You are on page 1of 6

MAE0211 - Probabilidade I

Fernando Henrique Ferraz Pereira da Rosa 12 de mar¸o de 2003 c
Lista 31 4. Para condenar um acusado s˜o necess´rios ao menos 9 votos de um j´ri a a u composto por 12 jurados. Suponha que a probabilidade de que um jurado vote que um culpado seja inocente ´ 0.2 e a probabilidade de que e um jurado vote que um inocente seja culpado ´ 0.1. Se cada jurado age e independentemente e se 65% dos acusados s˜o culpados, encontre a proa babilidade de que o j´ri tome a decis˜o correta. Que porcentagem de u a culpados s˜o condenados? a Sejam os eventos: C A I P K : : : : : o o o o o acusado ´ condenado. e acusado ´ inocentado. e acusado ´ inocente. e acusado ´ culpado. e j´ri toma a decis˜o correta. u a

Podemos utilizar a regra da probablidade total, condicionando K pelos eventos I e P . P (K) = P (K|I)P (I) + P (K|P )P (P ) Do enunciado sabemos que P (I) = 0.35 e P (P ) = 0.65. Basta calcularmos as duas probabilidades condicionais. Sejam as vari´veis aleat´rias: a o X Y : : jurados que votam que o acusado ´ culpado quando ele ´ culpado. e e jurados que votam que o acusado ´ inocente quando ele ´ inocente. e e

Do enunciado temos que X ∼ Bin(12, 0.8) e Y ∼ Bin(12, 0.9). Como sabemos que ao menos 9 votos do j´ri s˜o necess´rios para condenar um u a a acusado, temos que:
12

P (K|P ) = P (X ≥ 9) =
i=9

P (X = i) = 0.79

Ainda interpretando o enunciado, temos que se ao menos 9 votos s˜o a necess´rios para condenar um acusado, ent˜o ao menos 4 votos s˜o nea a a cess´rios para inocentar um acusado. Da´ temos: a ı
1 Powered A by L TEX 2ε , R and Slackware 8.1 - because it works

1

12

P (K|I) = P (Y ≥ 4) =
i=4

P (Y = i) = 0.99

Voltando tudo na equa¸ao inicial: c˜ P (K) = 0.99 · 0.35 + 0.79 · 0.65 = 0.86. Logo a probabilidade do j´ri tomar a decis˜o correta ´ de 0.86. u a e Para o segundo item vamos novamente utilizar a regra da probabilidade total, condicionando C pelos dois eventos I e P . P (C) = P (C|I)P (I) + P (C|P )P (P ) Do enunciado temos P (I) e P (P ). Do item anterior j´ temos P (C|P ) (isso a nada mais ´ do que P (K|P ) = 0.79). Basta calcularmos P (C|I). Seja a e vari´vel aleat´ria: a o W : n´mero de jurados que condenam um inocente u Onde W ∼ Bin(12, 0.1). Sabemos que para ser condenado precisamos de ao menos 9 votos, ent˜o: a
12

P (C|I) = P (W ≥ 9) =
i=9

P (W = i) = 1.65 · 10−7

Temos ent˜o que: a P (C) = 1.65 · 10−7 · 0.35 + 0.79 · 0.65 = 0.51. Logo 51% dos acusados s˜o condenados. a 6. O n´mero de vezes que um indiv´ u ıduo tem gripe em determinado ano ´ e uma vari´vel aleat´ria de Poisson com λ = 5. Suponha que um novo a o medicamento reduz o parˆmetro λ = 3 para 75% da popula¸ao. Para os a c˜ 25% restantes a droga n˜o tem um efeito apreci´vel. Se um indiv´ a a ıduo toma o medicamento durante um e ano e tem duas gripes, qual a probabilidade de que o medicamento ´ ben´fico para ele (ela)? e e Sejam os eventos: G2 M Mc : : : o indiv´ ıduo tem duas gripes no ano. o medicamento ´ ben´fico para ele. e e o medicamento n˜o ´ ben´fico para ele. a e e

E sejam as vari´veis aleat´rias: a o N T ∼ P oi(5) ∼ P oi(3)

Queremos saber P (M |G2 ), abrindo isso: 2

P (M |G2 ) =

P (M ∩ G2 ) P (G2 |M )P (M ) = P (G2 ) P (G2 )

Do enunciado temos P (M ) = 0.75 e P (G2 |M ) = P (T = 2). Restanos encontrar P (G2 ). Para isto, usemos a regra de probabilidade total, condicionando G2 pelos eventos M e M c : P (G2 ) = P (G2 |M )P (M ) + P (G2 |M c )P (M c ) Substituindo com os valores que temos do enunciado: P (T = 2) · 0.75 + P (N = 2) · 0.25 = e−5 52 e−3 32 · 0.75 + · 0.25 = 0.18908. 2! 2!

Voltando esse valor na primeira igualdade: P (M |G2 ) =
e−3 32 2!

· 0.75 = 0.8886. 0.18908

A probabilidade do medicamento ser ben´fico para ele ´ portanto 0.8886. e e 8. Uma fam´ tem n crian¸as com probabilidade αpn , n ≥ 1, onde α ≤ ılia c
1−p p .

a. Qual a propor¸ao de fam´ c˜ ılias que n˜o tem crian¸a? a c Definimos a var´ ıavel aleat´ria N : o N : n´mero de crian¸as na fam´ u c ılia. Onde P (N = n) = αpn (com n ≥ 1). O que queremos calcular ´: e
∞ ∞

P (N = 0) = 1 −
i=1

P (N = i) = 1 −
n=0

αpn

Notemos que se −1 < p < 1 temos uma PG infinita, cuja soma ´ e p c˜ e dada por 1−p . Logo a propor¸ao pedida ´ de: 1− p 1−p

b. Se, independente de cada outra, cada crian¸a tem mesma chance c de ser menino ou menina, qual a propor¸ao de fam´ c˜ ılias contendo k meninos? Em primeiro lugar definimos o evento: A : a fam´ tem k meninos. ılia Notemos que um jeito de levar a informa¸ao que temos sobre N c˜ para condicionar A ´ fazer uma parti¸ao do espa¸o amostral entre os e c˜ c poss´ ıveis valores de N . Temos portanto: P (A) = P (A ∩ Ω) = P (A ∩ N ∈ {0, 1, 2, ...}) 3

Abrindo isso por Bayes:
∞ ∞

P (A) =
n=0

P (A|N = n)P (N = n) =
n=k

P (A|N = n)P (N = n)

A ultima passagem se justifica pois a probabilidade condicional de ´ A dado N = n, com n < k ´ sempre 0, j´ que ´ imposs´ e a e ıvel ter k meninos se a fam´ s´ tem n (n < k) filhos. ılia o Sabemos que P (N = n) = αpn . Resta-nos ent˜o achar P (A|N = n). a Basta expandirmos P (X = k) para X uma binomial com parˆmetros a 1 p = 2 e n, temos ent˜o: a

P (A) =
n=k

αpn

n 1 . k 2k

9. Suponha que o n´mero de eventos que ocorrem em determinado intervalo u de tempo [0, t] ´ uma vari´vel aleat´ria de Poisson com parˆmetro λt. Se e a o a cada evento ´ contado com probabilidade p, independentemente de todo e outro evento, mostre que o n´mero de eventos que s˜o contados em [0, t] u a ´ uma var´ e ıavel aleat´ria de Poisson com parˆmetro λpt. o a Sejam as var´ ıaveis aleat´rias: o N M : : n´mero de eventos em [0, t] u n´mero de eventos contados. u

Sabemos do enunciado que: P (N = k) = e−λt (λt)k k!

Queremos achar uma express˜o para P (M = k), que esperamos, seja uma a Poisson com parˆmetro λpt. A unica informa¸ao que temos para trabalhar a ´ c˜ ´ a fun¸ao de distribui¸ao de probabilidade de N . Devemos usar isso e c˜ c˜ ent˜o para achar uma express˜o para M . A unica sa´ ´ usar a regra da a a ´ ıda e probabilidade total, notando que se variarmos N em todos os valores que ela pode assumir, teremos todo o espa¸o amostral. Dessa forma: c

P (M = k) =
j=0

P (M = k, N = j)

Usando a regra da probabilidade total:

P (M = k) =
j=0

P (M = k|N = j)P (N = j)

P (N = j) j´ temos do enunciado. Resta acharmos P (M = k|N = j). a Essa probabilidade condicional ´ dada por uma binomial com parˆmetros e a n = j e p. Temos ent˜o: a 4

P (M = k) =
j=0

j k e−λt (λt)j p (1 − p)j−k j! k

A probabilidade condicional acima entretanto ´ 0 se k < j, portanto poe demos fazer a somat´ria ir de k at´ infinito: o e

P (M = k) =
j=k ∞

j k e−λt (λt)j p (1 − p)j−k k j! j! pk (1 − p)j−k e−λt (λt)j · k!(j − k)! j!

=
j=0

= = =

eλt (λtp)k k! e (λtp) k!
λt λt

j=k k ∞ i=0 k

((1 − p)λt)j−k (j − k)! ((1 − p)λt)i i!

e (λtp) (1−p)λt e−λtp (λtp)k e = k! k!

O que mostra que M segue uma distribui¸ao de Poisson com parˆmetro c˜ a λpt. 10. Prove que:
n−1

i=0

e−λt (λt)i = i!

∞ t

λn xn−1 e−λx dx (n − 1)!

Suponhamos λ > 0, tentemos expandir a parte direita da equa¸ao: c˜
∞ t

λn λn xn−1 e−λx dx = (n − 1)! (n − 1)!

xn−1 e−λx dx
t

Em primeiro lugar achemos essa primitiva, utilizando a regra do produto: xn−1 e−λx dx = Onde: u = xn−1 −λx v = −e λ udv = uv − vdu

du = (n − 1)xn−2 dx dv = e−λx dx

Segue: xn−1 e−λx dx = (n + 1) −xn−1 e−λx + λ λ e−λx xn−2 dx.

Vamos achar agora uma express˜o para a integral impr´pria, levando em a o conta que: 1 xn−1 −xn−1 e−λx = − lim −λx lim x→∞ λ λ x→∞ e 5

Aplicando L’Hospital v´rias vezes, confirmamos o fato de que a fun¸ao a c˜ exponencial cresce muito mais rapidamente que qualquer polinˆmio, o o que nos garante que o limite acima ´ 0. Voltando isso na integral inicial: e

xn−1 e−λx dx =
t

tn−1 e−λt (n − 1) + λ λ

e−λx xn−2 dx
t

Notemos agora que podemos desenvolver de forma an´loga a integral a impr´pria que resta, utilizando da indu¸ao finita. Temos: o c˜

e−λx xn−2 dx
t ∞

= =

e−λx xn−3 dx
t

tn−2 e−λt (n − 2) + λ λ n−3 −λt t e (n − 3) + λ λ

e−λx xn−3 dx
t ∞

e−λx xn−4 dx
t

At´ que, na n − 1-´sima vez que aplicarmos isso, teremos: e e

e−λx x0 dx =
t

e−λt λ

Utilizando essas conclus˜es, e aplicando a distributiva recursivamente teo mos:

xn−1 e−λx dx =
t

(n − 1)tn−2 e−λt (n − 1)!e−λt tn−1 e−λt + + ... + λ λ2 λn
λn (n−1)!

Multiplicando isso por monstra¸ao temos: c˜
∞ t

que colocamos para fora no come¸o da dec

λn xn−1 e−λx dx (n − 1)!

= =

e−λt (λt)n−1 e−λt (λt)n−2 e−λt (λt)0 + +···+ (n − 1)! (n − 2)! (0)!
n−1

i=0

e−λt (λt)i . i!

Concluindo a demonstra¸ao. c˜

6