Pular para o conteúdo principal

Questão de Estatística — Cálculo de Probabilidades — CESPE / CEBRASPE 2024

EstatísticaCálculo de Probabilidades
Código
ce167704
Banca
CESPE / CEBRASPE
Órgão
ANTT
Ano
2024
Nível
Superior
Cargo
Especialista em Regulação de Serviços de Transportes Terrestres – Especialidade: Economia - Conhecimentos Específicos
Com relação a probabilidade e variáveis aleatórias, julgue o item a seguir.Se X é uma variável aleatória exponencial de parâmetro unitário e U =1 - e-x,então U é uma variável aleatória uniforme no intervalo [0, 1].
  1. CCerto
  2. EErrado
Revelar gabarito e comentário

GabaritoC — Certo

Comentário gerado por IA. É um apoio ao estudo, ancorado em fontes, mas pode conter imprecisões — confira sempre na fonte oficial (lei, súmula, edital e gabarito da banca). Encontrou um erro? Use “Reportar”.

Transformação integral de probabilidade: exponencial → uniforme

Gabarito: letra C (CERTO). Se XX é exponencial com parâmetro unitário, sua função de distribuição acumulada é FX(x)=1exF_X(x) = 1 - e^{-x}. A transformação U=FX(X)=1eXU = F_X(X) = 1 - e^{-X} mapeia XX no intervalo [0,1][0,1] e, pelo teorema da transformação integral de probabilidade, UU segue distribuição uniforme em [0,1][0,1]. A afirmação está correta.

O teorema da transformação integral de probabilidade é um resultado central em simulação e probabilidade: para qualquer variável aleatória contínua XX com função de distribuição acumulada FXF_X, a variável U=FX(X)U = F_X(X) tem distribuição uniforme no intervalo [0,1][0,1]. A intuição é que FXF_X "achata" a distribuição original, transformando qualquer densidade contínua na densidade uniforme. A recíproca também é verdadeira e é a base da simulação: se UUniforme(0,1)U \sim \text{Uniforme}(0,1), então X=FX1(U)X = F_X^{-1}(U) tem distribuição FXF_X.

No caso específico, a exponencial com parâmetro unitário tem densidade f(x)=exf(x) = e^{-x} para x0x \geq 0 e função de distribuição acumulada F(x)=1exF(x) = 1 - e^{-x}. Aplicando a transformação U=1eXU = 1 - e^{-X}, obtemos exatamente U=F(X)U = F(X), que é uniforme em [0,1][0,1].

A pegadinha da banca está em inverter o sentido da transformação: o candidato pode pensar que U=1eXU = 1 - e^{-X} "não é uniforme" por ser uma função não linear de XX, mas o teorema garante justamente o contrário — a função de distribuição acumulada de qualquer contínua, aplicada à própria variável, produz uma uniforme.

Caso

Transformação

Resultado

X ~ Exp(1), F(x) = 1 − e^(−x)

U = F(X) = 1 − e^(−X)

U ∈ [0,1]

Aplicar teorema da transformação integral

U = F_X(X) para X contínua

U ~ Uniforme(0,1)

Verificação direta: P(U ≤ u) = P(X ≤ −ln(1−u))

= F_X(−ln(1−u)) = 1 − e^(−(−ln(1−u)))

= u, logo U ~ Uniforme(0,1)

Alternativa C — ✅ CERTOGABARITO

A afirmação está correta. Para XExp(1)X \sim \text{Exp}(1), temos FX(x)=1exF_X(x) = 1 - e^{-x}. Pelo teorema da transformação integral de probabilidade, U=FX(X)=1eXU = F_X(X) = 1 - e^{-X} tem distribuição uniforme no intervalo [0,1][0,1]. A demonstração é direta: para 0u10 \leq u \leq 1,

P(Uu)=P(1eXu)=P(Xln(1u))=FX(ln(1u))=1e(ln(1u))=u.P(U \leq u) = P(1 - e^{-X} \leq u) = P(X \leq -\ln(1-u)) = F_X(-\ln(1-u)) = 1 - e^{-(-\ln(1-u))} = u.

Como P(Uu)=uP(U \leq u) = u para todo u[0,1]u \in [0,1], UU é uniforme em [0,1][0,1].

PEGA ESSA DICA!

Sempre que a questão pedir para verificar se uma transformação de uma variável contínua é uniforme, verifique se a transformação é exatamente a função de distribuição acumulada FX(X)F_X(X). Se for, o resultado é imediato pelo teorema da transformação integral. Esse teorema é a base da geração de números aleatórios a partir de qualquer distribuição contínua.

Gabarito: letra C (CERTO).

Link permanente: /questoes/ce167704