Professional Documents
Culture Documents
1. Sia X una va nita. Dire quali delle seguenti risposte sono corrette:
F pu esistere var[X] e non E[X]
F var[2X] = 2 var[X]
F E[X] 0
V var[a + X] = var[X]
2 Siano FX (x) e FY (y) le funzioni di distribuzione marginali di FX,Y (x, y), fdr congiunta di due va X e Y
qualunque. Indicare quali delle seguenti relazioni sono sempre vere:
V x, y P ({X x} {Y y}) = FX (x) + FY (y) FX,Y (x, y)
F x, y FX (x) + FY (y) 1 FX,Y (x, y)
V lim FX,Y (x, y) = 0
x,y1
F note FX (x) e FY (y) nota in modo univoco FX,Y (x, y)
3 Sia data una va X continua o discreta.
F la sua funzione generatrice di momenti m(t) esiste sempre
V m(t) esiste se e solo se : E[etX ] esiste per t, |t| <
t2 t3 tn
V se m(t) esiste allora m(t) = 1 + tE[X] + E[X 2 ] + E[X 3 ] + . + E[X n ] + . . .
2! 3! n!
2 1 4
V se m(t) = + e2t + e122t allora X discreta nita
7 7 7
4 Sia X una variabile aleatoria continua di densit fX (x) e Y = X + . Allora:
F fY (y) = fX (y + )
1
V fY (y) = fX ( y
)
||
5 Data una funzione di ripartizione FX,Y (x, y) di un vettore aleatorio (X, Y ) come in gura indicare la
funzione di densit discreta fX,Y (x, y) che la genera segnando sul graco i punti massa e il relativo peso. Per
maggiore chiarezza la FX,Y (x, y) cos denita:
FX,Y (x, y) = 0 se x < 0 oppure y < 0
1
FX,Y (x, y) = se 0 x < 2 0 y < 1
3
FX,Y (x, y) = se 0 x < 2 1 y oppure 0 y < 1 2 x
FX,Y (x, y) = 1 se 2 x e 1 y
1 c I diritti dautore sono riservati. Ogni sfruttamento commerciale non autorizzato sar p erseguito
pag. 2
6 La funzione
di ripartizione di una va X cos denita:
0 x<0
1 1
0x<
2 2
2 1
FX (x) = x < 1 il cui graco illustrato in gura:
3 2
11
1x<2
12
1 x2
Figura 1:
d 1 2t d2 1
= E[X] = (e + 1) = e2t t=0 = 1; 2 = 2 (e2t + 1) 1 = 2e2t t=0 1 = 1. In denitiva si ha:
dt 2 t=0 dt 2 t=0
1
P [|X 1| 3] = 0. 11111
9
1 1
P.S.: si osservi che (e2t + 1) la fgm di 2Y dove Y una va bernoulliana di parametro p = .
2 2
9 Importante Date due variabili aleatorie X exp() e Y N(0; 1), indipendenti, (in simboli X Y)
e ricordando che X Y se e solo se h, k R{0} = (hX) (kY ), calcolare la funzione generatrice di
momenti (fgm in simboli) di X Y.
Poich
X Y X Y
la fgm di X Y = X + (Y ) il prodotto delle fgm di X e di Y.
2
Inoltre poich 1) Y N (0; 1); 2) la fgm di X (t) = ; 3) la fgm di Y (t) = exp( t2 ) arriviamo
t
alla fgm di X Y :
2
(t) = exp( t2 )
t
10 Si consideri la seguente funzione generatrice di momenti:
4 1 1 3 17
mX (t) = exi t f (xi ) = et + e2t + e3t + e4t
i=1 4 8 32 32
Si trovi la va corrispondente.
X 1 2 3 4
va discreta nita X e la sua fdd fX (x): 1 1 3 17
fX (x)
4 8 32 32
11 Tre palline vengono estratte a caso da unurna contenente 5 palline nere e 5 bianche. Sia X la va che
conta il numero di palline nere estratte.
11.1 Calcolare la distribuzione di X, cio P [X = i] = pX (i), i = 0, 1, 2, 3.
5 5 5 5 5 5
3 1 1 2 5 2 1 5 3 1
pX (0) = = ; pX (1) = = ; pX (2) = = ; pX (3) = =
10 12 10 12 10 12 10 12
3 3 3 3
11.2 Calcolare la funzione di ripartizione.
0 x<0
1
0x<1
12
1 5 1
FX (x) = + = 1x<2
12 12 2
1 5 5 11
+ + = 2x<3
12 12 12
12
1 3x
11.3 Calcolare:
3
E[X] =
2
moda(X) una distribuzione bimodale le due mode sono x = 1, x = 2
mediana(X)
Il q-quantile per denizione q = min(x : P [X x] q
La mediana corrisponde a q = 0.5 quindi mediana(X) = 1.
12 Importante Sia data la variabile aleatoria W N (0, 1). Come si distribuisce la va V = W ? Fare il
graco della densit e della funzione di ripartizione (fdr) sia della W che della V .
Soluzione
V N (0, 1)
I graci delle due funzioni di ripartizione coincidono con quelli di (x), fdr della N (0, 1).
pag. 4
13 Sia X una va dotata di media , di varianza 2 e di momento centrale terzo 3 = E[(X )3 ] niti. Il
rapporto 33 uno dei coecienti utilizzato per misurare lasimmetria (skewness) di una distribuzione. Calcolare
tale rapporto per la va X la cui fd data da fX (x) = I[0,1] (x) dove, al solito, I[0,1] (x) la funzione indicatrice
dellintervallo [0, 1].
1 1
1
E[X] = xdx = ; 3 = E[(X )3 ] = (x 12 )3 dx = 0
2
0 0
3
Si conclude che 3 = 0 (la uniforme ovviamente priva di asimmetria).
14 Sia Z una variabile aleatoria (va) con distribuzione normale di media 0 e varianza 1.
14.1 Scrivere la sua funzione di densit fZ (x) e la relativa funzione di ripartizione FZ (x).
2 x
x t2
fZ (x) = 1 e 2 ; FZ (x) = 1 e 2 dt dove < x < +
2 2
14.2. Sia W una va con distribuzione normale di media e varianza 2 . Come si esprime W in funzione di
Z?
W = Z +
14.3 Quanto valgono approssimativamente fW (+57) ed FW (+57)? I numeri ottenuti hanno signicato
di probabilit?
fW ( + 57) 0 e non ha nessun signicato probabilistico, mentre FW ( + 57) 1 e rappresenta la
probabilit dellevento {W + 57}.
15 Sia X una va continua, distribuita normalmente di media 1. Allora:
Figura 2:
16 Data una popolazione di momento 2 nito dire se le seguenti aermazioni si possono decidere utilizzando
la disuguaglianza di Cebyshev:
V P (| X | k) k12
V k2 P (| X | k) 2
F Non si pu applicare la disuguaglianza di Cebyshev per valutare P (|X | k)
F P (| X | k) k12
17 Sia (x) la funzione di ripartizione di una va normale X di media 0 e varianza 1 e sia a > 0. Allora:
V P [X a] = 1 (a)
F P [|X| a] = 2(a)
V P [|X| a] = 2 2(a)
1
F P [|X| 0] =
2
V x = P [X 1 (x)]
Pratica
1. Ogni giorno, allo sportello pezzi di ricambio di unautocina le richieste si susseguono nel tempo secondo
un processo di Poisson. In media arriva una nuova richiesta ogni 10 minuti. Sia Rt il numero di richieste in un
intervallo di t minuti.
1.1 Scrivere la probabilit che in 20 minuti non ci siano richieste (cio che R20 = 0).
Se la media pari a 1 in un intervallo di ampiezza pari a 10 minuti sar 2 in un intervallo pari a 20 minuti.
Quindi
P [R20 = 0] = e2 = 0.13534
1.2 Considerando che il tempo T che passa tra una richiesta e la successiva ha la stessa distribuzione del
tempo T che passa tra listante 0 e listante darrivo della prima richiesta, calcolare la probabilit che tra una
richiesta e la successiva passino pi di 20 minuti.
Il tempo T tra una richiesta e la seguente (e anche il tempo T della prima richiesta) ha legge esponenziale con
parametro 2, da cui
P [T > 20] = P [R20 = 0] = e2 = 0.13534.
1.3 Sapendo che non sono arrivate richieste per mezzora qual la probabilit che non arrivino richieste per
altri 5 minuti?
Ricordando lazzenza di memoria la probabilit cercata pari a quella che non arrivino richieste in 5 minuti,
cio:
P [R5 = 0] = e0.5 .
Oppure se non ci si ricorda lassenza di memoria si ha:
e la varianza
var[X] = (10 E[X])2 p + (3 E[X])2 (1 p) =
1.6 conveniente, secondo voi, per Pluto la scommessa che ha fatto? Si, no, perch?
La media del gioco negativa, quindi la scommessa pi conveniente per Pippo.
2 Sia Z una variabile aleatoria con distribuzione normale di media 0 e varianza 1.
2.1 Quanto valgono fZ (57) ed FZ (57)? I numeri ottenuti hanno signicato di probabilit?
fZ (57) 0; FZ (57) 1
fZ (57) non una probabilit ma segnala solo la sua densit, FZ (57) rappresenta invece la probabilit dellevento
{Z 57}.
cm e cm2
{W = 0}; { 4 W + 4}.
Quali sono i rispettivi valori di probabilit? Dare, eventualmente, valori approssimati.
P [W = 0] = 0; P [ 4 W + 4] 1
3 S upponiamo che una macchina M1 produca pezzi buoni con una probabilit doppia di quella con cui
produce pezzi difettosi
3.1 Indicare la probabilit che un pezzo prodotto dalla macchina sia difettoso.
Sia p la probabilit che il pezzo prodotto sia difettoso. La probabilit che sia buono evidentemente 1 p,
si dovr vericare quindi
1
(1 p) = 2p cio p=
3
3.2 Si estraggano casualmente due pezzi dalla produzione. Indichiamo con N1 la variabile aleatoria va che
conta i pezzi difettosi estratti. Le qualit dei due pezzi estratti non si inuenzano e la popolazione dei pezzi
prodotti numericamente molto grande, cosicch la probabilit di trovare un pezzo difettoso (o non difettoso)
nelle successive estrazioni non varia. Qual la densit della variabile aleatoria N1 ?
3.3 Supponiamo ora di avere una seconda macchina M2 e che la probabilit che un pezzo prodotto da M2
sia difettoso 2/9. Le due macchine producono lo stesso numero di pezzi (molto grande) che niscono tutti
insieme. Si estraggono ancora due pezzi a caso dalla produzione delle due macchine e si indica con U il numero
di pezzi prodotti dalla macchina M1 . Qual la densit della variabile aleatoria U ?
Dato che le due macchine producono lo stesso numero di pezzi, U B(2, 1/2).
3.4 Si estraggono due pezzi a caso dalla produzione delle due macchine e si indica con X in numero di pezzi
difettosi. Qual la densit della variabile aleatoria X rispetto alle probabilit condizionate
pag. 7
Calcoliamo poi
27 14
P {X = 0 | U = 1} = =
39 27
17 22 11
P {X = 1 | U = 1} = + =
39 39 27
12 2
P {X = 2 | U = 1} = =
39 27
3.6 Calcolare quanti pezzi difettosi mediamente capitano, estraendo due pezzi dalla produzione.
Basta calcolare
2
130 50 45 5
E[X] = k P {X = k} = + = = 0.55555...
324 324 81 9
k=0
4 Un call center apre alle 07:00 del mattino. Il numero delle telefontate in arrivo si pu modellare come un
processo di Poisson. Mediamente in 10 minuti arrivano 10 telefonate.
4.1 Qual la probabilit che la prima telefonata arrivi esattamente alle 7 : 35? Qual la probabilit che
arrivi invece dopo le 7 : 35?
10
Lintensit del processo pari a 10 arrivi in 10 minuti, cio = 1 arrivo al minuto. Usando i minuti come
10
unit di tempo si trova pertanto = 1.
Sia T il tempo del primo arrivo. T ha legge esponenziale con parametro . Pertanto:
Sia X il numero di telefonate che arrivano nei primi 2 minuti dallapertura. X ha legge di Poisson con parametro
= 2 = 2. Levento considerato {X 1} e ha probabilit
P [X 1] = P [X = 0] + P [X = 1] = e + e = e2 + 2e2 = 0.40601
4.3 Qual la probabilit che arrivino esattamente 6 telefonate tra le 8 e le 8 : 30?
Il processo si ripete nello stesso modo in qualunque intervallo dellasse reale. Cambia solo il suo a seconda
della dimensione dellintervallo. Sia Y il numero di telefonate che arrivano nellintervallo tra le 8 e le 8 : 30.
Tale intervallo dura 30 minuti; pertanto la legge di Y una Poisson con parametro = 30 = 30. Pertanto
6 306 30
P [Y = 6] = e = e = 9.4746 108
6! 6!
5. Sia X una variabile aleatoria continua con densit
(x + 1)3 , 1 x 1,
fX (x) =
0, altrimenti.
Graci
5.4 Vi aspettate una mediana positiva o negativa? Pi grande o pi piccola della media? Perch?
m > 0 perch P(X 0) < 0.5, mentre m < E[X] perch fX asimmetrica con coda a sinistra.
5.5 Calcolare la mediana di X.
1 1
(m + 1)4 =
4
FX (m) = 0.5 = = m + 1 = 8 = m = 0.6817.
16 2
5.6 Calcolare il valore atteso di X.
1 1
1 1 x5 3 x4 3 x3 1 x2 1 1 1 1 6
E[X] = x (x + 1)3 dx = + + + = + + [1 + 1] = = 0.6.
1 4 4 5 4 4 4 3 4 2 1 4 5 5 4 10
fXY = fX fY
2 Si consideri la seguente tabella che d la fdr FY (y) (approssimata) di una va Y B(10; 0.1).
y= 0 1 2 3 4 5 6 10
F (y) = 0.349 0.736 0.930 0.987 0.998 0.999 1 1
Sia ora X la va di Bernoulli che codica con X = 1 lestrazione di un pezzo difettoso da un lotto che sappiamo
contenere il 10% di pezzi difettosi. Si estrae da X un campione di ampiezza 10 e sia Y la va che conta i pezzi
difettosi del campione. Siano A = {vengono estratti almeno 2 pezzi difettosi}; B = {vengono estratti al pi 2
pezzi difettosi}; C = {vengono estratti esattamente 2 pezzi difettosi}.
2.1 Esprimere A, B, C in termini di va Y
A {Y 2}; B {Y 2}; C {Y = 2}
1
5 Si calcoli il quartile di ordine 4 e la moda (posizione del massimo della densit) della distribuzione
2
F (x) = (1 ex )I[0,+) (x).
1 1 1 2 2 3
Il quartile di ordine 4 quel valore di x tale che F (x) = . Allora si ha: = 1 ex ex = x2 =
4 4 4
4 4
ln x= ln (la soluzione deve appartenere allintervallo [0, +)). In conclusione
3 3
4
Quartile di ordine 14 = ln = 0. 53636
3
d 2
Per trovare la moda si consideri che la fd della nostra distribuzione f(x) = F (x) = 2xex I[0,+) (x). Con
dx
2 1
facili conti si ha f (x) = 2ex (1 2x2 )I[0,+) (x). Nellintervallo [0, +) f (x) 0 se x . Si conclude
2
che:
1
moda = = 0. 70711
2
6 Sia X una va tale che P [X > 0] = 1, = E[X], var[X] 104 . Sia g() C 1 (R). Apporre i corretti valori
di verit alle seguenti aermazioni:
F E[g(X)] = g(E[X])
F P [|X E[X]| 102 ] 102
V g(X) = g(E[X]) + g (E[X])(X E[X]) + o(X E[X])
1 1
V E[ ] e lapprossimazione tanto migliore quanto pi piccola var[X]
X
7 Sia data una va X discreta, uniformemente distribuita sui primi N interi.
7.1 Calcolare E[X] (pu essere utile N i=1 i =
N(N+1)
2 ).
N N(N+1) 1
E[X] = N1 i=1 i = 2 = N+1
2
N
7.2 Calcolare var[X] (pu essere utile N 2
i=1 i =
N(N+1)(2N+1)
6 ).
1 N N+1 2 1 N(N+1)(2N+1) N+1 2 (N+1)[2(2N+1)3(N+1)] N 2 1
var[X] = E[X 2 ] E 2 [X] = N i=1 i
2
2 = N 6 2 = 12 = 12
1
8 Calcolare P [|X X | ] essendo X una va con distribuzione uniforme nellintervallo [0, 2]
4
1 3 5 1
X = 1 P [|X 1| ] P [ X ] =
4 4 4 4
1
9 Calcolare P [|X X | ] essendo X una va con distribuzione uniforme nellintervallo [0, 2].
4
Tale probabilit vale 14 ed chiaramente larea del quadrato indicato in gura.
P [X = 4] 4 e 5! 5
1= = = = E[X] = 5
P [X = 5] 4! 5 e
12 Sia N1 , N2 due diverse gaussiane. Nella gura vedete i graci delle loro funzioni di ripartizione, FN1 (x)
e FN1 (x).
Allora:
F E[N1 ] > E[N2 ]
V var[N1 ] < var[N2 ]
V E[N1 ] = 0
V FN1 (E[N1 ]) = 0
13 Sia la funzione di ripartizione della normale standard e z (, 0). Sapendo che (z) = p indicare
quanto vale (z).
1p
1 2p
p
necessariamente 1/2
14 Sia X N (0; 2 ), tale che P [X > 9] = 0.1. Usando la tavola della normale, trovare var[X].
X 9 9 9
P [X > 9] = P [ > ] = 0.1 = = 1 (0.9) = 1.282 = = = 7.0203 = 2 = 7.02032 =
1.282
49.285
15 Consideriamo una distribuzione gaussiana standard. Sia + = 1. Indichiamo con z il 100 esimo
punto percentile e con 1 () il quantile. Apporre i corretti valori di verit.
pag. 12
V z = 1 ()
V z = 1 (1 )
V z = 1 ()
V z1 = 1 ()
16 A quale di questi tre graci, che corrispondono alle leggi binomiali B(10, p) di tre diversi parametri p,
corrisponde la p pi piccola.
a) b) c)
X
17 Consideriamo una distribuzione gaussiana standard. Sia + = 1. Indichiamo con z il 100 esimo
punto percentile e con 1 () il quantile. Apporre i corretti valori di verit.
V z = 1 ()
V z = 1 (1 )
V z = 1 (1 )
1+
V z/2 = 1 ( )
2
18 Sia (X, Y ) un vettore aleatorio con densit congiunta
x(1 + y) 0 x 1, 1 y 1
f (x, y) =
0 altrove
1+y
fX (x) = 2x 1[0,1] (x), fY (y) = 1[1,1] (y).
2
18.2 Dire se le variabili aleatorie X e Y sono indipendenti
Dato che la densit congiunta il prodotto delle densit marginali, le variabili aleatorie X e Y sono indipendenti.