Seo 6.

4 Algumas Propriedades do Valor Mdio

Creio que h um pequeno erro nesta seo. Ao apresentar a esperana matemtica da funo h (xi ) na equao 6.3, o autor registrou a seguinte expresso: (0.1)
E [h (X)] = h (xi ) p (xi ) .

Ora, a equao 0.1 s ser verdadeira nos casos em que p (h (xi )) = p (xi ). Notavelmente, o prprio autor deu um contra exemplo que a invalida ao tratar a distribuio da transformao W = X 2 !!!! evidente que p (h (xi )) = p (xi ) neste caso, pois como ele prprio ressaltou, ao evento W = 25 correspondem dois eventos da varivel aleatria X : X = 5 e X = 5. Portanto, a meu ver, a equao 0.1 deveria ser expressa como (0.2)
E [h (X)] = h (xi ) p (h (xi )) .

Nos casos em que a transformao for linear, ou seja, do tipo Y = aX + b, fcil ver que p (h (xi )) = p (xi ), pois tal funo injetora, ou seja,
xi = xj axi + b = axj + b yi = yj .

Desta forma, cada elemento xi corresponder a a um nico yi , e a contagem das frequncias permanece inalterada frente a transformao. A equao 6.4 bem evidente e no vou prov-la. Basta um pouco de esforo, e a prova se revelar! J a equao 6.5 mais interessante. No consegui deduzi-la de cabea, ento vamos l! Var (aX + b) =
i

[axi + b E (aX + b)]2 p (axi + b) [axi + b aE (X) b]2 p (xi )

i

= =
i

[a (xi E (X))]2 p (xi ) a2 [xi E (X)]2 p (xi )

i 2 i

= =a

[xi E (X)]2 p (xi )

= a Var (X) .
2

De fato, verdade e dou f.

Seo 6.5 Funo de Distribuio Acumulada

Seo breve, mas com um comentrio obscuro. Para obter a probabilidade de um dado ponto, basta calcular a diferena entre o valor da f.d.a no ponto e seu valor no limite lateral pela esquerda tendendo ao ponto:
P (X = xi ) = F (xi ) lim F (xi ) .
xxi

Foi por isto que ele registrou que o conhecimento da f.d.a de X implica no conhecimento da f.p de X .
1

2
Seo 6.6 Alguns Modelos Probabilsticos para Variveis Aleatrias Discretas

Achei interessante registrar qual foi a inteno do autor com o primeiro pargrafo ( bvio, isto apenas o meu entendimento...). O autor quis dizer que h problemas so casos aplicados de problemas mais gerais, para os quais foram desenvolvidos os modelos que ele ir tratar. Assim, resolv-los se torna uma tarefa muito mais simples caso estes modelos seja conhecidos pelo pesquisador. Apenas um breve comentrio. Creio que entendi o que o autor quis dizer, ao comentar as situaes (4') e (5') desta subseo. Quando os conjuntos so muito grandes, pequenas extraes podem ser consideradas como eventos independentes. Considere por exemplo a extrao de duas bolas sem reposio de uma urna com 100.000 delas. A probabilidade da extrao de uma determinada esfera ser de 1 1 na primeira extrao, e de 99.999 na segunda. A diferena absoluta dentre as 100.000 duas probabilidades de apenas 1.00001000009011e-10; ou seja; a menos que se estejam considerando instrumentos com tal preciso, o resultado de ambas idntico, podendo para ns prticos serem considerados como eventos independentes.
Subseo 6.6.3 Distribuio Binomial.

No havia entendido porque o autor usou max {0, n N + r} e min {r, n} como delimitadores do valor de k . Mas aps uma anlise mais detalhada, consegui conceber uma explicao. Para isto, tive que invocar diagramas de Venn-Euler, ilustrados nas Figuras tal e 0.1. Na Figura 0.1, est ilustrado o Diagrama de Venn-Euler representando o sistema. o espao amostral com N elementos, A o conjunto dos r elementos que possuem atributo A; B o conjunto dos N r elementos que possuem atributo B ; e G o conjunto considerado, com k elementos que possuem atributos A, o que foi denotado atravs de uma regio hachurada em G.
Subseo 6.6.4 Distribuio Hipergeomtrica.

Figura 0.1.

Representao diagramtica do sistema considerado.

As consideraes que permitem compreender as delimitaes impostas a k , registradas pelo autor nas desigualdades max {0, n N + r} k min {r, n} so as

seguintes: caso G A = , k = 0 o menor valor possvel para k . Em caso contrrio, tudo depende do tamanho de G. Para ilustrar esta considerao, registrei tal raciocnio na Figura 0.2.

As possveis conguraes envolvendo a interseco dentre os conjuntos G e A. Em (a), A G = . Em (b), o caso em que A G = , e em que o nmero de elementos de G B aumentou (o semicrculo correspondente foi desenhado em uma escala maior). Em (c), G B = .
Figura 0.2.

Considerando os casos registrados na Figura 0.2, pode-se compreender o que o autor quis dizer. Seja k o nmero de elementos de G A. Como G A e G B so disjuntos, k pode ser descrito em termos dos parmetros do sistema:
G = (G A) (G B) #G = # (G A) + # (G B) n = k + # (G B)

(0.3)

k = n # (G B) .

A Equao 0.3 revela que k assume o menor valor possvel quando G A = . Caso G A = , k assumir o menor valor possvel quanto maior for o conjunto G B . No caso extremo, G B = B , e assim, k = n (N r) = n N + r. Por m, k assume o maior valor possvel quando G B = . Sendo assim, ou G A = A, que usa apenas k para representar este caso; ou G A = A, no qual k o maior valor dentre todos, o prprio r. Acho que foi isto que ele quis dizer. Minha crtica, costumeira, que o autor deveria ser mais explcito. No sendo ele, eu sou.