reis fossem iguais?
13. (a) Quantos divisores inteiros e positivos possui o nmero 1800?
(b) Quantos desses divisores so pares?
(c) Quantos so quadrados perfeitos?
14. De quantas maneiras diferentes podemos escolher subconjuntos S e T do conjunto
{1, . . . , n}
(a) sem restries?
(b) de forma que S contenha T ?
(c) com S e T disjuntos?
15. Quantos nmeros pares de dois algarismos podem ser formados no sistema decimal
(a) podendo repetir algarismos?
(b) sem repetir algarismos?
16. Quantos nmeros inteiros entre 100 e 999 so mpares e possuem trs algarismos
distintos?
17. Quantos nmeros inteiros maiores que 53000 e de cinco algarismos distintos podem
ser formados com os algarismos 0, 1, 2, 3, 4, 5, 6 e 7?
18. Quantas so as permutaes dos nmeros 1, 2, . . . , n nas quais o elemento que ocupa
a k-sima posio inferior a k + 4, para todo k?
19. Um estudante possui 5 livros de Clculo, 4 livros de lgebra Linear e 3 livros de
Equaes Diferenciais, todos diferentes. De quantas maneiras ele pode arrum-los em
uma prateleira, se deseja que os livros de cada assunto fiquem juntos?
20. Em uma corrida com dez cavalos, quantos so os resultados possveis para os quatro
primeiros lugares?
21. Quantos so os jogos de um campeonato de futebol disputado por 20 clubes, no qual
todos se enfrentam uma nica vez?
22. De quantas maneiras possvel colocar em fila m mulheres e h homens, todos com
alturas diferentes, de forma que as mulheres entre si e os homens entre si fiquem em ordem
crescente de altura?
23. Quantos so os subconjuntos de {a1 , a2 , . . . , an } nos quais:
(a) a1 figura.
(b) a1 no figura.

10

Anlise Combinatria

(c) a1 e a2 figuram.
(d) pelo menos um de a1 e a2 figura.
(e) exatamente um de a1 e a2 figura.
24. Quantos so os subconjuntos de {a1 , a2 , . . . , an }, com k elementos, nos quais:
(a) a1 figura.
(b) a1 no figura.
(c) a1 e a2 figuram.
(d) pelo menos um de a1 e a2 figura.
(e) exatamente um de a1 e a2 figura.
25. Calcule o nmero de palavras de seis letras, sem consoantes nem vogais adjacentes,
que se podem formar empregando dez consoantes e cinco vogais,
(a) sendo permitido repetir letras.
(b) no sendo permitidas repeties.
26. Um turista deseja conhecer cinco das nove capitais do Nordeste do Brasil. De quantos
modos ele pode fazer isso, se a ordem das visitas
(a) importa?
(b) no importa?
27. Em um concurso, h trs candidatos e cinco examinadores, devendo cada examinador
votar em um candidato. Determine de quantos modos os votos podem ser distribudos,
(a) levando-se em conta a sequncia de votao dos examinadores.
(b) se importa apenas o nmero de votos que cada candidato recebe.
28. Um restaurante oferece 8 variedades de frutas no cardpio de sobremesa. De quantas
maneiras possvel escolher 4 frutas
(a) podendo repetir uma fruta?
(b) sem repetir?
Responda os itens (a) e (b), supondo que cada uma das 4 frutas ser destinada a uma
criana.
29. Sejam A e B conjuntos de nmeros naturais com |A| = p e |B| = n.
(a) Quantas so as funes f : A B ?
(b) Quantas so as funes f : A B injetoras?
(c) Quantas so as funes f : A B crescentes?
(d) Quantas so as funes f : A B no-decrescentes?
30. Seja A um conjunto com |A| = n. Quantas so as funes f : A A bijetoras?
31. De quantos modos os nmeros de 1 a 9 podem ser arrumados de forma que

Exerccios

11

(a) todos os nmeros pares precedam todos os mpares?

(b) todos os nmeros pares fiquem adjacentes?
(c) a sequncia comece com dois pares e termine com dois pares tambm?
(d) os nmeros pares apaream em ordem crescente ou decrescente?
32. Quantos so os anagramas da palavra URUGUAIO que comeam por vogal?
33. Quantos nmeros de 5 algarismos podem ser formados usando apenas os algarismos
1, 1, 1, 1, 2 e 3?
34. Cinco moas e cinco rapazes vo posar para uma fotografia, ocupando cinco degraus
de uma escadaria, de forma que em cada degrau fique uma moa e um rapaz. De quantas
maneiras podemos arrumar este grupo?
35. De quantas maneiras 10 crianas podem formar uma roda de ciranda, se para cada
uma delas importa apenas as duas crianas s quais d as mos, sem levar em conta se
a mo direita ou esquerda?
36. De quantos modos quatro casais podem sentar-se em torno de uma mesa redonda
(a) no sentando juntos dois homens?
(b) no sentando juntos dois homens e nenhum homem ficando perto de sua esposa?
37. Participam de um congresso 15 professores de Matemtica e 15 professores de Fsica.
Quantas comisses de 8 professores podem ser formadas:
(a) sem restries?
(b) com pelo menos um professor de Matemtica?
(c) com pelo menos 4 professores de Matemtica e pelo menos 2 professores de Fsica?
38. De quantas maneiras se pode preencher um carto da loteria esportiva (com 13 jogos)
com trs prognsticos duplos e dois triplos?
39. Sinais luminosos so transmitidos de uma ilha para a costa por meio de seis lmpadas
brancas e seis lmpadas vermelhas, colocadas nos vrtices de um hexgono regular, de tal
modo que
(i) em cada vrtice h duas lmpadas de cores diferentes;
(ii) em cada vrtice no h mais do que uma lmpada acesa;
(iii) o nmero mnimo de vrtices iluminados trs.
Determine o nmero total de sinais que podem ser transmitidos.
40. Suponha que Joo vai participar de uma reunio na qual estaro mais 4 homens e 6
mulheres. Ele sabe que h 4 casais, porm no conhece ningum.
(a) De quantas formas poderia Joo imaginar que esto formados os casais?
(b) E se sabe que h exatamente 3 casais?

12

Anlise Combinatria

41. Uma loja exige que um funcionrio recm-contratado trabalhe 4 ou 5 dias por semana,
sendo pelo menos um dia de fim de semana. Calcule o nmero de cronogramas de trabalho
possveis desse trabalhador.
42. Um homem tem 5 amigas e 7 amigos, e sua esposa tem 7 amigas e 5 amigos. De
quantos modos eles podem convidar 6 amigas e 6 amigos para uma festa, se cada um deve
convidar 6 pessoas?
43. Suponha que n carros esto em fila para entrar em um estacionamento que possui
n vagas, lado a lado. Se o primeiro carro pode escolher qualquer vaga e cada um dos
outros carros ao estacionar deve justapor-se a um carro j estacionado, quantas so as
maneiras possveis de os carros ocuparem as n vagas?
44. (a) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas, denominados Esporte, Tupi e Minas?
(b) De quantos modos possvel dividir 15 atletas em trs times de 5 atletas?
45. Doze professores sero separados em 3 grupos de 4 pessoas. Calcule de quantas
maneiras isso pode ser feito se
(a) os grupos vo discutir o mesmo assunto.
(b) caber um tema de discusso diferente a cada grupo.
(c) cada grupo designar um presidente e tratar de um assunto diferente.
46. Quantos so os anagramas da palavra ARARAQUARA que no possuem duas
letras A juntas?
47. Quantos so os anagramas da palavra CONTADORIA
(a) em que aparecem juntas, nesta ordem, as letras da palavra CONTO?
(b) em que aparecem juntas, numa ordem qualquer, as letras da palavra CONTO?
(c) em que as letras da palavra CONTO aparecem nesta ordem?
48. De quantos modos podemos colocar em fila 7 letras A, 6 letras B e 5 letras C, de
forma que no haja duas letras B juntas?
49. Uma fila de lugares em um cinema tem 18 poltronas. De quantas maneiras 4 casais
podem sentar-se nessas poltronas, de forma que nenhum marido se sente separado de sua
mulher?
50. Uma partcula parte do ponto (0, 0, 0) e, estando em um ponto (x, y, z) N3 , pode
mover-se para um dos pontos (x + 1, y, z), (x, y + 1, z) ou (x, y, z + 1). Quantos so os
caminhos possveis para a partcula chegar ao ponto (a, b, c) N3 ?
51. Considerando o alfabeto com 26 letras, existem quantas sequncias de 4 letras distintas com pelo menos uma vogal?
52. Dentre todos os nmeros de 7 algarismos, quantos possuem exatamente trs algarismos 9 e os quatro algarismos restantes todos diferentes?
53. Quantas so as permutaes dos 10 nmeros 0, 1, . . . , 9 em que o primeiro dgito
maior do que 1 e o ltimo dgito menor do que 7?

13

Exerccios

54. Representantes de dez pases, incluindo a Rssia, Frana, Inglaterra e Estados Unidos,
sero dispostos em uma fila. De quantas maneiras isso pode ser feito, se os representantes
da Frana e da Inglaterra devem ficar um ao lado do outro, e o americano e o russo no
devem?
55. Teresa pretende convidar 5 de 11 amigos para um jantar em sua casa.
(a) Quantas escolhas Teresa possui, se 2 dos 11 amigos so desafetos e no aceitam
estar juntos?
(b) Quantas escolhas Teresa tem, se 3 dos 11 amigos no aceitam participar do jantar
a menos que juntos?
56. De quantos modos se podem repartir 27 livros diferentes entre Ana, Beto e Carla, de
forma que Ana e Beto, juntos, recebam o dobro de livros de Carla e que ningum fique
sem livro?
57. Nos prximos meses, um agente turstico deve viajar s quatro cidades A, B, C e D,
a cada uma delas trs vezes. Calcule de quantas maneiras ele pode escolher a ordem das
viagens
(a) se no deseja fazer duas visitas seguidas cidade B.
(b) se no quer que a primeira e a ltima cidades sejam a mesma.
58. Quantos nmeros de 6 algarismos podemos formar com 3 pares distintos de algarismos
iguais?
59. Uma fbrica produz 8 tipos de bombons, que so vendidos em caixas de 30 bombons,
de um mesmo tipo ou sortidos. Quantas caixas diferentes podem ser formadas?
60. De quantas maneiras se podem pintar seis esferas iguais, usando-se apenas trs cores
diferentes?
61. De quantas maneiras podemos distribuir 30 laranjas para 4 crianas de forma que
cada uma receba pelo menos duas laranjas?
62. Obtenha uma frmula para o nmero de solues inteiras no-negativas da inequao
x1 + + xn p (p > 0 inteiro dado).
63. Obtenha uma frmula para o nmero de solues inteiras no-negativas da equao
x1 + + xn = p (p > 0 inteiro dado)
satisfazendo xi ai para todo i = 1, . . . , n, onde a1 , . . . , an so inteiros no-negativos tais
que a1 + + an p.
64. Quantos inteiros entre 1 e 100000 tm a propriedade de que cada dgito menor ou
igual ao seu sucessor?
65. Quantas permutaes de 7 letras A e 7 letras B existem, nas quais no h 3 letras A
adjacentes?

14

Anlise Combinatria

66. Determine o nmero de permutaes de (1, 2, . . . , 8) em que os nmeros 4 e 6 no

ocupam seus lugares primitivos.
67. Uma sequncia de DNA uma sucesso de bases nitrogenadas, as quais podem ser
de quatro tipos: adenina, citosina, guanina ou timina. Obtenha o nmero de sequncias
de DNA possveis, com comprimento 8,
(a) que tm pelo menos uma base citosina.
(b) que tm exatamente trs adeninas ou exatamente trs guaninas.
68. Em um amigo secreto, dizemos que o sorteio vivel se nenhuma pessoa fica com seu
prprio nome. Quantos sorteios viveis existem em um amigo secreto com 4 pessoas?
69. Obtenha o nmero total de permutaes de (1, 2, . . . , 2n) em que nenhum nmero
mpar ocupa o seu lugar primitivo.
70. Se quatro americanos, trs franceses e trs ingleses so colocados em uma fila, determine o nmero de maneiras de disp-los de forma que nenhum grupo de mesma nacionalidade fique todo junto.
71. Uma pessoa compra 5 bolas e 5 cubos de isopor, sendo indistinguveis os objetos de
mesma forma. Ela pretende pintar cada um dos objetos de uma cor, e vai usar as cores
azul, vermelho e preto.
(a) De quantas maneiras ela pode fazer isso?
(b) De quantas maneiras ela pode fazer isso, usando cada cor pelo menos uma vez?
72. Quantos inteiros entre 1 e 33000 no so divisveis por 3, por 5 e nem por 11?
73. Quantos inteiros entre 1 e 1000000 no so quadrados perfeitos, cubos perfeitos e nem
quartas potncias perfeitas?
74. Quantos nmeros de n algarismos (n 3) podemos formar com os algarismos 1, 2
e 3, de forma que em cada nmero figure cada um desses trs algarismos pelo menos uma
vez?
75. Quantos inteiros entre 1 e 10000 tm soma de seus algarismos igual a 23?
76. No elevador de um edifcio entram seis pessoas. De quantas maneiras essas seis pessoas
podem saltar no primeiro, segundo e terceiro andares, de forma que salte pelo menos uma
pessoa em cada um desses andares?
77. De quantos modos podemos distribuir 3 moedas de 25 centavos, 5 moedas de 50
centavos e 4 moedas de 1 real entre dois meninos, de maneira que cada menino receba
pelo menos uma moeda?
78. De quantas maneiras podemos distribuir 8 mas, 10 peras e 7 laranjas em quatro
caixas, se cada caixa deve receber ao menos uma fruta?
79. Mostre que o produto de p nmeros naturais consecutivos divisvel por p!.
80. Prove, usando um argumento combinatrio, que
!
!
!
!
n m
n nk
(a)
=
para 0 < k m n.
m k
k mk

15

Respostas
n+m
n
(b)
=
r
0
!

(c)

n
X
k=1

m
n
+
r
1

m
n
+ +
r1
r

m
para r n, r m.
0

n 3
k = 2n3 n2 (n + 3) para n 3.
k

(3n)!
um nmero inteiro (n 1).
2n 3n
(3n)!
(e)
um nmero inteiro (n 1).
n! 2n 3n

(d)

Sugesto: (c) Considere n pessoas e conte de duas formas diferentes o nmero de modos
de escolher um grupo com pelo menos uma pessoa e selecionar desse grupo um presidente,
um vice e um secretrio, os cargos podendo ser cumulativos.
(d) e (e) Pense qual o nmero de maneiras de separar 3 n objetos distintos em n grupos
de tamanho 3.

Respostas
9. 1024
10. 5040
11. 1000 funes, 720 injetoras
12. 1040, 520
13. (a) 36 (b) 27 (c) 8
14. (a) 4n (b) 3n (c) 3n
15. (a) 45 (b) 41
16. 320
17. 2160
18. 6 . 4n3
19. 103680
20. 5040
21. 190
22. (m + h)!/(m! h!)
23. (a) 2n1 (b) 2n1 (c) 2n2 (d) 3 . 2n2 (e) 2n1

16
24. (a)

Anlise Combinatria

n1
k1

(b)

n1
k

(c)

n2
k2

(d) 2

25. (a) 250000 (b) 86400

26. (a) 15120 (b) 126
27. (a) 243 (b) 21
28. (a) 330 (b) 70 (c) 4096 (d) 1680
29. (a) np (b) (n)p (c)

 
n
p

(d)

p+n1
n1

30. n!
31. (a) 2880 (b) 17280 (c) 2880 (d) 30240
32. 5040
33. 30
34. 460800
35. 181440
36. (a) 144 (b) 12
37. (a) 5852925 (b) 5846490 (c) 3755115
38. 2279881890
39. 656
40. (a) 360 (b) 480
41. 50
42. 267148
43. 2n1
44. (a) 756756 (b) 126126
45. (a) 5775 (b) 34650 (c) 2217600
46. 120
47. (a) 360 (b) 21600 (c) 15120
48. 1359072

n1
k1

n2
k2

 
n
k

n2
k

(e) 2

n2
k1

17

Respostas

49. 384384
50. (a + b + c)!/(a! b! c!)
51. 215160
52. 99120
53. 2056320
54. 564480
55. (a) 378 (b) 84
56. 1,23 . 1012
57. (a) 201600 (b) 302400
58. 9720
59. 10295472
60. 28
61. 2300
62.

p+n
n

63.

pa1 an +n1
n1

64. 2001
65. 1016
66. 30960
67. (a) 58975 (b) 24976
68. 9
69.

n
X

(1)

k=0

n
(2n k)!
k

70. 3079296
71. (a) 441 (b) 336
72. 16000
73. 998910

18
74. 3n 3 . 2n + 3
75. 480
76. 540
77. 118
78. 5239868

Anlise Combinatria

Captulo 2

Probabilidade

1. Definies e propriedades
1.1. Um experimento aleatrio se, ao ser repetido nas mesmas condies, impossvel
prever antecipadamente o resultado. Em contrapartida, um experimento determinstico
se, quando repetido nas mesmas condies, conduz ao mesmo resultado.
Denominamos espao amostral o conjunto de todos os resultados possveis de um experimento aleatrio, e o denotamos por . Um subconjunto A chamado evento.
Dados dois eventos A e B, dizemos que A B se A implica que B. Em palavras,
a ocorrncia de A implica a ocorrncia de B.
A unio de dois eventos A e B A B = { : A ou B} e representa o evento de
que pelo menos um dos dois eventos A e B ocorre.
A interseco de dois eventos A e B A B = { : A e B} e representa o evento
de que ambos A e B ocorrem.
Dois eventos A e B so disjuntos ou mutuamente exclusivos se A B = . Isso significa
que A e B no ocorrem simultaneamente.
Para qualquer evento A, o complementar de A Ac = { : 6 A} e representa o
evento de que A no ocorre.
1.2. Leis de De Morgan:

[

Ai

c

i=1

\
i=1

Aci ,

(DM1)

Aci .

(DM2)

i=1

Ai

c

[
i=1

Notamos que (DM1) estabelece que o evento de que nenhum dos Ai s ocorre igual ao
complementar do evento de que pelo menos um dos Ai s ocorre. J (DM2) expressa que
o complementar do evento de que todos os Ai s ocorrem exatamente o evento de que ao
menos um deles no ocorre.

20

Probabilidade

AB

AB

A
A

Ac

A e B disjuntos
Figura 2.1: Unio e interseco dos eventos A e B; A e B disjuntos; Complementar de A.

1.3. Definio clssica (Cardano (1663), De Moivre (1718), Laplace (1812)):

Seja finito, no-vazio, e suponhamos que cada subconjunto elementar de igualmente
provvel. Ento, para qualquer A , definimos a probabilidade de A como
P (A) =

|A|
.
||

Observao. A definio anterior formaliza a primeira definio conhecida de probabilidade: relao entre o nmero de casos favorveis ao acontecimento (evento) e o nmero
total de casos possveis, supondo todos os casos igualmente possveis.
1.4. Definio axiomtica (Kolmogorov (1933)): Uma probabilidade uma funo
P () a valores reais definida em uma classe F de eventos de um espao amostral , que
satisfaz as seguintes condies:
(A1) 0 P (A) 1 para todo A F,
(A2) P () = 1,
(A3) Aditividade enumervel: para qualquer sequncia A1 , A2 , . . . F de eventos dois a
dois disjuntos,
P

[

i=1

Ai =

P (Ai ).

i=1

A tripla (, F, P ) chamada um espao de probabilidade.

21

Definies e propriedades

Observao. No caso de finito ou infinito enumervel, podemos definir a probabilidade

na classe F de todos os subconjuntos de , a qual usualmente denotada por 2 ou P()
(conjunto das partes de ). Neste caso, escrevendo como = {1 , 2 , . . .}, associamos
a cada i , i = 1, 2, . . . , um nmero p(i ) tal que p(i ) 0 e

i=1

p(i ) = 1. Para

i = 1, 2, . . . , p(i ) a probabilidade do evento simples {i }. A probabilidade de um

evento A definida por
P (A) =

p(i ).

i: i A

Quando infinito no-enumervel, em geral impossvel associar uma probabilidade

bem definida a todos os subconjuntos de . Define-se ento uma probabilidade em uma
classe mais restrita de subconjuntos de ; apenas esses subconjuntos so denominados
eventos. O ponto essencial que essa classe contm todos os subconjuntos (eventos) de
interesse prtico. Um exemplo importante igual a um intervalo da reta, para o qual
se considera a classe de subconjuntos conhecida como -lgebra de Borel. Para mais
detalhes sobre esse tema, sem ainda abordar profundamente a Teoria da Medida, veja-se
o livro de James [15].
1.5. Propriedades de uma probabilidade:
1. P () = 0.
2. Aditividade finita: Se A1 , . . . , An so eventos dois a dois disjuntos, ento
P

[
n

Ai =

i=1

n
X

P (Ai ).

i=1

3. P (Ac ) = 1 P (A) para todo evento A.

4. Para quaisquer eventos A e B,
P (B) = P (A B) + P (Ac B).
5. Se A B, ento P (A) P (B).
6. Para quaisquer eventos A e B,
P (A B) = P (A) + P (B) P (A B).

22

Probabilidade

7. Princpio da Incluso-Excluso: Para qualquer sequncia finita A1 , A2 , . . . , An de

eventos,
P

[
n

Ai =

i=1

P (Ai )

P (Ai Aj )

i<j

P (Ai Aj Ak ) + (1)n+1 P (A1 . . . An ).

X
i<j<k

8. Subaditividade finita: Para qualquer sequncia finita A1 , A2 , . . . , An de eventos,

P

[
n

Ai

i=1

n
X

P (Ai ).

i=1

9. Subaditividade enumervel: Para qualquer sequncia A1 , A2 , . . . de eventos,

P

[

Ai

i=1

P (Ai ).

i=1

As propriedades 8 e 9 so conhecidas como Desigualdades de Boole.

2. Probabilidade condicional e independncia

2.1. Seja (, F, P ) um espao de probabilidade. Para eventos A e B com P (B) > 0, a
probabilidade condicional de A dado que B ocorreu definida por
P (A | B) =

P (A B)
.
P (B)

2.2. Regra da multiplicao (ou da probabilidade composta): Se A1 , A2 , . . . An

so eventos com P (A1 . . . An1 ) > 0, ento
P (A1 A2 . . . An ) = P (A1 ) P (A2 | A1 ) . . . P (An | A1 . . . An1 ).
2.3. Condicionamento: Se A e B so eventos com 0 < P (B) < 1, ento
P (A) = P (A | B) P (B) + P (A | B c ) P (B c ).
2.4. Frmula da probabilidade total: Seja {B1 , B2 , . . . , Bn } uma partio do espao
amostral em eventos de probabilidade positiva, isto , esses eventos so dois a dois
disjuntos, =

Sn

i=1

Bi e P (Bi ) > 0 para todo i. Ento, para qualquer evento A,

P (A) =

n
X
i=1

P (A | Bi ) P (Bi ).

23

Probabilidade condicional e independncia

2.5. Frmula de Bayes (1763): Seja {B1 , B2 , . . . , Bn } uma partio do espao amostral em eventos de probabilidade positiva. Se A um evento com P (A) > 0, ento,
para todo j = 1, . . . , n,

P (A | Bj ) P (Bj )
P (Bj | A) = X
.
n
P (A | Bi ) P (Bi )
i=1

B5

B1

B2

B3

B4

B7

B8

B6

B9

Figura 2.2: Partio de em {B1 , B2 , . . . , B9 } e um evento A.

2.6. Para um evento B fixado tal que P (B) > 0, temos que P ( | B) uma probabilidade.
2.7. Dois eventos A e B so independentes se P (A B) = P (A) P (B).
Observao. Em palavras, A e B so independentes se o conhecimento da ocorrncia de
um deles no influencia a probabilidade do outro.
2.8. Os eventos A1 , . . . , An so independentes se para qualquer escolha de k (2 k n)
e ndices 1 i1 < i2 < < ik n,
P (Ai1 Ai2 . . . Aik ) = P (Ai1 ) P (Ai2 ) . . . P (Aik ).
2.9. Uma coleo infinita de eventos independente se toda subcoleo finita desses
eventos independente.
2.10. Se A1 , . . . , An so independentes, ento, para qualquer escolha de Bj com Bj = Aj
ou Acj ,
P (B1 B2 . . . Bn ) = P (B1 ) P (B2 ) . . . P (Bn ).

24

Probabilidade

2.11. Frequentemente, um experimento aleatrio consiste em realizar uma sequncia de

ensaios (subexperimentos). Por exemplo, se o experimento aleatrio lanar uma moeda
repetidamente, cada lanamento pode ser considerado como um ensaio. Neste caso, dizer
que os ensaios so independentes significa dizer que a seguinte condio vlida: se Ai
um evento cuja ocorrncia completamente determinada pelo resultado do i-simo ensaio,
ento A1 , A2 , . . . so independentes.

3. Conjuntos limites e continuidade da probabilidade*

3.1. Sejam A1 , A2 , . . . eventos em um espao de probabilidade (, F, P ).
Por An A, denotamos que
A1 A2 A3

e A=

An .

n=1

Assim, An A significa que a ocorrncia de An implica a ocorrncia de An+1 para todo n

e A o evento de que pelo menos um dos An s ocorre.
Por An A, denotamos que
A1 A2 A3

e A=

An .

n=1

Dessa forma, An A significa que a ocorrncia de An+1 implica a ocorrncia de An para

todo n e A o evento de que todos os An s ocorrem.
3.2. Continuidade por baixo da probabilidade: Se An A, ento P (An ) P (A)
quando n .
Continuidade por cima da probabilidade: Se An A, ento P (An ) P (A) quando
n .
3.3. Conjuntos limites: Para uma sequncia A1 , A2 , . . . de eventos em um espao de
probabilidade (, F, P ), definimos os eventos
lim
inf An =
n
lim sup An =
n

Ak

n=1 k=n
[

Ak ,

n=1 k=n

denominados respectivamente limite inferior e limite superior da sequncia {An }.

25

Conjuntos limites e continuidade da probabilidade

Observamos que
lim
inf An Existe n tal que Ak para todo k n
n
|{n : 6 An }| < ,
ou seja, lim inf An o evento de que ocorre An para todo n suficientemente grande.
n

Ademais,
lim sup An Para todo n 1, existe k n tal que Ak
n

|{n : An }| = ,
ou seja, lim sup An o evento de que ocorre An para uma infinidade de ns.
n

Isso justifica as seguintes notaes:

lim
inf An = {An para todo n suficientemente grande} e
n
lim sup An = {An infinitas vezes}.
n

fcil ver que lim inf An lim sup An . Se vale a incluso oposta, dizemos que lim An
n

existe e definido por

lim An = lim
inf An = lim sup An .
n

3.4. Vale que



P lim inf An lim inf P (An ) lim sup P (An ) P lim sup An .
n

3.5. Continuidade da probabilidade: Se A = lim An existe, ento

n

P (A) = lim P (An ).

n

Isso generaliza as propriedades dadas no tpico 3.2.

26

Probabilidade

Exerccios
Probabilidade: Definies e propriedades
1. Descreva um espao amostral adequado aos seguintes experimentos aleatrios. Responda se finito, infinito enumervel ou infinito no-enumervel, e determine a sua
cardinalidade no caso finito.
(a) Escolhe-se ao acaso uma famlia com duas crianas de um municpio e so registrados os sexos do primeiro e do segundo filhos.
(b) No item (a), observa-se apenas o nmero de meninas na famlia selecionada.
(c) No item (a), registra-se o peso (em quilogramas) com que cada uma das crianas
nasceu.
(d) Vinte produtos eletrnicos so sorteados de um lote e a quantidade de produtos
com defeito contada.
(e) Um dado lanado quatro vezes e a sequncia de nmeros obtida anotada.
(f) Registra-se o total de pontos quando um dado lanado quatro vezes.
(g) Anota-se o nmero de vezes que a face 6 ocorre quando um dado lanado quatro
vezes.
(h) Um dado lanado quatro vezes e registra-se o nmero de vezes que ocorre cada
face.
(i) Considere uma urna com 8 bolas, numeradas de 1 a 8. Retiram-se 3 bolas da urna,
com reposio, e anota-se o nmero a cada bola retirada.
(j) Mesmo que o item (i), porm registra-se o nmero de vezes que cada nmero de 1
a 8 obtido, em vez de anotar o nmero a cada bola retirada.
(k) Retiram-se 3 bolas da urna descrita no item (i), sem reposio, e anota-se o nmero
a cada bola retirada.
(l) Da urna descrita no item (i), retiram-se 3 bolas simultaneamente, anotando-se o
conjunto de nmeros obtido.
(m) Conta-se o nmero de partculas emitidas por um istopo radioativo durante um
intervalo de tempo.
(n) A partir de certo momento, registra-se a quantidade de veculos que passam por
um pedgio at que passe a primeira motocicleta.
(o) Registram-se os nmeros de carros e de caminhes que passam em uma ponte
durante uma semana.
(p) Uma rvore selecionada em um parque e sua altura em centmetros medida.
(q) Mede-se o tempo decorrido at a primeira emisso de uma partcula por um istopo
radioativo.
(r) Um dardo lanado em um alvo circular de raio unitrio e observa-se o ponto
acertado.

27

Exerccios

(s) No item (r), em vez de observar onde o dardo cai, a sua distncia ao centro do alvo
medida.
(t) Registram-se o nmero de dias chuvosos e a precipitao total (em centmetros)
durante uma semana em uma localidade.
2. Sejam A, B e C trs eventos em um espao de probabilidade. Expresse os seguintes
eventos em termos de A, B e C:
(a) Apenas A ocorre.
(b) A e B ocorrem, mas C no ocorre.
(c) Os trs eventos ocorrem.
(d) Pelo menos um dos trs eventos ocorre.
(e) Nenhum dos trs eventos ocorre.
(f) Exatamente um dos trs eventos ocorre.
(g) No mximo um dos trs eventos ocorre.
(h) Pelo menos dois dos trs eventos ocorrem.
3. Um baralho comum consiste de 52 cartas separadas em 4 naipes com 13 cartas de cada
um. Para cada naipe, os valores das cartas so 2, 3, 4, 5, 6, 7, 8, 9, 10, J, Q, K e A. Um
baralho comum embaralhado. Qual a probabilidade de que as quatro cartas do topo
tenham
(a) valores diferentes?
(b) naipes diferentes?
Soluo. Se consideramos como relevante a ordem entre as quatro cartas do topo, ento
o espao amostral consiste de 52 . 51 . 50 . 49 resultados. Alm disso, existem 52 . 48 . 44 . 40
resultados em que as cartas tm valores diferentes e 52 . 39 . 26 . 13 resultados em que as
cartas tm naipes diferentes. Portanto, assumindo que o embaralhamento significa que
cada resultado no espao amostral igualmente provvel, temos que as probabilidades
desejadas so
(a)

52 . 48 . 44 . 40
0,676;
52 . 51 . 50 . 49

(b)

52 . 39 . 26 . 13
0,105.
52 . 51 . 50 . 49

Observao. Claramente as mesmas respostas seriam obtidas se considerssemos as quatro

cartas do topo como um conjunto no ordenado de cartas.
4. Em uma classe, estudam dez crianas, entre as quais os irmos Ana e Beto. A professora
decide separar ao acaso a turma em dois grupos de cinco crianas cada um; o primeiro
grupo far um trabalho sobre os planetas e o segundo sobre as civilizaes antigas. Qual
a probabilidade de que os irmos Ana e Beto faam parte do mesmo grupo? H alguma
diferena (no raciocnio e no resultado) se ambos os grupos faro trabalhos sobre o mesmo
assunto?
5. Extraem-se 4 cartas de um baralho com 52 cartas. Qual a probabilidade de que 2
sejam pretas e 2 vermelhas?

28

Probabilidade

6. Quatro nmeros so sorteados ao acaso, sem reposio, do conjunto {0, 1, . . . , 9}. Calcule as probabilidades de que
(a) os quatro nmeros formem uma seguida (por exemplo, 2, 3, 4, 5).
(b) todos sejam maiores que 5.
(c) o nmero 0 seja escolhido.
(d) pelo menos um seja maior que 7.
(e) todos sejam mpares.
7. Qual a probabilidade de que os aniversrios de doze pessoas sejam em meses diferentes? E a probabilidade de que os aniversrios de quatro pessoas sejam em dois meses?
8. Uma pessoa possui 5 livros diferentes de Matemtica, 2 livros diferentes de Qumica
e 3 livros diferentes de Fsica, que sero dispostos aleatoriamente em uma prateleira.
Calcule as probabilidades de que
(a) os livros de cada assunto fiquem juntos.
(b) os livros de Matemtica no fiquem todos juntos.
(c) os livros de Fsica fiquem todos separados.
(d) os livros de um mesmo assunto apaream em ordem alfabtica, mas no necessariamente adjacentes.
9. Uma caixa contm 40 parafusos bons e 10 defeituosos. Seleciona-se uma amostra de 5
parafusos. Calcule as probabilidades dos seguintes eventos:
(a) Nenhum parafuso na amostra defeituoso.
(b) Nenhum, um ou dois parafusos na amostra so defeituosos.
(c) A amostra contm pelo menos um parafuso bom.
10. Uma urna contm 3 bolas vermelhas e 3 azuis. So retiradas 3 bolas ao acaso e
ento uma bola selecionada das restantes. Qual a probabilidade de que essa bola seja
vermelha?
11. Distribumos 12 bolas em 5 caixas numeradas 1, 2, 3, 4, 5. Calcule a probabilidade
da caixa 1 conter exatamente 3 bolas se
(a) as bolas so distinguveis.
(b) as bolas so indistinguveis.
12. Os clubes de xadrez de duas escolas consistem, respectivamente, de 8 e 9 jogadores.
Quatro membros de cada clube so escolhidos ao acaso para participar de uma competio
entre as duas escolas. Os jogadores selecionados de uma equipe so pareados aleatoriamente com aqueles da outra equipe, e cada par joga uma partida de xadrez. Suponha que
Rosa e sua irm Margarida esto nos clubes de xadrez em escolas diferentes. Obtenha as
probabilidades de que
(a) Rosa e Margarida sejam pareadas.

Exerccios

29

(b) Rosa e Margarida sejam escolhidas para representar suas escolas mas no joguem
entre si.
(c) exatamente uma das irms seja selecionada para representar sua escola.
13. Dez pessoas chegam a um consultrio mdico em horrios ligeiramente diferentes, e
so chamadas em ordem aleatria. Dizemos que a i-sima pessoa a chegar tem sorte se
est entre as i primeiras pessoas chamadas. Encontre a probabilidade de que, entre a 3,
a 5 e a 8 pessoas, pelo menos uma no tenha sorte.
14. O jardineiro de um parque prepara um local para plantar trs quaresmeiras, quatro
ips amarelos e cinco aroeiras. Ele vai plantar as rvores alinhadas, escolhendo a ordem de
maneira aleatria. Obtenha a probabilidade de que no fiquem duas aroeiras adjacentes.
15. Se Andr e Pedro esto entre n homens dispostos aleatoriamente em uma fila, qual
a probabilidade de que haja exatamente r homens entre eles?
16. Suponha que cada uma de um total de n varetas seja quebrada em uma parte longa
e uma curta. As 2n partes so arrumadas ao acaso em n pares a partir dos quais novas
varetas so formadas. Calcule a probabilidade de que
(a) as partes sejam unidas na ordem original.
(b) todas as partes longas sejam emparelhadas com partes curtas.
17. Um armrio contm n pares diferentes de sapatos. Se 2r sapatos so escolhidos ao
acaso (com 2r < n), determine a probabilidade de que dentre os sapatos selecionados
(a) no exista par algum completo.
(b) exista exatamente um par completo.
(c) existam exatamente dois pares completos.
Considere n = 10 e r = 2 e calcule de duas maneiras diferentes a probabilidade de que
exista pelo menos um par completo dentre os sapatos selecionados.
18. Uma urna contm a bolas azuis e b bolas brancas. As bolas so retiradas uma a uma
da urna, ao acaso e sem reposio, at que a urna fique vazia. Calcule a probabilidade de
que a ltima bola retirada seja azul nos seguintes casos:
(a) as bolas so todas distintas.
(b) as bolas so distinguveis apenas pela cor.
19. Em uma loteria, selecionam-se ao acaso r nmeros dentre os nmeros de 1 a n.
Obtenha a probabilidade de que no haja dois nmeros consecutivos entre os selecionados,
ou seja, de que a sequncia escolhida no contenha uma seguida.
Qual a probabilidade de aparecer ao menos uma seguida entre os nmeros sorteados
na Mega Sena (n = 60 e r = 6)?
20. Aos nmeros inteiros de 1 a n so designadas probabilidades proporcionais aos seus
valores. Determine p(i) para i = 1, . . . , n.

30

Probabilidade

21. Sejam A e B dois eventos em um espao de probabilidade, tais que P (A) = 1/2,
P (B) = 1/4 e P (A B) = 1/5. Calcule as probabilidades dos seguintes eventos:
(a) A no ocorre.
(b) B no ocorre.
(c) Pelo menos um de A e B ocorre.
(d) A no ocorre e B sim.
(e) B no ocorre e A sim.
(f) Ocorre exatamente um de A e B.
(g) No ocorre nenhum de A e B.
(h) Pelo menos um de A e B no ocorre.
22. Em uma escola, 60% dos estudantes no usam anel nem colar; 20% usam anel e 30%
colar. Se um aluno escolhido aleatoriamente, qual a probabilidade de que esteja usando
(a) pelo menos uma das joias?
(b) ambas as joias?
(c) um anel mas no um colar?
23. Da populao de uma cidade, 28% fumam cigarro, 7% fumam charuto e 5% ambos.
Calcule a porcentagem da populao
(a) que no fuma nem cigarro nem charuto.
(b) que fuma charuto mas no cigarro.
24. Uma escola oferece trs cursos optativos de idiomas: espanhol, francs e alemo. As
turmas so abertas a qualquer um dos 100 alunos matriculados. H 28 estudantes na
turma de espanhol, 26 na turma de francs e 16 na turma de alemo. H 12 alunos
cursando espanhol e francs, 4 fazendo espanhol e alemo, e 6 cursando francs e alemo.
Alm disso, 2 estudantes acompanham os trs cursos.
(a) Se um aluno escolhido ao acaso, qual a probabilidade de que no acompanhe
nenhum dos cursos?
(b) Se um estudante escolhido aleatoriamente, qual a probabilidade de que esteja
fazendo exatamente um dos cursos?
(c) Se dois alunos so escolhidos ao acaso, qual a probabilidade de que pelo menos um
deles esteja cursando uma lngua?
25. Em uma cidade, existem trs jornais: I, II e III. As propores de muncipes que leem
esses jornais so as seguintes:
I: 10%

I e II: 8%

II: 30%

I e III: 2%

III: 5%

II e III: 4%

I, II e III: 1%

31

Exerccios

Os jornais I e III so matutinos, e o II vespertino. Obtenha a probabilidade de que um

morador da cidade selecionado ao acaso
(a) leia s o jornal III.
(b) leia apenas um jornal.
(c) leia pelo menos dois jornais.
(d) no leia nenhum jornal.
(e) leia pelo menos um jornal matutino e o jornal vespertino.
(f) leia somente um jornal matutino e o jornal vespertino.
26. Prove que se A1 , A2 , . . . e B1 , B2 , . . . so eventos do mesmo espao de probabilidade
tais que P (An ) 1 e P (Bn ) p quando n , ento P (An Bn ) p quando n .
27. Sejam A1 , A2 , . . . eventos em um espao de probabilidade. Prove que
(a) Se P (An ) = 0 para todo n 1, ento P (

n=1

(b) Se P (An ) = 1 para todo n 1, ento P (

n=1

S
T

An ) = 0.
An ) = 1.

28. Uma secretria atrapalhada prepara quatro cartas com contedos distintos para enviar a quatro firmas distintas. Na hora de envelop-las, bate um vento que derruba as
cartas e os envelopes, e, com pressa, a secretria coloca aleatoriamente as cartas nos
envelopes. Determine a probabilidade de que nenhuma carta tenha sido corretamente
envelopada.
Soluo. Sejam os eventos
A : Pelo menos uma carta foi colocada no envelope certo.
Ai : A i-sima carta foi colocada no envelope certo, i = 1, 2, 3, 4.
Como A =
P (A) =

S4

i=1

X
i

Ai , temos que, pelo Princpio da Incluso-Excluso,

P (Ai )

P (Ai Aj ) +

i<j

P (Ai Aj Ak ) P (A1 A2 A3 A4 ).

i<j<k

Porm,
P (Ai ) =

3!
1
= , i = 1, 2, 3, 4,
4!
4

2!
1
= , 1 i < j 4,
4!
12
1
1
P (Ai Aj Ak ) =
= ,1i<j<k4 e
4!
24
1
1
P (A1 A2 A3 A4 ) =
= .
4!
24
P (Ai Aj ) =

Portanto,

1
4 1
4 1
1
5
+

= .
P (A) = 4 .
4
2 12
3 24 24
8
!

32

Probabilidade

Assim, a probabilidade de que nenhuma carta tenha sido corretamente envelopada :

3
P (Ac ) = 1 P (A) = .
8
29. Se quatro casais de namorados so dispostos aleatoriamente em uma fila, determine
a probabilidade de que nenhum dos casais fique junto.
30. Cinco bolas so selecionadas aleatoriamente, sem reposio, de uma urna que contm 5 bolas vermelhas, 6 bolas brancas e 7 bolas azuis, todas distintas. Determine a
probabilidade de que pelo menos uma bola de cada cor seja selecionada.
31. Um colgio tem em seu corpo docente sete professores de Biolgicas, oito professores
de Exatas e nove professores de Humanas. Uma comisso de sete professores ser selecionada aleatoriamente. Determine a probabilidade de que nesta comisso haja pelo menos
um professor de cada rea.
32. Um baralho comum consiste de 52 cartas diferentes sendo 13 cartas de cada naipe.
Uma pessoa retira ao acaso 13 cartas de um baralho. Calcule a probabilidade de que pelo
menos um naipe esteja ausente entre as cartas selecionadas.
33. As cartas de um baralho so misturadas e distribudas entre 4 jogadores de modo que
cada um recebe 13 cartas. Calcule a probabilidade de que pelo menos um jogador receba
todas as cartas do mesmo naipe.
34. Em cada extrao de uma loteria, selecionam-se ao acaso m nmeros dentre os nmeros de 1 a n. Obtenha a probabilidade de que todo nmero seja sorteado ao menos
uma vez em d extraes.
35. Sabe-se que com probabilidade 1 pelo menos um dos eventos Ai , 1 i n, ocorre, e
que no mais que dois ocorrem simultaneamente. Se P (Ai ) = p e P (Ai Aj ) = q, i 6= j,
mostre que p 1/n e q 2/n.
Probabilidade condicional e independncia
36. Escolhe-se ao acaso um nmero entre 1 e 50. Se o nmero primo, qual a probabilidade de que seja mpar?
37. Em um programa de auditrio, o participante lana um dado honesto seis vezes.
Ele ganha um prmio de participao se obtiver o mesmo nmero pelo menos duas vezes, e ganha um prmio milionrio se a face 6 aparecer ao menos quatro vezes. Qual a
probabilidade de que o participante
(a) ganhe o prmio de participao?
(b) ganhe o prmio milionrio?
(c) tenha ganho o prmio milionrio, dado que ganhou o prmio de participao?

Exerccios

33

38. Trs aventureiros devem escolher um deles para uma misso arriscada. Para isso,
pegam uma urna com duas bolas brancas e uma bola vermelha, e cada um retira sucessivamente uma bola, sem reposio. Aquele que pegue a bola vermelha ser o escolhido
para realizar a misso. Mostre que todos tm a mesma probabilidade de ser o escolhido,
qualquer que seja a ordem em que realizem as extraes.
39. Um contador tem sobre a sua mesa dois grupos de 20 planilhas cada um. No primeiro
grupo existem duas planilhas com erros de clculo e no segundo h trs. Um vento faz
com que as planilhas caiam da mesa, e, ao arrum-las, uma do primeiro grupo se mistura
s do segundo grupo. Qual a probabilidade de que, ao revisar uma planilha do segundo
grupo, o contador encontre um erro?
40. Em uma rifa com 100 bilhetes, numerados de 1 a 100, sorteiam-se dois bilhetes ao
acaso, sem reposio. O primeiro bilhete sorteado premia o seu comprador com uma
batedeira, e o segundo prmio um liquidificador. Uma pessoa compra quatro bilhetes.
Calcule a probabilidade de que essa pessoa tenha ganho ambos os prmios
(a) dado que ganhou o liquidificador.
(b) dado que ganhou algum prmio na rifa.
41. De um armrio com 12 pares diferentes de sapatos, selecionam-se 6 sapatos ao acaso.
Dado que h pelo menos um par completo entre os sapatos escolhidos, qual a probabilidade
de que existam exatamente dois pares completos?
42. Suponha que n crianas, todas com alturas diferentes, so dispostas aleatoriamente
em uma fila indiana.
(a) Encontre a probabilidade de que a k-sima criana da fila seja mais alta do que
todas as crianas sua frente.
(b) Obtenha a probabilidade de que cada uma das k primeiras crianas da fila seja
mais alta do que aquelas sua frente.
(c) Dado que a k-sima criana da fila mais alta do que todas as crianas sua
frente, qual a probabilidade de que essa criana seja a mais alta do grupo?
43. Suponha que 60% das pessoas assinem o jornal A, 40% o jornal B, e 30% ambos.
(a) Se selecionarmos ao acaso uma pessoa que assina ao menos um dos jornais, qual a
probabilidade de que assine o jornal A?
(b) Dado que uma pessoa no assina o jornal A, qual a probabilidade de que tambm
no assine B?
44. Em uma cidade, 40% das famlias possuem cachorro e 30% gato. Das famlias com
cachorro, 25% tambm tm gato.
(a) Que frao de famlias no possui nenhum dos dois animais?
(b) Dentre as famlias que no tm gato, qual a proporo com cachorro?

34

Probabilidade

45. Um cliente que visita o departamento de roupas masculinas de uma loja compra
um terno com probabilidade 2/5, uma gravata com probabilidade 5/12 e uma camisa
com probabilidade 1/2. O cliente compra um terno e uma gravata com probabilidade
2/15, um terno e uma camisa com probabilidade 17/60 e uma gravata e uma camisa com
probabilidade 1/4; compra os trs itens com probabilidade 1/12. Considere os eventos
A : O cliente compra um terno.
B : O cliente compra uma gravata.
C : O cliente compra uma camisa.
(a) Os eventos A, B e C so independentes?
(b) Qual a probabilidade de que o cliente no compre nenhum dos itens?
(c) Dado que o cliente no vai comprar uma gravata, qual a probabilidade de que
compre um terno?
(d) Dado que o cliente vai comprar uma camisa, qual a probabilidade de que tambm
compre uma gravata e um terno?
46. Dos scios de um clube esportivo, 3/4 so adultos e 1/4 crianas. So do sexo
masculino 3/4 dos adultos e 3/5 das crianas. Metade dos homens adultos e um tero das
mulheres adultas usam a piscina do clube; a proporo correspondente s crianas 4/5,
independentemente do sexo.
(a) Calcule a probabilidade de que um scio do clube escolhido ao acaso use a piscina.
(b) Qual a proporo de scios do sexo feminino entre os que usam a piscina?
(c) Obtenha a probabilidade de que um scio selecionado aleatoriamente seja do sexo
feminino.
(d) Dado que um scio no usa a piscina, qual a probabilidade de que seja do sexo
feminino ou adulto?
47. Em um curso secundrio, 1/3 dos estudantes so do sexo masculino e 2/3 dos estudantes so do sexo feminino. A proporo de rapazes que estudam cincias 20% e
apenas 10% das moas dedicam-se s cincias. Obtenha as probabilidades de que
(a) um estudante escolhido ao acaso estude cincias.
(b) um estudante de cincias selecionado ao acaso seja do sexo feminino.
Soluo. Sejam os eventos
A : O estudante do sexo feminino.
B : O estudante estuda cincias.
(a) Pela Frmula da probabilidade total,
P (B) = P (B| A) P (A) + P (B| Ac ) P (Ac ) =

2
1 2 1 1
. + . = .
10 3 5 3
15

35

Exerccios

(b) Pela Frmula de Bayes,

P (A| B) =

P (B| A) P (A)
(1/10)(2/3)
1
=
= .
P (B)
2/15
2

48. Uma fbrica de sorvete recebe o leite que utiliza de trs fazendas: 20% da fazenda 1,
30% da fazenda 2 e 50% da fazenda 3. Um rgo de fiscalizao inspecionou as fazendas e
constatou que 20% do leite produzido na fazenda 1 estava adulterado por adio de gua,
enquanto que para as fazendas 2 e 3 essa proporo era de 5% e 2%, respectivamente. A
fbrica de sorvete recebe o leite em gales, que so armazenados em um refrigerador, sem
identificao da fazenda de provenincia. Um galo escolhido ao acaso e seu contedo
testado para verificar adulterao.
(a) Qual a probabilidade de que o galo contenha leite adulterado?
(b) Sabendo que o teste constatou que o leite do galo est adulterado, obtenha a
probabilidade de que o galo seja proveniente da fazenda 1.
49. Considere duas moedas, uma honesta e a outra que resulta cara em cada lanamento
com probabilidade 0,6. Uma moeda escolhida ao acaso e, aps lanada quatro vezes,
observa-se cara trs vezes. Qual a probabilidade de que a moeda escolhida tenha sido a
moeda honesta?
50. Todo domingo, um pescador vai a um de trs lugares perto de sua casa: ao mar com
probabilidade 1/2, a um rio com probabilidade 1/4, ou a um lago com probabilidade 1/4.
No mar, ele consegue fisgar um peixe com probabilidade 80%; no rio e no lago essa
probabilidade vale 40% e 60%, respectivamente. Se em um domingo o pescador volta
para casa sem peixe algum, para onde mais provvel que tenha ido?
51. Jogamos um dado honesto e em seguida lanamos tantas moedas honestas como os
pontos indicados no dado.
(a) Qual a probabilidade de obter quatro caras?
(b) Dado que foram obtidas quatro caras, qual a probabilidade de que o dado tenha
mostrado seis pontos?
52. O estoque de um armazm consiste de caixas de lmpadas de qualidade alta, mdia ou
baixa, nas propores respectivas 1 : 2 : 2. Para cada um dos trs tipos, a probabilidade
de uma lmpada ser defeituosa 0, 0,1 e 0,2. Se uma caixa selecionada ao acaso e duas
lmpadas retiradas dela so perfeitas, qual a probabilidade de que contenha lmpadas de
alta qualidade?
53. A caixa I contm 4 bolas brancas e 2 pretas, a caixa II contm 3 bolas brancas e
1 preta e a caixa III contm 1 bola branca e 2 pretas.
(a) Extrai-se uma bola de cada caixa. Determine a probabilidade de que todas as bolas
sejam brancas.
(b) Seleciona-se uma caixa e dela extrai-se uma bola. Determine a probabilidade de
que a bola extrada seja branca.

36

Probabilidade

(c) Calcule em (b) a probabilidade de que a primeira caixa tenha sido escolhida, dado
que a bola extrada branca.
54. Uma urna contm a bolas azuis e b bolas brancas. Uma bola retirada aleatoriamente
e depois reposta urna com mais c bolas da mesma cor. A seguir, retira-se ao acaso uma
segunda bola da urna. Qual a probabilidade de que essa bola seja azul?
55. Em um restaurante, trs cozinheiros A, B e C preparam um tipo especial de bolo, e
com probabilidades respectivas 0,02, 0,03 e 0,05 a massa do bolo no cresce. Sabe-se que
A prepara 50 por cento desses bolos, B 30 por cento e C 20 por cento. Se uma massa de
bolo no cresceu, qual a probabilidade de que tenha sido preparada pelo cozinheiro A?
56. Uma senhora da alta sociedade d uma festa em sua manso. Ao trmino da festa, ela
descobre que sua coleo de joias foi roubada. Aps as investigaes, a polcia tem certeza
de que o ladro foi precisamente uma das 76 pessoas presentes festa (entre convidados
e garons). Ademais, os investigadores encontram na cena do crime o perfil de DNA do
ladro, e sabe-se que este perfil de DNA ocorre em 2% de toda populao. Dado que o
DNA do Sr. Joo, o primeiro suspeito cujo DNA analisado, combina com o perfil achado
na cena do crime, qual a probabilidade de que ele tenha roubado as joias?
57. Em uma cidade, os motoristas so parados pela polcia para fazer um teste sobre
o teor de lcool no sangue. Suponha que a probabilidade de que um motorista detido
esteja embriagado 5% e que o teste realizado acerta o estado de embriaguez em 80% das
ocasies.
(a) Qual a probabilidade de que o teste de um motorista detido resulte positivo?
Os motoristas cujos testes do positivo so submetidos a um segundo exame, que nunca
falha em um motorista sbrio, porm tem probabilidade 10% de erro nos embriagados.
(b) Dado que o segundo teste de um motorista resultou negativo, qual a probabilidade
de que estava dirigindo com um ndice alcolico acima do permitido?
58. Lana-se um dado duas vezes. Considere os eventos
A: Obtm-se 2 ou 5 no primeiro lanamento.
B: A soma das faces obtidas nos dois lanamentos pelo menos 7.
So A e B independentes?
59. Um dado lanado duas vezes. Defina os eventos
A: A soma das faces obtidas par.
B: A soma das faces obtidas divisvel por 3.
So A e B independentes?

Exerccios

37

60. Nove crianas escolhem lugares ao acaso em trs fileiras de trs carteiras. Sejam os
eventos
A: Joo e Pedro sentam-se na mesma fileira.
B: Ambos Joo e Pedro sentam-se em uma das quatro carteiras de canto.
So A e B independentes?
61. Um experimento consiste em lanar duas vezes uma moeda honesta. Considere os
eventos
A: O primeiro lanamento resulta em cara.
B: O segundo lanamento resulta em cara.
C: O resultado do primeiro lanamento coincide com o resultado do segundo lanamento.
Prove que A, B e C so independentes dois a dois, porm no so independentes.
62. Duas estudantes, Gabriela e Juliana, esto matriculadas em uma turma de Clculo.
Gabriela comparece a 80% das aulas, Juliana a 60%, e suas presenas so independentes.
Qual a probabilidade de que, em determinado dia,
(a) pelo menos uma das estudantes comparea aula?
(b) apenas uma delas esteja presente?
63. Um livro lido por trs revisores, de modo independente. As probabilidades de
que eles detectem um erro especfico so 0,92, 0,85 e 0,95, respectivamente. Calcule a
probabilidade de que o erro seja percebido por
(a) ao menos um revisor.
(b) exatamente dois revisores.
64. Suponha que 30% da populao de uma cidade pretende votar no candidato A na
prxima eleio municipal. Calcule a probabilidade de, em uma amostra de 10 pessoas,
haver ao menos um eleitor de A. Esclarea as suas hipteses.
65. Um par de dados honestos lanado repetidamente. Supondo que os ensaios so
independentes, qual a probabilidade de que um total 8 aparea antes de um total 7?
Sugesto: Defina An o evento de que os totais 7 e 8 no ocorrem nos primeiros n 1
ensaios e ocorre um total 8 no n-simo ensaio.
66. Existem duas estradas de A a B e duas estradas de B a C. Cada uma das quatro
estradas bloqueada por queda de barreira com probabilidade p = 1/10, independentemente das demais. Determine a probabilidade de que exista uma estrada aberta de A a B
dado que no existe um caminho aberto de A a C.
Se, alm disso, existe uma estrada direta de A a C, esta estrada sendo bloqueada com probabilidade p = 1/10 independentemente das demais, encontre a probabilidade condicional
pedida.

38

Probabilidade

67. Duas pessoas lanam uma moeda honesta n vezes, de forma independente. Mostre
que a probabilidade delas obterem igual nmero de caras a mesma que a de obterem ao
todo n caras.
68. (a) Sejam A e B dois eventos com probabilidade positiva. Se a ocorrncia de B faz de
A um evento mais provvel, ento a ocorrncia de A faz de B um evento mais provvel?
(b) Mostre que se A um evento tal que P (A) igual a 0 ou 1, ento A independente
de todo evento B.
69. Suponha que = {1, . . . , p}, onde p um nmero primo. Seja F = P () e, para
A F, defina P (A) = |A|/p. Mostre que se A e B so independentes, ento ao menos
um dos dois eventos ou .
Sugesto: Prove que p um divisor de |A| |B|.
70. Seja P uma probabilidade sobre um espao amostral e suponha que A um evento
com 0 < P (A) < 1. Mostre que A e B so independentes se e somente se P (B |A) =
P (B |Ac ).
Sugesto: Use que P (Ac B) + P (A B) = P (B).
71. Seja P uma probabilidade sobre um espao amostral .
(a) Mostre que se A e B so eventos tais que P (A) < 1, P (B) > 0 e P (A |B) = 1,
ento P (B c |Ac ) = 1.
(b) Prove que se E, F e G so eventos tais que P (F G) > 0 e P (F Gc ) > 0, ento
P (E |F ) = P (E |F G)P (G |F ) + P (E |F Gc )P (Gc |F ).
Conjuntos limites e continuidade da probabilidade*
72 . Continuidade por baixo e por cima da probabilidade: Sejam A, A1 , A2 , . . .
eventos em um espao de probabilidade.
(a) Suponha que An A e defina B1 = A1 e Bk = Ak Ack1 , k 2.
(a1) Mostre que B1 , B2 , . . . so dois a dois disjuntos, An =

Sn

k=1

Bk e A =

k=1

Bk .

(a2) Use a aditividade finita e enumervel para provar que P (A) = lim P (An ).
n

(b) Suponha que An A. Mostre que

Acn

A e conclua que P (A) = lim P (An ).

c

73 . Uma moeda com probabilidade p de cara em cada lanamento lanada infinitas

vezes, de maneira independente. Definimos os eventos
An : Ocorre pelo menos uma cara nos n primeiros lanamentos.
A : Ocorre pelo menos uma cara.
Mostre que
(a) An A.

39

Exerccios

(b) P (A) =

1 se 0 < p 1,

0 se p = 0.

74 . Sejam A, B, A1 , A2 , . . . eventos em um espao de probabilidade. Suponha que An

A e que B independente de An para todo n 1. Prove que A e B so independentes.
Soluo. Como An A, temos que:
(i) An B An+1 B para todo n 1 e

(ii)

(An B) =

[

n=1

An B = A B,

n=1

ou seja, An B A B. Ento, usando a continuidade por baixo da probabilidade e a

independncia entre An e B,
P (A B) = n
lim P (An B) = n
lim [P (An ) P (B)]
=

lim P (An ) P (B) = P (A) P (B).

Assim, A e B so independentes.
75 . Subaditividade finita e enumervel: Sejam A1 , A2 , . . . eventos em um espao
de probabilidade. Demonstre que
P

n
[

Ak

[

P (Ak ) para todo n 2 (Subaditividade finita) e

k=1

k=1

n
X

Ak

k=1

P (Ak ) (Subaditividade enumervel).

k=1

Sugesto: Prove a subaditividade finita por induo em n. Para mostrar a subaditividade

enumervel, comece com
P

n
[

k=1

e use que Bn =

Sn

k=1

Ak

k=1

Ak

P (Ak )

k=1

Ak quando n .

76 . Sejam A1 , A2 , . . . eventos independentes em um espao de probabilidade. Mostre que

n
 [

Ak 1 exp

k=1

n
X

P (Ak ) .

k=1

P (Ak ) =

k=1

 [

Ak = 1.

k=1

Sugesto: Para mostrar a desigualdade, use que 1 x ex para todo x R.

77 . Sejam A1 , A2 , . . . eventos independentes em um espao de probabilidade. Prove que
P

\
k=1

Ak =

Y
k=1

P (Ak ).

40

Probabilidade

78 . Demonstre que


lim inf An

c

= lim sup Acn ,

lim sup An

c

= lim inf Acn ,

n

lim sup (An Bn ) lim sup An lim sup Bn ,

n

lim sup (A Bn ) = A lim sup Bn ,

n

lim sup (An Bn ) = lim sup An lim sup Bn ,

n

lim
inf (An Bn ) lim
inf An lim
inf Bn ,
n
n
n
lim inf (A Bn ) = A lim inf Bn ,
n

lim inf (An Bn ) = lim inf An lim inf Bn ,

n

lim sup An lim

inf An
n
n

c

= lim sup (An Acn+1 ) = lim sup (Acn An+1 ),

n

lim An = A e lim Bn = B = lim (An Bn ) = A B e lim (An Bn ) = A B.

79 . Continuidade da probabilidade: Sejam A1 , A2 , . . . eventos em um espao de

S
T
probabilidade. Para n 1, defina Bn =
k=n Ak e Cn = k=n Ak .
(a) Prove que
Bn lim inf An
n

e Cn lim sup An .
n

(b) Usando que Bn An Cn para todo n, mostre que



P lim inf An lim inf P (An ) lim sup P (An ) P lim sup An .
n

(c) Conclua que se existe A = n

lim An , ento existe n
lim P (An ) e P (A) = n
lim P (An ).
80 . Sejam B1 , B2 , . . . eventos independentes tais que P (Bn ) < 1 para todo n 1.
Demonstre que
P (Bn infinitas vezes) = 1

[

Bn = 1.

n=1

D um exemplo para mostrar que a condio P (Bn ) < 1 para todo n 1 no pode ser
dispensada.
Sugesto: Para provar a implicao , defina Ak = Bkc , k = 1, 2, . . . , e, usando o exercT
cio 77, mostre que P (
k=n Ak ) = 0 para todo n 1.

41

Respostas

Respostas
1. (a) = {F, M}2 = {F, M} {F, M} = {(s1 , s2 ) : si {F, M}, i = 1, 2}, || = 4.
(b) = {0, 1, 2}, || = 3.
(c) = (0, )2 = {(x, y) R2 : x > 0, y > 0}, infinito no-enumervel.
(d) = {0, 1, . . . , 20}, || = 21.
(e) = {1, . . . , 6}4 = {(r1 , . . . , r4 ) : ri {1, . . . , 6}, i = 1, . . . , 4}, || = 1296.
(f) = {4, 5, . . . , 24}, || = 21.
(g) = {0, 1, 2, 3, 4}, || = 5.
n

(h) = (x1 , . . . , x6 ) N6 :

i=1 xi = 4 , || = 126.

P6

(i) = {1, . . . , 8}3 = {(b1 , b2 , b3 ) : bi {1, . . . , 8}, i = 1, 2, 3}, || = 512.

n

(j) = (x1 , . . . , x8 ) N8 :

i=1 xi = 3 , || = 120.

P8

(k) = {(b1 , b2 , b3 ) : bi {1, . . . , 8}, i = 1, 2, 3 e b1 , b2 , b3 todos distintos}, || = 336.

(l) o conjunto de todos os subconjuntos com tamanho 3 de {1, . . . , 8}, || = 56.
(m) = N, infinito enumervel.
(n) = {1, 2, . . . }, infinito enumervel.
(o) = N2 , infinito enumervel.
(p) = (0, ), infinito no-enumervel.
(q) = [0, ), infinito no-enumervel.
(r) = {(x, y) R2 : x2 + y 2 1}, infinito no-enumervel.
(s) = [0, 1], infinito no-enumervel.
(t) = {0, 1, . . . , 7} [0, ) = {(i, x) : i {0, 1, . . . , 7} e x [0, )}, infinito noenumervel.
2. (a) A B c C c (b) A B C c (c) A B C (d) A B C
(e) Ac B c C c = (A B C)c
(f) (A B c C c ) (Ac B C c ) (Ac B c C)
(g) (Ac B c C c ) (A B c C c ) (Ac B C c ) (Ac B c C)
(h) (A B C c ) (A B c C) (Ac B C) (A B C) = Complementar de (g)
4. 4/9, muda o raciocnio mas no o resultado.
5. 325/833

42

Probabilidade

6. (a) 1/30 (b) 1/210 (c) 2/5 (d) 2/3 (e) 1/42
7. 5,4 . 105 e 0,044.
8. (a) 1/420 (b) 41/42 (c) 7/15 (d) 1/1440
9. (a) 0,310 (b) 0,952 (c) 0,999
10. 1/2
11. (a) 0,236 (b) 0,121
12. (a) 1/18 (b) 1/6 (c) 1/2
13. 9/10
14. 7/99
15. 2(n r 1)/ (n(n 1))
 

16. (a) 2n n!/(2n)! (b) 2n /

17. (a)

 
n
2r

 

22r /

2n
2r

(b) n

2n
n

n1
2r2

 

22r2 /

2n
2r

(c)

 
n
2

n2
2r4

 

22r4 /

2n
2r

99/323 (Complementar do evento em (a) e Princpio da Incluso-Excluso).

18. A probabilidade igual a a/(a + b) em ambos os casos. O espao amostral no item (a)
consiste das (a + b)! ordenaes entre as bolas; em (b) formado pelas (a + b)!/(a! b!)
permutaes com elementos repetidos.
19. H uma correspondncia biunvoca entre as escolhas de r nmeros dentre os nmeros
de 1 a n sem haver dois consecutivos e as escolhas (sem restries)
dentre
 de r nmeros
 
n+1r
n
os nmeros de 1 a n (r 1). A probabilidade pedida igual a
/ r .
r
A probabilidade de ao menos uma seguida no sorteio da Mega Sena 42,1%.
20. p(i) =

2i
, i = 1, . . . , n
n(n + 1)

21. (a) 1/2 (b) 3/4 (c) 11/20 (d) 1/20 (e) 3/10 (f) 7/20 (g) 9/20 (h) 4/5
22. (a) 0,4 (b) 0,1 (c) 0,1
23. (a) 70% (b) 2%
24. (a) 1/2 (b) 8/25 (c) 149/198

43

Respostas

25. (a) 0 (b) 0,2 (c) 0,12 (d) 0,68 (e) 0,11 (f) 0,1
29. 12/35
30. 6055/8568
31. 903/1012
32. 0,051
33. 2,5 . 1011
34.

nm
X
k=0

n
nk
(1)k adk , onde ak = ak (n, m) =
k
m

!1

n
m

36. 14/15
37. (a) 319/324 (b) 203/23328 (c) 7/792
38. Defina Vi o evento de selecionar a bola vermelha na i-sima extrao e mostre que
P (Vi ) = 1/3 para i = 1, 2, 3.
39. 31/210
40. (a) 1/33 (b) 1/65
41. 54/343
42. (a)

 
n
k

(k 1)! (n k)!/n! = 1/k (b) 1/k! (c) k/n

43. (a) 6/7 (b) 3/4

44. (a) 2/5 (b) 3/7
45. (a) No (b) 4/15 (c) 16/35 (d) 1/6
46. (a) 87/160 (b) 38/145 (c) 23/80 (d) 341/365
48. (a) 13/200 (b) 8/13
49. 0,42
50. Ao rio (Probabilidades condicionais: mar = 2/7, rio = 3/7 e lago = 2/7).
51. (a) 29/384 (b) 15/29

44

Probabilidade

52. 10/39
53. (a) 1/6 (b) 7/12 (c) 8/21
54. a/(a + b)
55. 0,345
56. 2/5
57. (a) 23/100 (b) 2/97
58. Sim: P (A B) = 7/36, P (A) = 1/3 e P (B) = 7/12.
59. Sim: P (A B) = 1/6, P (A) = 1/2 e P (B) = 1/3.
60. No: P (A B) = 1/18, P (A) = 1/4 e P (B) = 1/6.
62. (a) 0,92 (b) 0,44
63. (a) 0,9994 (b) 0,2348
64. 0,9718
65. 5/11
66. 99/199 em ambos os casos.
68. (a) Sim. Quando afirmamos que a ocorrncia de B faz de A um evento mais provvel,
queremos dizer que P (A | B) > P (A).
(b) Considere separadamente os casos P (A) = 0 e P (A) = 1. No segundo, use que
P (A B) = P (B) P (Ac B).

Captulo 3

Variveis aleatrias

1. Definies
1.1. Uma varivel aleatria X em um espao de probabilidade (, F, P ) uma funo a
valores reais definida em , tal que
{X x} = { : X() x} F
para todo x R.
As variveis aleatrias que assumem valores em um conjunto finito ou infinito enumervel
so chamadas discretas e aquelas que assumem valores em um intervalo da reta real so
chamadas contnuas.
1.2. A funo de distribuio acumulada de uma varivel aleatria X a funo F = FX
definida por
F (x) = P (X x) = P ({ : X() x}), x R.
Propriedades fundamentais de uma funo de distribuio:
(F1) F uma funo no-decrescente: se x < y, ento F (x) F (y).
(F2) F contnua direita: se xn x, ento F (xn ) F (x).
(F3) Se xn , ento F (xn ) 0; se xn +, ento F (xn ) 1.
Outras propriedades:
(i) Para x, y R com x < y, P (x < X y) = F (y) F (x).
(ii) Para qualquer x R,
P (X = x) = F (x) F (x ) = Salto de F no ponto x,
onde F (x ) = lim F (xn ) o limite lateral esquerda de F em x.
xn x,
xn 6=x

Assim, F contnua em x se e somente se P (X = x) = 0.

46

Variveis aleatrias

(iii) Para qualquer x R, P (X < x) = F (x ).

(iv) O conjunto de pontos de descontinuidade de F finito ou enumervel.
Observao. Uma funo F : R R que satisfaz (F1), (F2) e (F3) a funo de distribuio de alguma varivel aleatria X.
1.3. (a) A varivel aleatria X discreta se assume um nmero finito ou enumervel de
valores, isto , se existe um conjunto finito ou enumervel {x1 , x2 , . . .} R tal que X()
{x1 , x2 , . . .}, . A funo p(x) = P (X = x) chamada funo de probabilidade
de X.
(b) A varivel aleatria X (absolutamente) contnua se existe uma funo f (x) 0 tal
que
FX (x) =

Z x

f (t) dt, x R.

Neste caso, dizemos que f uma funo densidade de probabilidade de X.

Observao. Uma varivel aleatria discreta definida quando definimos os seus valores
possveis {xi }i1 e as respectivas probabilidades {pi }i1 satisfazendo
pi > 0, i e

pi = 1.

i=1

Uma varivel aleatria contnua definida quando definimos uma funo f : R R tal que
f (x) 0, x e

f (x) dx = 1.

1.4. A funo indicadora de um evento A a varivel aleatria discreta que assume os

valores 1 ou 0 conforme A ocorra ou no, ou seja,
IA () =

1 se A,

0 se 6 A.

1.5. Para qualquer B R (boreliano),

P (X B) =

p(xi )

i: x B
i
Z

f (x) dx
B

se X discreta,
se X contnua com densidade f.

47

Variveis aleatrias conjuntamente distribudas

F (x)
1

P (X = x3 )
P (X = x2 )

P (X = x1 )

x1

x2

x3

Figura 3.1: Funo de distribuio de uma varivel aleatria discreta.

fX (x)

P (a X b)

Figura 3.2: Densidade de uma varivel aleatria contnua.

2. Variveis aleatrias conjuntamente distribudas

2.1. Sejam X e Y variveis aleatrias definidas no mesmo espao de probabilidade. A
funo de distribuio acumulada conjunta do par (X, Y ) definida por
F (x, y) = P (X x, Y y), x, y R.
As funes de distribuio marginais de X e Y so respectivamente dadas por
FX (x) = lim F (x, y), x R
y

FY (y) = lim F (x, y), y R.

x

2.2. Sejam X e Y variveis aleatrias discretas definidas no mesmo espao de probabilidade. A funo de probabilidade conjunta de X e Y
p(x, y) = P (X = x, Y = y), x, y R.
Note que p(x, y) > 0 apenas para (x, y) em um subconjunto finito ou enumervel de R2 .
As funes de probabilidade marginais de X e Y so
pX (x) =

X
y

p(x, y), x R

pY (y) =

X
x

p(x, y), y R.

48

Variveis aleatrias

2.3. Sejam X e Y variveis aleatrias definidas no mesmo espao de probabilidade. Dizemos que X e Y so conjuntamente contnuas se existe uma funo f (x, y) 0, chamada
uma funo densidade de probabilidade conjunta, tal que para quaisquer x, y R,
F (x, y) =

Z x Z y

f (u, v) du dv.

Se X e Y so conjuntamente contnuas com funo densidade conjunta f (x, y), ento so

individualmente contnuas com funes densidade marginais respectivas
fX (x) =

f (x, y) dy, x R

fY (y) =

f (x, y) dx, y R.

2.4. natural a extenso das definies e resultados anteriores para o caso de n variveis
aleatrias X1 , . . . , Xn definidas no mesmo espao de probabilidade. Nesse caso, chamamos
X = (X1 , . . . , Xn ) de vetor aleatrio ou varivel aleatria n-dimensional.
f

3. Independncia de variveis aleatrias

3.1. As variveis aleatrias X1 , . . . , Xn so independentes se para quaisquer conjuntos
Ai R (borelianos), i = 1, . . . , n,
P (X1 A1 , . . . , Xn An ) =

n
Y

P (Xi Ai ).

i=1

3.2. Sejam X1 , . . . , Xn variveis aleatrias com funo de distribuio conjunta F (x1 , . . . , xn )

e funes de distribuio marginais FX1 , . . . , FXn , respectivamente. Ento, X1 , . . . , Xn so
independentes se e somente se
F (x1 , . . . , xn ) = FX1 (x1 ) . . . FXn (xn )
para qualquer escolha de x1 , . . . , xn . (Em palavras, a funo de distribuio conjunta se
fatora como o produto das funes de distribuio individuais).
3.3. Critrio para independncia no caso discreto:
As variveis aleatrias discretas X1 , . . . , Xn so independentes se e somente se
P (X1 = x1 , . . . , Xn = xn ) = P (X1 = x1 ) . . . P (Xn = xn )
para qualquer escolha de x1 , . . . , xn .

49

Modelos de distribuies discretas

3.4. Critrio para independncia no caso contnuo:

(a) Se X1 , . . . , Xn so variveis aleatrias contnuas e independentes, com densidades
respectivas fX1 , . . . , fXn , ento a funo f : Rn R dada por
f (x1 , . . . , xn ) = fX1 (x1 ) . . . fXn (xn ), (x1 , . . . , xn ) Rn ,
uma densidade conjunta de X1 , . . . , Xn .
(b) Suponha que X1 , . . . , Xn so variveis aleatrias conjuntamente contnuas, cuja
funo densidade conjunta f satisfaz
f (x1 , . . . , xn ) = f1 (x1 ) . . . fn (xn ), (x1 , . . . , xn ) Rn ,
onde f1 , . . . , fn so funes tais que fi (x) 0 e

fi (x) dx = 1 para todo i = 1, . . . , n.

Ento, X1 , . . . , Xn so independentes e fi uma densidade de Xi para i = 1, . . . , n.

Corolrio: Sejam X1 , . . . , Xn variveis aleatrias conjuntamente contnuas com funo
densidade conjunta f (x1 , . . . , xn ) e funes densidade marginais fX1 , . . . , fXn , respectivamente. Ento, X1 , . . . , Xn so independentes se e somente se
f (x1 , . . . , xn ) = fX1 (x1 ) . . . fXn (xn )
para qualquer escolha de x1 , . . . , xn .
3.5. Uma coleo infinita de variveis aleatrias independente se toda subcoleo finita
dessas variveis aleatrias independente.
3.6. Se X1 , . . . , Xn so variveis aleatrias independentes, ento funes contnuas de
famlias disjuntas das Xi s so independentes.
3.7. Quando falamos de variveis aleatrias, a abreviatura i.i.d. significa independentes e
identicamente distribudas.

4. Modelos de distribuies discretas

Como usual quando se trata de variveis aleatrias, l-se o smbolo como tem distribuio.

50

Variveis aleatrias

1. X Uniforme discreta sobre o conjunto {x1 , . . . , xn } R se tem funo de probabilidade dada por
P (X = xi ) =

1
, i = 1, . . . , n.
n

X representa a escolha ao acaso de um elemento do conjunto {x1 , . . . , xn }. O caso

particular em que x1 = 1, . . . , xn = n denotado por X Uniforme Discreta(n).
2. X Bernoulli(p), 0 p 1, se tem funo de probabilidade dada por
P (X = x) = px (1 p)1x , x = 0, 1.
X a funo indicadora da ocorrncia de sucesso em um ensaio de Bernoulli (experimento que tem somente dois resultados possveis: sucesso e fracasso, com probabilidades respectivas p e (1 p)).
3. X Binomial(n, p), n 1 inteiro e 0 p 1, se tem funo de probabilidade dada
por
!

n x
P (X = x) =
p (1 p)nx , x = 0, 1, . . . , n.
x
X o nmero de sucessos obtidos em n ensaios de Bernoulli independentes com
probabilidade de sucesso p em cada ensaio.
importante observar que uma varivel aleatria com distribuio Binomial(n, p)
pode ser escrita como a soma de n variveis aleatrias independentes com distribuio Bernoulli(p).
Propriedade: Se X Binomial(n, p), onde 0 < p < 1, ento, medida que k vai
de 0 a n, P (X = k) primeiro cresce e depois decresce, atingindo seu valor mximo
quando k o maior inteiro menor ou igual a (n + 1) p.
4. X Poisson(), > 0, se tem funo de probabilidade dada por
P (X = x) =

e x
, x = 0, 1, . . .
x!

5. X Geomtrica(p), 0 < p 1, se tem funo de probabilidade dada por

P (X = x) = p (1 p)x1 , x = 1, 2, . . .

51

Modelos de distribuies contnuas

X o nmero de ensaios necessrios para obter o primeiro sucesso quando se realiza

uma sequncia de ensaios de Bernoulli independentes com probabilidade de sucesso p
em cada ensaio.
Propriedade fundamental: Falta de memria.
P (X m + n | X m) = P (X n) para m, n = 1, 2, . . .
6. X Binomial Negativa(r, p), r 1 inteiro e 0 < p 1, se tem funo de probabilidade dada por
x1 r
P (X = x) =
p (1 p)xr , x = r, r + 1, . . .
r1
!

X o nmero de ensaios necessrios para obter o r-simo sucesso quando se realiza

uma sequncia de ensaios de Bernoulli independentes com probabilidade de sucesso p
em cada ensaio.
Cumpre enfatizar que uma varivel aleatria com distribuio Binomial Negativa(r, p)
pode ser escrita como a soma de r variveis aleatrias independentes com distribuio Geomtrica(p).
7. X Hipergeomtrica(n, R, N ), n, R, N inteiros, n N , R N , se tem funo de
probabilidade dada por
N R
P (X = x) =
nx

R
x

N
n

!1

para x inteiro tal que mx(0, n N + R) x mn(n, R). X o nmero de bolas

vermelhas em uma amostra de tamanho n, extrada sem reposio de uma urna com
N bolas, das quais R so vermelhas e N R azuis.

5. Modelos de distribuies contnuas

1. X Uniforme(a, b), a, b R, a < b, se tem densidade dada por
fX (x) =

1
, a < x < b.
ba

X representa um ponto escolhido ao acaso no intervalo (a, b).

52

Variveis aleatrias

Binomial(10, 2/5)

Poisson(4)

p(x)

p(x)

0.25
0.175
0.2

0.15

0.15

0.125

0.1

0.075

0.1

0.05

0.05

0.025
0

10

10

11

12

Figura 3.3: Funes de probabilidade das distribuies Binomial(10, 2/5) e Poisson(4).

2. X Normal(, 2 ), R, > 0, se tem densidade dada por

1
2
2
fX (x) = e(x) /(2 ) , x R.
2
Essa distribuio tambm chamada distribuio de Laplace-Gauss. O grfico da
densidade fX uma curva com forma de sino, centrada no ponto x = . Essa curva,
ilustrada na Figura 3.4, denominada normal ou gaussiana. O parmetro uma
medida da variabilidade da distribuio de X: quanto maior o valor de , mais
variabilidade h na curva (ou seja, menos concentrada perto de a densidade ).
Pode-se demonstrar que:
(i) A funo fX simtrica em torno de : fX ( + x) = fX ( x) para todo
x R.
(ii) Para qualquer x R, FX ( + x) + FX ( x) = 1.

(iii) x = o nico ponto de mximo de fX , e o valor mximo 1/( 2).

(iv) fX tem dois pontos de inflexo (pontos de mudana de concavidade): e
+ .
(v) fX (x) 0 quando x .
A distribuio normal de parmetros = 0 e = 1 conhecida como normal
padro. Sua importncia deriva do fato de que se pode obter uma varivel aleatria
normal padro a partir de uma normal qualquer. De fato, se X N (, 2 ), ento
Z=

X
N (0, 1).

53

Modelos de distribuies contnuas

A funo distribuio da normal padro, denotada por (), tabelada e satisfaz

(z) + (z) = 1 para todo z. A partir dela, podem-se obter probabilidades para
uma varivel aleatria normal qualquer.
3. X Exponencial(), > 0, se tem densidade dada por
fX (x) = ex , x 0.
Propriedade fundamental: Falta de memria.
P (X s + t | X s) = P (X t) para s, t R com s 0 e t 0.
4. X Gama(, ), > 0, > 0, se tem densidade dada por
fX (x) =

1 x
x
e
, x 0.
()

Observao. A funo gama de Euler : (0, ) R definida por

() =

Z
0

x1 ex dx, > 0,

e possui as seguintes propriedades:

(i) ( + 1) = (), > 0.
(ii) (n + 1) = n! para n 0 inteiro.
Frequentemente, til saber que
Z
0

x1 e x dx =

()
se > 0 e > 0.

5. X Beta(a, b), a > 0, b > 0, se tem densidade dada por

fX (x) =

1
xa1 (1 x)b1 , 0 x 1.
B(a, b)

Observao. A funo beta de Euler B : (0, ) (0, ) R definida por

B(a, b) =

Z 1
0

xa1 (1 x)b1 dx, a > 0, b > 0,

e satisfaz B(a, b) = (a) (b)/(a + b).

54

Variveis aleatrias

6. X Cauchy(a, b), a R, b > 0, se tem densidade dada por

fX (x) =

1
n

b 1 + [(x a)/b]2

o,

x R.

A distribuio de Cauchy com parmetros a = 0 e b = 1 denominada Cauchy

padro.

N (, 2 )

Exp(1)

f (x)

f (x)
1
0.8
0.6
0.4
0.2

Beta(a, b)

Gama(, )
f (x)

f (x)

a = 2, b = 4

= 1/2, = 1/10

0.15
0.125

1.5
= 2, = 1/4

0.1

a=b=1

0.075
0.05

a = b = 1/2

0.5
0.025
5

10

15

20

25

0.2

0.4

0.6

0.8

Figura 3.4: Densidades de algumas distribuies contnuas.

6. Aproximao de Poisson Binomial

Seja X Binomial(n, p), e consideremos Y Poisson(), com = n p. Se n grande
e p pequeno de modo que o valor de moderado, podemos aproximar a funo de
probabilidade de X pela funo de probabilidade de Y , isto , para qualquer inteiro k
entre 0 e n,
P (X = k) P (Y = k) =

e k
.
k!

55

Aproximao Normal Binomial

Essa aproximao justificada pelo Teorema de Poisson (veja-se 3.8 do Captulo 5,

p. 143). Em palavras, se so realizados n ensaios de Bernoulli independentes, cada um
resultando em sucesso com probabilidade p, ento, quando n grande e p pequeno o
suficiente a fazer n p moderado, o nmero de sucessos que ocorrem tem aproximadamente
distribuio de Poisson com parmetro n p. De acordo com duas regras prticas, a aproximao considerada boa se n 20 e p 0,05 ou se n 100 e n p 10.
(k)
0.006
0.004
0.002
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

0.002
0.004
0.006

Figura 3.5: Grfico da funo (k) = P (X = k) P (Y = k), k = 0, . . . , 18, onde X

Binomial(80, 1/20) e Y Poisson(4).

7. Aproximao Normal Binomial

Se n grande, ento uma varivel aleatria X com distribuio Binomial(n, p) tem aproximadamente a mesma distribuio de uma varivel aleatria normal com parmetros
= n p e 2 = n p (1 p). Essa afirmao justificada pelo Teorema Central do Limite
de De Moivre e Laplace (3.7 do Captulo 5, p. 143), o qual estabelece que, quando n ,
a funo de distribuio da varivel

X np
n p (1 p)

converge em todo ponto para a funo de distribuio da normal padro.

Assim, para qualquer inteiro i entre 0 e n,
P (X i) = P

i np
X np

n p (1 p)
n p (1 p)

i np

.
n p (1 p)

56

Variveis aleatrias

Visto que estamos aproximando uma varivel aleatria discreta por uma varivel contnua,
podemos fazer o seguinte ajuste:
i + 0,5 n p
P (X i) = P (X i + 0,5)
,
n p (1 p)
!

e, para i j inteiros entre 0 e n,

j + 0,5 n p
i 0,5 n p
P (i X j)

.
n p (1 p)
n p (1 p)
!

Esse procedimento de subtrair e somar 0,5 conhecido como correo de continuidade

de Fisher e fornece uma aproximao ligeiramente mais precisa, sendo especialmente
recomendvel quando n no for muito grande.
Dois critrios frequentemente usados so que n p 5 e n (1 p) 5 ou n p (1 p) 10
implicam uma boa aproximao.

0.08
N (30, 18)

Binomial(75, 2/5)
0.06

0.04

0.02

20

25

30

35

40

45

Figura 3.6: Funo de probabilidade da distribuio Binomial(75, 2/5) e densidade da distribuio N (30, 18).

8. Funes de variveis aleatrias

8.1. Seja X uma varivel aleatria contnua com funo densidade de probabilidade f tal
que f (x) > 0 para x (a, b), com a < b . Suponhamos que : (a, b) R
uma funo estritamente montona, diferencivel em (a, b), e seja 1 a inversa de .
Ento, a varivel aleatria definida por Y = (X) tem densidade dada por
g(y) =

f (1 (y))



 d 1 (y) 





dy 

se y ((a, b)),
caso contrrio.

57

Funes de variveis aleatrias

X
R

Figura 3.7: Funo de uma varivel aleatria.

Observao. Ao aplicar o resultado anterior, atente para os seguintes tpicos:

1. Obteno da funo inversa:

y = y(x) x = x(y).

2. Clculo da derivada da inversa

dx
.
dy

3. Estudo dos valores possveis de Y .

4. Densidade de Y :

g(y) = f (x(y))



 dx 



.
 dy 

No caso da funo no ser montona, a regra geral expressar FY em termos de FX .

8.2. Mtodo do Jacobiano: Sejam X1 e X2 variveis aleatrias conjuntamente contnuas com funo densidade conjunta f e suponhamos que f (x1 , x2 ) > 0 para (x1 , x2 ) A,
com A um conjunto aberto de R2 .
Definimos novas variveis aleatrias Y1 e Y2 , obtidas a partir das primeiras pela transformao
y1 = 1 (x1 , x2 ),

y2 = 2 (x1 , x2 ).

()

Suponhamos que:
1. As funes () so contnuas e tm derivadas parciais yi /xj , i, j = 1, 2, contnuas
em todos os pontos (x1 , x2 ) A.
2. As funes () definem uma bijeo de A em A? , onde A? a imagem da transformao.
3. A transformao inversa
x1 = 1 (y1 , y2 ),

x2 = 2 (y1 , y2 ),

()

58

Variveis aleatrias

que existe e nica, tem Jacobiano no-nulo em A?

x1 /y1 x1 /y2
(x1 , x2 )
6= 0.
J(y1 , y2 ) =
= det
(y1 , y2 )
x2 /y1 x2 /y2
Ento, Y1 e Y2 so conjuntamente contnuas com funo densidade conjunta dada por
g(y1 , y2 ) =

f (x1 , x2 ) |J(y1 , y2 )| se (y1 , y2 ) A? ,

0

caso contrrio

onde x1 e x2 so dados por ().

Como frequentemente mais fcil obter J(x1 , x2 ) = (y1 , y2 )/(x1 , x2 ), importante
recordar a seguinte relao:
J(y1 , y2 ) = J(x1 , x2 )1 ,
onde x1 e x2 so dados por ().
Observao. O Mtodo do Jacobiano naturalmente estendido ao caso n-dimensional.
Seja X = (X1 , . . . , Xn ) um vetor aleatrio com densidade f (x1 , . . . , xn ) e suponhamos
f

que Y = (Y1 , . . . , Yn ) = (X ), com bijetora. A aplicao do mtodo consiste, em

e

resumo, dos seguintes itens:

1. Obteno da transformao inversa:

y = y (x) x = x(y ).
e

e e

x
2. Clculo do determinante Jacobiano da inversa J(y ) = e .
y
e

e e

3. Estudo dos valores possveis de Y .

e

4. Densidade de Y :
e

g(y ) = f (x(y )) J(y ).

e

e e

O Mtodo do Jacobiano possui uma generalizao no caso de a funo ser bijetora

quando restrita a cada uma de k regies abertas disjuntas cuja unio contm o valor de X
f

com probabilidade 1. O leitor interessado pode olhar o Teorema 2.10 da Seo 2.7 de
James [15] e o exerccio 105.
8.3. (a) Sejam X e Y duas variveis aleatrias independentes, a valores inteiros, com
funes de probabilidade pX e pY , respectivamente. A convoluo de pX e pY a funo
p = pX pY definida por
p(z) =

X
x

pX (x) pY (z x), z Z.

59

Funes de variveis aleatrias

A funo p(z) a funo de probabilidade da varivel aleatria Z = X + Y .

(b) Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes densidade respectivas fX e fY . A convoluo de fX e fY a funo f = fX fY definida
por
f (z) =

Z +

fX (x) fY (z x) dx, z R.

Ento, Z = X + Y tem funo densidade f .

8.4. Sejam X e Y duas variveis aleatrias contnuas e independentes, com funes densidade respectivas fX e fY . Ento,
(i) X Y tem funo densidade dada por
fXY (z) =

Z +

fX (x) fY (x z) dx, z R.

(ii) XY tem funo densidade dada por

fXY (z) =

Z +

1
fX (x) fY
|x|

z
dx, z R.
x

 

(iii) Y /X tem funo densidade dada por

fY /X (z) =

Z +

|x| fX (x) fY (xz) dx, z R.

Observao. O exerccio 106 ilustra como o Mtodo do Jacobiano til na determinao

das densidades da soma, diferena, produto e quociente de variveis aleatrias contnuas.
8.5. Sejam X1 , . . . , Xk variveis aleatrias independentes.
Se Xi Binomial(ni , p), i = 1, . . . , k, ento

Pk

i=1

Xi Binomial(

Se Xi Binomial Negativa(ri , p), i = 1, . . . , k, ento

(

Pk

Pk

i=1

i=1

ni , p).

Xi Binomial Negativa

Pk

i=1 ri , p).

Se Xi Poisson(i ), i = 1, . . . , k, ento

Pk

Se Xi Gama(i , ), i = 1, . . . , k, ento

i=1

Pk

Xi Poisson(

i=1

Pk

i ).

Pk

i , ).

Xi Gama(

i=1

i=1

Se Xi N (i , i2 ), i = 1, . . . , k, e a1 , . . . , ak so nmeros reais no todos nulos,

ento

Pk

i=1

ai X i N (

Pk

i=1

ai i ,

Pk

i=1

a2i i2 ).

60

Variveis aleatrias

9. Estatsticas de ordem
Sejam X1 , X2 , . . . , Xn variveis aleatrias i.i.d., contnuas com funo densidade comum f
e funo de distribuio F . Defina Yi a i-sima menor de X1 , X2 , . . . , Xn . As variveis
aleatrias Y1 Y2 Yn so denominadas as estatsticas de ordem associadas a
X1 , X2 , . . . , Xn .
A densidade conjunta de Y1 , . . . , Yn dada por
fY1 ,...,Yn (y1 , . . . , yn ) = n! f (y1 ) . . . f (yn ),

y1 < y2 < < yn .

Para i < j, a densidade conjunta de Yi e Yj dada por

fYi ,Yj (x, y) =

n!
[F (x)]i1 [F (y) F (x)]ji1 [1 F (y)]nj f (x) f (y)
(i 1)! (j i 1)! (n j)!

para x < y.
A densidade de Yi dada por
fYi (x) =

n!
[F (x)]i1 [1 F (x)]ni f (x), x R.
(i 1)! (n i)!

Em particular, as densidades de Y1 = mn{X1 , . . . , Xn } e Yn = mx{X1 , . . . , Xn } so,

respectivamente,
fY1 (x) = n f (x) [1 F (x)]n1 , x R

fYn (x) = n f (x) [F (x)]n1 , x R.

10. Modelos multidimensionais

1. Distribuio multinomial: Seja o espao amostral associado a um experimento
aleatrio, e suponhamos que {A1 , . . . , An } uma partio de em n eventos. Obviamente, se pi = P (Ai ), ento

Pn

i=1

pi = 1.

Realizam-se m repeties independentes desse experimento. Seja Xi o nmero de vezes que ocorre o evento Ai nas m repeties. A varivel n-dimensional (X1 , . . . , Xn )
tem distribuio multinomial de parmetros m, p1 , . . . , pn . A funo de probabilidade conjunta dada por
P (X1 = x1 , . . . , Xn = xn ) =

m!
px1 1 . . . pxnn ,
x1 ! . . . xn !

61

Distribuies relacionadas com a normal

para xi {0, 1, . . . , m} com x1 + + xn = m.

Note que Xi Binomial(m, pi ) para i = 1, . . . , n.
2. Distribuio hipergeomtrica multivariada: Uma urna contm N bolas, das
quais N1 so da cor 1, N2 da cor 2, . . . , Nr da cor r (N = N1 + + Nr ). Retiram-se
n bolas sem reposio (n N ), e seja Xi o nmero de bolas da cor i extradas. A
varivel r-dimensional (X1 , . . . , Xr ) tem distribuio hipergeomtrica multivariada
de parmetros n, N1 , . . . , Nr , N . A funo de probabilidade conjunta dada por
N1
P (X1 = x1 , . . . , Xr = xr ) =
x1

Nr
...
xr

N
n

!1

para xi {0, 1, . . . , n} com x1 + + xr = n.

Observe que Xi Hipergeomtrica(n, Ni , N ) para i = 1, . . . , r.
3. Distribuio uniforme: Seja G Rn um conjunto tal que Vol (G) > 0, onde
Vol (G) o volume n-dimensional de G, definido por
Vol (G) =

dx1 . . . dxn .

A varivel n-dimensional X = (X1 , . . . , Xn ) tem distribuio uniforme em G se tem

f

densidade

f (x1 , . . . , xn ) =

1 / Vol (G) se (x1 , . . . , xn ) G,

Ento, para B Rn ,
P (X B) =
f

caso contrrio.
Vol (B G)
.
Vol (G)

Esse modelo corresponde escolha ao acaso de um ponto em G.

11. Distribuies relacionadas com a normal

11.1. As distribuies definidas a seguir so fundamentais no estudo de procedimentos
de estimao estatstica.
1. Se Z1 , . . . , Zn so variveis aleatrias independentes e identicamente distribudas,
com distribuio N (0, 1), ento a varivel X = Z12 + + Zn2 tem distribuio
qui-quadrado com n graus de liberdade, denotada 2n .
A distribuio 2n a Gama(n/2, 1/2).

62

Variveis aleatrias

2. Se X e Y so variveis aleatrias independentes, X N (0, 1) e Y 2n , ento a

varivel
T =

X
Y /n

tem distribuio t de Student com n graus de liberdade, denotada tn . A densidade

dessa varivel dada por
)
( n+1
1
, t R.
fT (t) = 2 n
2
n ( 2 ) (1 + t /n)(n+1)/2
A distribuio t1 a Cauchy padro.
3. Se X e Y so variveis aleatrias independentes, X 2m e Y 2n , ento a varivel
U=

X/m
Y /n

tem distribuio F de Snedecor com m e n graus de liberdade, denotada F (m, n). A

densidade dessa varivel dada por
fU (u) =

( m+n
)
2
mm/2 nn/2 um/21 (n + m u)(m+n)/2 , u > 0.
m
( 2 ) ( n2 )

Se X F (m, n), ento 1/X F (n, m).

11.2. Sejam X1 , . . . , Xn variveis aleatrias independentes e identicamente distribudas,
com distribuio N (, 2 ). Definimos
=
X
S =
2

Pn

i=1

Xi

= Mdia amostral e

2
X)
=
n1

i=1 (Xi

Pn

Pn

i=1

Xi2 n X
= Varincia amostral.
n1
2

e S 2 so variveis aleatrias independentes, com X

N (, 2 /n) e (n
Ento, X
1) S 2 / 2 2n1 . Da, segue que
)
(X
n
tn1 .
S

63

Exerccios

Exerccios
Variveis aleatrias: Definies e propriedades bsicas,
Modelos discretos e contnuos
1. Seja X uma varivel aleatria discreta com funo de probabilidade dada por
p(x) = c x, x = 1, 2, . . . , 6.
Encontre:
(a) o valor de c.
(b) a probabilidade de X ser um nmero mpar.
2. Seja X uma varivel aleatria discreta com funo de probabilidade dada por
p(x) =

c
, x = 0, 1, . . .
4x

Obtenha:
(a) o valor de c.
(b) a probabilidade de X ser um nmero par.
3. Seja X uma varivel aleatria discreta com funo de distribuio dada por

F (x) =

0
1/2
3/5
4/5
9/10
1

se
se
se
se
se
se

x < 0,
0 x < 1,
1 x < 2,
2 x < 3,
3 x < 4,
x 4.

(a) Determine a funo de probabilidade de X.

(b) Calcule P (X = 0 | X par).
4. Quinze pessoas portadoras de determinada doena so selecionadas para se submeter
a um tratamento. Sabe-se que este tratamento eficaz na cura da doena em 80% dos
casos. Suponha que os indivduos submetidos ao tratamento curam-se (ou no) independentemente uns dos outros e considere X o nmero de curados dentre os 15 pacientes
submetidos ao tratamento.
(a) Qual a distribuio de X?
(b) Qual a probabilidade de que os 15 pacientes sejam curados?
(c) Qual a probabilidade de que pelo menos dois no sejam curados?
5. Um estudante preenche por adivinhao um exame de mltipla escolha com 5 respostas
possveis (das quais uma correta) para cada uma de 10 questes.
(a) Qual a distribuio do nmero de respostas certas?

64

Variveis aleatrias

(b) Qual a probabilidade de que o estudante obtenha 9 ou mais respostas certas?

(c) Qual a probabilidade de que acerte pelo menos duas questes?
6. Um computador foi usado para gerar sete nmeros aleatrios no intervalo [0, 1]. Calcule
a probabilidade de que
(a) exatamente trs nmeros estejam entre 1/2 e 1.
(b) menos do que trs sejam maiores que 3/4.
7. Em 1693, Samuel Pepys escreveu uma carta para Isaac Newton propondo-lhe um problema de probabilidade, relacionado a uma aposta que planejava fazer. Pepys perguntou
o que mais provvel: obter pelo menos um 6 quando 6 dados so lanados, obter pelo
menos dois 6 quando 12 dados so lanados, ou obter pelo menos trs 6 quando 18 dados
so lanados. Newton escreveu trs cartas a Pepys e finalmente o convenceu de que o
primeiro evento mais provvel. Calcule as trs probabilidades.
8. Um aluno estuda 12 exerccios, dos quais o professor vai escolher 6 aleatoriamente para
uma prova. O estudante sabe resolver 9 dos 12 problemas. Seja X o nmero de exerccios
resolvidos por ele na prova.
(a) Qual a distribuio de X?
(b) Calcule a probabilidade de que o aluno resolva ao menos 5 exerccios da prova.
9. Um lote de componentes eletrnicos contm 20 itens, dos quais 5 so defeituosos.
Seleciona-se ao acaso uma amostra de 5 itens. Calcule a probabilidade de que a amostra
contenha no mximo um item defeituoso se
(a) a amostragem feita com reposio.
(b) a amostragem feita sem reposio.
10. Um aqurio tem 3 peixes exticos gordinhos e 7 desnutridos. O gato Flix pega ao
acaso 3 peixes do aqurio; os 3 so gordinhos e Flix se prepara para com-los. Nesse
momento, aparece o seu dono, um probabilista famoso, que diz: Flix, voc vai tentar
repetir 3 vezes isso que acaba de fazer. Se voc conseguir o feito de pegar os 3 gordinhos
em pelo menos duas das trs vezes, eu deixarei que voc os coma. Se no conseguir, vai
comer a sua rao de costume. Qual a probabilidade de que Flix coma os peixes?
11. Em uma pizzaria com entrega em domiclio, 30% dos pedidos por telefone so de mais
de uma pizza. Certo dia, o dono decide mandar um brinde ao cliente que fizer o primeiro
pedido com mais de uma pizza. Seja X o nmero de pedidos recebidos at o ganhador do
brinde.
(a) Qual a distribuio de X?
(b) Determine o menor nmero de pedidos necessrio para garantir que o brinde saia
com probabilidade maior que 0,9.

Exerccios

65

12. Setenta por cento da populao de uma cidade tm computador em casa. Se um pesquisador para muncipes ao acaso na rua at encontrar uma pessoa que tenha computador
em casa, qual a probabilidade de que ele precise
(a) de exatamente quatro tentativas?
(b) de pelo menos quatro tentativas?
13. Um vendedor de porta em porta consegue realizar a venda em 40% das visitas que
faz. Ele planeja efetuar no mnimo duas vendas por dia. Seja X o nmero de visitas feitas
at que a segunda venda seja efetivada.
(a) Qual a distribuio de X?
(b) Calcule a probabilidade de que o vendedor faa no mximo seis visitas para concluir
as duas vendas.
14. O nmero de erros tipogrficos numa pgina de determinado livro uma varivel
aleatria com distribuio de Poisson de parmetro 1/2. Encontre a probabilidade de que
haja trs ou mais erros tipogrficos nesta pgina. Calcule esta probabilidade dado que h
pelo menos um erro nesta pgina.
15. Um contador Geiger registra o nmero de partculas emitidas por um material radioativo. Suponha que o nmero de partculas que o material emite por segundo uma
varivel aleatria com distribuio de Poisson de parmetro 3. Obtenha a probabilidade
de que, em um segundo, sejam registradas
(a) no mximo duas partculas.
(b) no mnimo duas partculas.
16. O nmero X de acidentes de trabalho que ocorrem em uma fbrica por semana segue
uma distribuio de Poisson. Sabendo que a porcentagem de semanas em que ocorre um
acidente um tero da porcentagem de semanas em que no acontece nenhum, calcule:
(a) o parmetro da distribuio.
(b) a probabilidade de que ocorra um acidente em uma semana e tambm um na
semana seguinte.
A partir de uma data, a direo da fbrica vai registrar o nmero Y de semanas
decorridas at uma semana com ao menos um acidente.
(c) Qual a distribuio de Y ?
(d) Obtenha a probabilidade de que a semana com acidente seja a quarta na contagem.
17. A liga de futebol de um pas tem quatro times: time 1, time 2, time 3 e time 4. Um
time estrangeiro em excurso pelo pas vai jogar um amistoso contra cada um dos times
1, 2 e 3. Suponha que contra o time 1 este time tem probabilidade 1/4 de conquistar a
vitria, enquanto que essa probabilidade vale 1/2 quando o adversrio o time 2 e vale
2/5 quando o adversrio o time 3. Assuma tambm que os resultados dos trs amistosos
so independentes. Seja X o nmero de vitrias conquistadas pelo time estrangeiro nos
trs amistosos.

66

Variveis aleatrias

(a) Obtenha a funo de probabilidade de X.

(b) Qual a probabilidade de que o time estrangeiro obtenha pelo menos uma vitria?
Suponha agora que, dependendo do seu desempenho nos trs amistosos, o time estrangeiro decidir fazer um quarto jogo, contra o time 4. Caso conquiste trs vitrias nos trs
amistosos, jogar contra o time 4; caso obtenha exatamente duas vitrias, far o quarto
jogo com probabilidade 4/5 e no realizar o quarto jogo caso obtenha apenas uma vitria
ou no vena nenhum dos trs amistosos.
(c) Determine a probabilidade de que o quarto jogo seja realizado.
(d) Dado que o quarto jogo se realizou, qual a probabilidade de que o time estrangeiro
tenha vencido os trs amistosos iniciais?
Soluo. (a) Notamos que X assume os valores 0, 1, 2, 3 e consideramos os eventos
Vi : O time estrangeiro conquista a vitria contra o time i, i = 1, 2, 3.
Sabemos que V1 , V2 e V3 so independentes, com P (V1 ) = 1/4, P (V2 ) = 1/2 e P (V3 ) = 2/5.
Ento,
P (X = 0) = P (V1 c V2 c V3 c ) = P (V1 c ) P (V2 c ) P (V3 c ) =

9
3 1 3
= ,
4 2 5
40

P (X = 1) = P (V1 V2 c V3 c ) + P (V1 c V2 V3 c ) + P (V1 c V2 c V3 )

=

1 1 3 3 1 3 3 1 2
9
+
+
= ,
4 2 5 4 2 5 4 2 5
20

P (X = 2) = P (V1 V2 V3 c ) + P (V1 V2 c V3 ) + P (V1 c V2 V3 )

1 1 3 1 1 2 3 1 2
11
+
+
= ,
4 2 5 4 2 5 4 2 5
40
1 1 2
1
P (X = 3) = P (V1 V2 V3 ) =
= .
4 2 5
20
=

(b) A probabilidade de que o time estrangeiro obtenha pelo menos uma vitria
P (X 1) = 1 P (X = 0) =

31
.
40

(c) Denotando por F o evento de que o time estrangeiro faz o quarto jogo, temos
P (F | X = 3) = 1,

P (F | X = 2) = 4/5,

P (F | X = 1) = P (F | X = 0) = 0,

portanto, pela Frmula da probabilidade total,

P (F ) = P (F | X = 3) P (X = 3) + P (F | X = 2) P (X = 2) +
+ P (F | X = 1) P (X = 1) + P (F | X = 0) P (X = 0)
=1

1
4 11
+
= 0,27.
20 5 40

67

Exerccios

(d) Pela Frmula de Bayes,

P (X = 3 | F ) =

P (F | X = 3) P (X = 3)
1/20
5
=
=
0,185.
P (F )
27/100
27

18. Quatro casais convidados para um jantar comparecem independentemente, com probabilidades 0,9, 0,8, 0,75 e 0,64. Encontre a funo de probabilidade do nmero de casais
presentes ao jantar.
19. Um revendedor de componentes eltricos os compra em lotes de 10 peas. Seu controle
de qualidade consiste em inspecionar 3 componentes selecionados aleatoriamente de um
lote e aceitar o lote somente se os 3 componentes no so defeituosos. Sabe-se que 30%
dos lotes tm 4 componentes defeituosos e 70% tm apenas 1 componente defeituoso. Dos
3 componentes selecionados de um lote, seja X o nmero de componentes defeituosos.
(a) Obtenha a funo de probabilidade de X.
(b) Qual a probabilidade de que um lote seja aceito?
20. Uma urna contm cinco bolas numeradas de 1 a 5. Duas bolas so retiradas simultaneamente. Obtenha a funo de probabilidade e faa o grfico da funo de distribuio
das seguintes variveis aleatrias:
(a) o maior nmero sorteado.
(b) a soma dos nmeros retirados.
21. Um encanador tem em sua caixa de ferramentas dez pares de parafusos e porcas, de
tamanhos distintos, de forma que os elementos de um par no se intercambiam com os de
outro. Ele escolhe ao acaso dois parafusos e duas porcas.
(a) Obtenha a funo de probabilidade do nmero de pares certos.
(b) Qual a probabilidade de que o encanador retire ao menos um par correto?
22. Quatro bombons iguais so distribudos aleatoriamente a quatro pessoas. Seja X o
nmero de pessoas que no ganham nenhum bombom.
(a) Encontre a funo de probabilidade de X.
(b) Repita o item (a), supondo que os bombons so diferentes entre si.
23. Verifique que as seguintes funes so densidades:

1/8 se 0 x 2,

(a) f (x) = 3/4 se 4 x 5,

(b) f (x) =
(c) f (x) =

caso contrrio.

1 |1 x| se 0 x 2,
0
2/3

caso contrrio.
se 1 x 0,

2 (x 1)/3 se 0 x 1,
0

caso contrrio.

68

Variveis aleatrias

(d) f (x) = 3 (1 x)2 , 0 x 1.

(e) f (x) = 4 x e2x , x 0.
(f) f (x) = sen x, 0 x /2.
24. Seja X uma varivel aleatria contnua com densidade dada por
f (x) =

c
, x 1.
x3

Obtenha:
(a) o valor de c.
(b) a probabilidade de X ser maior que 2.
(c) a funo de distribuio de X.
25. Seja X uma varivel aleatria com densidade dada por
f (x) =

a (1 + x) se 0 < x 1,
2/3

se 1 < x 2,
caso contrrio.

Obtenha:
(a) o valor de a.

(b) P (0,5 < X 1,5).

26. Seja X uma varivel aleatria com funo de distribuio dada por
F (x) =

se x < 1,

log x se 1 x < e,
1

se x e.

(a) Prove que de fato F uma funo de distribuio.

(b) Explique por que X contnua e obtenha a densidade de X.
27. Seja X uma varivel aleatria com funo de distribuio dada por

F (x) =

se x < 0,

x2 /2

se 0 x < 1,

3/4

se 1 x < 2,

(x + 1)/4 se 2 x < 3,
1

se x 3.

(a) Demonstre que de fato F uma funo de distribuio.

(b) Determine as seguintes probabilidades: P (X = 1/2), P (X = 1), P (X < 1),
P (X > 2), P (1/2 < X < 5/2) e P (X = 1 | X < 2).
(c) Justifique por que X no discreta, nem contnua.

69

Exerccios

28. Se Y tem distribuio uniforme em (0, 5), qual a probabilidade de que as razes da
equao 4 x2 + 4 x Y + Y + 2 = 0 sejam ambas reais?
29. Numa populao, o nvel srico de colesterol em adultos (medido em mg/dl) uma
varivel aleatria com distribuio normal com parmetros = 225 e = 75. Calcule:
(a) a proporo de pessoas com nvel de colesterol entre 200 e 350.
(b) o valor acima do qual se encontra o colesterol da parcela de 10% da populao que
tem os nveis mais elevados.
Soluo. (a) Seja X o nvel de colesterol de uma pessoa selecionada aleatoriamente da
populao. Ento, X N (225, 752 ) e portanto:
Z=

X 225
N (0, 1).
75

Da, consultando a tabela da funo de distribuio da normal padro (apresentada no

final do livro),
P (200 X 350) = P

350 225
200 225
Z
= P (0,33 Z 1,67)
75
75


= (1,67) (0,33) = (1,67) (1 (0,33))

0,9525 (1 0,6293) = 0,5818.
Assim, 58,2% da populao tem nvel de colesterol entre 200 e 350.
(b) Desejamos obter o valor de a tal que P (X a) = 0,1. Ento, P (X a) = 0,9, logo
a 225
P Z
= 0,9.
75


Procurando na tabela da distribuio normal padro, temos que o valor de z tal que
(z) = 0,9 z = 1,28. Consequentemente,
a 225
= 1,28 a = 225 + 1,28 . 75 = 321.
75
Portanto, a parcela de 10% da populao que tem os nveis mais elevados de colesterol
delimitada pelo limiar 321.
30. Seja X N (5, 16). Obtenha:
(a) P (X 13).
(b) P (X 1).
(c) P (4 X 9).
(d) o valor de a tal que P (X a) = 0,04.
(e) o valor de b tal que P (X b) = 0,01.
(f) o intervalo que contm 95% dos valores centrais de X.

70

Variveis aleatrias

31. Em uma fbrica de refrigerante, uma mquina usada para encher garrafas de 600 ml.
O contedo lquido (em ml) por garrafa varia segundo a distribuio normal com parmetros = 600 e = 4. Calcule:
(a) a porcentagem de garrafas produzidas com contedo inferior a 592 ml ou superior
a 612 ml.
(b) o valor do contedo excedido por 96% das garrafas fabricadas.
32. Suponha que o tempo em horas que um estudante precisa para aprender uma matria
de Geografia uma varivel aleatria com distribuio normal. Se 84,13% dos alunos usam
mais de 3 horas e somente 2,28% levam mais de 9 horas para aprender a matria, quais
so os parmetros da distribuio?
33. O peso em gramas dos recm-nascidos em uma maternidade tem distribuio normal
com parmetro = 3000. Sabe-se que 98% dos bebs nascem com um peso compreendido
entre 2,5 e 3,5 quilos. Determine:
(a) o parmetro .
(b) o peso abaixo do qual nascem 0,4% dos bebs dessa maternidade.
34. O dimetro em centmetros das bolinhas de gude em um lote tem distribuio normal
com parmetro = 1. Um tero das bolinhas tem dimetro maior que 1,1 cm. Obtenha:
(a) o parmetro .
(b) a proporo de bolinhas cujo dimetro est entre 0,8 e 1,2 cm.
(c) o valor do dimetro superado por 80% das bolinhas do lote.
35. O salrio mensal em reais de um trabalhador da empresa A tem distribuio normal
com parmetros A = 1800 e A = 300; para a empresa B, os parmetros da distribuio
normal so B = 2000 e B = 200. A empresa A tem o triplo de funcionrios da
empresa B. Se uma pessoa escolhida aleatoriamente entre os trabalhadores das duas
empresas, qual a probabilidade de que receba mais de 2200 reais por ms?
36. Uma fbrica utiliza dois mtodos para a produo de lmpadas: 70% delas so produzidas pelo mtodo A e o resto pelo mtodo B. A durao em horas das lmpadas tem
distribuio exponencial com parmetro 1/80 ou 1/100, conforme se utilize o mtodo A
ou o B. Em um grupo de 10 lmpadas selecionadas ao acaso, qual a probabilidade de que
6 delas durem pelo menos 90 horas?
37. O tempo de vida til em anos de um eletrodomstico uma varivel aleatria com
densidade dada por
x ex/2
, x > 0.
f (x) =
4
(a) Mostre que de fato f uma densidade.
(b) Se o fabricante d um tempo de garantia de seis meses para o produto, qual a
proporo de aparelhos que devem usar essa garantia?

71

Exerccios

(c) Dado que um aparelho est funcionando aps um ano, qual a probabilidade de que
dure pelo menos dois anos?
38. Uma loja de comrcio eletrnico envia e-mails com ofertas especiais a seus clientes
cadastrados. Suponha que, aps o recebimento de uma mensagem, a proporo de clientes
que efetivam uma compra uma varivel aleatria com densidade dada por
f (x) = c x (1 x)5 , 0 x 1.
(a) Encontre o valor de c.
(b) Calcule a probabilidade de que um e-mail resulte em alguma compra para mais de
50% dos seus destinatrios.
39. A proporo de ferro puro em amostras de hematita extradas de uma regio tem
distribuio Beta(4, 2). Obtenha a probabilidade de que uma amostra contenha
(a) mais de 75% de ferro puro.
(b) menos de 30% de ferro puro.
40. Uma reserva ecolgica tem um pssaro raro, que costuma aparecer aos turistas em
um bosque. Suponha que um turista que chega ao bosque espera para v-lo um tempo
em minutos com densidade dada por
f (x) =

ex/2 + ex/4
, x 0.
6

(a) Prove que de fato f uma densidade.

(b) Calcule a probabilidade de que um turista espere mais de dois minutos para avistar
o pssaro.
(c) Um turista que j esperou dois minutos sem ter visto o pssaro tem qual probabilidade de v-lo se aguardar mais cinco minutos?
41. Defina uma coleo de eventos Ea , 0 < a < 1, satisfazendo a propriedade de que
T
P (Ea ) = 1 para todo a, mas P ( a Ea ) = 0.
Sugesto: Seja X com distribuio uniforme em (0, 1) e defina cada Ea em termos de X.
42. Razo de Mill: Denote respectivamente por e a densidade e a funo de
distribuio de uma varivel aleatria com distribuio N (0, 1).
(a) Prove que para todo x > 0,
1
1
(x)
3 (x) 1 (x)
.
x x
x
!

A importncia desses limitantes decorre do fato de no haver uma frmula fechada para .
(b) Obtenha de (a) que
lim

1 (x)
= 1.
(x)/x

72

Variveis aleatrias

Sugesto: (a) Use que 1

3
1
1 1 + 2 para y > 0 e que
4
y
y

1
d (y)
= 1 + 2 (y),
dy
y
y
"

d
dy

"

1
1
3
3 (y) = 1 4 (y).
y y
y
!

Aproximaes de Poisson e normal distribuio binomial

43. Suponha que 1% das lmpadas de enfeite de Natal de certa marca apresentem defeito.
Estime a probabilidade de que uma caixa com 30 lmpadas contenha no mximo uma
lmpada com defeito.
44. Sabe-se que 0,6% dos parafusos produzidos em uma fbrica so defeituosos. Estime
a probabilidade de que, em um pacote com 1000 parafusos,
(a) haja exatamente 4 parafusos defeituosos.
(b) no haja mais do que 4 parafusos defeituosos.
(c) encontrem-se pelo menos 3 parafusos defeituosos.
45. H 180 inscritos em um congresso com durao de 5 dias. Obtenha uma aproximao
para a probabilidade de que ao menos um deles faa aniversrio durante o congresso.
46. Aproximadamente 80000 casamentos foram celebrados no Rio de Janeiro durante o
ano passado. Estime a probabilidade de que para pelo menos um desses casais ambos os
cnjuges tenham nascido no dia 30 de abril. Deixe claras as suas hipteses.
47. Doze por cento da populao canhota. Aproxime a probabilidade de que haja pelo
menos 20 canhotos em uma escola com 200 alunos. Esclarea as suas hipteses.
48. Em um museu, vendem-se mil entradas diariamente, sendo de 35% a proporo diria
de visitantes estrangeiros. Estime a probabilidade de que em uma semana mais de 5000
brasileiros visitem o museu.
49. Em uma indstria, fabricam-se dispositivos eltricos, que so vendidos em caixas
com 400 unidades. Suponha que cada dispositivo funciona adequadamente com probabilidade 0,98. A companhia deseja garantir aos revendedores que mais de k dispositivos por
caixa funcionam. Qual o maior valor de k tal que pelo menos 93% das caixas satisfaam
essa garantia?
50. Se apenas 10% das pessoas conseguem perceber a diferena entre duas marcas de
cerveja, estime a probabilidade de que, em uma amostra aleatria de 196 pessoas, mais
de 29 consigam distingui-las.
51. Uma prova consiste de 108 questes de verdadeiro ou falso.
(a) Suponha que um estudante tem probabilidade 3/4 de acertar cada questo. Estime
a probabilidade de que ele acerte pelo menos 86 questes.
(b) Responda a questo anterior, supondo que o estudante sabe as respostas de metade
das questes da prova e simplesmente chuta a outra metade.

73

Exerccios

52. Se 55% da populao de uma cidade a favor de um projeto proposto pelo prefeito,
estime a probabilidade de que, em uma amostra aleatria de 176 pessoas, no mximo 93
sejam favorveis ao projeto.
53. Uma companhia area sabe que, das pessoas que fazem uma reserva para certo voo,
somente 90% comparecem. Por isso, ela aceita reservas em quantidade maior do que a
capacidade do avio, de 144 assentos. Supondo que as decises das pessoas em comparecer
ao voo so independentes, quantas reservas a companhia pode fazer, se quer estar 99%
certa de que haver lugar para todos os passageiros que compaream?
54. O tempo de vida em horas de chips de computador produzidos por uma indstria tem
distribuio normal com parmetros = 1,4 . 106 e 2 = 9 . 1010 . Obtenha uma estimativa
para a probabilidade de que um lote de 100 chips contenha pelo menos 20 chips que durem
menos que 1,8 . 106 horas.
55. Um produtor de sementes as vende em pacotes com 50 unidades. Suponha que cada
semente germina com probabilidade 99%, independentemente das demais. O produtor
promete substituir, sem custo ao comprador, qualquer pacote com 3 ou mais sementes
que no germinem.
(a) Use a aproximao de Poisson para estimar a probabilidade de que um pacote
precise ser substitudo.
(b) Use a aproximao normal para estimar a probabilidade de que o produtor tenha
que substituir mais que 70 dos ltimos 4000 pacotes vendidos.
Distribuies conjuntas, Independncia
e transformaes de variveis aleatrias
56. Sejam X e Y variveis aleatrias discretas cuja funo de probabilidade conjunta
dada pela seguinte tabela:
X \Y
0
1
2

1
0,05
0,3
0,05

2
0,15
0
0,45

(a) Obtenha as funes de probabilidade marginais de X e Y .

(b) So X e Y independentes?
(c) Determine as seguintes probabilidades: P (X = 2 | Y = 2), P (Y = 2 | X 1),
P (X + Y > 2), P (0 < X 2 | Y = 1) e P (XY 1).
(d) Encontre as distribuies conjunta e marginais de U = X + Y e V = mx{X, Y }.
57. Sejam X e Y variveis aleatrias discretas com funo de probabilidade conjunta
p(x, y) =

c x y se x {1, 2, 3, 4}, y {1, 2, 3, 4} e x + y 5,

0

(a) Determine o valor de c.

caso contrrio.

74

Variveis aleatrias

(b) So X e Y independentes?
(c) Qual a probabilidade de que X seja mpar, dado que X + Y par?
58. Uma urna contm trs bolas brancas e duas bolas azuis. Realizam-se trs extraes,
sem reposio. Sejam X o nmero de bolas brancas obtidas e Y o nmero de bolas azuis
extradas antes de obter a primeira bola branca. Determine a funo de probabilidade
conjunta de X e Y , bem como as marginais.
59. A diretoria de uma organizao feminina formada por quatro mulheres solteiras,
trs divorciadas, duas vivas e uma casada. Uma comisso de trs pessoas escolhida ao
acaso para elaborar folhetos de propaganda da organizao. Sejam X e Y o nmero de
mulheres solteiras e vivas na comisso, respectivamente.
(a) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) Calcule a probabilidade de que pelo menos uma viva integre a comisso.
(c) Qual a probabilidade de que haja na comisso mais solteiras que vivas?
60. Dois dados honestos so lanados. Obtenha a funo de probabilidade conjunta do
maior valor X e do menor valor Y obtidos, bem como as marginais.
61. Sejam X o mnimo e Y o mximo de trs nmeros sorteados ao acaso, sem reposio,
do conjunto {0, 1, . . . , 9}.
(a) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) Obtenha a funo de probabilidade de Z = Y X.
62. Um nmero aleatrio N de dados so lanados. Suponha que
P (N = i) =

1
, i = 1, 2, . . .
2i

A soma dos resultados S. Encontre as probabilidades de que

(a) N = 2 dado que S = 3.
(b) S = 3 dado que N par.
63. Um dado honesto lanado 20 vezes, de modo independente. Para i = 1, . . . , 6, seja
Xi o nmero de vezes que ocorre a face i.
(a) Qual a distribuio do vetor aleatrio (X1 , . . . , X6 )?
(b) Dado que a face 6 foi obtida em 5 lanamentos, qual a probabilidade de que as
faces 1, 2 e 5 tenham ocorrido 8, 3 e 4 vezes, respectivamente?
64. O conselho de um departamento universitrio formado por dois professores titulares,
seis associados, quatro adjuntos, um assistente e um aluno. Visando a preparar uma
reviso da estrutura curricular, seleciona-se ao acaso uma comisso de cinco membros.
Denote por X1 , X2 , X3 , X4 e X5 o nmero de titulares, associados, adjuntos, assistentes
e alunos na comisso, respectivamente.
(a) Qual a distribuio do vetor aleatrio (X1 , . . . , X5 )?

75

Exerccios

(b) Calcule a probabilidade de que na comisso haja um professor titular, dois associados e um aluno.
65. Modelo de Maxwell-Boltzmann. Distribuem-se k bolas distinguveis em n urnas, sendo permitido colocar mais de uma bola na mesma urna. Suponha que todas as
configuraes so igualmente provveis. Seja Xj o nmero de bolas na urna j.
Demonstre que
k!
P
nk para kj 0 com nj=1 kj = k.
k1 ! . . . kn !

(a) P (X1 = k1 , . . . , Xn = kn ) =
k
(b) P (X1 = i) =
i
(c)

lim

1
n

!  
i

n,k, k/n(0,)

1
1
n

P (X1 = i) =

ki

, i = 0, . . . , k.

e i
, i = 0, 1, . . .
i!

66. Modelo de Bose-Einstein. Distribuem-se k bolas indistinguveis em n urnas, sendo

permitido colocar mais de uma bola na mesma urna. Suponha que todas as configuraes
so igualmente provveis. Seja Xj o nmero de bolas na urna j.
Mostre que
!1

n+k1
(a) P (X1 = k1 , . . . , Xn = kn ) =
n1
n+ki2
(b) P (X1 = i) =
n2

para kj 0 com

Pn

j=1

kj = k.

!1

n+k1
n1

1
(c)
lim
P (X1 = i) =
n,k, k/n(0,)
+1

, i = 0, . . . , k.

+1

!i

, i = 0, 1, . . .

67. Considere a distribuio aleatria de k bolas em n urnas como explicada nos exerccios 65 e 66. Suponha que k n e seja A o evento de que nenhuma urna fique vazia.
Prove que, no caso do modelo de Maxwell-Boltzmann,
P (A) =

n
X

(1)

i=0

!

n
i

i
n

k

e, para o modelo de Bose-Einstein,

k1
P (A) =
n1

!1

n+k1
n1

68. Sejam X1 e X2 variveis aleatrias independentes e identicamente distribudas, com

P (X1 = 1) = P (X1 = 1) = 1/2. Considere X3 = X1 X2 . As variveis aleatrias X1 , X2
e X3 so independentes? So independentes duas a duas?

76

Variveis aleatrias

69. Uma urna contm X bolas, onde X uma varivel aleatria com distribuio de Poisson de parmetro . As bolas so pintadas, de maneira independente, de vermelho com
probabilidade p ou azul com probabilidade (1 p). Sejam Y o nmero de bolas vermelhas
e Z o nmero de bolas azuis. Prove que Y e Z so variveis aleatrias independentes,
com Y Poisson(p) e Z Poisson((1 p)).
Sugesto: Para y, z N, seja x = y + z. Justifique e use que
x y
e x
.
P (Y = y, Z = z) = P (Y = y, Z = z | X = x) P (X = x) =
p (1 p)z
x!
y
!

70. O nmero de pessoas atendidas a cada dia no pronto-socorro do hospital de uma

cidade tem distribuio de Poisson com parmetro 8. A porcentagem de pessoas que
requerem hospitalizao de 10%.
(a) Calcule a probabilidade de que em um dia mais de uma pessoa seja encaminhada
hospitalizao.
(b) Dado que nenhuma pessoa foi hospitalizada em certo dia, qual a probabilidade de
que mais de duas pessoas tenham sido atendidas no pronto-socorro?
71. Sejam X0 , X1 , . . . variveis aleatrias i.i.d., com P (X0 = 1) = P (X0 = 1) = 1/2.
Q
Considere Zn = nj=0 Xj , n 0. Mostre que Z0 , Z1 , . . . so independentes.
Sugesto: Por induo em n, prove que para todo n 0,
P (Zn = 1) = P (Zn = 1) = 1/2 e
P (Z0 = 1, Z1 = 1, . . . , Zn = 1) = 1/2n+1 .
Da, use o tpico 2.10 para concluir que Z0 , Z1 , . . . so independentes.
72. Sejam X e Y variveis aleatrias com funo densidade conjunta
6 2 xy
x +
, 0 < x < 1, 0 < y < 2.
f (x, y) =
7
2


(a) Prove que de fato f uma densidade.

(b) Determine as densidades marginais de X e Y .
(c) Calcule P (X > Y ).
(d) Obtenha P (Y > 1 | X < 1/2).
73. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

c (y x) se 0 x y 1,
0

caso contrrio.

Obtenha o valor de c e as distribuies marginais de X e Y .

77

Exerccios

74. Sejam X e Y variveis aleatrias com funo densidade conjunta

25 2 3xy y 2
x
+
f (x, y) = c exp
32
5
4
(

!)

, x, y R.

Determine o valor de c e as distribuies marginais de X e Y .

75. Um romancista se comprometeu com seu editor a entregar a cada 30 dias um captulo
do livro que est escrevendo; esse tem sido o seu mtodo de trabalho h vrios anos. Sejam
X o nmero de dias que o escritor demora para redigir a primeira verso de um captulo,
e Y o nmero total de dias que tarda para ter o captulo pronto, incluindo a reviso e a
correo de erros. Suponha que X e Y tm densidade conjunta

f (x, y) =

c x (30 y) se 0 x y 30,
0

caso contrrio.

(a) Obtenha o valor de c.

(b) So X e Y independentes?
(c) Calcule a probabilidade de que o romancista termine um captulo em no mximo
25 dias.
(d) Encontre a probabilidade de que o tempo gasto redigindo a primeira verso seja
superior ao tempo de reviso e correo de erros.
(e) Qual a probabilidade de que o escritor demore menos de 15 dias revisando e corrigindo um captulo?
76. Uma empresa de varejo vende produtos em uma rede de lojas fsicas e por meio da
internet. Sejam X a proporo mensal de vendas de eletrodomsticos sobre o total de
vendas das lojas fsicas, e Y a proporo mensal correspondente ao comrcio virtual.
Suponha que a densidade conjunta de X e Y dada por
f (x, y) = 2 x y, 0 < x < 1, 0 < y < 1.
(a) Mostre que de fato f uma densidade conjunta.
(b) So X e Y independentes?
(c) Obtenha a probabilidade de que em um ms a venda de eletrodomsticos represente
mais de 80% das vendas das lojas fsicas.
(d) Calcule a probabilidade de que a proporo mensal de eletrodomsticos vendidos
pela internet seja maior do que aquela das lojas fsicas.
(e) Dado que os eletrodomsticos representaram mais de 60% das vendas das lojas
fsicas em um ms, qual a probabilidade de que o mesmo tenha acontecido com a
loja virtual?
(f) Encontre a probabilidade de que em um ms as propores X e Y no difiram por
mais de 50%.

78

Variveis aleatrias

77. Sejam X e Y variveis aleatrias com funo densidade conjunta

f (x, y) = 2 (x + y 2 x y), 0 x 1, 0 y 1.
(a) Determine as distribuies marginais de X e Y e responda se so independentes.
(b) Calcule P (|X Y | 1/2).
78. Sejam X e Y variveis aleatrias com densidade conjunta dada por

f (x, y) =

120 x (y x) (1 y) se 0 < x < y < 1,

0

caso contrrio.

(a) Determine as distribuies marginais de X e Y .

(b) Mostre que P (X zY ) = 3 z 2 2 z 3 para z (0, 1).
(c) Usando o item (b), obtenha a distribuio de X/Y .
79. Seja OA um segmento de R de comprimento a. Escolhem-se dois pontos P1 e P2
em OA de forma aleatria e independente. Denote por X1 e X2 os comprimentos dos
segmentos OP1 e OP2 , respectivamente.
Dentre P1 e P2 , sejam Y1 o ponto mais prximo a O e Y2 o ponto mais prximo a A.
Defina M1 e M2 os comprimentos dos segmentos OY1 e OY2 , respectivamente.
(a) Calcule a funo de distribuio da varivel aleatria M = distncia entre P1 e P2 .
(b) Encontre a densidade de M .
(c) Determine a probabilidade de que com os trs segmentos OY1 , Y1 Y2 e Y2 A seja
possvel construir um tringulo.
Soluo. (a) Temos que X1 e X2 so variveis aleatrias independentes, ambas com
distribuio uniforme em [0, a]. Ento, o par (X1 , X2 ) tem distribuio uniforme em
B = [0, a] [0, a]. Alm disso,
M1 = mn{X1 , X2 },
M2 = mx{X1 , X2 } e
M = M2 M1 = |X1 X2 |.
Queremos calcular FM (y) = P (M y) = P (|X1 X2 | y), y R.
Claramente, se y 0, ento FM (y) = 0.
Para y > 0, definimos o conjunto Ay = {(u, v) R2 : |u v| y}, portanto
FM (y) = P ((X1 , X2 ) Ay ) =
Se y > a, ento Ay B = B, logo FM (y) = 1.

rea (Ay B)
.
rea (B)

79

Exerccios

Por outro lado, se 0 < y a, ento (veja-se a Figura 3.8)

FM (y) =

a2 (a y)2
2ay y 2
=
.
a2
a2

Assim, a funo de distribuio de M dada por

se y 0,

FM (y) = (2ay y 2 )/a2 se 0 < y a,

se y > a.

(b) Como FM contnua e derivvel por partes, obtemos a densidade de M derivando FM :

fM (y) =

2(a y)/a2 se 0 < y < a,

0

caso contrrio.

Note que os valores de fM nos pontos 0 e a so arbitrrios.

(c) Recordamos que M1 = mn{X1 , X2 }, M2 = mx{X1 , X2 } e M = M2 M1 . Os
segmentos com os quais se deseja construir um tringulo tm comprimentos M1 , M e
a M2 , logo poder constru-lo equivalente a pedir que
M1 < M + a M2 , M < M1 + a M2 e a M2 < M1 + M.
Assim, precisamos calcular P (M1 < a/2, M < a/2, M2 > a/2). Definimos o conjunto
C = {(u, v) R2 : mn{u, v} < a/2, |u v| < a/2, mx{u, v} > a/2}. Ento,
P (M1 < a/2, M < a/2, M2 > a/2) = P ((X1 , X2 ) C) =

1
rea (C B)
= .
rea (B)
4

C B

Ay B

a/2

a/2

Figura 3.8: Exerccio 79 Clculos de FM e do item (c).

80. Um casal combina de se encontrar em certo local perto das 12:30 h. Suponha que
o homem chega em uma hora uniformemente distribuda entre 12:15 h e 12:45 h e a mulher independentemente chega em uma hora uniformemente distribuda entre 12 h e 13 h.
Encontre as probabilidades de que

80

Variveis aleatrias

(a) o primeiro a chegar no espere mais que 5 minutos pelo segundo.

(b) a mulher chegue primeiro.
81. Em uma espcie de ave de rapina, a envergadura em centmetros das fmeas tem
distribuio normal com parmetros F = 168,75 e F = 6,5. Nos machos, a envergadura
tem distribuio normal com parmetros M = 162,5 e M = 6. Se uma fmea e um
macho sero capturados para anilhamento, qual a probabilidade de que o macho tenha
envergadura maior que a fmea?
82. Um elevador tem capacidade mxima de 500 kg. Suponha que o peso em kg de uma
pessoa adulta tem distribuio normal com parmetros = 75 e 2 = 96. Obtenha a
probabilidade de que o peso total de seis passageiros adultos exceda a capacidade mxima
do elevador.
83. A precipitao anual (medida em centmetros) em uma localidade tem distribuio
normal com parmetros = 240 e 2 = 900. Calcule as seguintes probabilidades:
(a) de que em cada um dos prximos dois anos a precipitao fique entre 204 e 276 cm.
(b) de que a precipitao total durante os prximos dois anos fique entre 420 e 540 cm.
(c) de que a precipitao no ano que vem exceda a do ano seguinte por mais que 90 cm.
Suponha que as precipitaes totais dos prximos dois anos so independentes.
84. A nota de um estudante em um exame vestibular tem distribuio normal com parmetros = 75 e 2 = 64. Uma amostra aleatria de nove provas selecionada. Obtenha
as seguintes probabilidades:
(a) de que exatamente duas provas na amostra tenham nota superior a 83.
(b) de que a mdia das nove provas escolhidas seja maior que 80.
85. Lanamos seis vezes uma moeda honesta de forma independente. Seja Y a diferena
entre o nmero de caras e coroas obtidas. Encontre a distribuio de Y .
86. Sejam X e Y variveis aleatrias independentes, com distribuio de Poisson com
parmetros respectivos e . Prove que Z = X + Y Poisson( + ).
87. Sejam X e Y variveis aleatrias independentes, com X Geomtrica(p1 ) e Y
Geomtrica(p2 ). Determine a distribuio de Z = mn{X, Y }.
88. Seja U uma varivel aleatria com distribuio uniforme no intervalo aberto (0, 1).
Dado p (0, 1), obtenha a distribuio da varivel aleatria
log U
,
X = log1p U =
log(1 p)
h

"

onde [a] denota a parte inteira de a.

89. Seja X uma varivel aleatria com distribuio exponencial de parmetro . Definimos uma nova varivel aleatria por Y = [X] + 1, onde [X] denota a parte inteira de X.
Obtenha a distribuio de Y .

81

Exerccios

90. Seja F uma funo de distribuio. A inversa contnua esquerda de F a funo

F 1 : (0, 1) R dada por
F 1 (t) = inf{x R : F (x) t} para t (0, 1).
(a) Explique por que F 1 est bem definida e mostre que
F 1 (t) x t F (x).
(b) Prove que se U U (0, 1), ento a varivel aleatria X = F 1 (U ) tem funo de
distribuio F .
91. Em uma indstria, uma mquina usada para fabricar esferas de rolamentos com
5 centmetros de dimetro. Desajustes na mquina fazem com que as esferas tenham
tamanhos diferentes do padro. Suponha que o erro no dimetro (em cm) de uma esfera
produzida uma varivel aleatria X com densidade
fX (x) =

1 |x|
e , x R.
2

No processo de fabricao, so aceitas apenas as esferas cujos erros no dimetro estiverem

entre 0,5 e 0,5 cm; as demais so descartadas. Seja Y o erro no dimetro de uma esfera
aceita segundo essa especificao.
(a) Determine a funo de distribuio de Y .
(b) Obtenha a densidade de Y .
(c) Qual a probabilidade de que uma esfera aceita tenha dimetro maior que 5,2 cm?
92. O tempo de durao em horas de um componente eletrnico tem distribuio exponencial de parmetro 1/8. O departamento de controle de qualidade da fbrica que o
produz descarta todos os componentes que falham nas trs primeiras horas, e os restantes
so comercializados.
(a) Determine a densidade da durao em horas de um componente comercializado.
(b) Qual a probabilidade de um componente comercializado durar mais que 12 horas?
93. Seja X uma varivel aleatria com distribuio uniforme no intervalo [0, 10]. Determine a funo de distribuio das seguintes variveis aleatrias:
(a) Y = X 2 + 2.
(b) W = mx{2, mn{4, X}}.
(c) Z = |X 4|.
Observao. Cumpre observar que W dada no item (b) uma varivel aleatria, pois
uma funo contnua da varivel aleatria X. Note entretanto que W no discreta (j
que pode assumir qualquer valor no intervalo [2, 4]) e nem absolutamente contnua (pois
assume os valores 2 e 4 com probabilidades positivas). A varivel W uma mistura dos
dois tipos. Mais detalhes a respeito de tipos de variveis aleatrias so encontrados na
Seo 2.2 de James [15].

82

Variveis aleatrias

94. Encontre a densidade de Y = e2X , onde X tem distribuio exponencial de parmetro 1.

Soluo. A densidade de X dada por
f (x) = ex , x > 0.
Consideremos a funo : (0, ) (0, 1) dada por (x) = e2x . Ento, decrescente,
diferencivel e
1
y = (x) = e2x

x = 1 (y) = log y,
2
dx
1
= .
dy
2y
A densidade de Y = e2X , portanto,
g(y) =



 dx 


f (1 (y))  
 dy 

1
, 0 < y < 1.
2 y

95. Distribuio Log-normal. Seja Y = eX , onde X tem distribuio N (0, 1). Encontre a densidade de Y .
96. Seja X uma varivel aleatria com distribuio uniforme em (0, /2). Obtenha a
densidade de Y = sen X.
97. Determine a densidade de Y = arcsen X quando
(a) X tem distribuio uniforme em (0, 1).
(b) X tem distribuio uniforme em (1, 1).
98. Seja X Gama(, ), > 0, > 0, e considere a > 0. Encontre a distribuio da
varivel aleatria Y = a X.
99. Seja X F (m, n), m, n 1 inteiros, ou seja, X tem densidade dada por
f (x) =

( m+n
)
2
mm/2 nn/2 xm/21 (n + m x)(m+n)/2 , x > 0.
m
( 2 ) ( n2 )

Mostre que 1/X F (n, m).

100. Encontre a densidade de Y = |X|, onde X tem distribuio N (0, 1).
101. Seja X N (0, 1). Por definio, a varivel aleatria Y = X 2 tem distribuio
qui-quadrado com 1 grau de liberdade, denotada 21 .
(a) Obtenha a densidade de Y .
(b) Deduza que a distribuio 21 idntica Gama(1/2, 1/2) e que (1/2) =
102. Seja X uma varivel aleatria com densidade dada por
f (x) =

|x|
e
, x R,
2

onde > 0. Determine a distribuio da varivel aleatria Y = |X|.

83

Exerccios

103. Seja X uma varivel aleatria com densidade dada por

f (x) =

1/2

se 1 < x < 0,

ex /2 se x 0,

caso contrrio.

Obtenha a densidade de Y = X 2 .
104. Sejam X e Y variveis aleatrias i.i.d. com funo densidade comum

f (x) =

1/x2 se x > 1,
0

caso contrrio.

(a) Calcule a densidade conjunta de Z e W , onde Z = XY e W = X/Y .

(b) So Z e W independentes?
Soluo. (a) Notamos que a densidade conjunta de X e Y dada por

fX,Y (x, y) =

1/(x2 y 2 ) se x > 1, y > 1,

0

caso contrrio.

Sejam B0 = {(x, y) R2 : x > 1, y > 1} e B = {(z, w) : z > w > 0, zw > 1}.

Consideremos a funo : B0 B
definida por (x, y) = (xy, x/y). Ento, uma

1
funo bijetora, (z, w) = ( zw, z/w) e o Jacobiano de 1 igual a 1/(2w). Como
(Z, W ) = (X, Y ), a densidade conjunta de Z e W dada por

1
fX,Y ( zw, z/w)
se z > w > 0, zw > 1,
fZ,W (z, w) =
2w

0
caso contrrio.

Assim,

fZ,W (z, w) =

1/(2z 2 w) se z > w > 0, zw > 1,

0

caso contrrio.

(b) Observamos que

fZ (z) =

R
z
1/z
1/(2z 2 w) dw

Logo,
fZ (z) =

Ademais,
fW (w) =

se z > 1,
caso contrrio.

log(z)/z 2 se z > 1,
0

caso contrrio.

R
2

1/w 1/(2z w) dz

1/(2z 2 w) dz
w

se 0 < w 1,
se w > 1,
caso contrrio.

84

Variveis aleatrias

Portanto,
fW (w) =

1/2

se 0 < w 1,

1/(2w2 ) se w > 1,

caso contrrio.

Visto que a densidade conjunta no o produto das marginais, conclumos que Z e W

no so independentes.
105. Sejam X e Y variveis aleatrias independentes, ambas com distribuio exponencial
de parmetro 1. Calcule a densidade conjunta de U = |X Y | e V = X + Y , bem como
as marginais.
Soluo. Sejam A = {(x, y) R2 : x > 0, y > 0}, A? = {(u, v) R2 : 0 < u < v} e
definimos a funo : A A? por (x, y) = (|x y|, x + y). Observamos que no
bijetora, mas podemos utilizar o mtodo resumido no Teorema 2.10 da Seo 2.7 de
James [15]. Definimos A(1) = {(x, y) A : y x > 0} e A(2) = {(x, y) A : y x < 0}.
Ento, 1 := |A(1) e 2 := |A(2) so funes bijetoras com inversas
1
1 (u, v) =

vu u+v
,
2
2

1
2 (u, v) =

u+v vu
,
.
2
2


Aplicando o teorema, obtemos que, para 0 < u < v, a densidade conjunta de U e V

fU,V (u, v) = fX,Y

vu u+v
,
2
2

Portanto,
fU,V (u, v) =

1
+ fX,Y
2

u+v vu 1
,
.
2
2
2


ev se 0 < u < v,
0

caso contrrio.

Com respeito s marginais, um clculo simples mostra que U Exp(1) e V Gama(2, 1).
106. Sejam X e Y variveis aleatrias com funo densidade conjunta f . Usando o
Mtodo do Jacobiano, determine a densidade de Z = XY . Escreva a densidade de Z no
caso em que X e Y so independentes, com densidades fX e fY , respectivamente.
Soluo. Consideremos a transformao e sua inversa

=x

z = xy

=w

= z/w

com Jacobiano J(w, z) = 1/w. (Recorde-se de que P (W = 0) = 0).

Ento, a densidade conjunta de W e Z


g(w, z) = f w,

z
w

1
.
|w|

Portanto, a densidade de Z = XY dada por

fZ (z) =

f x,

z 1
dx.
x |x|


85

Exerccios

Assim, se X e Y so independentes com densidades respectivas fX e fY ,

fZ (z) =

fX (x) fY

z 1
dx.
x |x|

 

No clculo de um caso particular, caso se prefira aplicar diretamente a frmula obtida,

preciso estar atento aos valores que Z assume e aos limites da integral.
107. Sejam X e Y variveis aleatrias independentes, com X Exp() e Y Exp(),
> 0, > 0. Determine a densidade de Z = X + Y nos seguintes casos:
(a) 6= .
(b) = .
108. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

(1 +

x)2

x
, x > 0, y > 0.
(1 + xy)2

Mostre que X e XY so independentes e identicamente distribudas e determine a sua

distribuio.
109. Sejam X e Y variveis aleatrias com funo densidade conjunta
2

f (x, y) = ex y , x > 1, y > 0.

Prove que U = 1/X e V = X 2 Y so independentes, U U (0, 1) e V Exp(1).
110. Sejam X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).

Mostre que U = (X + Y )/ 2 e V = (X Y )/ 2 tambm so independentes e N (0, 1).

111. Sejam X e Y variveis aleatrias independentes, com distribuio comum N (0, 1).

Prove que R = X 2 + Y 2 e = arctg(Y /X) tambm so independentes, U (0, 2) e

R tem distribuio de Rayleigh, ou seja, tem densidade
fR (r) = r er

2 /2

, r > 0.

112. Sejam X e Y variveis aleatrias independentes, X Gama(r, ) e Y Gama(s, ),

onde > 0, r > 0 e s > 0. Mostre que P = X + Y e Q = X/(X + Y ) tambm so
independentes, P Gama(r + s, ) e Q Beta(r, s).
113. Encontre a distribuio de (X Y )/(X + Y ) se X e Y so variveis aleatrias
independentes e
(a) X, Y Exp(1).
(b) X, Y N (0, 1).
114. Sejam X e Y variveis aleatrias com funo densidade conjunta

f (x, y) =

6y se 0 < y < x < 1,

0

caso contrrio.

86

Variveis aleatrias

(a) Determine as densidades marginais de X e Y . So X e Y independentes?

(b) Calcule a funo densidade de Z = Y /X.
115. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

x ey se 0 < x < y < ,

0

caso contrrio.

(a) Obtenha as densidades marginais de X e Y . So X e Y independentes?

(b) Determine a densidade de Z = Y X.
116. As variveis aleatrias X e Y representam, respectivamente, a renda e o consumo por
ms, em milhes de reais, dos trabalhadores de uma empresa. Suponha que a densidade
conjunta de X e Y dada por
1 1/2 1/2
x y
se 0 < y < x < 3,
f (x, y) = 6

0
caso contrrio.

(a) A renda e o consumo so independentes?

(b) Determine a funo densidade do quociente entre o consumo e a renda desses
trabalhadores.
117. Seja X a varivel aleatria que representa o peso em toneladas de uma certa mercadoria que uma loja armazena no incio de cada ms de forma a satisfazer a demanda
dos clientes. Seja Y o peso em toneladas da mercadoria vendida durante o ms. Suponha
que a funo densidade conjunta de X e Y dada por
1
se 0 < y < x < 10,
f (x, y) = 10 x

0
caso contrrio.

(a) Obtenha a densidade do peso da mercadoria que sobra armazenada ao final do

ms.
(b) Calcule a probabilidade de que o peso da mercadoria armazenada ao incio do ms
seja superior a 8 toneladas e o peso da mercadoria vendida inferior a 4 toneladas.
(c) Dado que em um ms as vendas no superaram 5 toneladas, qual a probabilidade
de que ao final do ms restem armazenadas mais do que 3 toneladas?
118. Sejam X e Y variveis aleatrias com funo densidade conjunta dada por

f (x, y) =

k xy se x 0, y 0 e x + y 1,
0

caso contrrio.

(a) Obtenha k.
(b) Calcule as densidades marginais de X e Y .

87

Exerccios

(c) So X e Y independentes?
(d) Calcule as seguintes probabilidades: P (X Y ), P (X 1/2 | X + Y 3/4) e
P (X 2 + Y 2 1).
(e) Obtenha a densidade conjunta de U = X +Y e V = X Y , bem como as marginais.
119. Sejam X1 , X2 e X3 variveis aleatrias com funo densidade conjunta
f (x1 , x2 , x3 ) =

2 x21 x2 ex1 x2 x3
, 0 < x1 , x2 , x3 < 1.
2e 5

Obtenha a densidade de X1 X2 X3 .
120. Sejam X, Y e Z variveis aleatrias com funo densidade conjunta
f (x, y, z) =

6
, x, y, z > 0.
(1 + x + y + z)4

Determine a densidade de X + Y + Z.
121. Sejam Y1 , Y2 e Y3 as estatsticas de ordem associadas s variveis aleatrias independentes X1 , X2 e X3 , uniformemente distribudas em (0, 1). Obtenha:
(a) P (Y1 + Y3 1).
(b) P (Y3 < Y1 + Y2 ).
(c) P (Y3 > 2 Y1 ).
(d) o valor de a tal que P (Y3 > a Y1 ) = 1/2.
122. Uma mquina tem quatro componentes idnticos, cujos tempos de durao em anos
so variveis aleatrias independentes e identicamente distribudas, com distribuio exponencial de parmetro 1/4. Determine a densidade do tempo de durao da mquina,
supondo que ela falha
(a) quando todos os componentes tiverem falhado.
(b) quando um dos componentes falhar.
(c) quando restar apenas um componente funcionando.
Nos trs casos anteriores, obtenha a probabilidade de que a mquina dure pelo menos
5 anos.
123. Trs pessoas A, B e C chegam ao mesmo tempo a uma central telefnica que possui
dois aparelhos telefnicos. Os dois aparelhos so utilizados imediatamente por A e B. A
pessoa C substitui a primeira pessoa que finalize a sua ligao e cada pessoa se retira da
central uma vez terminado o seu telefonema. Sejam X1 , X2 e X3 os tempos das ligaes
de A, B e C, respectivamente. Suponha que X1 , X2 e X3 so variveis aleatrias i.i.d.
com distribuio exponencial de parmetro .
(a) Determine a densidade de Z = mx{X1 , X2 } mn{X1 , X2 }.
(b) Calcule P (Z < X3 ).
(c) O que representa a probabilidade calculada no item (b)?

88

Variveis aleatrias

124. Sejam X1 , . . . , Xn variveis aleatrias independentes e identicamente distribudas,

com distribuio exponencial de parmetro . Considere Y1 , . . . , Yn as estatsticas de
ordem associadas, e defina
Z1 = Y1

e Zj = Yj Yj1 , j = 2, . . . , n.

Prove que Z1 , . . . , Zn so independentes e Zj Exp((n j + 1)), j = 1, . . . , n.

125. Sejam X1 , . . . , Xn variveis aleatrias independentes e identicamente distribudas,
com distribuio uniforme em (0, 1). Considere Y1 , . . . , Yn as estatsticas de ordem associadas, e defina
Yi
, i = 1, . . . , n 1 e Vn = Yn .
Vi =
Yi+1
Demonstre que V1 , . . . , Vn so independentes e Vi Beta(i, 1), i = 1, . . . , n.
126. Um ponto escolhido ao acaso em um tringulo com base b e altura h. Determine
a densidade da distncia do ponto base do tringulo.
127. Escolhe-se ao acaso um ponto P = (X, Y ) do quadrado unitrio (0, 1) (0, 1). Seja
o ngulo formado entre o eixo x e o segmento que une a origem e P . Encontre a
densidade de .
128. Sejam 1 e 2 variveis aleatrias independentes, ambas com distribuio uniforme
em (0, 2). Ento, P1 = (X1 , Y1 ) = (cos 1 , sen 1 ) e P2 = (X2 , Y2 ) = (cos 2 , sen 2 )
so dois pontos escolhidos de forma aleatria e independente na circunferncia de raio
unitrio. Considere Z = (X1 X2 )2 + (Y1 Y2 )2 o quadrado da distncia entre P1 e P2 .
Calcule a densidade da varivel aleatria Z.
Sugesto: Defina
|1 2 |

se |1 2 | < ,

2 |1 2 | se |1 2 | < 2

e mostre que para 0 < y < ,

P ( y) = P (|1 2 | y) + P (2 y |1 2 | < 2) =

y
.

(Ou seja, tem distribuio uniforme em (0, )). Ento, use que Z = 2 2 cos .

Respostas
1. (a) 1/21 (b) 3/7
2. (a) 3/4 (b) 4/5
3. (a) P (X = 0) = 1/2, P (X = 1) = P (X = 3) = P (X = 4) = 1/10, P (X = 2) = 1/5
(b) 5/8

89

Respostas

4. (a) Binomial(15, 0,8) (b) 0,035 (c) 0,83

5. (a) Binomial(10, 1/5) (b) 4,2 . 106 (c) 0,62
6. (a) 35/128 (b) 12393/16384
7. As probabilidades so 0,665, 0,619 e 0,597, aproximadamente.
8. (a) Hipergeomtrica(6, 9, 12) (b) 1/2
9. (a) 81/128 (b) 819/1292
10. 358/1203 0,000207
11. (a) Geomtrica(0,3) (b) 7
12. (a) 0,0189 (b) 0,027
13. (a) Binomial Negativa(2, 2/5) (b) 0,7667
14. 0,014; 0,036
15. (a) 0,4232 (b) 0,8009
16. (a) 1/3 (b) 0,057 (c) Geomtrica(1 e1/3 ) (d) 0,1043
18. p(0) = 0,0018, p(1) = 0,032, p(2) = 0,1862, p(3) = 0,4344, p(4) = 0,3456
19. (a) P (X = 0) = 0,54, P (X = 1) = 0,36, P (X = 2) = 0,09, P (X = 3) = 0,01
(b) 0,54
20. (a) p(2) = 1/10, p(3) = 1/5, p(4) = 3/10, p(5) = 2/5
(b) p(x) = 1/10 para x {3, 4, 8, 9} e p(x) = 1/5 para x {5, 6, 7}
21. (a) p(0) = 28/45, p(1) = 16/45, p(2) = 1/45 (b) 17/45
22. (a) p(0) = 1/35, p(1) = 12/35, p(2) = 18/35, p(3) = 4/35
(b) p(0) = 3/32, p(1) = 9/16, p(2) = 21/64, p(3) = 1/64
(

24. (a) 2 (b) 1/4 (c) F (x) =

25. (a) 2/9 (b) 19/36

1 x2 se x 1,
0
se x < 1.

90

Variveis aleatrias

26. (a) Verifique que F no-decrescente, contnua, lim F (x) = 0 e lim F (x) = 1.
x

x+

(b) F contnua em R e derivvel em toda a reta, com exceo de um nmero finito

de pontos. Uma densidade de X dada por

f (x) =

1/x se 1 x e,
0

caso contrrio.

27. (a) F no-decrescente, contnua direita, lim F (x) = 0 e lim F (x) = 1.

x

x+

(b) 0, 1/4, 1/2, 1/4, 3/4 e 1/3, respectivamente.

(c) F crescente no intervalo (2, 3) e descontnua no ponto 1.
28. 3/5
30. (a) 0,9772 (b) 0,8413 (c) 0,44 (d) 2 (e) 14,32 (f) [2,84; 12,84]
31. (a) 2,41% (b) 593 ml
32. = 5 e = 2
33. (a) 214,6 (b) 2431 g
34. (a) 0,2325 (b) 0,6102 (c) 0,805 cm
35. 0,1085
36. 0,068
37. (b) 2,65% (c) 0,8087
38. (a) 42 (b) 0,0625
39. (a) 0,3672 (b) 0,0308
40. (b) 0,527 (c) 0,7611
43. 0,9631
44. (a) 0,1339 (b) 0,2851 (c) 0,9380
45. 0,9151
46. 0,4515
47. 0,8363

91

Respostas

48. 0
49. 387
50. 0,0125
51. (a) 0,1335 (b) 0,0869
52. 0,281
53. 150
54. 1
55. (a) 0,0144 (b) 0,0495
56. (a) pX (0) = 0,2, pX (1) = 0,3, pX (2) = 0,5 e pY (1) = 0,4, pY (2) = 0,6.
(b) No.
(c) 0,75, 0,3, 0,5, 0,875 e 0,5, respectivamente.

(d)

U \V
1
2
3
4
pV (v)

1
0,05
0,3
0
0
0,35

2
0
0,15
0,05
0,45
0,65

pU (u)
0,05
0,45
0,05
0,45
1

57. (a) 1/85 (b) No (c) 9/41

X \Y
1
2
3
pY (y)

58.

59. (a)

X \Y
0
1
2
3
pY (y)

0
1/10
2/5
1/10
3/5
0
1/30
1/5
1/5
1/30
7/15

1
1/10
1/5
0
3/10
1
1/10
4/15
1/10
0
7/15

(b) P (Y 1) = 8/15 (c) P (X > Y ) = 8/15

2
1/10
0
0
1/10
2
1/30
1/30
0
0
1/15

pX (x)
3/10
3/5
1/10
1
pX (x)
1/6
1/2
3/10
1/30
1

92

60.

Variveis aleatrias

X \Y
1
2
3
4
5
6
pY (y)

1
1/36
1/18
1/18
1/18
1/18
1/18
11/36

2
0
1/36
1/18
1/18
1/18
1/18
9/36

3
0
0
1/36
1/18
1/18
1/18
7/36

4
0
0
0
1/36
1/18
1/18
5/36

5
0
0
0
0
1/36
1/18
3/36

6
0
0
0
0
0
1/36
1/36

pX (x)
1/36
3/36
5/36
7/36
9/36
11/36
1

yx1
, 0 x 7, x + 2 y 9
120
(9 x)(8 x)
y(y 1)
P (X = x) =
, 0 x 7 P (Y = y) =
,2y9
240
240
(10 z)(z 1)
,2z9
(b) P (Z = z) =
120

61. (a) P (X = x, Y = y) =

62. (a) 24/169 (b) 1/24

63. (a) Distribuio multinomial com parmetros m = 20 e pi = 1/6, i = 1, . . . , 6.
(b) 7,4 . 106
64. (a) Distribuio hipergeomtrica multivariada com parmetros n = 5, N1 = 2, N2 =
6, N3 = 4, N4 = 1, N5 = 1 e N = 14.
(b) 0,0749
68. X1 , X2 e X3 no so independentes, mas so independentes duas a duas.
70. (a) 0,1912 (b) 0,9745
6
1
x (2x + 1), 0 < x < 1, fY (y) =
(3y + 4), 0 < y < 2
7
14
(c) 15/56 (d) 13/20

72. (b) fX (x) =

73. c = 6, X Beta(1, 3) e Y Beta(3, 1)

74. c =

5
, X N (0, 1) e Y N (0, 4)
16

75. (a) 1/33750 (b) No (c) P (Y 25) = 125/144

(d) P (X > Y X) = P (Y < 2 X) = 3/4 (e) P (Y X < 15) = 15/16
76. (b) No (c) P (X > 0,8) = 0,12 (d) P (X < Y ) = 0,5
(e) P (Y > 0,6 | X > 0,6) = 0,2286 (f) P (|X Y | 0,5) = 0,75
77. (a) X, Y U [0, 1], no so independentes.

(b) 17/48

93

Respostas

78. (a) X Beta(2, 4) e Y Beta(4, 2) (c) X/Y Beta(2, 2)

80. (a) 1/6 (b) 1/2
81. 0,2389
82. 0,0188
83. (a) 0,5926 (b) 0,8414 (c) 0,017
84. (a) 0,2705 (b) 0,0301
6
85. P (Y = k) =
(k + 6)/2

1
2

! 
6

, k = 6, 4, 2, 0, 2, 4, 6

87. Geomtrica(1 (1 p1 )(1 p2 ))

88. P (X = k) = p (1 p)k , k = 0, 1, . . .
89. Geomtrica(1 e )

91. (a) FY (y) =

0,5 ey 0,5 e0,5

se 0,5 y < 0,
1 e0,5
1 0,5 ey 0,5 e0,5
se 0 y < 0,5,
1 e0,5
1
se y 0,5.

(b) fY (y) =

se y < 0,5,

0,5 e|y|
, 0,5 y 0,5
1 e0,5

(c) 0,2697
92. (a) f (y) = (1/8) exp{(y 3)/8}, y > 3 (b) 0,3247

93. (a) FY (y) =

0
se y < 2,

y 2/10 se 2 y < 102,

(b) FW (w) =

1
0

se y 102.
se w < 2,

w/10 se 2 w < 4,
1

se w 4.

94

Variveis aleatrias

(c) FZ (z) =

0
z/5

se z < 0,
se 0 z < 4,

z/10 + 2/5 se 4 z < 6,

1

se z 6.

95. fY (y) = y 1 (2)1/2 exp{(log y)2 /2}, y > 0

96. fY (y) = 2/( 1 y 2 ), 0 < y < 1

97. (a) fY (y) = cos y, 0 < y < /2 (b) fY (y) = (1/2) cos y, /2 < y < /2
98. Gama(, /a)
100. fY (y) = (2/)1/2 exp{y 2 /2}, y > 0

101. (a) fY (y) = y 1/2 ey/2 / 2, y > 0

102. Y Exp()

103. fY (y) =

107. (a) fZ (z) =


1 
1 + e y se 0 y < 1,
4 y

1
e y
se y 1,
4 y
0
caso contrrio.


 z
e
ez , z > 0

(b) fZ (z) = 2 z ez , z > 0 (Z Gama(2, )).

108. fX (x) = fXY (x) =

1
,x > 0
(1 + x)2

113. (a) U (1, 1) (b) Cauchy(0, 1)

114. (a) fX (x) = 3 x2 , 0 < x < 1, fY (y) = 6 y (1 y), 0 < y < 1;
X e Y no so independentes.
(b) fZ (z) = 2 z, 0 < z < 1
115. (a) fX (x) = x ex , x > 0, fY (y) =
X e Y no so independentes.
(b) fZ (z) = ez , z > 0

1 2 y
y e , y > 0;
2

95

Respostas
1 2
1
x , 0 < x < 3, fY (y) = y 1/2 (33/2 y 3/2 ), 0 < y < 3;
9
9
X e Y no so independentes.
3
(b) fY /X (z) = z 1/2 , 0 < z < 1
2

116. (a) fX (x) =

117. (a) fZ (z) = (1/10) log(10/z), 0 < z < 10

(b) P (X > 8, Y < 4) = 0,0893
(c) P (X Y > 3 | Y 5) = 0,375
118. (a) k = 24 (b) fX (x) = fY (x) = 12 x (1 x)2 , 0 x 1 (c) No
(d) P (X Y ) = 1/2, P (X 1/2 | X + Y 3/4) = 1/9 e P (X 2 + Y 2 1) = 1
(e) g(u, v) = 3 (u2 v 2 ), u v u 1;
fU (u) = 4 u3 , 0 u 1; fV (v) = 1 3 v 2 + 2 |v 3 |, 1 v 1
119. fX1 X2 X3 (y) =

(1 y)2 ey
,0 < y < 1
2e 5

120. fX+Y +Z (w) =

3 w2
,w > 0
(1 + w)4

121. (a) 1/2 (b) 1/2 (c) 3/4 (d) 2 +

122. (a) f (y) = ey/4 (1 ey/4 )3 , y > 0

(b) f (y) = ey , y > 0
(c) f (y) = 3 ey/2 (1 ey/4 )2 , y > 0
Probabilidades: (a) 0,7408 (b) 0,006738 (c) 0,3246
123. (a) Z Exp() (Primeiro, obtenha a densidade conjunta de Y1 = mn{X1 , X2 } e
Y2 = mx{X1 , X2 } e depois use o Mtodo do Jacobiano para mostrar que Y1 e Z so
independentes com Y1 Exp(2) e Z Exp()).
(b) 1/2 (Note que X3 e Z so independentes, ambas com distribuio Exp()).
(c) a probabilidade de que, dentre as trs pessoas, C seja a ltima a sair da central
telefnica.
126. f (y) = 2(h y)/h2 , y [0, h]

1/2

se 0 < z 1,

127. fY /X (z) = 1/(2 z 2 ) se z > 1,

caso contrrio.

1/(2 cos2 ) se 0 < /4,

f () = 1/(2 sen2 ) se /4 < < /2,

caso contrrio.

96

128. fZ (z) =

Variveis aleatrias

2 z z 2 /4

, z (0, 4)

Captulo 4

Esperana

1. Definies e propriedades
1.1. A esperana (mdia, valor esperado) de uma varivel aleatria X definida por

X = E(X) =

x P (X = x)

x
Z

x f (x) dx

se X discreta,
se X contnua com densidade f.

A esperana est definida somente quando a soma (integral) bem definida. Assim,

E(X) =

x0
Z

x P (X = x)

x0

(x) P (X = x) se X discreta,

x<0

x f (x) dx

x<0

(x) f (x) dx

se X contnua com densidade f

e portanto E(X) est definida desde que ambas as somas (integrais) no sejam +. Em
caso contrrio, dizemos que E(X) no existe (ou que X no tem valor esperado).
Observamos que, em particular, E(X) est bem definida se P (X 0) = 1.
Como um exemplo de uma varivel aleatria cuja esperana no existe, seja X
assumindo valores em Z = Z \ {0} com funo de probabilidade dada por
P (X = x) =

1
, x Z .
2 |x| (1 + |x|)

Para ver por que esta uma funo de probabilidade, note que

X
1
1
1
= 1.
=

k (1 + k) k=1 k 1 + k

k=1

Como

x>0

x P (X = x) =

x<0

(x) P (X = x) = , E(X) no existe.

Observao. A esperana pode ser definida de uma forma mais geral, sem se restringir
hiptese de que a varivel aleatria seja discreta ou contnua. Matematicamente, esperanas so integrais com respeito a funes de distribuio ou medidas de probabilidade.
Para mais detalhes, veja-se, por exemplo, a Seo 4 do Captulo 2 de Gut [13].

98

Esperana

1.2. Para qualquer funo g a valores reais,

E[g(X)] =

g(x) P (X = x)

x
Z

g(x) f (x) dx

se X discreta,
se X contnua com densidade f,

desde que a soma (integral) exista.

Observao. Esse teorema possibilita a obteno da mdia da varivel aleatria Y = g(X),
mesmo que no se conhea a distribuio de Y . Por ter sido erroneamente tratada como
se fosse a definio de E(Y ), essa frmula recebeu o famigerado nome de Lei do estatstico
inconsciente.
1.3. Dizemos que a varivel aleatria X integrvel se E(X) finita. Isto equivalente
a que E|X| < .
1.4. Para n 1, o n-simo momento de uma varivel aleatria X E(X n ) (se existe).
1.5. A varincia de uma varivel aleatria X integrvel com esperana dada por
2
X
= Var(X) = E((X )2 ) = E(X 2 ) 2 .
2
Se X
< , ento X =

Var(X) chamado o desvio padro de X.

1.6. Nas tabelas 4.1 e 4.2 (p. 104 e 105), so apresentadas a esperana e a varincia das
principais distribuies discretas e contnuas.
1.7. Se a e b so constantes, ento
E(a X + b) = a E(X) + b

Var(a X + b) = a2 Var(X).

1.8. Se E|X|t finita para algum t > 0, ento E|X|s finita para todo 0 s t.
1.9. (a) Se X uma varivel aleatria inteira e no-negativa, ento
E(X) =

P (X n).

n=1

(b) Se X uma varivel aleatria contnua que assume apenas valores no-negativos,
ento
E(X) =

Z
0

P (X > t) dt.

99

Definies e propriedades

1.10. Critrio para integrabilidade: Seja X uma varivel aleatria qualquer. Ento,

P (|X| n) E|X| 1 +

n=1

P (|X| n).

n=1

Assim, X integrvel se e somente se

P (|X| n) < .

n=1

1.11. (a) Se X e Y tm uma funo de probabilidade conjunta p(x, y), ento

E[(X, Y )] =

XX
x

(x, y) p(x, y).

(b) Se X e Y tm uma funo densidade conjunta f (x, y), ento

E[(X, Y )] =

Z Z

(x, y) f (x, y) dx dy.

1.12. Se P (X Y ) = 1, ento E(X) E(Y ).

1.13. E

X
n

Xi =

i=1

n
X

E(Xi ).

i=1

1.14. Se X1 , . . . , Xn so independentes, ento

E

Y
n

n
Y

Xi =

E(Xi ).

i=1

i=1

1.15. A covarincia entre duas variveis aleatrias X e Y integrveis dada por

Cov(X, Y ) = E((X X )(Y Y )) = E(XY ) E(X) E(Y ).
Assim, Cov(X, Y ) = 0 se X e Y so independentes. (Porm a recproca no sempre
verdadeira).
X
n

1.16. Cov
reais.
1.17. Var

ai X i ,

i=1

X
n

m
X
j=1

Xi =

i=1

1.18. Var

X
n
i=1

n
X
i=1

Xi =

n
X

bj Y j

n X
m
X

ai bj Cov(Xi , Yj ), onde os ai e bj so nmeros

i=1 j=1

Var(Xi ) + 2

Cov(Xi , Xj ).

1i<jn

Var(Xi ) se X1 , . . . , Xn so independentes.

i=1

Observao. Recorde-se de que 1.13 e 1.17 so teis para determinar a esperana e a

varincia de muitas variveis aleatrias pelo uso de funes indicadoras.

100

Esperana

1.19. Sejam X e Y variveis aleatrias com varincias finitas e positivas. O coeficiente

de correlao entre X e Y definido por
Cov(X, Y )
=E
(X, Y ) =
X Y
onde X =

Var(X) e Y =



X X
X



Y Y
Y



Var(Y ).

Propriedades:
(i) |(X, Y )| 1.
(ii) Se (X, Y ) = 1, ento os valores de X e Y pertencem a uma reta.

2. Distribuio e esperana condicionais

2.1. Caso discreto: Se X e Y so variveis aleatrias discretas, a funo de probabilidade
condicional de X dado que Y = y definida por
pX|Y (x | y) = P (X = x | Y = y) =

p(x, y)
,
pY (y)

para todos os valores de y tais que pY (y) > 0. Neste caso, a esperana condicional de X
dado que Y = y
E(X | Y = y) =

x pX|Y (x | y).

2.2. Caso contnuo: Se X e Y so conjuntamente contnuas com funo densidade

conjunta f (x, y), a funo densidade condicional de X dado que Y = y definida para
todos os valores de y tais que fY (y) > 0 por
fX|Y (x | y) =

f (x, y)
.
fY (y)

A esperana condicional de X dado que Y = y , neste caso,

E(X | Y = y) =

x fX|Y (x | y) dx.

2.3. Para B R,
P (X = x | Y = y) no caso discreto,

P (X B | Y = y) =

xB

Z
B

fX|Y (x | y) dx

no caso contnuo.

101

Funes geradoras

2.4. A esperana condicional de X dado que Y = y simplesmente a esperana de X com

respeito distribuio condicional de X dado que Y = y. Assim, desfruta de propriedades
anlogas s da esperana comum. Por exemplo,
E(a X1 + b X2 | Y = y) = a E(X1 | Y = y) + b E(X2 | Y = y);
E(g(X) | Y = y) =

g(x) P (X = x | Y = y)

x
Z

g(x) fX|Y (x | y) dx

no caso discreto,
no caso contnuo.

2.5. Princpio da substituio para a esperana condicional:

Se (X, Y ) integrvel, ento
E ((X, Y ) | Y = y) = E ((X, y) | Y = y) .
Corolrio: Se g(X) e g(X) h(Y ) so integrveis, ento
E (g(X) h(Y ) | Y = y) = h(y) E (g(X) | Y = y) .
2.6. Propriedade fundamental: Seja X uma varivel aleatria integrvel. Ento,
E (E(X | Y )) = E(X).
(a) E(X | Y ) uma varivel aleatria (uma funo de Y ) cuja esperana igual a E(X).

(b) E(X) =

E(X | Y = y) P (Y = y)

y
Z

E(X | Y = y) fY (y) dy

se Y discreta,
se Y contnua com densidade fY .

Corolrio: Para qualquer evento A,

P (A) =

P (A | Y = y) P (Y = y)

y
Z

P (A | Y = y) fY (y) dy

se Y discreta,
se Y contnua com densidade fY .

3. Funes geradoras
3.1. A funo geradora de momentos da varivel aleatria X definida por
MX (t) = E(etX ) =

X tx

e P (X = x)

x
Z

etx f (x) dx

para todo t R tal que a esperana seja finita.

se X discreta,
se X contnua com densidade f,

102

Esperana

Observao. Suporemos que o domnio de MX contm um intervalo em torno de t = 0.

3.2. Propriedades:
dn MX (t) 
=

= E(X n ), n 1.
n

dt
t=0


1.

(n)
MX (0)

2. Para a, b R, MaX+b (t) = etb MX (at).

3. A funo geradora de momentos determina unicamente a distribuio. Isso significa
que se X e Y so variveis aleatrias tais que MX (t) = MY (t) para |t| < c, onde
c > 0 uma constante, ento FX (x) = FY (x) para todo x R.
4. Se X1 , . . . , Xk so variveis aleatrias independentes com funes geradoras de momentos respectivas MX1 (t), . . . , MXk (t), ento a funo geradora de momentos de
X1 + + Xk dada por
MX1 + +Xk (t) = MX1 (t) . . . MXk (t).
3.3. Sejam X1 , . . . , Xk variveis aleatrias independentes.
Se Xi Binomial(ni , p), i = 1, . . . , k, ento

Pk

i=1

Xi Binomial(

Se Xi Binomial Negativa(ri , p), i = 1, . . . , k, ento

(

Pk

i=1

Pk

i=1

ni , p).

Xi Binomial Negativa

Pk

i=1 ri , p).

Se Xi Poisson(i ), i = 1, . . . , k, ento

Pk

Se Xi Gama(i , ), i = 1, . . . , k, ento

i=1

Pk

Xi Poisson(

i=1

Pk

i ).

Pk

i , ).

Xi Gama(

i=1

i=1

Se Xi N (i , i2 ), i = 1, . . . , k, e a1 , . . . , ak so nmeros reais no todos nulos,

ento

Pk

i=1

ai X i N (

Pk

i=1

ai i ,

Pk

i=1

a2i i2 ).

Observao. Se X uma varivel aleatria inteira e no-negativa, prefervel trabalhar

com a funo geradora de probabilidade de X, que definida por
GX (s) = E(sX ) =

sn P (X = n), s [1, 1].

n=0

Note que GX uma srie de potncias com raio de convergncia maior ou igual a 1, j
que GX (1) = P (X < ) = 1. A funo geradora de probabilidade tambm determina

103

Funes geradoras

unicamente a distribuio. Ademais, a funo geradora de probabilidade da soma de variveis aleatrias independentes igual ao produto das funes geradoras de probabilidade
individuais.
Outras propriedades:
(n)

G (0)
, n 0.
(i) P (X = n) = X
n!
(n)

(n)

(n)

(ii) GX (1) = E [X(X 1) . . . (X n + 1)] , n 1, onde GX (1) = lim GX (s) quando

o raio de convergncia de GX igual a 1.

s1

A funo caracterstica de uma varivel aleatria X a funo X : R C definida por

X (t) = E(eitX ) = E (cos (tX)) + i E (sen (tX)) , t R,
onde o smbolo i representa a unidade imaginria

1. A principal vantagem de trabalhar

com a funo caracterstica reside no fato de ser definida para todo t R.

N R
nx

R
x

N
n

!1

!r

nR
N

r
p


R
N



R
N

rq
p2

q
p2

1
p

p et
1 q et
p et
1 q et

npq



n2 1
12

2
X

e(e 1)

np

n+1
2

N n
N 1

Tabela 4.1: Distribuies discretas. Como de costume, q = 1 p. Para a distribuio uniforme discreta, a frmula indicada para MX (t)
vlida para t 6= 0. Para as distribuies geomtrica e binomial negativa, o domnio de MX (, log(1 p)). Para a
distribuio hipergeomtrica, os valores possveis so mx(0, n N + R) x mn(n, R) e a funo geradora de momentos foi
substituda por um asterisco pois no til.

Hipergeomtrica(n, R, N )

Binomial Negativa(r, p)

p q x1 , x = 1, 2, . . .

Geomtrica(p)
x 1 r xr
p q , x = r, r + 1, . . .
r1

e x
, x = 0, 1, . . .
x!
t

(p et + q)n

n x nx
p q , x = 0, 1, . . . , n
x

et (en t 1)
n (et 1)

1
, x = 1, . . . , n
n

Poisson()

Binomial(n, p)

Uniforme Discreta(n)

MX (t)

pX (x)

104
Esperana

1
2

o,

xR

para t <

X (t) = ei a tb |t|

para t <
t

a
a+b

ab
(a + b + 1)(a + b)2

1
2

(b a)2
12

2
X

a+b
2

Tabela 4.2: Distribuies contnuas. Para a distribuio uniforme, a frmula indicada para MX (t) vlida para t 6= 0. A funo geradora
de momentos da distribuio Beta foi substituda por um asterisco pois no til. Para a distribuio de Cauchy, indicada a
funo caracterstica.

b 1 + [(x a)/b]

Beta(a, b)

Cauchy(a, b)

1
xa1 (1 x)b1 , 0 x 1
B(a, b)

Gama(, )

ex , x 0

Exponencial()
1 x
x
e
,x0
()

1
2
2
e(x) /(2 ) , x R
2

Normal(, 2 )
2 t2 /2

eb t ea t
t (b a)

1
,axb
ba

Uniforme(a, b)
e t+

MX (t)

fX (x)

Funes geradoras
105

106

Esperana

4. Desigualdades
4.1. Desigualdade de Markov: Se X 0, ento, para qualquer > 0,
P (X )

E(X)
.

4.2. Desigualdade de Markov Generalizada: Seja X uma varivel aleatria qualquer.

Para todo t > 0,
P (|X| )

E|X|t
, > 0.
t

4.3. Desigualdade de Chebyshev: Seja X uma varivel aleatria com E(X) < .
Ento, para qualquer > 0,
P (|X E(X)| )

Var(X)
.
2

4.4. Limitantes de Chernoff: Para quaisquer varivel aleatria X e a R,

P (X a) eta MX (t) para todo t > 0;
P (X a) eta MX (t) para todo t < 0.
4.5. Desigualdade de Jensen: Seja : R R uma funo convexa. Se a varivel
aleatria X integrvel, ento
E((X)) (E(X)).
Observao. A Desigualdade de Jensen vlida se convexa em um intervalo (a, b) tal
que P (a < X < b) = 1, em que se admite a possibilidade de a = ou b = +.
4.6. Desigualdade de Cauchy-Schwarz: Se as variveis aleatrias X e Y tm varincias finitas, ento
|E(XY )| (E(X 2 ) E(Y 2 ))1/2 .

107

Exerccios

Exerccios
Esperana: Definies e propriedades bsicas, Momentos, Varincia
1. Duas bolas so escolhidas aleatoriamente de uma urna contendo 4 bolas azuis, 3 vermelhas e 2 laranjas. Suponha que ganhamos 10 reais para cada bola azul selecionada,
ganhamos 1 real para cada bola laranja, porm perdemos 8 reais para cada bola vermelha.
Seja X o nosso lucro.
(a) Determine a funo de probabilidade de X.
(b) Obtenha o valor esperado e a varincia de X.
2. Considere o seguinte jogo. Um indivduo aposta em um dos nmeros de 1 a 6. Trs
dados honestos so ento lanados, de maneira independente, e, se o nmero apostado
aparecer i vezes, i = 1, 2, 3, o apostador ganha i reais; caso o nmero apostado no aparea
em nenhum dos dados, o apostador perde 1 real. Seja X o ganho do apostador no jogo.
Determine a funo de probabilidade de X e, com base na esperana de X, julgue se o
jogo honesto ou no para o apostador.
3. Exatamente uma de seis chaves de aspecto semelhante abre uma determinada porta.
Testa-se uma chave aps a outra. Qual o nmero mdio de tentativas necessrias para se
conseguir abrir a porta?
4. Em um experimento de hibridao com ervilhas, a descendncia formada por plantas
com vagens amarelas ou verdes. Segundo a teoria de Gregor Mendel, a probabilidade de
uma planta com vagem amarela 1/4. Quais so a esperana e a varincia do nmero de
plantas com vagem amarela em uma descendncia de 580 plantas?
5. Cinquenta pessoas lanam uma moeda honesta dez vezes. Obtenha a mdia e a varincia do nmero de pessoas que obtm exatamente cinco caras.
6. No niquelamento de certas lminas metlicas, ocorrem imperfeies que se distribuem
aleatoriamente sobre a superfcie niquelada. O nmero de imperfeies por lmina uma
varivel aleatria com distribuio de Poisson de mdia 2.
(a) Qual a porcentagem de lminas niqueladas com pelo menos quatro imperfeies?
(b) Dez lminas so escolhidas ao acaso da linha de montagem. Calcule a probabilidade
de que exatamente trs delas tenham imperfeies.
(c) Observam-se as lminas da linha de montagem at que aparea a primeira lmina
sem imperfeies. Qual o nmero esperado de lminas observadas?
7. Um atleta de tiro com arco tem probabilidade 5% de acertar na mosca em cada tiro.
Qual o nmero esperado de tiros que deve realizar para completar uma srie com dois
acertos na mosca?
8. Se a varivel aleatria X tem distribuio de Poisson e P (X = 0) = 1/2, quanto vale
a varincia de X?
9. Existe uma varivel aleatria X com E(X) = 3 e E(X 2 ) = 8?

108

Esperana

10. Suponha que n pessoas, incluindo voc e um amigo, alinham-se aleatoriamente para
tirar uma foto. Seja X o nmero de pessoas que ficam entre voc e o seu amigo. Determine
o valor esperado de X.
Sugesto: Use que

n2
X

x (n 1 x) =

x=1

n(n 1)(n 2)
.
6

11. Obtenha a esperana das variveis aleatrias contnuas cujas densidades so dadas
no exerccio 23 do Captulo 3.
12. A durao de uma ligao telefnica central de atendimento ao consumidor de uma
empresa uma varivel aleatria exponencialmente distribuda, com mdia de 6 minutos.
(a) Determine a probabilidade de que uma ligao dure no mximo 4 minutos.
(b) Dado que uma ligao j durou 3 minutos, qual a probabilidade de que dure pelo
menos outros 6 minutos?
13. Em uma faculdade, a proporo de alunos aprovados anualmente em um curso de
Estatstica uma varivel aleatria com distribuio Beta(3, 2).
(a) Calcule a probabilidade de que menos de 20% dos alunos sejam reprovados em um
ano.
(b) Qual a proporo mdia de aprovados por ano?
14. Seja X uma varivel aleatria com distribuio logstica, isto , X tem densidade
f (x) =

ex
, x R.
(1 + ex )2

Obtenha o valor esperado de X.

Soluo. Temos:
E(X) =

Z
0

x f (x) dx

Z 0

(x) f (x) dx,

desde que as integrais no sejam ambas +. Como f simtrica em torno de 0 (ou seja,
f (x) = f (x) para todo x R), obtemos:
Z 0

(x) f (x) dx =

Z 0

(x) f (x) dx =

Z 0

y f (y) dy =

Finalmente, visto que

Z
0

x f (x) dx

Z
0

x ex dx = 1 < ,

conclumos que E(X) = 0.

15. Seja X uma varivel aleatria com densidade
f (x) =

1
, x 1.
x2

(a) Mostre que de fato f uma densidade.

Z
0

y f (y) dy.

109

Exerccios

(b) A esperana de X existe? Se existe, igual a quanto?

16. Seja X N (0, 1).
(a) Mostre que E(X) = 0 e Var(X) = 1.
(b) Calcule E|X|.
17. Seja X uma varivel aleatria com distribuio de Laplace (tambm conhecida como
exponencial dupla), isto , com densidade
f (x) =

1 |x|
e , x R.
2

Obtenha:
(a) E(X)

(b) E|X|

(c) Var(X).

18. Seja X Cauchy(0, 1), com densidade

f (x) =

1
, x R.
(1 + x2 )

(a) Determine a funo de distribuio de X.

(b) Prove que E(X) no existe e que E|X| = .
19. Suponha que X uma varivel aleatria com distribuio binomial com n = 20 e
p = 2/5. Calcule a esperana e a varincia de Y = 3 X 4.
20. Seja X uma varivel aleatria com distribuio de Poisson com parmetro , > 0.
Obtenha:
h

(a) E (1 + X)1 .
(b) E(2X ).
(c) E(X!).
Para quais valores de a varivel aleatria X! integrvel?
21. Seja X uma varivel aleatria com distribuio geomtrica de parmetro p. Mostre
que
 
1
p log p
E
=
.
X
1p
(1 p)x
.
x
22. Calcule o n-simo momento de uma varivel aleatria com distribuio uniforme no
intervalo [a, b].

Sugesto: Use que

(1 p)x1 dp =

23. Determine o n-simo momento de uma varivel aleatria com distribuio exponencial
de parmetro .
24. Obtenha o valor esperado da rea de um tringulo retngulo issceles cuja hipotenusa
tem comprimento uniformemente distribudo no intervalo [2, 8].

110

Esperana

25. Um ponto escolhido ao acaso no intervalo [0, 1], dividindo-o em duas partes. Calcule
o valor esperado da razo entre os tamanhos do menor segmento e do maior segmento
formados.
26. Seja Z uma varivel aleatria com distribuio normal padro. Para x R fixado,
defina

Z se Z > x,
X=
0 caso contrrio.
1
2
Mostre que E(X) = ex /2 .
2
27. Demonstre o critrio para integrabilidade enunciado em 1.10 (p. 99).
Sugesto: Considere a varivel aleatria Y = [|X|] (parte inteira de |X|) e observe que Y
assume valores inteiros e no-negativos e satisfaz 0 Y |X| Y + 1.
28. Um estacionamento cobra 10 reais pela primeira hora ou frao e 2 reais a partir da
segunda hora ou frao. Suponha que o tempo em horas que um carro permanece no
estacionamento uma varivel aleatria com distribuio Gama(2, 1). Determine o preo
mdio pago por um cliente para estacionar um carro.
Sugesto: Defina Y o nmero de horas que um carro permanece no estacionamento, incluindo a ltima hora incompleta.
Esperana de funes de vetores aleatrios, Covarincia,
Uso de funes indicadoras
29. Uma urna contm trs bolas brancas e duas bolas vermelhas. Retiram-se duas bolas
da urna, uma aps a outra, sem reposio. Seja X igual a 0 ou 1, conforme a primeira
bola retirada seja vermelha ou branca, e seja Y igual a 0 ou 1, conforme a segunda bola
retirada seja vermelha ou branca. Determine:
(a) a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) se X e Y so independentes.
(c) E(2X + 8Y ).
(d) a covarincia entre X e Y .
Soluo. (a) Utilizando uma rvore, podemos obter o espao amostral, probabilidades e
valores de X e Y correspondentes:

3/5

@
2/5
@

! B
1/2!
!!
Ba
a
aV
1/2a

X=1

Y =1

Prob. = 3/10

X=1

Y =0

Prob. = 3/10

! B
3/4!
!!
V a
a
aV
1/4a

X=0

Y =1

Prob. = 3/10

X=0

Y =0

Prob. = 1/10

111

Exerccios

onde B e V denotam respectivamente bola branca e bola vermelha.

Dessa forma, a funo de probabilidade conjunta de X e Y e as marginais ficam:
0
1/10
3/10
2/5

X \Y
0
1
pY (y)

1
3/10
3/10
3/5

pX (x)
2/5
3/5
1

(b) X e Y no so independentes:
P (X = 0, Y = 0) =

1
2 2
4
6= P (X = 0) P (Y = 0) = . = .
10
5 5
25

(c) Temos
E(X) = E(Y ) = 0 .
portanto, pela linearidade da esperana,

2
3
3
+ 1. = ,
5
5
5

E(2X + 8Y ) = 2 E(X) + 8 E(Y ) = 6.

(d) Visto que E(XY ) = 1 . 1 . 3/10 = 3/10, obtemos
Cov(X, Y ) = E(XY ) E(X) E(Y ) =

3
.
50

30. Cada lanamento de um dado no honesto resulta em cada um dos nmeros mpares 1,
3, 5 com probabilidade C e em cada um dos nmeros pares 2, 4, 6 com probabilidade 2C.
(a) Determine C.
Suponha que o dado lanado e considere as seguintes variveis aleatrias:
(

1 se o resultado um nmero par,

0 caso contrrio;

1 se o resultado um nmero maior que 3,

0 caso contrrio.

X=
Y =

(b) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.

X e Y so independentes?
(c) Obtenha P (X = 0 | Y = 1).
(d) Calcule E(2X 12 Y + 6).
(e) Calcule Var(X + Y ).
31. Sejam X e Y variveis aleatrias discretas com funo de probabilidade conjunta
p(x, y) =

c x y se x {1, 2, 3}, y {1, 2, 3} e x + y 4,

0

(a) Determine o valor de c.

caso contrrio.

112

Esperana

(b) So X e Y independentes?
(c) Calcule o coeficiente de correlao entre X e Y .
32. Em um problema envolvendo variveis aleatrias independentes X e Y , um estudante
calcula, corretamente, que
E(Y ) = 2, E(X 2 Y ) = 6, E(XY 2 ) = 8, E((XY )2 ) = 24.
Voc pode ajud-lo, determinando o valor de E(X)?
33. Sejam X e Y variveis aleatrias com funo densidade conjunta

f (x, y) =

c (y 2 x2 ) ey se y x y e y > 0,
0

caso contrrio.

(a) Mostre que Y tem distribuio Gama e da deduza qual o valor de c.

(b) Obtenha a densidade de Z = eY .
(c) Explique por que E|X| 4.
34. Sejam X e Y variveis aleatrias independentes, com X U (0, 1) e Y Exp(1).
Obtenha:
(a) E(X + Y ).
(b) E(XY ).
(c) E((X Y )2 ).
(d) E(X 2 e2Y ).
35. Aps uma troca de unidades, a relao entre a renda mensal X de uma famlia em
um pas e sua despesa mensal Y expressa pela seguinte densidade conjunta
f (x, y) =

8 x y se 0 y x 1,
0

caso contrrio.

(a) Obtenha o valor esperado do quociente Y /X.

(b) Determine a covarincia entre X e Y .
36. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

2 e2x /x se 0 y x < ,
0

caso contrrio.

Calcule a covarincia entre X e Y .

37. Sejam X e Y variveis aleatrias com funo densidade conjunta
1
f (x, y) = (x + y)e(x+y) , x 0, y 0.
2

113

Exerccios

(a) X e Y so independentes?
(b) Calcule a funo densidade de Z = X + Y .
h

(c) Obtenha E (X + Y )1 .
38. Seja (X, Y ) um ponto escolhido ao acaso no conjunto
S = {(x, y) R2 : |x| + |y| 1 e x y 0}.
(a) So X e Y independentes?
(b) Calcule a covarincia entre X e Y .
39. Seja (X, Y ) um ponto escolhido aleatoriamente no conjunto
S = {(x, y) R2 : |x| + |y| 1}.
(a) So X e Y independentes?
(b) Encontre a covarincia entre X e Y .
40. Sejam X, Y e Z variveis aleatrias independentes, com varincias iguais e positivas.
Determine o coeficiente de correlao entre X + Y e X + Z.
41. Sejam X e Y variveis aleatrias com varincias iguais a 2 > 0 e coeficiente de
correlao . Calcule a varincia da mdia aritmtica de X e Y . Conclua que a mdia
aritmtica de X e Y tem varincia menor ou igual a 2 .
42. Sejam X e Y variveis aleatrias independentes, com distribuio uniforme em [0, 1],
e considere U = mn{X, Y } e V = mx{X, Y }. Calcule Cov(U, V ).
Sugesto: No necessrio obter a densidade conjunta de U e V para determinar E(U V ).
43. Seja X1 , X2 , . . . uma sequncia de variveis aleatrias independentes, tal que, para
cada n 1, Xn Exp(n), ou seja, Xn tem densidade de probabilidade dada por
fXn (x) =

n enx se x > 0,
0

caso contrrio.

(a) Obtenha a distribuio de Y = mn{X1 , X2 , X3 }.



(b) Determine E exp

P100

n=1

Xn

o

44. Sejam X1 , X2 e X3 variveis aleatrias

i.i.d. comdistribuio exponencial de par
metro 1. Defina U1 = X1 X2 , U2 = X1 X3 e U3 = X2 X3 .
(a) Calcule a mdia e a varincia de cada Ui , i = 1, 2, 3.
(b) Obtenha a mdia e a varincia de T = (U1 + U2 + U3 )/3.

114

Esperana

45. Um vaso contm 20 cartes, dois deles marcados 1, dois marcados 2, . . ., dois marcados 10. Cinco cartes so retirados ao acaso do vaso. Qual o nmero esperado de pares
que permanecem ainda no vaso?
(Este problema foi colocado e resolvido no sculo XVIII por Daniel Bernoulli, como um
modelo probabilstico para determinar o nmero de casamentos que permanecem intactos
quando ocorre um total de m mortes entre N casais; em nosso caso, m = 5 e N = 10).
Soluo. Seja X o nmero de pares que permanecem no vaso aps a retirada dos cinco
cartes. Ento,
X = X1 + X2 + + X10 ,
onde, para i = 1, 2, . . . , 10,
1 se o i-simo par permanece no vaso,
0 caso contrrio.

Xi =
Porm, para i = 1, 2, . . . , 10,

 
18
5
20
5

E(Xi ) = P (Xi = 1) =

 

21
.
38

Assim, obtemos
E(X) = E(X1 ) + E(X2 ) + + E(X10 ) = 10 .

21
105
=
5,53.
38
19

Observao. Embora mais trabalhoso, pode-se obter a distribuio de X e calcular o valor

esperado pela definio. De fato,
 

P (X = 5) =

10
25
5
 
20
5

  

P (X = 6) =

10
1

9
3
20
5

=
23

 

168
,
323
=

  

P (X = 7) =

10
2

16
1

 
20
5

portanto
E(X) =

X
x

x P (X = x) =

140
,
323

15
,
323

105
5,53.
19

46. Um nibus parte com 20 pessoas e tem em seu trajeto 10 pontos diferentes, parando
em um ponto somente se uma ou mais pessoas solicitarem. Suponha que cada passageiro
escolhe com igual probabilidade o ponto em que vai parar e que as escolhas so independentes de passageiro para passageiro. Determine o nmero esperado de paradas feitas
pelo nibus.

115

Exerccios

Soluo. Se X o nmero de de paradas feitas pelo nibus, escrevemos

X = X1 + X2 + + X10 ,
onde

Xi =

1 se pelo menos uma pessoa solicita a parada no ponto i,

0 caso contrrio.

Ento, para i = 1, . . . , 10,

E(Xi ) = P (Xi = 1)
= P (Pelo menos uma pessoa solicita a parada no ponto i)
= 1 P (Nenhuma pessoa solicita a parada no ponto i)
9
=1
10


20

Portanto, pela linearidade da esperana,



E(X) = 10 . E(X1 ) = 10 . 1 (0,9)20 8,78.

Observao. possvel, porm mais trabalhoso, obter a distribuio de X e calcular o
valor esperado pela definio. Para x = 1, . . . , 10,
!

X
x
10 x1
1
(1)j
(x j)20
P (X = x) =
j
10
x
j=0
!

20

onde o termo entre colchetes o nmero de maneiras com que podemos distribuir n = 20
bolas distintas em x urnas distintas de modo que nenhuma urna fique vazia (o qual pode
ser obtido pelo Princpio da Incluso-Excluso). Assim,
E(X) =

10
X

x P (X = x) 8,78.

x=1

47. Uma prova consiste de duas partes: a parte I, com 50 questes de verdadeiro ou falso,
e a parte II, formada por 40 questes de mltipla escolha, cada uma com 4 alternativas,
das quais somente uma correta. Por no ter estudado, um aluno pretende fazer a prova
escolhendo ao acaso as respostas das questes, de modo independente. Determine a
esperana e a varincia do nmero de questes que acertar.
48. Uma sorveteria oferece 36 sabores diferentes de sorvete. Uma pessoa encarregada
de escolher ao acaso 10 sorvetes dessa sorveteria, podendo repetir o sabor. Por ao acaso,
queremos dizer que todas as escolhas possveis tm a mesma probabilidade. Qual o nmero
esperado de sabores diferentes que sero escolhidos?
49. Seis pares diferentes de meias so colocados em uma lavadora (doze meias ao todo,
e cada meia tem um nico par), porm apenas sete meias retornam. Qual o nmero
esperado de pares de meias que retornam?

116

Esperana

50. Um crculo de raio 1 lanado em uma folha de tamanho infinito dividida em quadrados iguais de lado com comprimento 1. Suponha que o centro do crculo est uniformemente distribudo no quadrado em que cai. Calcule o nmero esperado de vrtices do
quadrado que esto dentro do crculo.
51. Escolhem-se ao acaso e sem reposio 10 nmeros do conjunto {1, 2, . . . , 30}. Calcule
o valor esperado da soma dos nmeros escolhidos.
52. Uma marca de biscoitos lana uma promoo que consiste em oferecer um adesivo em
cada pacote de biscoito. Existem n adesivos diferentes e a probabilidade de um pacote
conter qualquer um dos adesivos a mesma. Qual o nmero esperado de pacotes que
devem ser comprados para juntar os n adesivos diferentes?
53. Suponha que 8 casais sentam-se ao acaso em um banco de 16 lugares. Determine a
esperana e a varincia do nmero de mulheres que esto sentadas ao lado dos maridos.
54. Um grupo de nove amigos que se renem para jogar futebol composto por 2 goleiros,
3 zagueiros e 4 atacantes. Se os jogadores so agrupados ao acaso em trs trios (grupos
de tamanho 3), encontre a esperana e a varincia do nmeros de trios formados por um
jogador de cada tipo.
55. So realizados n lanamentos independentes de uma moeda, com probabilidade p de
cara em cada lanamento (0 < p < 1). Uma seguida uma sequncia de lanamentos de
mesmo resultado; por exemplo, a sequncia CCKCKKC contm 5 seguidas. Obtenha a
esperana e a varincia do nmero de seguidas nos n lanamentos.
56. Esperana e varincia da distribuio hipergeomtrica.
Suponha que temos uma populao de N objetos, dos quais R so do tipo 1 e N R
so do tipo 2. Escolhem-se desta populao n objetos ao acaso, sem reposio (n N ).
Determine a esperana e a varincia do nmero de objetos do tipo 1 escolhidos.
57. Suponha que temos r bolas distintas que so aleatoriamente distribudas em n urnas
(r > 0, n > 0). Calcule a esperana e a varincia do nmero de urnas vazias aps a
distribuio.
58. Seja (X1 , . . . , Xn ) com distribuio multinomial de parmetros m, p1 , . . . , pn . Obtenha
a covarincia entre Xi e Xj para i 6= j.
59. Em uma festa, esto presentes 8 meninos, 10 meninas e 12 adultos. Doze dessas
pessoas so sorteadas para participarem de uma brincadeira. Sejam X e Y o nmero de
meninos e meninas que participam da brincadeira, respectivamente. Calcule a covarincia
entre X e Y .
60. Considere
um grafo com n vrtices numerados 1, 2, . . . , n, e suponha que cada um

n
dos 2 pares de vrtices distintos ligado por um elo, independentemente, com probabilidade p. Seja Di o grau do vrtice i, isto , o nmero de elos que tm o vrtice i como
uma de suas extremidades.
(a) Qual a distribuio de Di ?
(b) Determine a correlao entre Di e Dj para i 6= j.

117

Exerccios

Sugesto: Defina Ii,j a funo indicadora do evento de que h um elo entre os vrtices i
e j.
Distribuio e esperana condicionais
61. Sejam X e Y variveis aleatrias discretas cuja funo de probabilidade conjunta
dada pela seguinte tabela:
1
1/20
0
1/10
1/20

X \Y
1
2
3
4

2
1/5
1/10
1/10
2/5

(a) Obtenha a funo de probabilidade de X dado que Y = 2.

(b) Calcule E(X 2 | Y = 2).
62. Sejam X o mnimo e Y o mximo de trs nmeros sorteados ao acaso, sem reposio,
do conjunto {1, 2, . . . , 6}.
(a) Determine a funo de probabilidade conjunta de X e Y , bem como as marginais.
(b) Obtenha a funo de probabilidade de X dado que Y = 5.
(c) Calcule E(X | Y X = 3).
63. Seja (X, Y ) um ponto escolhido aleatoriamente no quadrado (0, 1) (0, 1). Calcule
E(X|XY ).
Soluo. A densidade conjunta de X e Y dada por
fX,Y (x, y) =

1 se 0 < x < 1 e 0 < y < 1,

0 caso contrrio.

Seja Z = XY . Usando o Mtodo do Jacobiano, obtemos a densidade conjunta de X e Z:

fX,Z (x, z) =

1/x se 0 < z < x < 1,

0

caso contrrio.

Ento, calculamos a densidade marginal de Z. Para 0 < z < 1,

fZ (z) =

Z 1
z

1/x dx = log z.

Portanto, para 0 < z < 1,

fX|Z (x|z) =

1
, z < x < 1.
x log z

Assim,
E(X|Z = z) =

x fX|Z (x|z) dx =

Z 1
z

1
z1
dx =
.

log z
log z
!

118

Esperana

Finalmente,
E(X|XY ) =

XY 1
.
log(XY )

64. Sejam X e Y variveis aleatrias com funo densidade conjunta

f (x, y) =

8 x y se 0 < y < x < 1,

0

caso contrrio.

Calcule E(X | Y ) e E(Y | X).

65. Sejam X e Y variveis aleatrias com funo densidade conjunta

f (x, y) =

2 exp{y 2 } se 0 < x < y,

0

caso contrrio.

(a) Obtenha a densidade condicional de X dado que Y = y.

(b) Calcule E(X 3 | Y = y).
66. Uma rede de supermercados encomendou um estudo sobre a relao entre a proporo X de clientes que compram apenas uma vez ao ms nos seus estabelecimentos
e o lucro mensal Y em milhes de reais. Os estatsticos contratados obtiveram que a
densidade conjunta de X e Y dada por

f (x, y) =

k (x + y) ey se 0 < x < 1, y > 0,

0

caso contrrio,

onde k uma constante.

(a) Obtenha o valor de k.
(b) Determine a esperana condicional de X dado que Y = y.
67. O tempo em minutos que um professor gasta para corrigir uma prova uma varivel
aleatria com funo densidade de probabilidade

1 ex/5 se x > 0,
f (x) = 5

0
caso contrrio.
Suponha que provas de alunos diferentes tm tempos de correo independentes.
(a) Obtenha a densidade do tempo utilizado pelo professor para corrigir duas provas.
(b) Dado que o professor gastou 15 minutos para corrigir duas provas, qual a probabilidade de que tenha usado mais que 10 minutos na correo da primeira?
68. Uma farmcia possui uma quantidade X de centenas de unidades de um certo remdio
no incio de cada ms. Durante o ms, vendem-se Y centenas de unidades desse remdio.
Suponha que

2/9 se 0 < y < x < 3,

f (x, y) =
0 caso contrrio
a funo densidade conjunta das variveis aleatrias X e Y .

119

Exerccios

(a) Mostre que de fato f uma densidade.

(b) Calcule a probabilidade de que ao final do ms a farmcia tenha vendido pelo
menos a metade das unidades que havia inicialmente.
(c) Dado que foram vendidas cem unidades, qual a probabilidade de que havia pelo
menos duzentas unidades no comeo do ms?
69. Uma companhia telefnica deseja realizar uma anlise sobre a repercusso que as
novas tarifas tiveram no nmero de chamadas. Levando em conta que as chamadas se
classificam em locais, interurbanas e internacionais, um estudo realizado em um grupo de
famlias revelou que as propores de chamadas locais X e interurbanas Y durante um
ms tm a seguinte densidade conjunta
f (x, y) =

6 x se x 0, y 0 e x + y 1,
0

caso contrrio.

(a) Calcule a probabilidade de que a proporo de chamadas locais realizadas por uma
famlia em um ms seja superior a 70%.
(b) Obtenha a probabilidade de que em uma famlia a proporo de chamadas locais
em um ms seja inferior de interurbanas.
(c) Determine a densidade correspondente proporo total de chamadas locais e
interurbanas.
(d) Calcule a probabilidade de que a proporo de chamadas internacionais realizadas
por uma famlia em um ms seja superior a 20%.
(e) Dado que em um ms uma famlia no fez chamadas internacionais, qual a probabilidade de que pelo menos 60% das chamadas tenham sido locais?
70. Sejam X e Y variveis aleatrias independentes, com distribuio de Poisson com
parmetros respectivos e , e considere Z = X +Y . Determine a distribuio condicional
de X dado que Z = z.
71. Sejam X e Y variveis aleatrias independentes, com distribuies Binomial(m, p) e
Binomial(n, p), respectivamente, e considere Z = X + Y . Obtenha a distribuio condicional de X dado que Z = z.
72. Sejam X e Y variveis aleatrias independentes, com distribuio comum geomtrica
com parmetro p (0 < p < 1), e considere Z = X + Y . Determine a distribuio
condicional de X dado que Z = z.
73. Sejam X e Y variveis aleatrias independentes, com distribuio comum exponencial
de parmetro , e considere Z = X + Y . Obtenha a densidade condicional de X dado
que Z = z.
74. Duas pessoas chegam simultaneamente a um ponto de nibus. Suponha que o tempo
que a pessoa i espera pela sua conduo uma varivel aleatria Ti Exp(), com T1 e T2
independentes. Sejam X = mn{T1 , T2 } o tempo transcorrido at o primeiro passageiro

120

Esperana

tomar seu nibus e Y = mx{T1 , T2 } o tempo transcorrido at que ambas as pessoas

tenham tomado a conduo. Determine a distribuio de:
(a) X | Y = y.
(b) Y | X = x.
(c) (Y X) | X = x.
75. Sejam X1 , X2 e X3 variveis aleatrias i.i.d. com distribuio Exp(1) e sejam Y1 , Y2
e Y3 as estatsticas de ordem associadas. Defina Z1 = Y1 , Z2 = Y2 Y1 e Z3 = Y3 Y2 .
(a) Encontre a densidade conjunta de Z1 , Z2 e Z3 , bem como as marginais. So Z1 ,
Z2 e Z3 independentes?
(b) Determine a densidade condicional de Z2 dado Y1 .
(c) Calcule a densidade e a esperana condicionais de Y3 dado Y1 .
76. O nmero de clientes Y que chegam a um caixa eletrnico tem distribuio de Poisson
com parmetro X, sendo X a intensidade com que os clientes chegam ao caixa eletrnico.
Supondo que X tem distribuio Gama(, 1), encontre a funo de probabilidade da
varivel aleatria Y .
Soluo. Sabemos que X uma varivel aleatria com densidade
fX (x) =

1
x1 ex , x 0.
()

Por outro lado,

ex xk
P (Y = k | X = x) =
, k = 0, 1, . . .
k!
Logo, para k = 0, 1, . . . ,
P (Y = k) =
=

P (Y = k | X = x) fX (x) dx

Z
(k + )
1
xk+1 e2x dx =
.
k! () 0
k! () 2k+

Note que, em particular, se X Exp(1), ento

P (Y = k) =

1
2k+1

, k = 0, 1, . . .

77. Usando o resultado do exerccio anterior, prove que para n 1,

k+n1 1
= 2n .
n
2k

k=1

Sugesto: Tome = n e use que

k=1

k P (Y = k) = E(Y ) = E(E(Y |X)).

121

Exerccios

78. O nmero de e-mails que chegam a um servidor no intervalo de tempo [0, t] , para
cada t > 0, uma varivel aleatria Nt com distribuio de Poisson com parmetro t.
Somente um computador conectado ao servidor para ler os e-mails recebidos. O tempo
de vida T desse computador tem distribuio exponencial de parmetro . Alm disso,
Nt e T so independentes para todo t. Obtenha a distribuio do nmero de e-mails lidos
at o computador falhar.
Soluo. Para j = 0, 1, . . . ,
P (NT = j) =
()

Z
0

P (NT = j | T = t) fT (t) dt =
P (Nt = j | T = t) e

Z t
e (t)j

j!

()

dt =

P (NT = j | T = t) et dt

Z
0

P (Nt = j) et dt

j Z j (+)t
et dt =
t e
dt
j! 0

j (j + 1)
=
=
j! ( + )j+1

!j

A passagem () justificada pelo Princpio da substituio; () decorre da independncia

de Nt e T para todo t.
79. Numa fbrica empacotam-se palitos de fsforo em caixas mediante uma mquina que
no pode ser totalmente controlada. Para no perder clientes, a mquina se ajusta de
forma que todas as caixas contenham pelo menos 50 palitos. O nmero de palitos em
cada caixa uma varivel aleatria X com funo de probabilidade dada por
P (X = x) = (0,8) (0,2)x50 , x = 50, 51, . . .
Ademais, o nmero de palitos defeituosos em uma caixa que contm x fsforos tem distribuio Binomial(x, 1/10). Obtenha o nmero mdio de palitos defeituosos em uma
caixa.
Soluo. Seja D o nmero de palitos defeituosos em uma caixa. Sabemos que D dado
que X = x tem distribuio Binomial(x, 1/10), logo
E(D | X = x) = x/10.
Ento, utilizando a propriedade fundamental da esperana condicional,
E(D) = E(E(D | X)) = E(X/10) = E(X)/10.
Para obter E(X), observamos que a varivel aleatria Y = X 49 tem distribuio
geomtrica com parmetro 0,8, pois
P (Y = k) = P (X = k + 49) = (0,8) (0,2)k1 , k = 1, 2, . . .
Assim,
E(X) = E(Y ) + 49 =
e portanto E(D) = 5,025.

1
+ 49 = 50,25
0,8

122

Esperana

80. Seja N uma varivel aleatria com distribuio geomtrica de parmetro p (0, 1),
ou seja, N tem funo de probabilidade dada por
P (N = n) = p q n1 , n = 1, 2, . . . ,
onde q = 1 p.
(a) Mostre que a funo geradora de momentos de N dada por
M (t) =

p
p et
, t < log q.
= t
t
1qe
e q

(b) Usando o item (a), prove que E(N ) = 1/p.

Uma urna contm N bolas numeradas de 1 a N , onde N tem a distribuio dada
anteriormente. Bolas so escolhidas ao acaso dessa urna, uma por vez, at que a bola
com o nmero 1 seja selecionada. Suponha que as retiradas so feitas com reposio, isto
, cada bola escolhida reposta na urna antes da prxima retirada. Seja X o nmero de
retiradas feitas.
(c) Obtenha P (X = x | N = n).
(d) Determine E(X).
81. O nmero X de erros que uma digitadora comete por pgina uma varivel aleatria
com distribuio de Poisson com parmetro 2. Se uma pgina tem x erros, o nmero Y
de minutos necessrios para revisar e corrigir a pgina uma varivel aleatria com
distribuio condicional
1/5 se y = x + 1,
P (Y = y | X = x) = 3/5 se y = x + 2,

1/5 se y = x + 3.

(a) Encontre a probabilidade de que sejam necessrios 3 minutos para revisar e corrigir
uma pgina.
(b) Dado que foram usados 3 minutos na reviso e correo de uma pgina, qual a
probabilidade de que seja uma pgina sem erros?
(c) Usando a funo geradora de momentos, encontre a esperana de X.
(d) Determine E(Y | X = x).
(e) Obtenha E(Y ).
82. Escolhe-se ao acaso um nmero X entre os inteiros de 1 a n. A seguir, um nmero Y
escolhido aleatoriamente entre os mesmos nmeros, excludos os menores que X.
(a) Quanto vale E(Y |X)?
(b) Mostre que Cov(X, Y ) = Var(X)/2.

123

Exerccios

83. Um inseto pe N ovos, onde N tem distribuio de Poisson com parmetro . Cada
ovo d origem a um novo inseto com probabilidade p (0 < p < 1), independentemente dos
demais. Seja X o nmero de novos insetos produzidos.
(a) Qual a distribuio de X dado que N = n?
(b) Obtenha a distribuio de X.
(c) Qual o valor esperado de X?
84. O nmero de partidas de futebol jogadas em uma semana em uma vila uma varivel
aleatria com mdia e varincia 2 . Os nmeros de gols marcados em cada jogo so
variveis aleatrias i.i.d. com mdia e varincia 2 e independentes do total de partidas
jogadas. Seja X o nmero total de gols marcados em uma semana. Calcule E(X) e
Var(X).
Sugesto: Escreva X = Yj=1 Xj , onde Xj o nmero de gols marcados no j-simo jogo e
Y o nmero de partidas jogadas numa semana. Use condicionamento em Y para obter
E(X) e E(X 2 ).
P

85. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,

com mdia finita. Seja N uma varivel aleatria inteira e no-negativa, com varincia
P
finita, e independente de X1 , X2 , . . . Obtenha Cov( N
k=1 Xk , N ).
86. Rosana tem uma moeda com probabilidade p de cara em cada lanamento (0 < p < 1).
Ela lana a moeda at obter cara. Lana ento uma moeda honesta tantas vezes quantas
lanou a primeira. Finalmente, para toda cara que obtm com a moeda honesta, Rosana
lana um dado honesto. Determine a esperana e a varincia da soma total dos pontos
obtidos com o dado.
87. (a) Sejam X e Y variveis aleatrias independentes e positivas, e considere a varivel
aleatria V = X/(X + Y ). Prove que, para todo v (0, 1),


P (V v) = E FX

vY
1v



onde FX a funo de distribuio de X.

(b) Sejam X e Y variveis aleatrias independentes, ambas com distribuio exponencial de parmetro . Usando o item (a), obtenha a distribuio de V = X/(X + Y ).
88. Seja Y U (0, 1) e suponha que, dado que Y = y, X uma varivel aleatria com
distribuio U (y, y). Obtenha a distribuio, a mdia e a varincia de X.
89. Seja Y N (0, 1) e suponha que, dado que Y = y, X uma varivel aleatria com
distribuio N (y, 1).
(a) Encontre a esperana e a varincia de X.
(b) Qual a distribuio de X?
(c) Determine a distribuio condicional de Y dado que X = x.

124

Esperana

90. Este exerccio tem como objetivo mostrar que, sem a hiptese de que E|X| < ,
o resultado E(X) = E (E(X | Y )) pode no valer. Seja Y Gama(1/2, 1/2) e suponha
que, dado que Y = y, X uma varivel aleatria com distribuio N (0, 1/y).
(a) Mostre que E (E(X | Y )) = 0.
(b) Prove que X Cauchy(0, 1) e portanto o resultado referido no vlido.
91. Seja X o nmero de caras obtidas em n lanamentos de uma moeda cuja probabilidade de cara uma varivel aleatria Y com distribuio Beta(2, 2). Mais precisamente,
suponha que
X | Y = y Binomial(n, y) com fY (y) = 6 y (1 y), 0 < y < 1.
(a) Calcule a esperana e a varincia de X.
(b) Obtenha a distribuio de X.
(c) Encontre a distribuio condicional de Y dado que X = x.
92. Considere uma moeda cuja probabilidade de cara uma varivel aleatria Y com
distribuio uniforme no intervalo (0, 1). Seja X o nmero de lanamentos feitos com essa
moeda at ser obtida a primeira cara. Mais precisamente,
X | Y = y Geomtrica(y) onde Y U (0, 1).
(a) Determine a distribuio de X.
(b) Qual o valor esperado de X?
(c) Obtenha a distribuio condicional de Y dado que X = x.
93. Seja Y uma varivel aleatria com distribuio de Poisson de parmetro . Suponha que, dado que Y = y, X uma varivel aleatria com distribuio exponencial de
parmetro y + 1. Obtenha E(X).
94. Escolhe-se ao acaso um ponto (X, Y ) no tringulo {(x, y) R2 : 0 < y < x < 1}.
(a) Calcule E(X|Y ).
(b) Obtenha E(Y |X) e E(Y 2 |X).
(c) Usando o item (b), determine E((X Y )2 |X).
95. Sejam X e Y variveis aleatrias tais que E(X|Y ) = Y e E(Y |X) = X. Prove que
P (X = Y ) = 1.
Sugesto: Mostre que E((X Y )2 ) = 0.
96. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

(a) Obtenha o valor de c.

c x y 2 se 0 < x < y < 1,

0

caso contrrio.

125

Exerccios

(b) Calcule a esperana condicional de X dado que Y = y.

(c) Usando o item (b), determine E(X/Y ).
97. Sejam X e Y variveis aleatrias com funo densidade conjunta
f (x, y) =

1 (y+x/y)
e
, x > 0, y > 0.
y

(a) Determine a distribuio de Y .

(b) Obtenha a distribuio condicional de X dado que Y = y.
(c) Usando (a) e (b), calcule Cov(X, Y ).
98. Um dado honesto lanado repetidamente, de modo independente. Sejam X e Y o
nmero de lanamentos necessrios para obter um 6 e um 5, respectivamente. Obtenha:
(a) E(X).
(b) E(X | Y = 1).
(c) E(X | Y = 5).
99. No labirinto mostrado na Figura 4.1, existem trs quartos, numerados 1, 2 e 3, e mais
dois quartos, um com um saboroso queijo e outro no qual est dormindo o gato Tom. O
rato Jerry est inicialmente no quarto 1. Suponha que, quando Jerry entra no quarto i, l
permanece por um tempo em minutos com distribuio Gama(4, 3i) e ento sai do quarto
escolhendo aleatoriamente uma das portas.
(a) Calcule a probabilidade de que Jerry encontre Tom antes do queijo.
(b) Obtenha o tempo esperado em minutos que Jerry demora at encontrar Tom ou o
queijo.
Sugesto: No item (a), para i = 1, 2, 3, defina pi a probabilidade de que Jerry encontre
Tom antes do queijo, partindo do quarto i. Condicionando na primeira escolha de Jerry,
escreva um sistema de equaes para p1 , p2 e p3 . O item (b) anlogo.
2
1

Tom
3
Queijo

Figura 4.1: Exerccio 99 Tom e Jerry.

100. Passeio aleatrio simtrico: Um homem caminha em um trecho com 5 quarteires de uma avenida (Figura 4.2). Ele comea na esquina i e, com probabilidade uniforme,
decide ir um quarteiro direita ou um quarteiro esquerda. Quando chega prxima
esquina, novamente escolhe ao acaso a sua direo ao longo da avenida. Ele prossegue at

126

Esperana

chegar esquina 5, que sua casa, ou esquina 0, que um bar. Quando chega casa
ou ao bar, permanece l. Para i = 1, 2, 3, 4, defina pi a probabilidade de que o homem,
comeando na esquina i, chegue casa antes do bar, e qi a probabilidade de que partindo
da esquina i chegue ao bar antes da casa.
(a) Obtenha p1 , p2 , p3 e p4 .
(b) Explique por que qi = p5i para i = 1, 2, 3, 4.
(c) Conclua que no h possibilidade de um passeio interminvel, qualquer que seja a
esquina da qual o homem parta.
1

1/2

1/2

Bar

5
Casa

Figura 4.2: Exerccio 100 Passeio aleatrio simtrico.

101. Uma urna contm a bolas brancas e b bolas pretas. Aps uma bola ser retirada ao
acaso, ela devolvida urna se branca, mas se preta ento substituda por uma bola
branca de outra urna. Seja Mn o nmero esperado de bolas brancas na urna depois que
a operao anterior foi repetida n vezes.
(a) Obtenha a equao recursiva
1
Mn + 1, n 0.
= 1
a+b


Mn+1

(b) Use o item (a) para provar que

1
Mn = a + b b 1
a+b


n

, n 0.

(c) Qual a probabilidade de que a (n + 1)-sima bola retirada seja branca?

102. Um dado honesto lanado repetidamente, de modo independente. Calcule o nmero esperado de lanamentos feitos at conseguir duas faces 6 consecutivas.
Sugesto: Condicione no tempo da primeira ocorrncia de uma face diferente de 6.
103. Uma moeda com probabilidade p de cara em cada lanamento lanada repetidamente, de modo independente. Seja Tr o nmero de lanamentos necessrios para obter
uma sequncia de r caras consecutivas.
(a) Determine E(Tr | Tr1 ).
(b) Escreva E(Tr ) em termos de E(Tr1 ).
(c) Quanto vale E(T1 )?
(d) Obtenha E(Tr ).

127

Exerccios

104. Uma caixa contm duas moedas: a moeda 1, com probabilidade de cara igual a 0,4,
e a moeda 2, com probabilidade de cara igual a 0,7. Uma moeda escolhida ao acaso da
caixa e lanada dez vezes. Dado que dois dos trs primeiros lanamentos resultaram em
cara, qual a esperana condicional do nmero de caras nos dez lanamentos?
Sugesto: Defina A o evento de que dois dos trs primeiros lanamentos resultam em cara
e Nj o nmero de caras nos j lanamentos finais. Ento, E(N10 | A) = 2 + E(N7 | A). Para
obter E(N7 | A), condicione na moeda que foi usada.
Funes geradoras
105. Demonstre o tpico 3.3 (p. 102).
106. Obtenha a funo geradora de momentos de Y = X 2 , onde X tem distribuio
N (0, 1). Conclua que a distribuio 21 idntica Gama(1/2, 1/2).
107. Sejam X e Y variveis aleatrias independentes tais que P (X = 1) = P (X = 1) =
1/2 e Y U (1, 1). Determine a distribuio de Z = X + Y de duas maneiras:
(a) Obtendo a funo de distribuio de Z por condicionamento em X.
(b) Calculando a funo geradora de momentos de Z.
108. Seja {Un }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em (0, 1). Sejam X e Y variveis aleatrias independentes uma da outra e de {Un }n1 ,
com funes de probabilidade dadas por
P (X = x) = (e 1) ex , x = 1, 2, . . .
1
, y = 1, 2, . . .
P (Y = y) =
(e 1) y!

Defina V = mx{U1 , . . . , UY } e Z = X V .
(a) Obtenha a funo de distribuio de V .
(b) Determine a funo geradora de momentos de X.
(c) Calcule a funo geradora de momentos de Z.
(d) Deduza qual a distribuio de Z.
109. Sejam X1 , . . . , Xn variveis aleatrias independentes com distribuio exponencial
de parmetro 1. Considere
Vn = mx{X1 , . . . , Xn }

W n = X1 +

X2 X3
Xn
+
+ +
.
2
3
n

Prove que Vn e Wn tm a mesma distribuio.

110. Sejam X e Y variveis aleatrias independentes tais que X N (0, 1) e Y N (0, 2).
Definimos Z = X + Y e W = X Y . Calcule as funes geradoras de momentos de Z e
W e mostre que Z e W so identicamente distribudas mas no independentes.

128

Esperana

111. As variveis aleatrias inteiras e no-negativas X e Y so independentes e identicamente distribudas. Prove que se X + Y tem distribuio de Poisson, ento X e Y
tambm tm.
112. Sejam X1 , . . . , Xn variveis aleatrias i.i.d. com densidade comum definida por
f (x) =

2(1 x) se 0 < x < 1,

caso contrrio.

1 Pn
log (1 Xj )
Calcule a funo geradora de momentos da varivel aleatria Y =
n j=1
e da conclua qual a sua distribuio.
113. Um aparelho de som formado por n componentes, sendo que o i-simo componente tem probabilidade pi de falhar. Suponha que os componentes falham de maneira
independente e seja X o nmero de componentes que falham. Sabe-se que se X = 0 ento
o aparelho funciona, se X = 1 a probabilidade de funcionar 0,7 e se X 2 o aparelho
no funciona.
(a) Obtenha a funo geradora de probabilidade de X em funo das pi s.
(b) Sendo n = 4, p1 = 0,1, p2 = 0,05, p3 = 0,15 e p4 = 0,1, calcule a probabilidade do
aparelho funcionar.
114. A funo geradora de probabilidade de uma varivel aleatria inteira e no-negativa X
dada por
!
10 + 8 s2
, s (2, 2),
GX (s) = A
2s
onde A uma constante.
(a) Encontre o valor de A.
(b) Calcule a mdia de X.
(c) Obtenha a funo de probabilidade de X.
115. (a) Seja X uma varivel aleatria com distribuio geomtrica de parmetro p
(0, 1). Prove que para n 1,
n! (1 p)n1
E (X (X 1) . . . (X n + 1)) =
.
pn
(b) Seja X uma varivel aleatria com distribuio de Poisson com parmetro > 0.
Mostre que para n 1,
E (X (X 1) . . . (X n + 1)) = n .
Sugesto: Use a propriedade (ii) da funo geradora de probabilidade. Por exemplo, para
o item (a), prove que para n 1,
dn GX (s)
n! p (1 p)n1
=
, s < (1 p)1
n
n+1
ds
(1 (1 p)s)
e faa s = 1 para chegar ao resultado.

129

Exerccios

116. Duas partculas realizam passeios aleatrios independentes nos vrtices de um tringulo. Isso significa que, a cada instante, cada partcula move-se para um novo vrtice,
escolhido no sentido horrio com probabilidade p ou no anti-horrio com probabilidade
q = 1 p. Todas essas escolhas so independentes. No instante n = 0, as duas partculas
esto no mesmo vrtice; seja T o nmero de passos at que novamente estejam em um
mesmo vrtice. Defina S o nmero de passos at que as partculas se encontrem pela
primeira vez, se inicialmente estiverem em vrtices diferentes.
(a) Prove que as funes geradoras de probabilidade de S e T satisfazem
GS (s) = pq s + (1 pq) s GS (s) e
GT (s) = (p2 + q 2 ) s + 2pq s GS (s).
(b) Obtenha GT (s) e E(T ).
117. Problema de Huygens: Considere trs moedas A, B e C, que fornecem cara
com probabilidades respectivas , e . Elas so lanadas repetidamente, na ordem
ABCABC . . . Seja X o nmero de lanamentos at ser obtida a primeira cara.
(a) Determine a funo geradora de probabilidade de X.
(b) Encontre a probabilidade de que a primeira cara seja obtida com um lanamento
da moeda C.
(c) Obtenha o valor esperado de X.
118. Seja X uma varivel aleatria inteira e no-negativa, tal que
P (X = k) =

P (X = k 1),
k

para todo k 1, onde > 0 uma constante. Determine a distribuio de X.

Soluo. Sejam pk = P (X = k), k 0 e
GX (s) = E(sX ) =

pk sk , s [1, 1]

k=0

a funo geradora de probabilidade de X. Podemos diferenciar a srie de potncias em

todo ponto s (1, 1). Usando a igualdade dada no enunciado do exerccio, obtemos

X
d GX (s) X
=
k pk sk1 =
pk1 sk1 = GX (s).
ds
k=1
k=1

Portanto,

d
(log GX (s)) = ,
ds

logo podemos escrever

GX (s) = exp{ s + K},

130

Esperana

onde K uma constante. Visto que lim GX (s) =

s1

ento

k=0

pk = 1, temos que K = e

GX (s) = exp{ (s 1)}.

Como a funo geradora de probabilidade determina unicamente a distribuio, conclumos que X Poisson().
Desigualdades
119. Um professor sabe que a nota de um estudante no exame final de uma disciplina
uma varivel aleatria X com mdia 75.
(a) Fornea um limitante superior para a probabilidade de um estudante tirar uma
nota maior que 85 no exame final.
Suponha, ademais, que o professor sabe que Var(X) = 25.
(b) O que pode ser dito sobre a probabilidade de que um estudante tire uma nota entre
65 e 85?
(c) Quantos estudantes devem fazer o exame para garantir que a mdia da classe fique
distncia no mximo 5 de 75 com probabilidade pelo menos 0,9?
120. O tempo (em minutos) em que um trabalhador espera o nibus para lev-lo ao emprego uma varivel aleatria com mdia 8 e desvio padro 4. Prove que a probabilidade
de que ele aguarde pela conduo mais de 14 minutos em um dia menor que 41%.
121. O nmero de jornais que um jornaleiro vende diariamente uma varivel aleatria
com mdia 200 e desvio padro 10. Mostre que a probabilidade de que em um dia sejam
vendidos entre 130 e 270 jornais maior que 98%.
122. Seja X Exp(1).
(a) Prove que P (X x) 1/x para todo x > 0.
(b) Quanto vale a probabilidade dada no item (a)?
123. Seja X uma varivel aleatria contnua com funo densidade de probabilidade
f (x) =

1 |x| se |x| < 1,

0

caso contrrio.

(a) Prove que f uma funo densidade de probabilidade.

(b) Determine E(X) e Var(X).
(c) Calcule P (|X| k), onde k um nmero 0 < k < 1.
(d) Utilizando a Desigualdade de Chebyshev, obtenha uma cota superior para a probabilidade anterior.
(e) Para k = 0,2 e k = 0,8, obtenha os valores numricos da probabilidade calculada
em (c) e da cota obtida em (d). Comente.

131

Exerccios

124. Uma prova formada por 64 questes de mltipla escolha, cada uma com 5 respostas
possveis, das quais apenas uma certa. Um estudante vai chutar a alternativa correta
de todas as questes, independentemente.
(a) Usando a Desigualdade de Chebyshev, obtenha um limitante superior para a probabilidade de que o aluno acerte pelo menos 20 questes.
(b) Calcule uma estimativa para essa probabilidade.
125. Um dado honesto lanado repetidamente, de modo independente, at que cada
face ocorra pelo menos uma vez.
(a) Determine a esperana e a varincia do nmero de lanamentos feitos.
(b) Prove que a probabilidade de que sejam necessrios menos de 40 lanamentos
maior que 0,93.
126. Um grupo de 200 pessoas, com 100 mulheres e 100 homens, dividido aleatoriamente
em 100 pares. Seja X o nmero de homens pareados com uma mulher.
(a) Determine a esperana e a varincia de X.
(b) Prove que a probabilidade de que haja no mximo 30 homens pareados com uma
mulher menor que 7%.
127. Seja X Poisson(). Demonstre que, para qualquer > 0,
P (X (1 + )) e

e
1+

(1+)

128. Prove que se X Geomtrica(1/2), ento E(X log X) 2 log 2.

129. Mostre que se X uma varivel aleatria positiva com mdia igual a 1, ento
E(log X) 0.
130. Seja X uma varivel aleatria no-negativa. Demonstre que
E(X) (E(X 2 ))1/2 (E(X 3 ))1/3
Sugesto: Use a Desigualdade de Jensen para uma varivel aleatria Y no-negativa e a
funo (y) = y n/(n1) e depois faa Y = X n1 .
131. (a) Seja Y uma varivel aleatria no-negativa tal que 0 < E(Y 2 ) < . Prove que
para a < E(Y ),
(E(Y ) a)2
P (Y > a)
.
E(Y 2 )
(b) Seja X uma varivel aleatria com esperana , varincia 2 e tal que 0 < M =
E(|X |4 ) < . Mostre que para 0 < x < ,
P (|X | > x)

( 2 x2 )2
.
M

Sugesto: (a) Utilize a Desigualdade de Cauchy-Schwarz com as variveis aleatrias Y e

I{Y >a} .

132

Esperana

132. Sejam X e Y variveis aleatrias definidas no mesmo espao de probabilidade. Mostre que para todo (x, y) R2 ,
FX,Y (x, y)

FX (x) FY (y).

Sugesto: Use a Desigualdade de Cauchy-Schwarz.

Respostas

1. (a)

-16
1/12

x
pX (x)

-7
1/6

2
13/36

11
2/9

20
1/6

(b) E(X) = 4, Var(X) = 108,5

-1
125/216

x
pX (x)

2.

1
75/216

2
15/216

3
1/216

E(X) = 17/216, No
3. 7/2 (O nmero de tentativas tem distribuio uniforme discreta em {1, 2, . . . , 6}).
4. 145 e 108,75
5. 12,3 e 9,3
6. (a) 14,3% (b) 6,5 . 105 (c) e2 7,39
7. 40
8. log 2
9. No
10. E(X) =

n2
2 (n 1 x)
, pois P (X = x) =
para x {0, . . . , n 2}.
3
n (n 1)

11. (a) 29/8 (b) 1 (c) 2/9 (d) 1/4 (e) 1 (f) 1
12. (a) 0,4866 (b) 0,3679
13. (a) 0,1808 (b) 60%
15. (b) E(X) =
16. (b)

2/

133

Respostas

17. (a) 0 (b) 1 (c) 2

18. (a) F (x) =

1 arctg x
+
,xR
2

19. E(Y ) = 20 e Var(Y ) = 216/5

20. (a) (1 e )/ (b) e (c) e /(1 ) se 0 < < 1, se 1
X! integrvel para 0 < < 1.
bn+1 an+1
22.
(n + 1)(b a)
23. n! /n
24. 7
25. 2 log 2 1
28. 13 reais
30. (a) C = 1/9
(b)

X \Y
0
1
pY (y)

0
2/9
2/9
4/9

1
1/9
4/9
5/9

pX (x)
1/3
2/3
1

X e Y no so independentes.
(c) 1/5 (d) 1 (e) 50/81
31. (a) 1/15 (b) No (c) 2/3
32. 1
33. (a) Y Gama(4, 1), c = 1/8
(b) fZ (z) = (log z)3 /6, 0 < z < 1
(c) P (|X| Y ) = 1
34. (a) 3/2 (b) 1/2 (c) 4/3 (d)
35. (a) 2/3 (b) 4/225
36. 1/8
37. (a) No (b) fZ (z) = (1/2) ez z 2 , z 0 (c) 1/2

134

Esperana

38. (a) No (b) 1/12

39. (a) No (b) 0
40. 1/2
41. (1 + ) 2 /2
42. 1/36
43. (a) Exp(6) (b) 1/101
44. (a) /4, 1 2 /16 (b) /4, 1/3 + /6 2 /16
47. 35 e 20
48. 8
49. 21/11
50.
51. 155
1
1
52. n 1 + + +
2
n


53. 1, 14/15
54. 6/7, 156/245
55. 1 + 2(n 1)pq, 2pq(2n 3 2pq(3n 5)) onde q = 1 p.
nR
R
56.
,n
N
N




R
1
N



N n
N 1

57. n(1 1/n)r , n(1 1/n)r [1 (1 1/n)r ] + n(n 1)[(1 2/n)r (1 1/n)2r ]
58. m pi pj
59. 96/145
60. (a) Binomial(n 1, p) (b) 1/(n 1)
61. (a)

x
pX|Y (x|2)

(b) 79/8

1
1/4

2
1/8

3
1/8

4
1/2

135

Respostas

yx1
, 1 x 4, x + 2 y 6
20
(6 x)(5 x)
(y 1)(y 2)
P (X = x) =
, 1 x 4 P (Y = y) =
,3y6
40
40
4x
(b) P (X = x | Y = 5) =
,1x3
6
(c) 2

62. (a) P (X = x, Y = y) =

64. E(X | Y ) = (2/3)(1 Y 3 )/(1 Y 2 ), E(Y | X) = (2/3) X

65. (a) Para y > 0: fX|Y (x|y) = 1/y, 0 < x < y (b) E(X 3 |Y = y) = y 3 /4
66. (a) k =

2 + 3y
2
(b) E(X|Y = y) =
3
3(1 + 2y)

67. (a) X, Y Exp(1/5), independentes, Z = X + Y fZ (z) =

(b) fX|Z (x|15) =

1
1
, 0 < x < 15 P (X > 10 | Z = 15) =
15
3

1
z ez/5 , z > 0
25

68. (b) P (Y X/2) = 1/2 (c) fX|Y (x|1) = 1/2, 1 < x < 3 P (X 2 | Y = 1) = 1/2
69. (a) P (X > 0,7) = 0,216 (b) P (X < Y ) = 0,25
(c) Z = X + Y , fZ (z) = 3 z 2 , 0 z 1 (d) P (Z 0,8) = 0,512
(e) fX|Z (x|1) = 2 x, 0 x 1 P (X 0,6 | Z = 1) = 0,64
70. Binomial(z, /( + ))
71. Hipergeomtrica(m + n, m, z)
72. Uniforme Discreta(z 1)
73. Uniforme(0, z)
74. fX,Y (x, y) = 2 2 e(x+y) , 0 < x < y
ex
(a) Para y > 0, fX|Y (x|y) =
,0<x<y
1 ey
(b) Para x > 0, fY |X (y|x) = e(yx) , y > x
(c) (Y X) | X = x Exp()
75. (a) Z1 Exp(3), Z2 Exp(2) e Z3 Exp(1), independentes
(b) Z2 | Y1 Exp(2) (decorre imediatamente de (a))
(c) Para y1 > 0, fY3 |Y1 (y3 |y1 ) = 2 e2y1 y3 (ey1 ey3 ), y3 > y1 e E(Y3 |Y1 ) = 3/2 + Y1

136

Esperana

80. (c) Para n 1: P (X = x | N = n) = (1/n)(1 1/n)x1 , x = 1, 2, . . . (d) 1/p

81. (a) (9/5) e2 (b) 1/9 (c) 2 (d) E(Y | X = x) = x + 2 (e) 4
82. (a) (n + X)/2 (b) Use que E(XY |X) = X E(Y |X).
83. (a) X|N = n Binomial(n, p) (b) Poisson(p) (c) p
84. E(X) = e Var(X) = 2 + 2 2
85. Var(N )
86.

7
35
49
e
+
4p
24 p 16 p2

87. (b) V U (0, 1)

88. fX (x) = log |x|/2, 1 < x < 1, x 6= 0
E(X) = 0 e Var(X) = 1/9
89. (a) E(X) = 0 e Var(X) = 2 (b) X N (0, 2) (c) Y | X = x N (x/2, 1/2)
n2 n
n
e Var(X) =
+
2
20 5
6 (x + 1)(n x + 1)
(b) P (X = x) =
, x = 0, 1, . . . , n
(n + 3)(n + 2)(n + 1)

91. (a) E(X) =

(c) Y | X = x Beta(x + 2, n x + 2)
92. (a) P (X = x) =

1
, x = 1, 2, . . .
x (x + 1)

(b) E(X) =
(c) Y | X = x Beta(2, x)
93. E(X) = (1 e )/
Y +1
X
X2
(b) E(Y |X) = ; E(Y 2 |X) =
2
2
3
2
X
(c) E((X Y )2 |X) =
3

94. (a) E(X|Y ) =

96. (a) c = 10 (b) E(X|Y = y) = 2 y/3 (c) 2/3

97. (a) Y Exp(1) (b) X | Y = y Exp(1/y) (c) 1

137

Respostas

98. (a) 6 (b) 7 (c) 5,8192

99. (a) p1 = 1/2 p2 , p2 = 1/4 p1 + 2/4 p3 + 1/4, p3 = 2/4 p2 + 1/4
p1 = 0,3 (p2 = 0,6 e p3 = 0,55).
(b) 1 = 4/3 + 1/2 2 , 2 = 4/6 + 1/4 1 + 2/4 3 , 3 = 4/9 + 2/4 2
1 = 104/45 (2 = 88/45 e 3 = 64/45).
100. (a) p1 = 1/2 p2 , p2 = 1/2 p1 + 1/2 p3 , p3 = 1/2 p2 + 1/2 p4 , p4 = 1/2 p3 + 1/2
pi = i/5, i = 1, 2, 3, 4.
(c) pi + qi = 1 para todo i = 1, 2, 3, 4.
101. (c) Mn /(a + b)
102. 42
103. (a) 1 + Tr1 + (1 p) E(Tr ) (b) E(Tr ) = 1/p + (1/p) E(Tr1 )
r
X
1
1
1 pr
(d)
=
(c)
i
p
pr (1 p)
i=1 p

104. 6,0705
106. MY (t) =

etx fX (x) dx =

1
, t < 1/2
1 2t

107. Z U (2, 2)

108. (a) FV (v) =

(c) MZ (t) =

0
se v < 0,
ev 1
se 0 v 1,
e1
1
se v > 1.

1
,t<1
1t

109. MVn (t) = MWn (t) =

(b) MX (t) =

(e 1) et1
,t<1
1 et1

(d) Exp(1)

n! (1 t)
n!
= Qn
,t<1
(n + 1 t)
i=1 (i t)

110. MZ (t) = MW (t) = e3t /2 , t R, portanto Z e W tm distribuio N (0, 3). Se fossem

independentes, teramos que MZ+W (t) = MZ (t) MW (t) para todo t.
2

112. MY (t) =

2n
2n t

113. (a) GX (s) =

Qn

n

i=1

para t < 2n, Y Gama(n, 2n)

(1 pi + pi s) , s R (b) 0,860715

138

Esperana

114. (a)

1
17
(b)
18
9

(c) P (X = 0) =

5
5
7
, P (X = 1) = , P (X = n) =
, n {2, 3, . . . }
18
36
6 2n

116. (a) Condicionamento no primeiro passo.

(b) GT (s) = (p2 + q 2 )s +
117. (a) GX (s) =

2 p2 q 2 s2
, s [1, 1] e E(T ) = 3.
1 (1 pq)s

s + (1 )s2 + (1 )(1 )s3

, s [1, 1] (Condicionamento)
1 (1 )(1 )(1 )s3

(b)

(1 )(1 )
(Soma dos coeficientes das potncias de s3 em GX (s))
1 (1 )(1 )(1 )

(c)

1 + (1 ) + (1 )(1 )
1 (1 )(1 )(1 )

119. (a) 15/17 (b) 3/4 (c) 10

120. Use a Desigualdade de Markov Generalizada.
121. Use a Desigualdade de Chebyshev.
122. (a) Desigualdade de Markov.

(b) ex

123. (b) 0, 1/6 (c) (1 k)2 (d) 1/(6 k 2 )

124. (a) 16/81 (b) 0,0122
125. (a) 14,7 e 38,99 (b) Desigualdade de Chebyshev.
126. (a) 50,25 e 25,126 (b) Desigualdade de Chebyshev.
127. Use um dos limitantes de Chernoff.

Captulo 5

Modos de Convergncia e Teoremas Limites

A tabela seguinte resume os trs tipos de convergncia abordados nesse livro, as ferramentas teis no estudo de cada um deles e os principais teoremas limites relacionados.
Convergncia
Em distribuio

Ferramenta
Funo geradora /
caracterstica
Desigualdades de
Markov / Chebyshev
Lema de Borel-Cantelli

Em probabilidade
Quase certa

Teorema limite
Teorema Central do Limite
Lei Fraca dos Grandes
Nmeros
Lei Forte dos Grandes
Nmeros

1. Lema de Borel-Cantelli*
1.1. Lema de Borel-Cantelli (1909): Seja A1 , A2 , . . . uma sequncia de eventos em
um espao de probabilidade (, F, P ).
(a) Se

P (An ) < , ento P (An infinitas vezes) = 0.

(b) Se

P (An ) = e A1 , A2 , . . . so independentes, ento P (An infinitas vezes) = 1.

n=1

n=1

Observao. Em vez da independncia, basta em (b) que A1 , A2 , . . . sejam independentes

aos pares. Outras generalizaes desse resultado podem ser encontradas na Seo 18 do
Captulo 2 de Gut [13].

2. Modos de Convergncia
2.1. Sejam X1 , X2 , . . . , X variveis aleatrias em um espao de probabilidade (, F, P ).
Dizemos que
(a) Xn converge para X quase certamente, denotado por Xn X, se o evento
q.c.

{ : Xn () X() quando n }
tem probabilidade 1.

140

Modos de Convergncia e Teoremas Limites

(b) Xn converge para X em probabilidade, denotado por Xn X, se para qualquer

P

> 0,
P (|Xn X| > ) 0 quando n .
(c) Xn converge para X em distribuio, denotado por Xn X, se
D

P (Xn x) P (X x) quando n ,
para todo ponto x em que FX (x) = P (X x) contnua.
Observao. Note que a convergncia em distribuio definida em termos das funes de
distribuio; a condio de que as variveis aleatrias sejam definidas no mesmo espao de
probabilidade suprflua. Outra terminologia para Xn X dizer que FXn converge
D

fracamente para FX .
2.2. Unicidade do limite:
(i) Se Xn X e Xn Y , ento P (X = Y ) = 1.
q.c.

q.c.

(ii) Se Xn X e Xn Y , ento P (X = Y ) = 1.
P

(iii) Se Xn X e Xn Y , ento FX (x) = FY (x) para todo x R.

D

2.3. Relaes entre os tipos de convergncia:

1. Xn X = Xn X = Xn X.
q.c.

Nenhuma outra implicao vale em geral.

2. Se Xn c, onde c uma constante, ento Xn c.
D

2.4. Condio necessria e suficiente para convergncia quase certa* :

Sejam X1 , X2 , . . . , X variveis aleatrias em um espao de probabilidade (, F, P ).
Ento,
Xn X P (|Xn X| > infinitas vezes) = 0 para todo > 0
q.c.

lim P
n

{|Xk X| > } = 0 para todo > 0.

k=n

Em particular, se pn () = P (|Xn X| > ) satisfaz

ento Xn X.
q.c.

n=1

pn () < para todo > 0,

141

Modos de Convergncia

2.5. Teorema da continuidade* :

Seja {Xn }n1 uma sequncia de variveis aleatrias com funes geradoras de momentos
correspondentes {Mn (t)}n1 , que existem para |t| < b. Suponhamos que lim Mn (t) =
n

M (t) para |t| a < b, onde M (t) a funo geradora de momentos da varivel aleatria X. Ento, Xn X.
D

Observao. O seguinte resultado til em muitas aplicaes do Teorema da continuidade:



cn n
= ec .
se c1 , c2 , . . . e c so nmeros reais tais que n
lim cn = c, ento n
lim 1 +
n
2.6. Outras condies para convergncia em distribuio:
(a) Sejam X1 , X2 , . . . e X variveis aleatrias inteiras e no-negativas. Ento,
D

Xn X

lim P (Xn = k) = P (X = k) para todo k N.

No caso geral de variveis aleatrias discretas assumindo valores em {x0 , x1 , . . . }, vale a

implicao = com xk no lugar de k.
(b) Teorema de Scheff: Sejam X1 , X2 , . . . e X variveis aleatrias contnuas, com
densidades respectivas f1 , f2 , . . . e f . Se fn (x) f (x) quando n para quase todo x,
ento Xn X.
D

A condio de que fn (x) f (x) para quase todo x significa que o conjunto {x : fn (x) 9
f (x)} tem medida de Lebesgue nula, o que ocorre, por exemplo, se esse conjunto finito
ou enumervel. A recproca do Teorema de Scheff falsa.
2.7. Preservao da convergncia por uma funo contnua:
Se Xn X e g : R R contnua, ento g(Xn ) g(X).
q.c.

q.c.

Asseres anlogas so vlidas para e .

P

2.8. Convergncia de somas de sequncias:

(i) Se Xn X e Yn Y , ento Xn + Yn X + Y .
q.c.

q.c.

q.c.

(ii) Se Xn X e Yn Y , ento Xn + Yn X + Y .
P

Essa afirmao em geral no vlida no caso de convergncia em distribuio. Para valer,

alguma hiptese adicional requerida, por exemplo,
(iii) Suponha que Xn X e Yn Y , com Xn e Yn independentes para todo n e X
D

e Y independentes. Ento, Xn + Yn X + Y .
D

142

Modos de Convergncia e Teoremas Limites

Observao. Nos itens (i) e (ii) de 2.8, a soma pode ser substituda por diferena, produto
ou quociente.
2.9. Teorema de Slutsky (1925): Se Xn X e Yn c, onde c uma constante,
D

ento
(a) Xn Yn X c,
D

(b) Xn Yn cX,
D

(c) Xn /Yn X/c se c 6= 0.

D

2.10. Mtodo Delta: Sejam Y1 , Y2 , . . . variveis aleatrias tais que

n (Yn )
D

N (0, 2 ), onde e 2 > 0 so constantes. Se g uma funo derivvel no ponto , ento

n (g(Yn ) g()) N (0, (g 0 ())2 2 ),

D

onde, no caso de g 0 () = 0, interpretamos a distribuio N (0, 0) como a massa pontual

em 0.

3. Teoremas Limites
3.1. Lei Fraca dos Grandes Nmeros de Khintchine (1929):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias i.i.d. com mdia finita . As somas
parciais Sn = X1 + X2 + + Xn satisfazem
Sn P
.
n
3.2. Lei Fraca dos Grandes Nmeros de Bernoulli (1713):
Consideremos uma sequncia de ensaios de Bernoulli independentes, tendo a mesma probabilidade p de sucesso em cada ensaio. Se Sn o nmero de sucessos nos n primeiros
ensaios, ento
Sn P
p.
n
3.3. Lei Fraca dos Grandes Nmeros de Chebyshev (1867):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias e consideremos Sn = X1 + X2 +
+ Xn . Se lim Var(Sn )/n2 = 0, ento
n

Sn E(Sn ) P
0.
n

(?)

143

Teoremas Limites

Em particular, (?) vlida se X1 , X2 , . . . so variveis aleatrias no-correlacionadas que

tenham varincias finitas e uniformemente limitadas.
3.4. Lei Forte dos Grandes Nmeros de Kolmogorov (1933):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias i.i.d. com mdia finita . As somas
parciais Sn = X1 + X2 + + Xn satisfazem
Sn q.c.
.
n
3.5. Lei Forte dos Grandes Nmeros de Borel (1909):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias i.i.d. tal que P (Xn = 1) = p,
P (Xn = 0) = 1 p. Ento,
Sn q.c.
p,
n
onde Sn = X1 + X2 + + Xn .
3.6. Teorema Central do Limite (Liapunov (1901), Lindeberg (1922)):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias i.i.d. com mdia e varincia 2
finita e positiva, e seja Sn = X1 + X2 + + Xn . Ento,
Sn n D

N (0, 1).
n
Isto , para qualquer a R,
lim P

!
1 Z a x2 /2
Sn n

a =
e
dx.
n
2

3.7. Teorema Central do Limite de De Moivre (1733) e Laplace (1812):

Seja Sn o nmero de sucessos em n ensaios de Bernoulli independentes, tendo a mesma
probabilidade p de sucesso em cada ensaio, onde 0 < p < 1. Ento,

Sn n p
D
N (0, 1).
n p (1 p)

3.8. Limite de binomiais para Poisson:

Se Xn Binomial(n, pn ), n 1, e n
lim n pn = > 0, ento
Xn Poisson().
D

144

Modos de Convergncia e Teoremas Limites

Observao. Tendo em vista o tpico 2.6 (a), no lugar da convergncia em distribuio

podemos escrever
lim P (Xn = k) =

e k
, k N
k!

(Teorema de Poisson (1832)).

4. Outros Teoremas Limites*

4.1. Uma Lei Forte sem supor distribuies idnticas (Kolmogorov (1933)):
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias independentes e integrveis, e consideremos Sn = X1 + X2 + + Xn .
Se

n=1

Var(Xn )/n2 < , ento

Sn E(Sn ) q.c.
0.
n

4.2. Um Teorema Central do Limite sem supor distribuies idnticas:

Seja X1 , X2 , . . . uma sequncia de variveis aleatrias independentes, e seja Sn =
Para cada i, sejam i = E(Xi ) e i2 = Var(Xi ), e denotemos por mn =
a mdia e a varincia de Sn , respectivamente.

n
X
i=1

n
X

Xi .

i=1
n
X

i e s2n =

i2

i=1

Suponhamos que: (a) s2n quando n , e (b) existe uma constante M tal que
P (|Xi | M ) = 1 para todo i.
Ento,
Sn mn D
N (0, 1).
sn
Isto , para qualquer a R,
lim P


Sn mn
1 Z a x2 /2
a =
e
dx.
sn
2

Observao. Esse resultado segue de um Teorema Central do Limite mais geral que foi
provado por J. W. Lindeberg (1922). Para mais detalhes, veja-se, por exemplo, o livro de
Feller [9] (p. 254).

145

Convergncia de momentos

5. Convergncia de momentos*
5.1. Teorema da convergncia montona: Sejam X1 , X2 , . . . variveis aleatrias nonegativas. Se Xn X quase certamente quando n , ento
E(Xn ) E(X) quando n .
Observe que o limite pode ser infinito.
5.2. Lema de Fatou: Se X1 , X2 , . . . so variveis aleatrias no-negativas, ento


E lim inf Xn lim inf E(Xn ).

n

5.3. Teorema da convergncia dominada de Lebesgue: Suponha que |Xn | Y

para todo n, onde Y integrvel, e que Xn X. Ento, X e Xn so integrveis e
q.c.

lim E(Xn ) = E(X).

Observao. Em 5.3, a hiptese de que Xn X pode ser substituda por Xn X.

q.c.

No caso particular de Y ser uma constante, o resultado conhecido como Teorema da

convergncia limitada.

Exerccios
Lema de Borel-Cantelli*
1 . Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.
Para n 1, considere os eventos
An : O n-simo lanamento resulta cara.
Bn : O n-simo e o (n + 1)-simo lanamentos ambos resultam cara.
Mostre que
(a) P (An infinitas vezes) = 1.
(b) P (Bn infinitas vezes) = 1.
Em palavras, o item (a) garante que com probabilidade 1 ocorrem infinitas caras e o
item (b) estabelece que o evento duas caras em seguida ocorre infinitas vezes, com
probabilidade 1.
Sugesto: (b) Para n 1, defina Cn o evento de que o (2n 1)-simo e o (2n)-simo
lanamentos ambos resultam cara.

146

Modos de Convergncia e Teoremas Limites

2 . Uma moeda honesta lanada repetidamente, sendo os lanamentos independentes.

Prove que qualquer sequncia finita de resultados ocorre infinitas vezes, com probabilidade 1.
3 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas, com
distribuio Bernoulli(1/2). Para n 1, definimos Yn o comprimento da sequncia de 0s
comeando em Xn , isto ,
Yn =

0 se Xn = 1,

k se Xn = = Xn+k1 = 0 e Xn+k = 1.

(a) Mostre que P (Yn = k) = 1/2k+1 para todo k 0.

(b) Prove que P (Yn = k infinitas vezes) = 1 para todo k 0.
(c) Mostre que P (Yn = n infinitas vezes) = 0.
4 . Sejam X1 , X2 , . . . variveis aleatrias independentes, tais que Xn U [0, an ], onde
an > 0. Demonstre que:
(a) Se an = n2 , ento, com probabilidade 1, somente um nmero finito das Xn s so
menores que 1.
(b) Se an = n, ento, com probabilidade 1, um nmero infinito das Xn s so menores
que 1.
5 . (Barndorff-Nielsen (1961)). Sejam A1 , A2 , . . . eventos em um espao de probabilidade
P
c
tais que lim P (An ) = 0 e
n=1 P (An An+1 ) < . Prove que P (An infinitas vezes) = 0.
n

6 . Sejam A1 , A2 , . . . eventos em um espao de probabilidade.

(a) Prove que P (An infinitas vezes) = 1 se para cada k
X

P (An | Ack Acn1 ) = .

n>k

Deduza da o item (b) do Lema de Borel-Cantelli.

(b) Mostre por meio de um exemplo que P (An infinitas vezes) = 1 no segue apenas
P
da divergncia de n P (An | Ac1 Acn1 ).
(c) Demonstre que P (An infinitas vezes) = 1 se e somente se
para todo evento A com P (A) > 0.

n=1

P (A An ) =

7 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas, com

distribuio exponencial de parmetro . Os itens (a) e (c) deste exerccio provam que,
com probabilidade 1,
1
Xn
= ,
lim sup

n log n
o que fornece uma descrio bastante precisa dos valores grandes de Xn quando n .

147

Exerccios

(a) Mostre que

1
Xn

P lim sup

n log n

= 1.

(b) Prove que, para qualquer > 0,

Xn
1+
P lim sup

n log n
(c) Obtenha de (b) que

Xn
1
P lim sup

n log n

= 1.

= 1.

Soluo. (a) Para n 1, seja An = {Xn (log n)/}. Como A1 , A2 , . . . so indeP

P
pendentes e
n=1 1/n = , temos, pelo Lema de Borel-Cantelli, que
n=1 P (An ) =
P (An infinitas vezes) = 1. Ento,
Xn
1
P lim sup

n log n

= 1.

(b) Fixado > 0, seja Bn = {Xn > (1 + ) (log n)/}, n 1. Visto que
n=1 P (Bn ) =
P
1+
< , obtemos pelo Lema de Borel-Cantelli que P (Bn infinitas vezes) = 0.
n=1 1/n
Da, segue que
!
Xn
1+
P lim sup

= 1.

n log n
P

(c) Observamos que, quando k ,

1 + 1/k
Xn
lim sup

n log n

portanto,

1
Xn
lim sup

n log n
(

1
Xn

P lim sup

n log n

= 1.

8 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas, com

distribuio N (0, 1). Os itens (a) e (c) deste exerccio mostram que, com probabilidade 1,
lim sup
n

Xn
= 1,
2 log n

o que descreve acuradamente os valores grandes de Xn quando n .

(a) Prove que

Xn
P lim sup
1 = 1.
n
2 log n
(b) Mostre que, para qualquer > 0,

Xn
P lim sup
1 + = 1.
n
2 log n
!

148

Modos de Convergncia e Teoremas Limites

(c) Conclua de (b) que

Xn
1 = 1.
P lim sup
n
2 log n
Sugesto: Use a Razo de Mill (Exerccio 42(b) do Captulo 3).
9 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas, com
P
distribuio N (0, 1), e considere Sn = ni=1 Xi . Mostre que
!

Sn
P lim sup
1 = 1.
n
2n log n
Sugesto: Observe que a independncia das Xi s no usada na obteno do item (c) do
exerccio 8.
Observao. Um resultado mais preciso conhecido como Lei do Logaritmo Iterado, a
qual estabelece que, para X1 , X2 , . . . variveis aleatrias independentes e identicamente
distribudas com mdia 0 e varincia 1,
!

Sn
= 1 = 1.
P lim sup
n
2n log log n
Encontram-se mais detalhes na Seo 1 do Captulo 8 de Gut [13].
10 . Sejam X1 , X2 , . . . variveis aleatrias positivas tais que E(Xn ) C para todo n 1,
onde C uma constante. Mostre que, para qualquer > 0,
log Xn
=1
P lim sup
n
n
!

e portanto

log Xn
P lim sup
0 = 1.
n
n
!

Modos de Convergncia
11. Seja {Xn }n1 uma sequncia de variveis aleatrias tal que cada Xn assume valores
em {0, 1/n, . . . , (n 1)/n, 1} com P (Xn = j/n) = 1/(n + 1) para j = 0, . . . , n. Mostre
D
que Xn U (0, 1).
Soluo. Seja X U (0, 1), logo
0 se x < 0,
FX (x) = x se 0 x < 1,

1 se x 1.

Para n 1,
0
se x < 0,
FXn (x) = k/(n + 1) se (k 1)/n x < k/n, k = 1, . . . , n,

1
se x 1.

149

Exerccios

Para x < 0 ou x 1, temos que FXn (x) = FX (x), portanto

lim FXn (x) = FX (x).

()

Se 0 x < 1, ento FXn (x) = k/(n + 1) onde k {1, . . . , n} tal que (k 1)/n x <
k/n. Como FX (x) = x, temos

1
k
k
k
k1
1

FXn (x) FX (x)

n+1
n+1 n
n+1
n
n+1

e ento tambm vale (). Assim, Xn X.

D

12. Seja {Xn }n1 uma sequncia de variveis aleatrias, sendo a densidade de Xn dada
por
n xn1
fXn (x) =
, 0 < x < .
n
Prove que Xn .
D

13. Suponha que Xn N (0, 1/n), n 1. Prove que Xn X 0.

D

14. Sejam X1 , X2 , . . . variveis aleatrias i.i.d. com distribuio exponencial de parmetro 1. Para n 1, definimos Yn = mx{X1 , . . . , Xn } log n. Mostre que a sequncia
{Yn }n1 converge em distribuio, determinando a distribuio limite.
15. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,
com densidade comum dada por
f (x) =

1
, x > 0.
(1 + x)2

Defina Wn = n1 mx{X1 , . . . , Xn }, n 1. Demonstre que a sequncia {Wn }n1 converge

em distribuio, identificando a distribuio limite.
16. Sejam X1 , X2 , . . . variveis aleatrias i.i.d. com distribuio uniforme em (0, 1), e seja
Nk Poisson(k) independente de X1 , X2 , . . . Considere
Yk =

se Nk = 0,

k mn{X1 , . . . , XNk } se Nk 1.

Prove que Yk converge em distribuio quando k , obtendo a distribuio limite.

17. Seja {Xn }n1 uma sequncia de variveis aleatrias tal que Xn Binomial(n, 1/n2 ).
P
Demonstre que Xn 1/n 0.
Soluo. Observamos que E(Xn ) = 1/n e Var(Xn ) = (1/n) (1 1/n2 ). Para qualquer
> 0, temos, pela Desigualdade de Chebyshev,
P
Assim, Xn 1/n 0.
P




Xn


1
1
 >

n
n 2


1
1 2
n

0.

150

Modos de Convergncia e Teoremas Limites

18. Seja {Xn }n1 uma sequncia de variveis aleatrias tais que
P (Xn = n) = 1 P (Xn = 1/n) = 1/n2 .
Mostre que Xn 0.
P

19. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em [0, 1]. Definimos
Yn = mn{X1 , . . . , Xn }, Zn = mx{X1 , . . . , Xn }, Un = n Yn e Vn = n (1 Zn ), n 1.
Mostre que
(a) Yn 0 e Zn 1.
P

(b) Un W e Vn W , onde W Exp(1).

D

20. Seja X uma varivel aleatria assumindo os valores 1 e 1 com probabilidade 1/2
e suponha que {Yn }n1 uma sequncia de variveis aleatrias independentes de X tais
que
1
P (Yn = 1) = 1 P (Yn = 0) = 1 .
n
Definimos a sequncia de variveis aleatrias {Xn }n1 por
X se Yn = 1,
Xn = n
e se Yn = 0.

Responda se as seguintes afirmaes so verdadeiras ou falsas, justificando sua resposta.

(a) Xn X.
P

(b) n
lim E(|Xn X|) = 0.
21. Seja {Xn }n1 uma sequncia de variveis aleatrias com E(Xn2 ) < para todo n 1.
P
Prove que se n
lim E(Xn ) = e n
lim Var(Xn ) = 0, ento Xn .
22 . Sejam X1 , X2 , . . . variveis aleatrias independentes, com
P (Xn = 1) = pn

e P (Xn = 0) = 1 pn .

Prove que
(a) Xn 0 se e somente se n
lim pn = 0.
P

(b) Xn 0 se e somente se
q.c.

n=1

pn < .

Soluo. Recordamos que, pela definio de convergncia em probabilidade,

n

Xn 0 P (|Xn | > ) 0 para todo > 0.

P

Alm disso, o critrio para convergncia quase certa dado em 2.4 estabelece que
Xn 0 P (|Xn | > infinitas vezes) = 0 para todo > 0.
q.c.

151

Exerccios

(a) Se n
lim pn = 0, ento para qualquer > 0,
n

P (|Xn | > ) P (Xn 6= 0) = pn 0,

e portanto Xn 0. Reciprocamente, se Xn 0, ento
P

pn = P (|Xn | > 1/2) 0.

(b) Se

n=1

pn < , ento para qualquer > 0,

P (|Xn | > )

n=1

pn < .

n=1

Usando o Lema de Borel-Cantelli, conclumos que P (|Xn | > infinitas vezes) = 0 para
q.c.
todo > 0, logo Xn 0.
Por outro lado, se

n=1

pn = , ento

P (|Xn | > 1/2) =

n=1

pn = .

n=1

Como os eventos {|Xn | > 1/2} so independentes (pois as Xn s o so), temos, pelo Lema
de Borel-Cantelli, que P (|Xn | > 1/2 infinitas vezes) = 1. Isso mostra que Xn no converge
para 0 quase certamente.
23 . Sejam X2 , X3 , . . . variveis aleatrias independentes e identicamente distribudas,
com distribuio exponencial de parmetro 1. Para n 2, considere
Yn =

Xn
.
log n

(a) Mostre que Yn 0.

P

(b) Prove que P (|Yn | > 1/2 infinitas vezes) = 1.

(c) Conclua do item (b) que Yn no converge para 0 quase certamente.
24 . Seja {Xn }n1 uma sequncia de variveis aleatrias tais que
P (Xn = n3 ) =

1
,
n2

P (Xn = 0) = 1

1
.
n2

Prove que Xn 0, porm n

lim E(Xn ) 6= 0.
q.c.

25 . Sejam X1 , X2 , . . . , X variveis aleatrias em um mesmo espao de probabilidade.

q.c.
Demonstre que Xn X se

E(|Xn X|r ) < para algum r > 0.

n=1

26 . Suponha que Xn N (n , n2 ), n 1, e que n R e n > 0 quando

D
n . Prove que Xn N (, 2 ).

152

Modos de Convergncia e Teoremas Limites

27 . Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio N (0, 2 ).
Fixado um nmero real , definimos a sequncia {Yn }n1 pela frmula
Y1 = X1 ,
(a) Mostre que Yn =

Pn1
i=0

Yn = Yn1 + Xn , n 2.

i Xni , n 1.

(b) Obtenha a funo geradora de momentos de Yn e a sua distribuio.

(c) Calcule Cov(Ym , Yn ), 1 m n.
(d) Prove que se || < 1, ento
!

2
.
Yn N 0,
1 2
D

28 . Suponha que Xn Geomtrica(1/n), n 2, e seja Yn = Xn /n 1. Prove que

D
Yn Y onde Y Exp(1).
29 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,
P
com distribuio de Poisson de parmetro . Considere Sn = ni=1 Xi . Usando o Teorema
da continuidade, demonstre que
Sn D
.
n
Sugesto: Prove e use que lim

x0

ex 1
= 1.
x

30. Seja {Xn }n1 uma sequncia de variveis aleatrias tal que Xn tem funo de distribuio
sen(2nx)
, 0 x 1.
Fn (x) = x
2n
(a) Mostre que Xn tem densidade e ento conclua que de fato Fn uma funo de
distribuio.
(b) Prove que Xn X onde X U [0, 1], mas a densidade de Xn no converge para
a densidade de X no intervalo (0, 1).
D

31. (a) Prove os itens (i) e (ii) do tpico 2.8 (p. 141).
(b) Fornea um exemplo no qual Xn X, Yn Y , porm a soma Xn + Yn no
converge em distribuio para X + Y .
D

32. Suponha que Zn N (0, 1) e Vn 2n so variveis aleatrias independentes. Mostre

que
Zn
D
Tn =
N (0, 1).
Vn /n
Sugesto: Recorde-se de que a distribuio 2n idntica Gama(n/2, 1/2) e obtenha
E(Vn ) e Var(Vn ).

153

Exerccios

Teoremas Limites
33. Uma moeda honesta lanada infinitas vezes independentemente. Sejam X1 , X2 , . . .
as variveis aleatrias definidas por
Xi =

1 se o i-simo e o (i + 1)-simo lanamentos resultam em cara,

0 caso contrrio.

(a) Obtenha E(Xi ) e Var(Xi ).

(b) Mostre que
Cov(Xi , Xj ) =

(c) Seja Sn =

n
X

1/16 se j = i + 1,
0

se j > i + 1.

Xi , n 1. Determine E(Sn ) e Var(Sn ).

i=1

(d) Prove que Sn /n 1/4.

P

34. Seja m 0 um nmero inteiro. Dizemos que as variveis aleatrias X1 , X2 , . . . so

m-dependentes se Xi e Xj so independentes sempre que |i j| > m. Assim, variveis
aleatrias independentes so 0-dependentes. Suponha que X1 , X2 , . . . so variveis aleatrias m-dependentes, tais que E(Xi ) = e Var(Xi ) = 2 < para todo i 1. Considere
P
Sn = ni=1 Xi , n 1. Mostre que
Sn P
.
n
Sugesto: Use a Desigualdade de Cauchy-Schwarz para obter um limitante superior para
Cov(Xi , Xj ), |i j| m.
35. Considere uma sequncia infinita de lanamentos independentes de uma moeda, com
probabilidade p de cara em cada lanamento (0 < p < 1). Uma seguida uma sequncia
de lanamentos de mesmo resultado. Seja Rn o nmero de seguidas nos n primeiros
lanamentos. Demonstre que
Rn P
2 p (1 p).
n
Sugesto: Vejam-se os exerccios 55 do Captulo 4 e 21 do Captulo 5.
36. Suponha que distribumos r bolas distintas aleatoriamente em n urnas. Seja Nn o
nmero de urnas vazias aps a distribuio. Prove que se r, n de forma que r/n c,
ento
Nn P
ec .
n
Sugesto: Vejam-se os exerccios 57 do Captulo 4 e 21 do Captulo 5.
37. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,
com mdia comum e varincia finita. Prove que
n
2

!1
X
1i<jn

Xi Xj 2 .

154

Modos de Convergncia e Teoremas Limites

38. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em (0, 1). Definimos a mdia geomtrica de X1 , . . . , Xn por
Yn =

n
Y

Xi

1/n

i=1

Mostre que a sequncia {Yn }n1 converge q.c. para uma constante e encontre o valor dessa
constante.
Soluo. Seja Zi = log Xi , i 1. Ento, Z1 , Z2 , . . . so variveis aleatrias i.i.d. (j que
as Xi s o so), com
E(Z1 ) =

Z 1
0

log x dx = lim+
0

Z 1

log x dx =

1

lim+ (x log x x) 
0

= 1.

Pela Lei Forte dos Grandes Nmeros de Kolmogorov,

log Yn =

Z1 + + Zn q.c.
1.
n

Portanto, como a funo x 7 ex contnua,

Yn e1 .
q.c.

39. Integrao numrica: Suponha que g uma funo contnua, no-negativa, definida em [0, 1], tal que supx g(x) 1. O seguinte procedimento visa a aproximar a integral
de g em [0, 1]. Escolhem-se n pontos uniformemente em [0, 1] [0, 1], e se define Un como
o nmero de pontos que caem abaixo da curva y = g(x). Prove que
Un q.c. Z 1
g(x) dx.

n
0
40. Uma vareta de comprimento 1 quebrada de maneira aleatria, o que significa que a
parte restante tem distribuio uniforme em (0, 1). A parte restante quebrada de modo
similar, e assim por diante.
(a) Seja Xn o comprimento da parte que sobra aps a vareta ter sido quebrada n vezes.
Descreva Xn como um produto.
(b) Mostre que a sequncia {log(Xn )/n}n1 converge quase certamente, respondendo
qual o limite.
(c) Obtenha uma aproximao para a probabilidade de que X36 e24 .
41. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em [0, ]. Encontre constantes A e B tais que
sen

" Pn

i=1

Xi

#
q.c.

Pn

i=1

sen Xi q.c.
B.
n

155

Exerccios

42. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio N (0, 1).
Definimos a sequncia {Yn }n1 por
Yn =

X12 + + Xn2
.
(X1 1)2 + + (Xn 1)2

Prove que Yn 1/2.

q.c.

43. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio de Poisson
de parmetro . Definimos a sequncia {Yn }n1 por
Yn = q

X1 + + Xn
n (X12 + + Xn2 )

Demonstre que {Yn }n1 converge q.c. para uma constante e encontre o valor dessa constante.
44. Sejam X1 , . . . , Xn variveis aleatrias independentes e identicamente distribudas,
com mdia e varincia 2 , 0 < 2 < . Definimos
n =
X
Sn2

Pn

i=1

Xi

= Mdia amostral e

n )2
X
= Varincia amostral.
n1

i=1 (Xi

Pn

n ) e Var(X
n ).
(a) Determine E(X
(b) Mostre que
Sn2

Pn

i=1

n )2
Xi2 n (X
.
n1

(c) Obtenha E(Sn2 ).

(d) Prove que Sn2 2 quando n .
q.c.

45 . Seja {Xn }n1 uma sequncia de variveis aleatrias independentes tal que
P (Xn = n ) = P (Xn = n ) =
para algum (0,1/2). Mostre que n1

Pn

i=1

1
2

Xi 0.
q.c.

46 . Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas.

Mostre que as seguintes afirmaes so equivalentes:
(i) E|X1 | < ;
(ii)

n=1

P (|Xn | > n ) < para todo > 0;

(iii) P (|Xn | > n infinitas vezes) = 0 para todo > 0;

(iv) Xn /n 0 quando n .
q.c.

Sugesto: Use o critrio para integrabilidade enunciado em 1.10 do Captulo 4.

156

Modos de Convergncia e Teoremas Limites

47 . Recproca para a Lei Forte de Kolmogorov: Sejam X1 , X2 , . . . variveis aleaP

trias independentes e identicamente distribudas, e considere Sn = ni=1 Xi .
(a) Suponha que Sn /n c, onde c uma constante.
q.c.
(a1) Mostre que Xn /n 0.
(a2) Conclua que E|X1 | < e c = E(X1 ).
q.c.

(b) Suponha que E|X1 | = .

(b1) Prove que P (|Xn | > n k infinitas vezes) = 1 para todo k = 1, 2, . . .
(b2) Mostre que
!
|Xn |
P lim sup
= =1
n
n
e portanto
!
|Sn |
P lim sup
= = 1.
n
n
Sugesto: Veja o exerccio 46 e use respectivamente em (a) e em (b) que
Sn
Xn
n 1 Sn1
=

n
n
n
n1


|Xn |
|Sn | |Sn1 |

+
.
n
n
n1

48 . Uma sequncia de variveis aleatrias que satisfaz a Lei Fraca dos Grandes
Nmeros, porm no a Lei Forte: Sejam X1 , X2 , . . . variveis aleatrias independentes tais que P (X1 = 0) = 1 e, para cada n 2,
P (Xn = n) = P (Xn = n) =
Seja Sn =

Pn

i=1

1
,
2n log n

P (Xn = 0) = 1

1
.
n log n

Xi .

(a) Usando a Desigualdade de Chebyshev, prove que Sn /n 0.

P

(b) Mostre que P (|Xn | > n/2 infinitas vezes) = 1.

(c) Conclua que Xn /n no converge para 0 quase certamente e portanto Sn /n no
converge para 0 quase certamente.
49 . Sejam X1 , X2 , . . . variveis aleatrias independentes tais que, para cada n 1,
pn
P (Xn = n) = P (Xn = n) = , P (Xn = 0) = 1 pn .
2
Pn
Seja Sn = i=1 Xi . Demonstre que

X
n=1

pn <

Sn q.c.
0.
n

50. Uma marca de chocolate faz uma promoo: alguns dos pacotes incluem vales que
podem ser trocados por uma camiseta. O nmero de pacotes premiados que se vendem
ao dia em uma loja uma varivel aleatria com distribuio de Poisson de parmetro
0,3. Estime a probabilidade de que em 120 dias se vendam nessa loja mais de 30 pacotes
com prmio.

157

Exerccios

Soluo. Para 1 i 120, seja Xi o nmero de pacotes premiados vendidos na loja no

dia i. Sabemos que X1 , . . . , X120 tm distribuio de Poisson(0,3), logo
= E(X1 ) = 0,3 e 2 = Var(X1 ) = 0,3.
Supomos que X1 , . . . , X120 so independentes, e seja S120 =
premiados vendidos na loja durante os 120 dias.

P120

i=1

Xi o total de pacotes

Pelo Teorema Central do Limite,

P (S120 > 30) = P

S120 120 . 0,3

30 120 . 0,3

>
0,3 . 120
0,3 . 120

P (Z > 1) 0,8413,
onde Z N (0, 1).
51. O nmero mdio de canetas que se vendem diariamente em uma papelaria 30, sendo
a varincia 10. Estes valores so 20 e 12 para o nmero de cadernos vendidos. Sabe-se,
ademais, que a covarincia entre as vendas dirias de ambos produtos 9. Estime a
probabilidade de que o nmero total de ambos produtos vendidos durante 90 dias esteja
compreendido entre 4400 e 4600.
52. Uma mquina empacota lotes de parafusos. O dono da mquina deseja que pelo menos
90% dos lotes tenham mais de 1000 parafusos sem defeito. Sabendo que a probabilidade
de que um parafuso seja defeituoso 0,02, qual o menor nmero de parafusos que deve
colocar por lote?
53. Trs emissoras de televiso tm uma rdua competio para obter altos nveis de
audincia. O nmero mdio dirio de prmios milionrios distribudos por cada uma
dessas emissoras de 5, 3 e 4, sendo 0,5, 0,4 e 0,3 os desvios padres, respectivamente.
Estime a probabilidade de que o nmero total de prmios milionrios distribudos em dois
meses seja superior a 730.
54. O salrio em reais dos funcionrios de uma empresa tem distribuio de Pareto, com
densidade
5 7005/2
f (x) =
, x 700.
2 x7/2
Qual a probabilidade de que o salrio mdio de um grupo de 1000 funcionrios seja maior
que 1200 reais?
55. Cada um de 108 nmeros arredondado para o inteiro mais prximo, e somam-se os
valores arredondados. Suponha que os erros de arredondamento so variveis aleatrias
independentes, uniformemente distribudas em [1/2, 1/2]. Obtenha uma aproximao
para a probabilidade de que a soma obtida esteja distante da soma dos nmeros originais
(a) por mais de 3.
(b) por mais de 6.

158

Modos de Convergncia e Teoremas Limites

56. Um estudante tem no mximo uma hora para fazer uma prova com 116 questes. Ele
decide gastar no mais que um minuto por questo. Suponha que os tempos gastos em
diferentes questes so variveis aleatrias independentes, com densidade
f (x) = 6 x (1 x), 0 x 1.
Qual a probabilidade de que o estudante consiga fazer a prova inteira?
57. A proporo de impurezas em amostras de gua coletadas em um trecho de um rio
tem distribuio Beta(3, 2). Coletam-se 36 amostras, de forma independente. Encontre
uma aproximao para as seguintes probabilidades:
(a) de que a proporo mdia de impurezas das amostras seja maior que 0,58.
(b) de que o nmero de amostras em que a proporo de impurezas excede 0,58 seja
no mximo 24.
58. Suponha que, ao jogar roleta em um cassino, o apostador ganha ou perde um euro
com probabilidades respectivas 9/19 e 10/19. Assim, as apostas sucessivas so variveis
aleatrias X1 , X2 , . . . independentes, com P (Xi = 1) = 9/19 = 1 P (Xi = 1), i 1, e
P
Sn = ni=1 Xi o capital acumulado pelo apostador aps n jogadas.
(a) Estime a probabilidade de que em 80 jogadas o apostador tenha perdido dinheiro.
(b) Aproxime a probabilidade de que em 400000 apostas o cassino aufira um lucro
entre 20000 e 22000 euros.
n = n1 Pni=1 Xi de n variveis aleatrias i.i.d. com distribuio
59. Considere a mdia X
n < 0,51) seja aproximadamente 90%.
uniforme em [0, 1]. Encontre n tal que P (X
60. Um dado honesto lanado infinitas vezes independentemente. Seja Xi o resultado
do i-simo lanamento, e considere Sn = X1 + + Xn . Obtenha:
(a) lim P (Sn > 3 n).
n

(b) n
lim P (Sn > 3,5 n).
(c) um valor aproximado para P (S100 > 320).
61. Uma moeda honesta lanada independentemente, at se obterem 450 caras. Estime
a probabilidade de que no mximo 960 lanamentos sejam feitos.
Sugesto: Seja N o nmero de lanamentos necessrios para obter 450 caras. H duas
abordagens:
(i) Escrever N como a soma de 450 variveis aleatrias independentes com distribuio
geomtrica de parmetro 1/2.
(ii) Supor que a sequncia de lanamentos da moeda infinita e usar que {N 960} =
P
{ 960
i=1 Xi 450}, onde Xi a funo indicadora de que ocorre cara no i-simo
lanamento.

159

Exerccios

62. Uma pessoa distribui jornais aos transeuntes na esquina de uma metrpole. Suponha
que cada pessoa que passa pelo entregador pega um exemplar do jornal com probabilidade
1/3, independentemente das demais. Seja N o nmero de pessoas que passam pelo entregador at o tempo em que ele entrega suas primeiras 600 cpias. Estime a probabilidade
de que N seja maior que 1740.
63. Considere um experimento que consiste em lanamentos independentes e sucessivos
de um dado honesto. Se o resultado 1, 2 ou 3, anotamos em uma folha de papel o
nmero 1, se a face do dado igual a 4, anotamos o nmero 2, e se igual a 5 ou 6,
anotamos o nmero 3. Seja N o nmero de lanamentos necessrios para que o produto
dos nmeros anotados ultrapasse 100000. Estime a probabilidade de que N 25.
64. A durao em meses de uma pilha usada por Joo no seu aparelho de mp3 tem distribuio uniforme em (1, 2). Suponha que Joo troca a pilha por uma nova imediatamente
aps ela ficar gasta. Estime a probabilidade de que ele use mais do que 27 pilhas em um
perodo de 42 meses.
65. Usando o Teorema Central do Limite para variveis aleatrias com distribuio de
Poisson, mostre que
lim e
n

nn
n n2
+ +
1+ +
1!
2!
n!

1
= .
2

66. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,

n = Sn /n = Pn Xi /n. Prove
com distribuio Bernoulli(p), p (0, 1), e consideremos X
i=1
que
i
h
D
n (1 X
n ) p (1 p)
n X
N (0, p (1 p) (1 2p)2 ).
Soluo. Pelo Teorema Central do Limite de De Moivre e Laplace,


n Xn p
Sn n p
D

=
N (0, 1),
p (1 p)
n p (1 p)
logo, pelo Teorema de Slutsky,


D
n p
n X
N (0, p (1 p)).
Tomando g(x) = x (1 x), temos que g 0 (x) = 1 2x, portanto usando o Mtodo Delta
conclumos que
i
h
D
n (1 X
n ) p (1 p)
n X
N (0, p (1 p) (1 2p)2 ).
Se p = 1/2, interpretamos a distribuio N (0, 0) como a massa pontual em 0.
67. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
em (1,1). Definimos a sequncia {Yn }n1 por
Pn

i=1 Xi
Pn
2
i=1
i=1 Xi +

Yn = Pn

Xi3

160

Modos de Convergncia e Teoremas Limites

(a) Prove que Yn 0.

D
(b) Demonstre que n Yn N (0, 3).
q.c.

68. Seja Xn Gama(n, 1), n 1. Prove que

Xn n D

N (0, 1).
Xn
69. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,
com distribuio de Laplace (exponencial dupla), ou seja, X1 tem densidade
fX1 (x) =
Mostre que

1 |x|
e , x R.
2

Pn

i=1 Xi
Pn
2
i=1 Xi

N (0, 1/2).
D

70. Sejam X1 , X2 , . . . variveis aleatrias independentes e identicamente distribudas,

P
com distribuio uniforme em (, ), > 0. Para n 1, definimos Sn = ni=1 Xi e
Yn = mx{X1 , . . . , Xn }. Demonstre que
S
D
n N (0, 1/3).
n Yn
71. Sejam {Xn }n1 uma sequncia de variveis aleatrias i.i.d. e g : R R uma funo.
Suponha que E(g(X1 )) = e Var(g(X1 )) = 2 , 0 < 2 < . Alm disso, suponha que Tn
uma funo Tn = Tn (X1 , . . . , Xn ) (uma estatstica) que satisfaz
Tn =

n
X

g(Xi ) + Rn ,

i=1

P
onde Rn / n 0. Prove que
Tn n D

N (0, 1).
n
72. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com distribuio uniforme
n = n1 Pni=1 Xi . Demonstre que
em [0, 2], onde > 0. Definimos X


D
n log
n log X
N (0, 1/3).
73. Seja {Xn }n1 uma sequncia de variveis aleatrias independentes e identicamente
distribudas, com densidade comum
f (x) = 3 x2 , 0 < x < 1.
Definimos a mdia harmnica de X1 , . . . , Xn por
n
Hn = Pn
1 .
i=1 Xi

161

Exerccios

(a) Mostre que a sequncia {Hn }n1 converge q.c. para uma constante c e encontre o
valor de c.

(b) Prove que n (Hn c) converge em distribuio, apresentando a distribuio limite.

74. Seja {Xn }n1 uma sequncia de variveis aleatrias independentes e identicamente
distribudas, com distribuio exponencial de parmetro . Definimos
n =
X

Pn

i=1

Xi

1
|{i n : Xi 1}|
, Un = , Yn =
e Vn = log Yn .
n
Xn

(a) Mostre que Un e Vn quando n .

(b) Demonstre que n (Un ) e n (Vn ) convergem em distribuio, determinando as distribuies limites.
q.c.

q.c.

75. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com mdia 1 e varincia 2
P
finita e positiva. Considere Sn = ni=1 Xi . Prove que
q

Sn

n N (0, a2 ),
D

determinando a constante a2 .
76. Seja {Xn }n1 uma sequncia de variveis aleatrias i.i.d. com mdia e varincia 2
n = n1 Pn Xi .
finita e positiva. Definimos X
i=1
(a) Mostre que


 2
D
2
n X
N (0, 4 2 2 ).
n

(b) Prove que, se > 0, ento



D
n log
n log X
N (0, 2 /2 ).

77 . Seja {Xn }n1 uma sequncia de variveis aleatrias independentes tal que
P (Xn = 1) = P (Xn = 1) =
Considere Sn =

Pn

i=1

1
1
, P (Xn = 0) = 1 , n 1.
2n
n

Xi e demonstre que
Sn q.c.
0
n

Sn
D
N (0, 1).
log n

Convergncia de momentos*
78 . Sejam X1 , X2 , . . . variveis aleatrias tais que X1 integrvel e Xn X quase
certamente quando n . Prove que
E(Xn ) E(X) quando n .

162

Modos de Convergncia e Teoremas Limites

79 . (Teorema de Beppo Levi). Suponha que X1 , X2 , . . . so variveis aleatrias integrveis tais que supn E(Xn ) < . Mostre que se Xn X quase certamente quando n ,
ento X integrvel e
E(Xn ) E(X) quando n .
80 . Sejam A1 , A2 , . . . eventos em um espao de probabilidade.
(a) Usando o Lema de Fatou, demonstre que


P lim
inf An lim
inf P (An ).
n
n
(b) Usando o Teorema da convergncia limitada, prove que se existe A = n
lim An ,
ento P (A) = lim P (An ).
n

81 . Mostre que se Y1 , Y2 , . . . so variveis aleatrias no-negativas, ento

Yn =

n=1

E(Yn ).

n=1

82 . Suponha que Y1 , Y2 , . . . so variveis aleatrias tais que | nk=1 Yk | X para todo n,

P
P
onde X integrvel. Prove que se
n=1 Yn e
n=1 Yn converge quase certamente, ento
as Yn s so integrveis, e
!
P

Yn =

E(Yn ).

n=1

n=1

83 . Suponha que Y1 , Y2 , . . . so variveis aleatrias tais que

P
que
n=1 |Yn | converge quase certamente e integrvel, e

Yn =

n=1

n=1

E|Yn | < . Demonstre

E(Yn ).

n=1

84 . Equao de Wald: Sejam X1 , X2 , . . . variveis aleatrias, todas com a mesma

mdia . Seja N uma varivel aleatria inteira e no-negativa tal que, para todo n,
o evento {N = n} independente de Xn+1 , Xn+2 , . . . Suponha que vlida uma das
seguintes condies:
(i) Xn 0 para todo n

ou

(ii) E(N ) < e supn E|Xn | < .

Mostre que
E

N
X

Xn = E(N ).

n=1

Sugesto: Defina In = I{N n} = 1

Pn1
i=0

I{N =i} e escreva

PN

n=1

Xn =

n=1

Xn In .

163

Respostas

Respostas

14. FYn (y) =

(1 ey /n)

se y > log n,

caso contrrio.

Yn Y com FY (y) = exp{ exp{y}}, y R.

D

15. F (w) =

e1/w se w > 0,
0

16. FYk (y) =

caso contrrio.
0

se y < 0,

1 + ek ey se 0 y < k,

se y k.

Yk Y com Y Exp(1).
D

20. (a) Verdadeira (Para qualquer > 0, {|Xn X| > } {Yn = 0}).
(b) Falsa ( lim E(|Xn X|) = lim en /n = ).
n

26. Use o Teorema da continuidade.

27. (a) Prove por induo em n.

(b) N 0, 2

Pn1
i=0

2i

(c) 2 nm

Pm1
i=0

2i

(d) Use o Teorema da continuidade.

28. Use o Teorema da continuidade.
32. Use o Teorema de Slutsky.
33. (a) 1/4, 3/16 (c) n/4, (5n 2)/16 (d) Use a Desigualdade de Chebyshev.
40. (b) 1 (c) 0,9772
41. A = 1 e B = 2/
42. Use duas vezes a Lei Forte dos Grandes Nmeros.
s

43.

1+

n ) = e Var(X
n ) = 2 /n (c) E(S 2 ) = 2
44. (a) E(X
n
(d) Use duas vezes a Lei Forte dos Grandes Nmeros.
45. Use a Lei Forte dos Grandes Nmeros enunciada em 4.1.

164

Modos de Convergncia e Teoremas Limites

51. 0,904
52. 1027
53. 0,0339
54. 0,1562
55. (a) 0,3174 (b) 0,0456
56. 0,7967
57. (a) 0,7257 (b) 0,9015
58. (a) 0,6406 (b) 0,8857
59. 1366
60. (a) 1 (b) 1/2 (c) 0,9608
61. 0,97
62. 0,84
63. 0,494
64. 0,8413
67. (a) Use trs vezes a Lei Forte dos Grandes Nmeros.
(b) Use o Teorema Central do Limite, a Lei Forte e o Teorema de Slutsky.
71. Utilize o Teorema Central do Limite para a sequncia {g(Xi )}i1 e o Teorema de
Slutsky.
72. Mtodo Delta.
73. (a) 2/3 (b) N (0, 4/27)
74. (b) N (0, 2 ) e N (0, e 1), respectivamente.
75. a2 = 2 /4
76. Mtodo Delta.
77. Use os tpicos 4.1, 4.2, o Teorema de Slutsky e o fato de que
n .

Pn

i=1

1/i log n quando

Apndice
Conjuntos
Denotamos por N = {0, 1, 2, . . . } o conjunto dos nmeros naturais, Z = {. . . , 1, 0, 1, . . . }
o conjunto dos nmeros inteiros, R o conjunto dos nmeros reais e C o conjunto dos
nmeros complexos.
Um conjunto A finito se existe uma correspondncia biunvoca entre A e o conjunto
{1, . . . , n} para algum n 1. (O conjunto vazio tambm finito).
Um conjunto A infinito enumervel se existe uma correspondncia biunvoca entre A
e N.
Um conjunto A infinito no-enumervel se no finito nem enumervel.
A cardinalidade de um conjunto A, denotada por |A|, o nmero de elementos de A.
Sequncias
Para uma sequncia {xn }n1 de nmeros reais, escrevemos xn x quando n
lim xn = x;
xn x significa que x1 x2 e xn x; xn x significa que x1 x2 e xn x.
Seja {xn }n1 uma sequncia de nmeros reais. O limite inferior e o limite superior dessa
sequncia so definidos respectivamente por
` = lim inf xn = sup inf xk = lim inf xk
n
n kn

n1 kn

` = lim sup xn = inf sup xk = lim sup xk .

n

n1 kn

n kn

Pode-se mostrar que ` ` so respectivamente o nfimo e o supremo do conjunto dos

pontos limites da sequncia. Observamos que ` = se e somente se dados M R e

n 1, existe k n tal que xk > M . A sequncia tem limite ` R {, } quando

n se e somente se ` = ` = `.

Cumpre ainda notar que, para uma sequncia A1 , A2 , . . . de eventos,

Ilim inf n An = lim inf IAn
n

e Ilim supn An = lim sup IAn .

n

166

Apndice

Sries
Dada uma sequncia {an }n1 de nmeros reais, dizemos que a srie
a sequncia das somas parciais sn =

Pn

k=1

n=1

an converge se

ak , n 1, tem limite finito quando n .

Caso contrrio, a srie diverge.

Se os termos so no-negativos (an 0 para todo n), claro que as somas parciais formam
uma sequncia no-decrescente, e ento a srie converge se e somente se a sequncia das
somas parciais limitada. Escrevemos

n=1

an < ou = conforme a srie convirja

ou no.
Algumas sries importantes:

X
n=0

x =
n

(1 x)1 se 0 x < 1,
se x 1.

xn
= ex para todo x R.
n!
n=0
1 < se p > 1,
p
= se p 1.
n=1 n

< se p > 1,
1
p
= se p 1.
n=2 n (log n)

Um critrio bastante til estabelece que as sries de termos positivos

an e

n bn

so

convergentes ou divergentes simultaneamente se o limite lim an /bn um nmero diferente

n

de zero.
Dada uma sequncia {an }n0 de nmeros reais, a srie
de potncias. Definimos
R=

1
lim sup

q
n

com 1/0 e 1/ 0. Ento,

n=0

|an |

n=0

an xn chamada uma srie

an xn converge se |x| < R e diverge se |x| > R.

Denomina-se R o raio de convergncia da srie de potncias.

Teorema de Abel: Se an 0 para todo n e
lim
x1

seja essa soma finita ou no.

X
n=0

n=0

an x n =

an xn converge para x (1, 1), ento

n=0

an ,

167
Teorema: Uma srie de potncias pode ser derivada ou integrada termo a termo qualquer
nmero de vezes dentro do intervalo de convergncia.
Funes
Uma funo f : X R (onde X R) chamada crescente se, quaisquer que sejam x, y
X, x < y implica f (x) < f (y). Se x < y (com x, y X) implica apenas f (x) f (y), f
no-decrescente. De modo anlogo, define-se funo decrescente e funo no-crescente.
Uma funo denominada estritamente montona se crescente ou decrescente.
Um conjunto A R convexo se, sempre que contm os pontos x e y, tambm contm
x + (1 ) y para 0 1. Uma funo : A R convexa se para quaisquer
x, y A e 0 1,
( x + (1 ) y) (x) + (1 ) (y).
Em palavras, convexa se cada ponto na corda entre (x, (x)) e (y, (y)) est acima
do grfico de . Para uma funo : (a, b) R duas vezes diferencivel, 00 (x) 0 para
todo x (a, b) uma condio necessria e suficiente para convexidade.
Convergncia uniforme no Teorema Central do Limite
Seja X1 , X2 , . . . uma sequncia de variveis aleatrias i.i.d. com mdia e varincia 2
finita e positiva. Em aplicaes do Teorema Central do Limite, usa-se frequentemente
que, para n grande, Sn =

Pn

i=1

Xi tem aproximadamente distribuio normal com mdia

n e varincia n 2 . Essa afirmao justificada pelo seguinte resultado: Se Zn Z e

D

FZ contnua em R, ento FZn converge para FZ uniformemente em R.

Distribuio Normal Padro

Parte inteira e primeira decimal de z

1 Z z x2 /2
e
dx para z 0.
Funo tabelada: (z) =
2

0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9

0
1
0,5
0,504
0,5398 0,5438
0,5793 0,5832
0,6179 0,6217
0,6554 0,6591
0,6915 0,695
0,7257 0,7291
0,758 0,7611
0,7881 0,791
0,8159 0,8186
0,8413 0,8438
0,8643 0,8665
0,8849 0,8869
0,9032 0,9049
0,9192 0,9207
0,9332 0,9345
0,9452 0,9463
0,9554 0,9564
0,9641 0,9649
0,9713 0,9719
0,9772 0,9778
0,9821 0,9826
0,9861 0,9864
0,9893 0,9896
0,9918 0,992
0,9938 0,994
0,9953 0,9955
0,9965 0,9966
0,9974 0,9975
0,9981 0,9982
0,9987 0,9987
0,999 0,9991
0,9993 0,9993
0,9995 0,9995
0,9997 0,9997
0,9998 0,9998
0,9998 0,9998
0,9999 0,9999
0,9999 0,9999
1,
1,

2
0,508
0,5478
0,5871
0,6255
0,6628
0,6985
0,7324
0,7642
0,7939
0,8212
0,8461
0,8686
0,8888
0,9066
0,9222
0,9357
0,9474
0,9573
0,9656
0,9726
0,9783
0,983
0,9868
0,9898
0,9922
0,9941
0,9956
0,9967
0,9976
0,9982
0,9987
0,9991
0,9994
0,9995
0,9997
0,9998
0,9999
0,9999
0,9999
1,

Segunda decimal de
3
4
5
0,512 0,516 0,5199
0,5517 0,5557 0,5596
0,591 0,5948 0,5987
0,6293 0,6331 0,6368
0,6664 0,67
0,6736
0,7019 0,7054 0,7088
0,7357 0,7389 0,7422
0,7673 0,7704 0,7734
0,7967 0,7995 0,8023
0,8238 0,8264 0,8289
0,8485 0,8508 0,8531
0,8708 0,8729 0,8749
0,8907 0,8925 0,8944
0,9082 0,9099 0,9115
0,9236 0,9251 0,9265
0,937 0,9382 0,9394
0,9484 0,9495 0,9505
0,9582 0,9591 0,9599
0,9664 0,9671 0,9678
0,9732 0,9738 0,9744
0,9788 0,9793 0,9798
0,9834 0,9838 0,9842
0,9871 0,9875 0,9878
0,9901 0,9904 0,9906
0,9925 0,9927 0,9929
0,9943 0,9945 0,9946
0,9957 0,9959 0,996
0,9968 0,9969 0,997
0,9977 0,9977 0,9978
0,9983 0,9984 0,9984
0,9988 0,9988 0,9989
0,9991 0,9992 0,9992
0,9994 0,9994 0,9994
0,9996 0,9996 0,9996
0,9997 0,9997 0,9997
0,9998 0,9998 0,9998
0,9999 0,9999 0,9999
0,9999 0,9999 0,9999
0,9999 0,9999 0,9999
1,
1,
1,

z
6
0,5239
0,5636
0,6026
0,6406
0,6772
0,7123
0,7454
0,7764
0,8051
0,8315
0,8554
0,877
0,8962
0,9131
0,9279
0,9406
0,9515
0,9608
0,9686
0,975
0,9803
0,9846
0,9881
0,9909
0,9931
0,9948
0,9961
0,9971
0,9979
0,9985
0,9989
0,9992
0,9994
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,

7
0,5279
0,5675
0,6064
0,6443
0,6808
0,7157
0,7486
0,7794
0,8078
0,834
0,8577
0,879
0,898
0,9147
0,9292
0,9418
0,9525
0,9616
0,9693
0,9756
0,9808
0,985
0,9884
0,9911
0,9932
0,9949
0,9962
0,9972
0,9979
0,9985
0,9989
0,9992
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,

8
0,5319
0,5714
0,6103
0,648
0,6844
0,719
0,7517
0,7823
0,8106
0,8365
0,8599
0,881
0,8997
0,9162
0,9306
0,9429
0,9535
0,9625
0,9699
0,9761
0,9812
0,9854
0,9887
0,9913
0,9934
0,9951
0,9963
0,9973
0,998
0,9986
0,999
0,9993
0,9995
0,9996
0,9997
0,9998
0,9999
0,9999
0,9999
1,

9
0,5359
0,5753
0,6141
0,6517
0,6879
0,7224
0,7549
0,7852
0,8133
0,8389
0,8621
0,883
0,9015
0,9177
0,9319
0,9441
0,9545
0,9633
0,9706
0,9767
0,9817
0,9857
0,989
0,9916
0,9936
0,9952
0,9964
0,9974
0,9981
0,9986
0,999
0,9993
0,9995
0,9997
0,9998
0,9998
0,9999
0,9999
0,9999
1,

0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,1
1,2
1,3
1,4
1,5
1,6
1,7
1,8
1,9
2,0
2,1
2,2
2,3
2,4
2,5
2,6
2,7
2,8
2,9
3,0
3,1
3,2
3,3
3,4
3,5
3,6
3,7
3,8
3,9

Referncias Bibliogrficas
[1] BACHX, A. C.; POPPE, L. M. B.; TAVARES, R. N. O. Preldio anlise combinatria. So Paulo: Companhia Editora Nacional, 1975.
[2] BASSETT, E. E.; BREMNER, J. M.; JOLLIFFE, I. T.; JONES, B.; MORGAN, B.
J. T.; NORTH, P. M. Statistics: problems and solutions. 2nd. ed. Singapore: World
Scientific, 2000.
[3] BILLINGSLEY, P. Probability and measure. 3rd. ed. New York: John Wiley & Sons,
1995.
[4] BNA, M. Introduction to enumerative combinatorics. Boston: McGraw Hill, 2007.
[5] DANTAS, C. A. B. Probabilidade: um curso introdutrio. 3. ed. So Paulo: Editora
da Universidade de So Paulo, 2008. (Coleo Acadmica).
[6] DASGUPTA, A. Fundamentals of probability: a first course. New York: Springer,
2010.
[7] DURRETT, R. Elementary probability for applications. Cambridge: Cambridge University Press, 2009.
[8] DURRETT, R. Probability: theory and examples. 4th. ed. Cambridge: Cambridge
University Press, 2010.
[9] FELLER, W. An introduction to probability theory and its applications, Volume I.
3rd. ed. New York: John Wiley & Sons, 1968.
[10] FERNNDEZ-ABASCAL, H.; GUIJARRO, M.; ROJO, J. L.; SANZ, J. A. Ejercicios
de clculo de probabilidades. Resueltos y comentados. Barcelona: Editorial Ariel,
1995.
[11] GRIMMETT, G. R.; STIRZAKER, D. R. Probability and random processes. 3rd. ed.
New York: Oxford University Press, 2001.
[12] GUT, A. An intermediate course in probability. 2nd. ed. New York: Springer, 2009.
[13] GUT, A. Probability: a graduate course. New York: Springer, 2005.

172

Referncias Bibliogrficas

[14] HOEL, P. G.; PORT, S. C.; STONE, C. J. Introduction to probability theory. Boston:
Houghton Mifflin, 1971.
[15] JAMES, B. R. Probabilidade: um curso em nvel intermedirio. 3. ed. Rio de Janeiro:
Instituto Nacional de Matemtica Pura e Aplicada, 2004. (Projeto Euclides).
[16] LARSEN, R. J.; MARX, M. L. An introduction to mathematical statistics and its
applications. 4th. ed. Upper Saddle River, N. J.: Prentice Hall, 2006.
[17] LIMA, E. L. Curso de anlise, Volume 1. 12. ed. Rio de Janeiro: Instituto Nacional
de Matemtica Pura e Aplicada, 2004. (Projeto Euclides).
[18] MEESTER, R. A natural introduction to probability theory. 2nd. ed. Basel: Birkhuser, 2008.
[19] MORGADO, A. C. O.; CARVALHO, J. B. P.; CARVALHO, P. C. P.; FERNANDEZ, P. Anlise combinatria e probabilidade. 9. ed. Rio de Janeiro: Sociedade Brasileira de Matemtica, 2006. (Coleo do Professor de Matemtica).
[20] PITMAN, J. Probability. New York: Springer, 1993.
[21] RIORDAN, J. An introduction to combinatorial analysis. New York: Dover, 2002.
[22] ROSS, S. M. A first course in probability. 8th. ed. Upper Saddle River, N. J.: Prentice
Hall, 2008.
[23] SANTOS, J. P. O.; MELLO, M. P.; MURARI, I. T. C. Introduo anlise combinatria. Rio de Janeiro: Editora Cincia Moderna, 2008.
[24] STIRZAKER, D. Probability and random variables: a beginners guide. Cambridge:
Cambridge University Press, 1999.