Departamento de Economia –PUC-RIO

Exame Parcial – Estatística 2005

Professor: João Manoel Pinho de Mello
jmpm@econ.puc-rio.br ou jmpm@stanford.edu
Monitor: Renato Dias Brito Gomes
rdbgomes@econ.puc-rio.br

Exame com consulta. Seja breve, mas sempre justificando o que está fazendo. Lembre-se que
você pode ser penalizado (nota negativa) por colocar material irrelevante ou absurdamente
incorreto. Responda as quatro seguintes questões. Duração do exame: 3 horas. O exame vale
um total de 260 pontos.

1. Para cada um dos seguintes experimentos, descreva um espaço de probabilidade que sirva
de modelo.

a) Seleciona-se um ponto, ao acaso, do quadrado unitário. (15 pontos).

b) Retiram-se cartas sucessivamente de um baralho de 52 cartas, ao acaso e com

reposição, até retirar-se o primeiro rei. Registra-se o número total de retiradas. (15
pontos).

RESPOSTA:


a) O espaço amostral é o quadrado unitário, ou seja,    x , y    2 : 0  x  1 e 0  y  1 . A 
σ-álgebra dos eventos aleatórios pode ser

Todas as uniões contáveis de quadrados com 

 
área bem definida pertencentes ao quadrado unitário 

A função probabilidade P pode ser definida como P  A  área A    

b) O espaço amostral  é o conjunto do números inteiros positivos.

n 1
 48   4 
   Todo subconjunto de   . A função probabilidade é P  A       onde
n: An A  52   52 
An é um conjunto elementar de A.

1
2. X,Y são distribuídos uniformemente no quadrado com vértices em (1,1), (1,-1), (-1,1) e (-1,-
1).

a) Escreva uma expressão algébrica para a densidade conjunta de X e Y.

b) Determine a densidade de W = X + Y pelo método direto. (20 pontos).
c) Qual é a probabilidade de que Z seja não positivo, onde Z é o mínimo de X e Y? (20
pontos).

RESPOSTA:

a) Aqui tinha que fazer um pouco de interpretação. Ao acaso significa que X e Y são
distribuídos uniformemente no seguinte quadrado:

-1 1 x

-1

Claramente o quadrado tem área igual a quatro. Como a distribuição é uniforme, a densidade
tem valor ¼. Portando a densidade conjunta de X e Y é:

14 ,  1  x  1 e  1  y  1
f  x, y  
0, caso contrário

2
 y

-1 1 x

2
-1

b) Como o exercício manda fazer pelo método direto, temos que:

F  w   Pr W  w   Pr  X  Y  w 

Claramente, o suporte de W é o segmento de reta entre -2 e 2. Pela figura acima temos 4

casos:

Caso 1: 1 < w < 2

Faremos todo o argumento geometricamente. Calcula-se a área embaixo da reta e dentro do

quadrado, e multiplica-se por ¼ (por que?).

w 2  w 
Área 4  2  1 w  w
2

4 4 4 8

7
Checando: esperaríamos que F  2  Pr W  2  1 e F  1  Pr W  1  , o que bate com a
8
expressão acima.

Caso 2: 0 < w < 1

3
Área 3  2   1  w 
2
w 2
w w2
  1 
4 4 2 8

1 1
Checando: esperaríamos que F  0  Pr W  0  e F  1  Pr W  1  , o que bate com a
2 8
expressão acima.

Caso 3: -1 < w < 0

w 2  1  w  2
Área 1  2 1 w w2
   
4 4 2 2 8

1 1
Checando: esperaríamos que F   1  Pr W  1  e F  0  Pr W  0  , o que bate
8 2
com a expressão acima.

Caso 4: -2 < w < -1

 2  w 2
2   2  w
2
Área

4 4 8

1
Checando: esperaríamos que F   2  Pr W  2  0 e F   1  Pr W  1  , o que bate
8
com a expressão acima.

Então a cumulativa de W é

 w w2
1   , se 1  w  2
 4 8
 w w2
1   , se 0  w  1
 2 8
 1 w w 2
F  w      , se  1  w  0
2 2 8
 2  w 2
 , se  2  w  1
 8
0, caso contrário



4
 Agora é só calcular a derivada para obter a densidade de W.

Pr  Z  0  Pr  min   X ,Y    0  1  Pr  min   X ,Y    0 
c) 1 3
1  Pr  X  0, Y  0  1  Pr  X  0 Pr  Y  0  1  
4 4
onde a terceira igualdade é por definição de mínimo e a quarta igualdade é verdade pela
independência de X e Y (por que?).

3. Suponha que X é uma variável aleatória discreta e não negativa. Seja   0 .

1
a) Prove que P  X     E X 

b) Seja Y uma variável aleatória discreta (não necessariamente não negativa) e seja k > 0.
Prove que P  Y    
1
k
E X  
k

c) Mostre que a desigualdade de Chebychev é um caso particular de b). Dica: a

desigualdade de Chebychev diz que, para qualquer variável aleatória discreta 1,
P X  E X     
1
VAR  X 
2
RESPOSTA:

a) E  X    x Pr X  x    x Pr X  x    Pr X  x     Pr X  x    Pr X    b)

x x  x  x 

E Y   y
k

y
k
Pr  Y  y   
y 
y Pr  Y  y     k Pr  Y  y    k
k

x 
 Pr  Y
x 
 y    Pr  Y   
k

c) Chame Y de X  E X  , e use a definição de variância.

4. Suponha que X e Y estejam distribuídos uniformemente na área delimitada pela seguinte

figura geométrica:

1
Na verdade, esse resultado é mais geral, valendo também para variáveis aleatórias contínuas.

5
 1

1 3 x
2 2
a) Escreva uma expressão algébrica para a densidade conjunta de X e Y. (15 pontos).

b) Calcule E Y  e E  X  . (15 pontos).

c) Calcule 
EY | X  1
2
 EY | X  1 2
, . (15 pontos).

d) Y é independente de X em média? Justifique. (15 pontos)

e) Obtenha Cov  X , Y  . (15 pontos).

f) Suponha agora que X e Y estejam uniformemente distribuídos na área delimitada pela

seguinte figura geométrica:

6
 θ
θ
x

Qual é o coeficiente de correlação entre X e Y?

RESPOSTA:

a) A densidade é o inverso da área da figura (que é ¾), e o suporte é dado pelas duas retas.
Portanto:

4 1 1 3 3
 , se 0  x  e 0  y  2 x ou  x  e 0  y  x
f  x, y    3 2 2 2 2
0, caso contrário

b) Calculando as densidades marginais:

2 x 4 8x 1
  dy  , se 0  x 
03 3 2
3
2x
 4 4x 1 3
f  x     dy  2  , se  x 
 0 3 3 2 2
0, caso contrário




7
 3 y
2 4
 dx  2 1  y  , se 0  y  1
f  y    y 3
2
0, caso contrário


Agora é só calcular as médias:

1 3 1 3
8x2 2
4x22
8x3 2  4 x 3  2 1 7 24 2
E X    dx   2 x  dx    x 2      
0
3 1 3 9 0  9  1 9 12 36 3
2 2
1

 2 y  y dy  2 2
1
y  2
y3  1
E Y   2
  

0
3 0 3

c)

 
EY | X  1
2

Há duas maneiras de fazer. Usando a fórmula da sala de aula (vale só metade dos pontos):

1
2
4
y 3 dx 2 2y
 1
fy| X    2
 3  2 y  1
 2 1 2 1
1 2 
4 3 3
 y 3 dxdy
0
2
Agora é só calcular a média condicional integrando em y:

   2 y 1  y  dy  13
1

2 
EY | X  1
0
Há uma maneira mais bonita (vale todos os pontos). Note qualquer dado x < ½, a esperança de
2x
Yé  x . Agora é só integrar usando a distribuição de X dado que X < ½, que é:
2

2x
4
 1
 3 dy 8x
fx| X    0
 3  8x
 2 1 2 1 . Portanto:
2 2x 
4
  3 dydx 3 3
0 0

8
 1

 1 2 1
E Y | X     8 x 2 dx 
 2 0 3

 1
 E Y | X  
 2

3
x
Note qualquer dado x < ½, a esperança de Y é 2 3 x . Agora é só integrar usando a
 
2 4 2
distribuição de X dado que X < ½, que é:

3
x
2
4
 1
 3
dy 2
4x
fx| X    0
 3  3  2x
 2 3 3
x 2 . Portanto:
2 2
4 3
1  3
dydx
0
2

3
2
 1 13  1
E Y | X      3  2 x    x dx 
 2 1 22  3
2

 1 1  1 1
d) Obviamente não. E Y | X    e E Y | X    .
 4 8  2 4
e) Só precisamos calcular E  XY 

Pela lei das expectativas iteradas, sabemos que E  XY   EY YE  X | Y   . Mas, obviamente,
3  y
  y 
E X | Y  y  
2  2  1  3  y  . Portanto:
2 4
1 1
1 13 4 y4  5
E  XY     1  y  y  3  y  dy   y 2  y 3   

0
2 22 3 4 0 24
5 2 1 5 8 1
Cov  X , Y   E  XY   E  X  E Y       
24 3 3 24 24 8

f) É zero, pela simetria da figura e pelo fato da distribuição ser uniforme.

5.

9
a) Sejam X e Y duas variáveis aleatórias. Suponha que Z = XY, onde Y é independente em
média de X, e a variância de Y dado X é constante. Mostre que
VAR  Z   VAR  X VAR  Y    E  X   VAR  Y    E Y   VAR  X  (30 pontos)
2 2

b) Verdadeiro ou falso? Se Y é independente em média de X, então X é independente em

média de Y. Prove ou dê um contra-exemplo. (10 pontos)

c) Verdadeiro ou falso? Se Y é independente em média de X, e X é independente em média de

Y, então X e Y são independentes. Prove ou dê um contra-exemplo. (10 pontos)

RESPOSTA:

a) VAR  XY   E  X 2Y 2   E  X  2 E Y  2

      
E X 2Y 2  E X X 2 E Y 2 | X  E X X 2 VAR  Y | X   E Y | X 
2
 (1)

Como VAR  Y | X    2 , E X VAR  Y | X     2 .

VAR X  E Y | X    VAR X  E Y    0 . Logo:

VAR Y   E X VAR  Y | X    VAR X E Y | X    2  VAR  Y | X 

Substituindo em (1), e usando novamente o fato de que y é independente em média de X,

temos:

   
E X 2Y 2  E X X 2 VAR  Y   E Y 
2
  E  X VAR Y   E  X E Y 
2 2 2

Logo:

     
VAR  XY   E X 2 VAR  Y   E X 2 E Y 2  E  X  E Y  (2)
2 2

Somando e subtraindo E  X 2  E Y  2 a (2), temos:

       
VAR  XY   E X 2 VAR  Y   E X 2 E Y 2  E  X  E Y   E X 2 E Y   E X 2 E Y 
2 2 2
  2

e o resultado segue coletando termos.

b) Falso. Considere o caso de X e Y discretas com a seguinte distribuição

Y
-1 0 1
X 0 0 ⅓ 0
1 ⅓ 0 ⅓
Então E Y | X  0  0  E Y | X  1 , ou seja, Y é independente em média de X.

10
Mas E  X | Y  1  1  E  X | Y  1 e E  X | Y  0  0 , ou seja, X não é independente em
média de Y.

c) Falso. Exemplo dado em sala de aula.

6. Suponha que a densidade de X seja dada por:

1, se 0  x  1
f  x  
0, caso contrário
Suponha também que a densidade condicional de Y dado X seja dada por:

1
 , se 0  y  x
f  y | x   x
0, caso contrário

Ache o melhor previsor linear de X dado Y (não Y dado X. (60 pontos).

RESPOSTA:

Antes de mais nada é imediato calcular E  X  

1
2
 1
, E X 2  e VAR  X  
3
1
12

Sabemos que:

x
EY Y | X  
y
 x dy 
x
2
   E X  EY Y | X  ),
. Logo, usando a lei das expectativas iteradas ( E Y
0
temos:

1
x 1
E Y    2 dx  4
0

2
 
x
y2  x x2 x2 x2
VAR  Y | X   EY Y | X   EY  Y | X    
2 2
dy       . Portanto:
0
x  2 3 4 12

1
x2 1
E X VAR  Y | X     dx 
0
12 36

11
Adicionalmente:

 E
1 2
 x 1 1 1 1
VAR X E Y | X   E X  E Y | X   X  E Y | X      
2 2
 dx    
0
2 16 12 16 48

Usando a lei da decomposição da variância ( VAR Y   E X VAR  Y | X    VAR X E Y | X  ):

1 1 7
VAR Y    
36 48 144

 X 2  1 x2 1
Resta somente E  XY   E X  EY  XY | X    E X  XEY Y | X    E X   dx  .
 2  0 2 6

Usando os resultados acima:

1 1 1 1 Cov  X , Y  7 1
Cov  X , Y      ,    e   E  X   E  Y   
6 2 4 24 VAR  Y  6 3

1 7
Portanto, BLP  X | Y     Y
3 6

12