ESERCIZI SULLE PROBABILITA E LE VARIABILI ALEATORIE

Esercizio N. 1
Si confronti la probabilit di fare 6 punti al Super Enalotto con la probabilit di fare un 13 al
Totocalcio.
In ambedue i casi si tratta di calcolare il numero di casi possibili.
Per il Super Enalotto la sequenza dei 6 numeri vincenti (lasciando da parte il numero jolly) si
ottiene, casualmente, dallinsieme dei 90 numeri in gioco. Ricordiamo che il regolamento del gioco
prevede che i 6 numeri siano tutti diversi tra loro. Di conseguenza, il numero di casi possibili NE
dato dal numero di combinazioni semplici, senza ripetizioni, di 6 elementi, presi da un insieme che
ne contiene 90. La formula da applicare dunque quella del coefficiente binomiale:
n
n!
NE = =
k k! (n k )!

(1)

con n = 90 e k = 6. Sostituendo i valori numerici si trova:

N E = 622614630

(2)

La probabilit di vittoria di una giocata singola (6 numeri) allora pari allinverso di NE e quindi a:
PE =

1
1.6 10 9
622614630

(3)

Da un diverso punto di vista, la (2) esprime ovviamente anche il numero di combinazioni necessarie
per avere la certezza di fare 6 punti.
Pu essere interessante, per completezza, osservare che il numero di combinazioni necessarie per
avere la certezza di fare 5 punti pi il jolly si ottiene dividendo per 6 il valore di NE. Il numero jolly,
infatti, pu essere sostituito in una qualunque delle 6 posizioni e quindi le sequenze vincenti (dal
punto di vista del solo 5 + 1) diventano 6. In pratica, come dire che ciascuna estrazione, con le
modalit imposte dal gioco, ne contiene 6: se la sequenza di numeri estratta XYZTRQ (lordine
non conta), con lintroduzione del jolly J vincono il 5 + 1 le sequenze JYZTRQ, XJZTRQ,
XYJTRQ, XYZJRQ, XYZTJQ e XYZTRJ. Queste sequenze sono tutte prodotte dalla medesima
sequenza estratta. Il numero di estrazioni distinte capaci di coprire lo spazio degli eventi dunque
pari, come detto, a NE/6 = 103769105. Giocando una di queste sequenze, che per devono essere
opportunamente individuate, si ha la certezza del 5 + 1.
Passando ora a considerare il Totocalcio, si hanno 13 risultati, ciascuno suscettibile di assumere 3
valori (1, X, 2). Il numero dei casi possibili diventa allora
N T = 313 = 1594323

(4)

Come si vede, questo numero circa 390 volte minore di quello fornito dalla (2).
Corrispondentemente, la probabilit di vittoria giocando una singola colonna vale
PT =

1
6.27 10 7
1594322

(5)

ed quindi pi di due ordini di grandezza maggiore della (3). Vincere al Super Enalotto dunque
assai pi complicato che vincere al Totocalcio. In realt poi, lo squilibrio tra le due situazioni si
accentua se si considera che mentre le sequenze del Super Enalotto sono effettivamente
equiprobabili (almeno dal punto di vista di chi gioca) nel caso del Totocalcio molte delle sequenze
teoricamente possibili vengono in realt scartate dalla logica e dalle modalit con le quali si
costruisce il risultato: ad esempio, non si ha memoria storica, e non v motivo per ritenere che
potr aversi in futuro, di una colonna Totocalcio costituita da tutti segni 2.

Esercizio N. 2
Si consideri lesperimento che consiste nel lancio simultaneo di due dadi (non truccati). Si definisca
la variabile aleatoria discreta X come la somma dei numeri risultanti dal lancio. Si descrivano le
principali caratteristiche statistiche della variabile X.
Il primo passo consiste nella individuazione del numero e del valore dei possibili risultati
dellesperimento aleatorio considerato. Visto che ogni dado pu produrre 6 uscite diverse, i casi
possibili sono 66 = 36 e la variabile X assume valori compresi tra 2 (ambedue i dadi danno valore
1) e 12 (ambedue i dadi danno valore 6). Se, come si ipotizzato, i dadi non sono truccati ogni
combinazione ha la stessa probabilit di verificarsi. Daltro canto, alcune combinazioni producono
lo stesso risultato; ad esempio, X = 3 si ottiene sia nel caso che il primo dado dia 1 e il secondo 2,
sia nel caso, simmetrico del precedente, che il primo dado dia 2 e il secondo 1. X = 4 pu essere il
risultato di un lancio in cui ambedue i dadi assumono il valore 2, o di un lancio in cui il primo dado
fornisce 1 e il secondo 3, oppure ancora di un lancio in cui il primo dado fornisce 3 e il secondo 1.
Questi eventi si escludono vicendevolmente e quindi le loro probabilit possono essere sommate.
Estendendo il ragionamento iniziato pi sopra ed indicando con P(i) la probabilit che X = i, si
trova:
1
36
2
P(3) = P(11) =
36
3
P(4) = P(10) =
36
4
P(5) = P(9) =
36
5
P(6) = P(8) =
36
6 1
=
P(7) =
36 6
P(2) = P(12) =

(6)

Si verifica immediatamente che

12

P(i) = 1

(7)

i =2

cos come necessario per la condizione di normalizzazione.

A partire dalle (6), possibile graficare landamento della funzione densit di probabilit f(x) per la
variabile X. Trattandosi di una variabile discreta, f(x) costituita da una sequenza di impulsi
matematici allocati in corrispondenza dei valori possibili per X e di area pari alla corrispondente
probabilit. Il risultato riportato in Figura 1, dove le delta di Dirac sono state rappresentate con
altezza diversa, proprio a tener conto visivamente della diversa area.
La funzione di ripartizione, o distribuzione di probabilit cumulativa, F(x) rappresenta la probabilit
che X x. Nel caso, in esame, di variabile discreta si tratta di una funzione a gradini, in quanto la
probabilit si incrementa ogni volta che si incontra un valore possibile. Landamento grafico per il
caso in esame riportato in Figura 2.

f(x)

10 11 12

10 11 12

Figura 1
F(x)

0
2

Figura 2
A questo punto possiamo calcolare il valore medio della variabile X. Ricordando la definizione, si
ottiene direttamente:
12

mx =

i P(i) = 7

(8)

i= 2

Questo risultato poteva essere previsto anche semplicemente guardando allandamento di f(x), che
appunto centrata su tale valore.
Infine, possiamo calcolare la varianza che, sempre ricordando la definizione generale, risulta:
12

2x

(i m

)2 P(i) = 5.833

(9)

i=2

La radice quadrata della (9) fornisce la deviazione standard (o scarto quadratico medio) x, il cui
valore risulta allora pari a 2.415.

Esercizio N. 3
Un esempio significativo di applicazione della teoria delle variabili aleatorie di tipo discreto si
rinviene nel cosiddetto canale binario, di importanza fondamentale nellambito delle trasmissioni
numeriche.
Si consideri dunque il caso di una sorgente numerica binaria, che emette i simboli 0 e 1 con
probabilit P0 e P1 rispettivamente. Transitando lungo il canale di trasmissione, ove sono presenti
rumore e altre cause di disturbo, il simbolo trasmesso pu essere distorto e, conseguentemente
equivocato in ricezione. Indichiamo con pij (i = 0, 1; j = 0, 1) la probabilit che, trasmesso il
simbolo i, in ricezione venga rivelato il simbolo j. In un canale ideale sarebbe, evidentemente,
p00 = p11 = 1 e p01 = p10 = 0. Nel canale reale, invece, le probabilit di transizione da un simbolo
allaltro sono in generale diverse da zero, e la situazione illustrata in Figura 3.

P0

00

P0
p 10
p

P1

01

P1
11

Figura 3
I simboli 0 e 1 in ricezione sono caratterizzati da probabilit P0 e P1, ottenibili come:
P0 ' = P0 p 00 + P1p 10

(10)

P1 ' = P0 p 01 + P1 p11

In particolare compare, e la sua valutazione estremamente importante in pratica, una probabilit di

errore
PE = P0 p 01 + P1p10

(11)

che appunto si verifica quando, avendo trasmesso un simbolo, si riceve il simbolo complementare.
Per un canale del tipo illustrato in Figura 3, si assuma: P0 = 0.8, P1 = 0.2, p00 = 0.9, p01 = 0.1, p11 =
0.3, e si determini la probabilit di errore.
Innanzitutto osserviamo che tra i dati assegnati manca il valore di p10, che invece necessario per la
determinazione della PE. Daltro canto, questo valore pu essere immediatamente determinato
utilizzando la condizione di normalizzazione: trasmesso il simbolo 1, in accordo con la Figura 3 non
vi sono alternative al fatto che in ricezione esso venga rivelato come tale o che venga sostituito dal
simbolo 0. Allora deve essere
p10 + p11 = 1

(12)

esattamente come P0 + P1 = 1, e quindi:

p10 = 1 p11 = 0.7

(13)

Tenendo dunque conto dei valori di probabilit che caratterizzano il canale e sostituendo nella (11)
si ottiene:
PE = 0.22

(14)

Nellesempio numerico, le probabilit a priori dei simboli 0 e 1 sono state assunte diverse tra loro,
come pure diverse erano le probabilit di transizione. Nondimeno, un caso particolare, frequente in
pratica, costituito dal canale binario simmetrico (BSC = Binary Symmetric Channel). Per esso si
ha:
P0 = P1 = P0 ' = P1 ' =

1
2

p 01 = p10 = p

(15)

p 00 = p11 = 1 p
Per questo canale si verifica immediatamente che risulta
PE = p

(16)

Esercizio N. 4
Una variabile aleatoria X descritta da una densit di probabilit gaussiana con valor medio mx = 2
e varianza x2 = 4. Si determinino:
1)
P{X < 6};
2)
P{X > 3};
3)
P{X < 2};
4)
P{2 < X < 3}.
La densit di probabilit della variabile in oggetto fornita dalla seguente espressione:
f (x) =

(x m x ) 2
( x 2) 2
1
exp
exp
=

8
2 x
2 2x

2 2
1

(17)

ed il suo andamento grafico riportato in Figura 4.

0.2
0.15
f(x)
0.1
0.05
0
-6

-4

-2

2
x

Figura 4
A partire dalla densit di probabilit, il calcolo della probabilit che la variabile sia contenuta entro
un dato intervallo (che pu essere anche illimitato, superiormente o inferiormente) si riduce,
ovviamente, al calcolo di un integrale. In particolare:
b

P{a < X < b} = f ( x )dx =

a

(x m x ) 2
exp
dx
2 x
2 2x

(18)

Ai fini del calcolo, sempre conveniente introdurre il seguente cambiamento di variabile:

x mx
2 x

=y

dx = 2 x dy

(19)

Con le posizioni (19), la (18) diventa:

7

P{a < X < b} =

b m x
2 x

a m x
2 x

( )

exp y 2 dy

(20)

Si ricordi ora la definizione della funzione errore:

erf ( t ) =

( )

exp y 2 dy

(21)

che, sostituita nella (20), consente dunque di ricavare

P{a < X < b} =

1 b m x
erf
2 2 x

erf a m x

(22)

Dalla definizione stessa di funzione errore, osserviamo che risulta:

erf () = 1
erf ( t ) = erf ( t )

(23)

Particolarizzata allesercizio in esame, la (22) fornisce:

P{a < X < b} =

a 2
1 b2
erf

erf
2 2 2
2 2

(24)

A questo punto, le probabilit incognite si determinano valutando numericamente la funzione

errore. In realt, sono disponibili delle tabelle da cui possibile leggere, con buona
approssimazione, il valore cercato. Tipicamente, in luogo della funzione errore, queste tabelle
forniscono la funzione errore complementare
erfc( t ) = 1 erf (t )

(25)

Un esempio di tali tabelle riportato in allegato al presente esercizio; le diverse colonne consentono
di avere una precisione fino alla seconda cifra decimale per largomento della funzione. Scritta in
termini di funzione errore complementare la (24) diventa:
P{a < X < b} =

a 2
b 2
1
erfc

erfc
2
2 2
2 2

Procediamo ora al calcolo per i diversi casi proposti:

1) qui si tratta di assumere:
a =
b=6
8

(26)

Dunque
P{X < 6} =

1
[erfc( ) erfc(1.41)]
2

(27)

Ora
erfc() = 1 erf () = 1 + erf () = 2

(28)

mentre dalle tabelle leggiamo che

erfc(1.41) = 0.0461

(29)

Sostituendo:
P{X < 6} = 0.97695

(30)

2) qui si deve porre:

a=3
b=
Dunque
P{X > 3} =

1
[erfc(0.35) erfc( )]
2

(31)

Ora
erfc() = 1 erf () = 0

(32)

mentre dalle tabelle leggiamo che

erfc(0.35) = 0.621

(33)

Sostituendo:
P{X > 3} = 0.3105

(34)

3) qui si deve porre:

a =
b = 2
Dunque
P{X < 2} =

1
[erfc( ) erfc( 1.41)]
2

(35)

Ora
erfc(1.41) = 1 erf (1.41) = 1 + erf (1.41) = 1 + 1 erfc(1.41) = 1.9539

(36)

ove si utilizzata la (27).

Sostituendo:

(37)

P{X < 2} = 0.02305

(38)

4) qui si deve porre:

a=2
b=3
Dunque
P{2 < X < 3} =

1
[erfc(0) erfc(0.35)]
2

(39)

Considerando che
erfc(0) = 1

(40)

e utilizzando la (31) si ricava:

P{2 < X < 3} = 0.1895

(41)

10

2
erfc(x) =

x
.0
.1
.2
.3
.4
.5
.6
.7
.8
.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

0
0.100E+01
0.888E+00
0.777E+00
0.671E+00
0.572E+00
0.480E+00
0.396E+00
0.322E+00
0.258E+00
0.203E+00
0.157E+00
0.120E+00
0.897E-01
0.660E-01
0.477E-01
0.339E-01
0.237E-01
0.162E-01
0.109E-01
0.721E-02
0.468E-02
0.298E-02
0.186E-02
0.114E-02
0.689E-03
0.407E-03
0.236E-03
0.134E-03
0.750E-04
0.411E-04
0.221E-04

1
0.989E+00
0.876E+00
0.766E+00
0.661E+00
0.562E+00
0.471E+00
0.388E+00
0.315E+00
0.252E+00
0.198E+00
0.153E+00
0.116E+00
0.870E-01
0.639E-01
0.461E-01
0.327E-01
0.228E-01
0.156E-01
0.105E-01
0.691E-02
0.448E-02
0.285E-02
0.178E-02
0.109E-02
0.654E-03
0.386E-03
0.223E-03
0.127E-03
0.707E-04
0.387E-04
0.207E-04

2
0.977E+00
0.865E+00
0.756E+00
0.651E+00
0.553E+00
0.462E+00
0.381E+00
0.309E+00
0.246E+00
0.193E+00
0.149E+00
0.113E+00
0.845E-01
0.619E-01
0.446E-01
0.316E-01
0.220E-01
0.150E-01
0.101E-01
0.662E-02
0.428E-02
0.272E-02
0.169E-02
0.103E-02
0.621E-03
0.365E-03
0.211E-03
0.120E-03
0.666E-04
0.364E-04
0.195E-04

3
0.966E+00
0.854E+00
0.745E+00
0.641E+00
0.543E+00
0.454E+00
0.373E+00
0.302E+00
0.240E+00
0.188E+00
0.145E+00
0.110E+00
0.819E-01
0.600E-01
0.431E-01
0.305E-01
0.212E-01
0.144E-01
0.965E-02
0.634E-02
0.409E-02
0.259E-02
0.161E-02
0.984E-03
0.589E-03
0.346E-03
0.200E-03
0.113E-03
0.627E-04
0.342E-04
0.183E-04

4
0.955E+00
0.843E+00
0.734E+00
0.631E+00
0.534E+00
0.445E+00
0.365E+00
0.295E+00
0.235E+00
0.184E+00
0.141E+00
0.107E+00
0.795E-01
0.581E-01
0.417E-01
0.294E-01
0.204E-01
0.139E-01
0.926E-02
0.608E-02
0.391E-02
0.247E-02
0.154E-02
0.935E-03
0.559E-03
0.328E-03
0.189E-03
0.107E-03
0.591E-04
0.321E-04
0.171E-04

e t dt
2

5
0.944E+00
0.832E+00
0.724E+00
0.621E+00
0.525E+00
0.437E+00
0.358E+00
0.289E+00
0.229E+00
0.179E+00
0.138E+00
0.104E+00
0.771E-01
0.562E-01
0.403E-01
0.284E-01
0.196E-01
0.133E-01
0.889E-02
0.582E-02
0.374E-02
0.236E-02
0.146E-02
0.889E-03
0.531E-03
0.311E-03
0.178E-03
0.101E-03
0.557E-04
0.302E-04
0.161E-04

6
0.932E+00
0.821E+00
0.713E+00
0.611E+00
0.515E+00
0.428E+00
0.351E+00
0.282E+00
0.224E+00
0.175E+00
0.134E+00
0.101E+00
0.748E-01
0.544E-01
0.389E-01
0.274E-01
0.189E-01
0.128E-01
0.853E-02
0.557E-02
0.358E-02
0.225E-02
0.139E-02
0.845E-03
0.503E-03
0.294E-03
0.169E-03
0.949E-04
0.524E-04
0.284E-04
0.151E-04

7
0.921E+00
0.810E+00
0.703E+00
0.601E+00
0.506E+00
0.420E+00
0.343E+00
0.276E+00
0.219E+00
0.170E+00
0.130E+00
0.980E-01
0.725E-01
0.527E-01
0.376E-01
0.264E-01
0.182E-01
0.123E-01
0.818E-02
0.534E-02
0.342E-02
0.215E-02
0.133E-02
0.803E-03
0.477E-03
0.278E-03
0.159E-03
0.895E-04
0.493E-04
0.267E-04
0.141E-04

8
0.910E+00
0.799E+00
0.692E+00
0.591E+00
0.497E+00
0.412E+00
0.336E+00
0.270E+00
0.213E+00
0.166E+00
0.127E+00
0.952E-01
0.703E-01
0.510E-01
0.363E-01
0.255E-01
0.175E-01
0.118E-01
0.784E-02
0.511E-02
0.327E-02
0.205E-02
0.126E-02
0.763E-03
0.453E-03
0.264E-03
0.151E-03
0.844E-04
0.464E-04
0.250E-04
0.133E-04

9
0.899E+00
0.788E+00
0.682E+00
0.581E+00
0.488E+00
0.404E+00
0.329E+00
0.264E+00
0.208E+00
0.161E+00
0.123E+00
0.924E-01
0.681E-01
0.493E-01
0.351E-01
0.245E-01
0.168E-01
0.114E-01
0.752E-02
0.489E-02
0.312E-02
0.195E-02
0.120E-02
0.725E-03
0.429E-03
0.249E-03
0.142E-03
0.796E-04
0.437E-04
0.235E-04
0.124E-04

2
erfc(x) =

x
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
4.1
4.2
4.3
4.4
4.5
4.6
4.7
4.8
4.9
5.0
5.1
5.2
5.3
5.4
5.5
5.6
5.7
5.8
5.9
6.0

0
0.116E-04
0.603E-05
0.306E-05
0.152E-05
0.743E-06
0.356E-06
0.167E-06
0.770E-07
0.348E-07
0.154E-07
0.670E-08
0.286E-08
0.119E-08
0.489E-09
0.197E-09
0.775E-10
0.300E-10
0.114E-10
0.422E-11
0.154E-11
0.549E-12
0.192E-12
0.661E-13
0.223E-13
0.736E-14
0.238E-14
0.757E-15
0.236E-15
0.719E-16
0.215E-16

1
0.109E-04
0.564E-05
0.285E-05
0.142E-05
0.691E-06
0.330E-06
0.155E-06
0.712E-07
0.321E-07
0.142E-07
0.616E-08
0.262E-08
0.109E-08
0.447E-09
0.179E-09
0.705E-10
0.272E-10
0.103E-10
0.382E-11
0.139E-11
0.495E-12
0.173E-12
0.594E-13
0.200E-13
0.658E-14
0.213E-14
0.674E-15
0.209E-15
0.638E-16
0.191E-16

2
0.102E-04
0.527E-05
0.266E-05
0.132E-05
0.642E-06
0.306E-06
0.143E-06
0.658E-07
0.296E-07
0.131E-07
0.566E-08
0.240E-08
0.100E-08
0.408E-09
0.163E-09
0.642E-10
0.247E-10
0.933E-11
0.345E-11
0.125E-11
0.446E-12
0.156E-12
0.533E-13
0.179E-13
0.588E-14
0.190E-14
0.600E-15
0.186E-15
0.566E-16
0.169E-16

3
0.958E-05
0.493E-05
0.249E-05
0.123E-05
0.597E-06
0.284E-06
0.133E-06
0.608E-07
0.273E-07
0.120E-07
0.520E-08
0.220E-08
0.915E-09
0.373E-09
0.149E-09
0.584E-10
0.224E-10
0.845E-11
0.312E-11
0.113E-11
0.402E-12
0.140E-12
0.478E-13
0.160E-13
0.526E-14
0.169E-14
0.534E-15
0.165E-15
0.502E-16
0.149E-16

4
0.897E-05
0.460E-05
0.232E-05
0.115E-05
0.555E-06
0.264E-06
0.123E-06
0.562E-07
0.252E-07
0.111E-07
0.477E-08
0.202E-08
0.837E-09
0.341E-09
0.136E-09
0.531E-10
0.204E-10
0.766E-11
0.282E-11
0.102E-11
0.362E-12
0.126E-12
0.429E-13
0.143E-13
0.470E-14
0.151E-14
0.476E-15
0.147E-15
0.445E-16
0.132E-16

e t dt
2

5
0.840E-05
0.430E-05
0.216E-05
0.107E-05
0.515E-06
0.244E-06
0.114E-06
0.519E-07
0.232E-07
0.102E-07
0.438E-08
0.185E-08
0.766E-09
0.311E-09
0.124E-09
0.483E-10
0.185E-10
0.694E-11
0.255E-11
0.921E-12
0.326E-12
0.113E-12
0.385E-13
0.128E-13
0.420E-14
0.135E-14
0.423E-15
0.130E-15
0.394E-16
0.117E-16

6
0.786E-05
0.402E-05
0.202E-05
0.992E-06
0.479E-06
0.227E-06
0.105E-06
0.479E-07
0.214E-07
0.937E-08
0.403E-08
0.170E-08
0.701E-09
0.284E-09
0.113E-09
0.439E-10
0.168E-10
0.628E-11
0.231E-11
0.831E-12
0.294E-12
0.102E-12
0.345E-13
0.115E-13
0.375E-14
0.120E-14
0.377E-15
0.116E-15
0.349E-16
0.103E-16

7
0.736E-05
0.376E-05
0.188E-05
0.923E-06
0.445E-06
0.210E-06
0.974E-07
0.442E-07
0.197E-07
0.862E-08
0.370E-08
0.155E-08
0.641E-09
0.259E-09
0.103E-09
0.399E-10
0.152E-10
0.569E-11
0.209E-11
0.750E-12
0.264E-12
0.913E-13
0.309E-13
0.103E-13
0.335E-14
0.107E-14
0.335E-15
0.103E-15
0.310E-16
0.914E-17

8
0.689E-05
0.351E-05
0.175E-05
0.859E-06
0.413E-06
0.195E-06
0.901E-07
0.408E-07
0.182E-07
0.793E-08
0.339E-08
0.142E-08
0.586E-09
0.236E-09
0.935E-10
0.363E-10
0.138E-10
0.515E-11
0.188E-11
0.676E-12
0.238E-12
0.820E-13
0.277E-13
0.920E-14
0.299E-14
0.953E-15
0.298E-15
0.913E-16
0.274E-16
0.808E-17

9
0.644E-05
0.328E-05
0.163E-05
0.799E-06
0.383E-06
0.180E-06
0.833E-07
0.377E-07
0.167E-07
0.729E-08
0.311E-08
0.130E-08
0.535E-09
0.216E-09
0.851E-10
0.330E-10
0.125E-10
0.466E-11
0.170E-11
0.609E-12
0.214E-12
0.737E-13
0.249E-13
0.823E-14
0.267E-14
0.849E-15
0.265E-15
0.810E-16
0.243E-16
0.714E-17

Esercizio N. 5
Si determinino valor medio e varianza delle variabili aleatorie seguenti tutte di notevole interesse
pratico:
1) gaussiana;
2) uniforme;
3) di Laplace;
4) esponenziale unilatera;
5) di Rayleigh;
6) binomiale;
7) di Poisson.
Proprio in considerazione della loro importanza pratica, preliminarmente opportuno ricordare le
espressioni delle densit di probabilit associate alle variabili in oggetto.
1) Gaussiana:
( x ) 2
exp

2
2 2

f (x) =

(42)

2) Uniforme:
1

f (x) = b a
0

axb

(43)

x < a, x > b

3) Di Laplace (o esponenziale bilatera):

f (x) =

a
exp( a x )
2

a>0

(44)

4) Esponenziale unilatera:
a exp(ax )
f (x) =
0

x0
(45)

x<0

5) Di Rayleigh:
x
x2

exp 2
2
f (x) = 2

x0

(46)

x<0

6) Binomiale:
n k
p (1 p) n k ( x k )

k =0 k
n

f (x) =

(47)

7) Di Poisson:
11

f (x) =

k =0

k
exp( )( x k )
k!

(48)

Ci premesso, il calcolo del valore medio mx e della varianza x2 per le varie distribuzioni pu
essere effettuato applicando direttamente le formule, e vale a dire:
+

mx =

x f (x)dx

(49)

2x

(x m

)2 f ( x )dx

(50)

I risultati sono riassunti in Tabella 1.

gaussiana
uniforme
di Laplace
esponenziale unilatera
di Rayleigh
binomiale
di Poisson

mx

x2

(a + b)/2
0
1/a

2
(b a)2/12
2/a2
1/a2
22
np(1 p)

/2
np

Tabella 1

E opportuno ricordare che, ai fini del calcolo della varianza, viene spesso utilizzata luguaglianza
seguente:
2x = x 2 m 2x

(51)

dove
+

f ( x )dx

(52)

il momento di ordine 2 della variabile aleatoria X considerata.

12

Esercizio N. 6
Una variabile aleatoria gaussiana X a valor medio nullo e varianza unitaria viene applicata ad un
circuito raddrizzatore a doppia semionda la cui caratteristica ingresso-uscita vale y = |x|/2.
Determinare la densit di probabilit della variabile aleatoria in uscita Y.
Ripetere il calcolo assumendo un raddrizzatore a semplice semionda in luogo di quello a doppia
semionda.
Si tratta di un tipico problema di trasformazione di variabile aleatoria.
La variabile aleatoria in ingresso X caratterizzata da una densit di probabilit
f (x) =

x2
exp
2
2

(53)

Nel caso di raddrizzatore a doppia semionda la caratteristica ingresso-uscita illustrata in Figura 5.

y

Figura 5
Le formule di trasformazione di variabile aleatoria, che sono note dalla teoria, devono essere
applicate a tratti, nelle zone in cui il legame funzionale tra x e y monotono. Dalla Figura
osserviamo dunque che necessario distinguere il caso x < 0 e il caso x > 0.
Per x < 0 si ha:
y=

x
2

x = 2 y

dx
= 2
dy

(54)

e quindi:
f ( y) =

4y 2
dx
1
=
f ( x ) x = 2 y = 2
exp

dy
2
2

2
exp 2 y 2

(55)

Per x > 0 si ha invece:

y=

x
2

x = 2y

dx
=2
dy

ma, come in precedenza,

13

(56)

f ( y) =

4y 2
dx
1
f ( x ) x =2 y = 2
exp
2
dy
2

= 2 exp 2 y 2

(57)

identica alla (55).

Inoltre, visto che tanto i valori di x < 0 quanto i valori di x > 0 producono y > 0, le (55) e (57)
devono essere sommate per ricavare la densit di probabilit risultante della variabile Y. In
definitiva si ha dunque:

2
2
exp 2 y 2
f ( y) =
0

y0

(58)

y<0

La seconda riga della (58) giustificata dal fatto che non si hanno valori di x che producono y < 0.
Nel caso di raddrizzatore a semplice semionda la caratteristica ingresso-uscita illustrata in Figura
6.
y

Figura 6
Nulla cambia, rispetto al caso precedente, per i valori di x > 0 (per i quali dunque continua a valere
la (57)) mentre tutti i valori di x < 0 vengono trasformati in y = 0. Ci significa che ad y = 0 viene
ad essere associata una probabilit diversa da zero, e in particolare:
P{Y = 0} = P{X < 0} =

f ( x )dx =

x2
exp
2
2

dx = 1

(59)

La variabile aleatoria Y in uscita dal raddrizzatore a semplice semionda quindi una variabile
ibrida, e la sua densit di probabilit si scrive
f ( y) =

2
1
exp 2 y 2 s G ( y) + ( y)

(60)

dove
1
s G ( y) =
0

y0
(61)

y<0

la funzione gradino unitario.

14

Esercizio N. 7
Due variabili aleatorie X e Y, tra loro statisticamente indipendenti, sono descritte da due densit di
probabilit uniformi, f(x) e f(y), la prima tra 0 e a, la seconda tra b e 0.
Posto Z = X + Y, si ipotizzi inizialmente che sia a = b, e si calcolino:
1)
la densit di probabilit di Z;
2)
il valore medio e la varianza di Z.
Si ripeta quindi il calcolo assumendo b > a.
Le densit di probabilit di X e Y sono mostrate in Figura 7.
f(x)

f(y)

1/a
1/b
0

-b

Figura 7
Nel caso di variabili aleatorie statisticamente indipendenti, noto che la densit di probabilit della
somma si ottiene come integrale di convoluzione delle densit di probabilit degli addendi1; si ha
cio:
+

f ( z) =

x ( z y)f y ( y) dy

(62)

dove si posto, per maggior chiarezza, f(x) = fx(x) e f(y) = fy(y). Si tratta quindi di particolarizzare
questo risultato allesercizio in esame.
Nel caso a = b, le densit di probabilit di X e Y si riducono a due funzioni rettangolari di uguale
estensione, seppur diversamente allocate. Il risultato della convoluzione di due funzioni di questo
tipo ben noto dalla teoria dei segnali, producendo infatti una funzione triangolare. Questa funzione
sar allocata tra a e +a, corrispondenti, rispettivamente, a valore minimo e valore massimo di Z, ed
avr landamento illustrato in Figura 8.
Il valore medio e la varianza di Z possono essere determinati a partire dalla f(z); nondimeno, risulta
pi agevole e significativo il calcolo diretto a partire dalla conoscenza delle medie dinsieme di X e
Y. Si ha infatti:
mz = Z = X + Y = X + Y = mx + m y
2z = (Z m z )2 = Z 2 2m z Z + m 2z = Z 2 2m z Z + m 2z = (X + Y ) 2 m 2z =

(63)

= X 2 + Y 2 + 2 XY m 2z
1

Si tenga ben presente che questo risultato valido solo per il caso, in esame, di somma di variabili aleatorie
statisticamente indipendenti. Nel caso di legami funzionali pi complicati o quando viene meno lipotesi di statistica
indipendenza necessario ricorrere a formulazioni pi generali che non vengono qui esaminate.
15

Daltro canto, essendo X e Y statisticamente indipendenti, si ha XY = X Y = m x m y , mentre

m 2z = (m x + m y ) 2 = m 2x + m 2y + 2m x m y . Sostituendo nella seconda delle (63) otteniamo:
2z = X 2 + Y 2 + 2m x m y m 2x m 2y 2m x m y = 2x + 2y

(64)

avendo anche utilizzato il risultato (51).

f(z)
1/a

-a

Figura 8
In definitiva: il valor medio della somma uguale alla somma dei valori medi e la varianza della
somma uguale alla somma delle varianze. Dalla Tabella 1 (dove a e b rappresentano gli estremi
dellintervallo di definzione della singola densit di probabilit uniforme) ricaviamo
immediatamente (per il caso pi generale):
mx =

a
2

, my =

b
2
(65)

2x =

a2
12

, 2y =

b2
12

per cui, sostituendo:

mz =

ab
2
(66)

2z =

a 2 + b2
12

Nel caso particolare di a = b le (66) forniscono:

mz = 0
(67)
2z =

a2
6

16

Per b > a il risultato della convoluzione non pi un triangolo, ma diventa invece un trapezio cos
come illustrato in Figura 9.
f(z)

1/b
0
-b

(a-b)

Figura 9
Il tratto costante, in particolare, corrisponde alla zona in cui, eseguendo la convoluzione, la funzione
fx(z y) tutta contenuta entro la funzione fy(y).
Per valor medio e varianza di Z valgono in questo caso le espressioni generali (66).

17