Probabilità Baldi

UNIVERSITA
`
di ROMA TOR VERGATA
Corso di Laurea in Matematica
Corso di PS2-Probabilit 2, P.Baldi
2
esonero, 27 maggio 2010

Le risposte devono essere motivate
Esercizio 1 Sia (X
n
)
n
una successione di va. di densit
f (t ) =
0 se t 1
c
t
+1
se t > 1
dove un numero > 0.
a) Determinare la costante c in modo che f sia una densit.
b) Poniamo
M
n
= max(X
1
, . . . X
n
) .
Mostrare che la successione
1
n
1/
M
n
converge in legge e determinare la f.r. della legge limite.
Esercizio 2 Siano X
1
, . . . , X
900
v.a. di Bernoulli B(1, p) indipendenti e poniamo X =
1
900
(X
1
+. . . +X
900
).
a) Usando lapprossimazione normale, quanto vale P(X 0.22) se p = 0.20?
b) Usando lapprossimazione normale, quanto vale P(X 0.22) se p = 0.24?
c) Quale delle due probabilit in a) e b) pi grande?
Esercizio 3 Consideriamo la matrice di transizione
P =
0 1 0
0 0 1
1
9
8
9
0
a) irriducibile? Regolare?
b) Quali sono le sue distribuzioni invarianti ?
c) Calcolare il tempo medio di passaggio in 1 partendo da 3.
Esercizio 4 Consideriamo la catena di Markov sui vertici del grafo della Figura 0.1 (vedi
pagina successiva). Ad ogni transizione la catena si sposta dalla posizione in cui si trova ad
uno dei vertici contigui, scelto a caso.
a) Qual la distribuzione invariante di questa catena? unica? Si tratta di una catena
regolare?
b) Quanto tempo in media occorre per giungere in 1 partendo da uno degli stati 5, . . . , 10?
................................................................................................................ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ................................................................................................................
........................................................
........................................................
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .................................................................................................................................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ...................................................................................................................................................................................................

1
2
3 4
5 6
7
8 9
10
Figura 0.1
Soluzioni
Esercizio 1. a) Si ha immediatamente
+
1
1
t
+1
dt =
1
e dunque deve essere c = .

b) Si ha, per t < 1,
F(t ) =
f (s) ds =
t
1
1
s
+1
ds = 1
1
t
e poi, per t > 0,

P
1
n
1/
M
n
t
= P(M
n
t n
1/
) = P(X
n
t n
1/
)
n
=
1
1
nt
n
e
t
Per concludere che la successione converge in legge occorre ora vericare che il limite delle
f.r. effettivamente una f.r. Basta per questo osservare che G una funzione crescente e
che, posto
G(t ) =
e
t
per t > 0
0 altrimenti
si ha
lim
t
G(t ) = 0, lim
t +
G(t ) = 1
Dunque G una funzione di ripartizione e la successione (
1
n
1/
M
n
)
n
effettivamente converge
in legge.
Esercizio 2. Ricordiamo che la varianza di una v.a. B(1, p) p(1 p) e dunque per
lapprossimazione normale la v.a.
900
p(1 p)
(X p)
approssimativamente N(0, 1).
a) Si ha p = 0.2, 1 p = 0.8 e dunque, indicando al solito con la funzione di
ripartizione della legge N(0, 1),
P(X 0.22) = P
900
0.2 0.8
(X 0.2)
900
0.2 0.8
(0.22 0.2)
0.02 30
0.16
= 1 (1.5) = 0.067
b) Ora invece p = 0.24, 1 p = 0.76 e quindi
P(X 0.22) = P
900
0.24 0.76
(X 0.2)
900
0.24 0.76
(0.22 0.24)
0.02 30
0.182
= (1.4) = 0.081
Un calcolo esatto con la f.r. di una legge B(900, p) avrebbe dato i valori 0.068 per a) e
0.085 per b).
c) Evidentemente b).
Esercizio 3. a) Con la propriet transitiva si vede facilmente che gli stati comunicano tra
loro e quindi che la catena irriducibile. Per la regolarit, con un po di pazienza si vede
che P
5
ha tutti gli elementi > 0 (n = 3 non basta perch non si pu andare da 3 a 2 in tre
passi e neanche n = 4 perch p
(4)
11
= 0).
b) La distribuzione invariante unica perch la catena irriducibile. Per trovarla ci
riconduciamo al sistema
v
1
=
1
9
v
3
v
2
= v
1
+
8
9
v
3
v
1
+v
2
+v
3
= 1
Dalle due prime equazioni si ricava v
1
=
1
9
v
3
e poi v
2
= v
3
. Sostituendo nella terza si
trova v
3
=
9
19
e dunque
v = (
1
19
,
9
19
,
9
19
)
c) Indicando con
i
, i = 2, 3 i tempi medi di passaggio in 1 partendo da i rispettivamente,
sappiamo che questi sono soluzione del sistema
2
= 1 +
3
3
= 1 +
8
9

2
Si trova facilmente, sostituendo, che
3
= 1 +
8
9
(1 +
3
) =
17
9
+
8
9

3
e dunque
3
= 17.
Esercizio 4. a) Tutti gli stati comunicano tra loro, perch il grafo connesso; dunque la
catena irriducibile e la distribuzione stazionaria unica. Per calcolarla basta ricordare che
per una catena di Markov sui vertici di un grafo c una formula esplicita della distribuzione
stazionaria: se k
i
il numero di spigoli del grafo che arrivano nel vertice i e k la somma
dei numeri k
i
, allora
i
=
k
i
k
la distribuzione invariante. Qui k
i
uguale a 3 per i vertici 1, 5, 6, 7, 8, 9, 10 e 5 per i
vertici 2, 3, 4. Dunque k = 7 3 + 3 5 = 36. La distribuzione invariante vale
1
12
per gli
stati 1, 5, 6, 7, 8, 9, 10 e
5
36
per gli altri.
La catena regolare perch basta vericare che da ogni stato si pu giungere con prob-
abilit positiva in tutti gli altri in 3 passi.
c) Il tempo medio di passaggio nella classe C = {1} evidentemente lo stesso partendo
da uno degli stati 5, . . . , 10, come pure sar lo stesso partendo da 2, 3, 4. Indichiamo
1
il tempo medio partendo dagli stati esterni e
2
quello partendo da quelli interni.
Osservando che gli stati esterni comunicano in un passo con altri due stati esterni e con uno
interno (probabilit di transizione =
1
3
), mentre quelli interni comunicano ognuno con due
esterni e due interni (probabilit di transizione =
1
5
), i numeri
i
, i = 1, 2 sono soluzione di
1
= 1 +
2
3

1
+
1
3

2
2
= 1 +
2
5

1
+
2
5

2
Dalla prima equazione si ricava
1
= 3 +
2
. sostituendo questo valore nella seconda
equazione si trova
2
= 1 +
2
5
(3 +
2
) +
2
5

2
=
11
5
+
4
5

2
e quindi
2
= 11 e poi
1
= 14 , che il tempo medio richiesto.
UNIVERSITA
`
di ROMA TOR VERGATA
Corso di PS2-Probabilit 2
P.Baldi
Tutorato 7, 5 maggio 2011
Esercizio 1 a) Sia (X
n
)
n
una successione di v.a. tale che X
n
N(
n
,
2
n
), dove
n

R e
2
n

2
> 0. Mostrare che la successione converge in legge ad una v.a. N(,
2
).
b) Sia (X
n
)
n
una successione di v.a. tale che, per ogni n, X
n
segua una legge di Poisson
di parametro
n
e supponiamo che
n
> 0. Mostrare che la successione converge in
legge ad una v.a. di legge di Poisson di parametro .
c) Sia (X
n
)
n
una successione di v.a. tale che, per ogni n, X
n
(,
n
) e supponiamo
che
n
> 0. Mostrare che la successione converge in legge ad una v.a. di legge
(, ).
Esercizio 2 Sia (X
n
)
n
una successione di v.a. indipendenti uniformi su [0, 1].
a) Calcolare media e varianza delle v.a. Y
n
= cos(2X
n
)
b1) Poniamo
Y
n
=
1
n
n
k=1
cos(2X
k
) .
Mostrare che la successione (
Y
n
)
n
converge in probabilit e determinarne il limite.
b2) Calcolare il limite
lim
n
P(|
Y
n
| >
1
10
n
)
Esercizio 3 Sia (X
n
)
n
una successione di v.a. i.i.d. di legge
P(X
n
=
1
2
) = P(X
n
= 2) =
1
2
a) Quanto vale E(log X
n
)?
b) Mostrare che la successione Y
n
= (X
1
. . . X
n
)
1/n
converge in probabilit e determi-
narne il limite.
c) Mostrare che la successione Y
n
= (X
1
. . . X
n
)
1/
n
converge in legge e determinarne
la legge limite.
Esercizio 4 Una sorgente produce segnali binari di lunghezza n senza memoria (cio i valori
di bit diversi sono tra di loro indipendenti) e nei quali ogni bit pu assumere i valori 0 oppure
1 con probabilit 0.8 e 0.2 rispettivamente.
a) Qual la probabilit che per n = 1000 la sorgente produca un segnale in cui la
proporzione p
n
di 1 sia pi grande di 0.23?
b) Fissiamo = 10
2
e continuiamo a indicare con p
n
la proporzione di 1 in un
messaggio di lunghezza n. Quanto deve essere grande n perch leventualit di osservare
un segnale in cui p
n
differisca da 0.2 per pi di si verichi con probabilit minore di
= 4 10
3
?
Esercizio 5 In un esperimento occorre misurare una certa quantit . Lo strumento di
misura aggiunge allosservazione un errore sperimentale che si pu modellizzare con una
v.a. X di media 0 e varianza 1. Si pu inoltre supporre che errori di misurazioni che si
riferiscono a misurazioni diverse siano indipendenti.
Per ottenere una misura si effettuano n misurazioni e poi si stima con la media empirica
X
n
delle misurazioni ottenute.
a) Qual la probabilit di commettere un errore pi grande di
1
100
, se n = 400?
b) Volendo che

X
n
stimi a meno di
1
100
con la probabilit del 99%, quanto deve essere
grande n?
c) Volendo che

X
n
stimi a meno di
1
120
con la probabilit del 90%, quanto deve essere
grande n?
Soluzioni
Esercizio 1. a) Sappiamo che se X
n
N(
n
,
2
n
), allora X
n
della forma X
n

n
Z
n
+
n
,
dove Z
n
N(0, 1). Dunque, indicando con F
n
la f.r. di X
n
,
F
n
(t ) = P(X
n
t ) = P(Z
n

t
n
n
) = (
t
n
n
)
n
(
t
) = P(Z + t ),
dove Z una v.a. N(0, 1). Poich Z + N(,
2
), abbiamo concluso. Lo stesso
risultato si sarebbe potuto ottenere usando le funzioni caratteristiche: la f.c. di X
n

e
i
n
1
2

2
n
2
, mentre quella di una v.a. N(,
2
) e
i
e
1
2

2
2
. ora immediato
che
e
i
n
1
2

2
n
n
e
i
e
1
2

2
2
per ogni R. Basta ora applicare il Teorema di P. Lvy.
b) Si ha
P(X
n
= k) = e
k
n
k!

n
e

k
k!
= P(X = k)
dove X indica una v.a. di Poisson di parametro , che permette di concludere. Anche in
questo caso si sarebbe potuto applicare il Teorema di P. Lvy, ricordando che la f.c. di una
v.a. di Poisson di parametro e
(e
i
1)
c) immediato che se Y (, 1), allora
1
Y (, ). Dunque, indicando con F

la f.r. di una v.a. (, 1),
P(X
n
t ) = P(
1
n
Y t ) = F(
n
t )
n
F(t ) = P(
1
Y t ) .
Esercizio 2. a) Si ha
E[cos(2X
n
)] =
1
0
cos(2x) dx = 0
E[cos
2
(2X
n
)] =
1
0
cos
2
(2x) dx =
1
2

Dunque Var(Y
n
)) =
1
2
.
b1) Per la legge dei grandi numeri
Y
n
P
n
E[cos(2X
n
)] = 0
b2) Per il Teorema Limite Centrale,
2n

Y
n
=
cos(2X
1
) +. . . +cos(2X
n
)
n
2
n
N(0, 1)
e quindi
lim
n
P(|
Y
n
| >
1
10
n
) = lim
n
P(|
2n

Z
n
| >
2
10
) = (
2
10
) (
2
10
) =
= (0.14) (0.14) = 0.11 .
Esercizio 3. a) La v.a. log X
n
prende i valori log 2 e log
1
2
= log 2, entrambi con
probabilit
1
2
. Dunque E(X) =
1
2
log 2 +
1
2
log 2 = 0.
b) Si ha, ponendo Z
n
= log X
n
,
Y
n
= exp
1
n
(Z
1
+. . . +Z
n
)
Le v.a. (Z
n
)
n
sono centrate ed hanno varianza nita. Dunque per la Legge dei Grandi
Numeri
1
n
(Z
1
+ . . . + Z
n
)
n
0 in probabilit. Poich la funzione esponenziale
continua, per ogni > 0 esiste > 0 tale che |e
x
1| se |x| . Dunque
P(|Y
n
1| ) P(|
1
n
(Z
1
+. . . +Z
n
)| )
n
0
e dunque Y
n
1 in probabilit.
c) In maniera simile si ha
W
n
= exp
n
(Z
1
+. . . +Z
n
)
Per il Teorema Limite Centrale (le v.a. Z

i
sono centrate ed hanno varianza uguale a (log 2)
2
)
1
n
(Z
1
+. . . Z
n
)

n
Z
N(0, (log 2)
2
) .
Dunque, se t > 0,
F
W
n
(t ) = P(W
n
t ) = P
n
(Z
1
+. . . Z
n
) log t
=
n
(
log t
log 2
)
dove indica al solito la funzione di ripartizione di una v.a. N(0, 1). t (
log t
log 2
) la
funzione di ripartizione della v.a. e
Z
che dunque densit

1
t log 2

(
log t
log 2
) =
1
2 t log 2
e
(log t )
2
/(2(log 2)
2
)
(che una densit lognormale).
Esercizio 4. a) Poniamo
X
i
=
1 se lo i-esimo bit vale 1

0 altrimenti .
Allora il numero totale di bit che assumono il valore 1 nel segnale S
n
= X
1
+. . . +X
n
,
mentre la proporzione di bit che valgono 1 p
n
=
1
n
S
n
. Per il Teorema Limite Centrale la
v.a.
S
n
0.2 n
n(0.2 0.8)
segue una legge che, per n abbastanza grande, approssimativamente N(0, 1). Dunque,
con lapprossimazione normale,
P( p
n
> 0.23) = P(S
n
> 0.23 n) = P
S
n
0.2 n
n(0.2 0.8)
>
(0.23 0.2)
0.2 0.8
0.03
0.16
sostituendo il valore numerico n = 1000 si ottiene 1 (2.37) = 0.009.

b) Poniamo per comodit p = 0.2. Allora ripetendo il ragionamento del punto a),
poich =
0.16 = 0.4,
P(| p
n
p| > ) 2
n
40
= 2
n
40
Perch questa quantit sia pi piccola di = 4 10

3
occorre (dopo uno sguardo alle tavole)
che sia
n
40
2.88
ovvero n > (40 2.88)
2
= 13271.
Esercizio 5. Per semplicit di scrittura, poniamo =
1
100
.
a) La formula (4.8) del libro d immediatamente la probabilit richiesta che vale
2(
400) 1 = 2(0.2) 1 = 0.16 .

b) Sempre per la (4.8), n deve risolvere
2(
n ) 1 0.99
e cio
(
n )
1
2
(1 +0.99) = 0.995 .
Ora dalle tavole si trova (x) = 0.995 per x = 2.5758. Dunque deve essere
n 2.5758
cio
n 257.58. Poich 257.58

2
= 66347.4, deve essere
n = 66358 .
c) Basta ripetere il calcolo di b) con il nuovo valore =
1
120
. Si trova che deve essere
(
n )
1
2
(1 + 0.9) = 0.95. Poich (x) = 0.95 per x = 1.6448, ora deve essere
n = 120 1.6448 = 197.38. Si ha 197.38

2
= 38958.8 e quindi deve essere
n 38959 .
UNIVERSITA
`
di ROMA TOR VERGATA
2
esonero, 4 giugno 2009

Esercizio 1 Siano X
1
, . . . , X
n
v.a. indipendenti N(0, 1) e poniamo S
n
= X
1
+. . . +X
n
.
a) Quanto vale la media condizionale di S
n
dato X
1
= x ?
b) Quanto vale la media condizionale di X
1
dato S
n
= y ?
c) Sapendo che S
n
= 1, quanto vale la probabilit che X
1
si trovi tra 1 e 1 per n = 4?
E n = 8?
d) Come cambierebbero le risposte alle domande a), b) e c) se considerassimo X
n
invece
di X
1
?
Esercizio 2 Sia (X
n
)
n
una successione di v.a. i.i.d. uniformi su [0, 1]e poniamo
M
n
= max(X
1
, . . . , X
n
) .
a) Mostrare che la successione (M
n
)
n
converge in legge e determinare la legge limite.
Converge anche in probabilit?
b) Mostrare che la successione
Z
n
= n(1 M
n
)
Esercizio 3 Una v.a. X ha funzione caratteristica
() =
1
1 +
2

a) Mostrare che X ha varianza nita e calcolare E(X) e Var(X).
b) Siano X, Y v.a. indipendenti entrambe di funzione caratteristica . Calcolare
E[(X +Y)
4
].
c) Siano X, Y, Z v.a. indipendenti tutte di funzione caratteristica . Si pu dire che la
v.a. X +Y +Z ha una densit continua? Quanto vale P(X +Y +Z 0).
Soluzioni
Esercizio 1. Sappiamo che le v.a. X
1
e S
n
hanno una legge congiunta che gaussiana, dato
che (X
1
, S
n
) una funzione lineare di (X
1
, . . . , X
n
) che congiuntamente gaussiana. Si
tratta di v.a. centrate. Per ottenerne la matrice di covarianza C basta calcolare
Var(X
1
) = 1, Var(S
n
) = n, Cov(X
1
, S
n
) = Cov(X
1
, X
1
) +. . . +Cov(X
1
, X
n
) = 1
Dunque
C =
1 1
1 n
a) Come visto a lezione, la legge condizionale di S

n
dato X
1
= x gaussiana di media
E(S
n
) +
Cov(S
n
, X
1
)
Var(X
1
)
(x E(X
1
)) = x
dunque la media condizionale di S
n
dato X
1
= x uguale a x.
b) La legge condizionale di X
1
dato S
n
= y gaussiana di media
E(X
1
) +
Cov(S
n
, X
1
)
Var(S
n
)
(y E(S
n
)) =
1
n
y
dunque la media condizionale di X
1
dato S
n
= y uguale a
1
n
y.
c) La varianza della legge condizionale di X
1
dato S
n
= y
2
0
= Var(X
1
)
Cov(S
n
, X
1
)
2
Var(S
n
)
= 1
1
n
=
n 1
n
Dunque, se n = 4, la legge condizionale di X

1
dato S
4
= 1 una N(
1
4
,
3
4
). Se Z N(
1
4
,
3
4
)
allora
2
3
(Z
1
4
) N(0, 1) e
P(Z [1, 1]) = P(
2
3
(Z
1
4
) [
2
3
(1
1
4
),
2
3
(1
1
4
)]) =
=
3
(1
1
4
)
3
(1
1
4
)
= (0.87) (1.44) =
= 0.806 0.074 = 0.732 .
Se invece se n = 8, la legge condizionale di X
1
dato S
8
= 1 N(
1
8
,
7
8
). Se Z N(
1
8
,
7
8
)
allora
7
(Z
1
8
) N(0, 1) e
P(Z [1, 1]) = P(
7
(Z
1
8
) [
7
(1
1
8
),
7
(1
1
8
)]) =
=
7
(1
1
8
)
7
(1
1
8
)
= (0.825) (1.202) =
= 0.825 0.115 = 0.71 .
d) la legge congiunta di X
n
e S
n
anchessa gaussiana di media 0. Si ha
Var(X
n
) = 1, Var(S
n
) = n, Cov(X
n
, S
n
) = Cov(X
n
, X
1
) +. . . +Cov(X
n
, X
n
) = 1
e dunque la matrice di covarianza ancora
C =
1 1
1 n
Dunque la legge congiunta di X

n
e S
n
la stessa di quella di X
1
e S
n
. Dunque le leggi
condizionali di X
1
dato S
n
= y e quella di X
n
dato S
n
= y sono le stesse. Dunque le
risposte alle questioni a) e b) rimangono le stesse. Per un ragionamento analogo, anche la
risposta alla questione a) resta la stessa.
Esercizio 2. a) La funzione di ripartizione di M
n
vale 0 per t 0 e 1 per t 1. Se
0 t 1,
F
M
n
(t ) = P(M
n
t ) = P(X
1
t, . . . , X
n
t ) = P(X
1
t ) . . . P(X
n
t ) = t
n
.
Dunque
lim
n
F
M
n
(t ) =
0 se t < 1
1 se t 1
che la funzione di ripartizione di una v.a. che assume il valore 1 con probabilit 1. La
convergenza ha luogo anche in probabilit, infatti
P(|M
n
1| ) = P(M
n
1+)+P(M
n
1) = 1F
M
n
(1+)+F
M
n
(1)
n
0.
(infatti 1F
M
n
(1+) mentre F
M
n
(t )
n
0 per ogni t < 1) c) Si ha P(Z
n
t ) = 0
per t < 0 mentre per t 0
P(Z
n
t ) = P(1 M
n

t
n
) = P(M
n
1
t
n
) = 1 P(M
n
1
t
n
) =
= 1 (1
t
n
)
n
= 1 e
t
che la funzione di ripartizione di una v.a. esponenziale di parametro 1.
Esercizio 3. a) una funzione innite volte derivabile e dunque X ha niti i momenti
di tutti gli ordini. E(X) = 0 perch, dato che una funzione reale, la v.a. X ha legge
simmetrica (X X) e dunque speranza matematica uguale a 0. Ad ogni modo le due
prime derivate di valgono
() = (1 +
2
)
3/2
() = (1 +
2
)
3/2
+3
2
(1 +
2
)
5/2
.
Dunque
Var(X) = E(X
2
) =
(0) = 1 .
b) La funzione caratteristica di X +Y
X+Y
() = ()
2
=
1
1 +
2

Il momento del quarto ordine di X + Y uguale alla derivata quarta di
X+Y
in 0. Ma
lo sviluppo in serie di potenze di
X+Y
ben noto (a partire dalla serie geometrica, ad
esempio):
X+Y
() =
1
1 +
2
=
k=0
(1)
k
2k
.
Il coefciente del termine di ordine 4 1, da cui si ricava
(4)
X+Y
(0) = 4! = 24 .
c) La v.a. X +Y +Z ha funzione caratteristica
X+Y+Z
() =
1
(1 +
2
)
3/2

X+Y+Z
una funzione integrabile su R e, per il Teorema dinversione, ha una densit.
Inoltre ancora una funzione reale e dunque X+Y +Z ha anchessa una legge simmetrica.
Dunque
(1) P(X +Y +Z > 0) = P(X +Y +Z < 0) .
Poich P(X + Y + Z = 0) = 0 (dato che X + Y + Z ha una densit) e P(X + Y + Z >
0) +P(X +Y +Z < 0) = 1, grazie alla (1) P(X +Y +Z 0) =
1
2
.
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
1
appello, 17 giugno 2010

Esercizio 1 Siano X, Y v.a. indipendenti di legge (2, ). Calcolare densit e la media
della v.a. Z = min(X, Y).
Esercizio 2 Un punto viene scelto a caso nel cerchio (pieno) di raggio R con distribuzione
uniforme.
a) Qual la probabilit che esso disti dallorigine pi di r (0 r R) ?
b) n punti vengono scelti indipendentemente e con distribuzione uniforme sul cerchio
di raggio R. Qual la probabilit che la minima distanza dallorigine sia maggiore di r ?
Qual la probabilit che la minima distanza dallorigine sia maggiore di
r
n
? Quanto vale
il limite di questa probabilit per n ?
Esercizio 3 Sia (X
n
)
n
una successione di v.a. i.i.d. di legge
P(X
n
=
1
2
) = P(X
n
= 2) =
1
2
a) Quanto vale E(log X
n
)?
b) Mostrare che la successione Y
n
= (X
1
. . . X
n
)
1/n
converge in probabilit e determi-
narne il limite.
c) Mostrare che la successione Y
n
= (X
1
. . . X
n
)
1/
n
converge in legge e determinarne
la legge limite.
Esercizio 4 Unurna contiene inizialmente 2 palline rosse (R) e 2 palline nere (N). Due
giocatori, A e B, giocano con le regole seguenti.
Viene lanciata una moneta: con probabilit p, 0 p 1, la composizione dellurna
non viene modicata. Con probabilit 1 p invece si effettua unestrazione: se la pallina
estratta N, essa viene messa da parte, se la pallina estratta R essa viene rimessa nellurna
insieme ad una nuova pallina N.
Il giocatore A vince non appena nellurna ci sono 4 palline N, B vince non appena
nellurna non ci sono pi palline N.
Indichiamo con X
n
il numero di palline nere nellurna al tempo n.
a) Scrivere la matrice di transizione, P, di questa catena.
b) Qual , al variare di p, la probabilit che il giocatore A vinca?
c) Quanto dura in media, al variare di p, la partita?
Soluzioni
Esercizio 1. Per il calcolo della densit calcoliamo
F
Z
(t ) = 1 P(min(X, Y) > t ) = P(X > t, Y > t ) = P(X > t )P(Y > t ) .
Ricordando lespressione della funzione di ripartizione delle leggi Gamma con il parametro
intero, abbiamo dunque
F
Z
(t ) = 1
e
t
(1 +t )
2
= 1 e
2t
(1 +t )
2
e facendo la derivata
f
Z
(t ) = F
Z
(t ) = e
2t
2(1 +t )
2
+2(1 +t )
= e
2t
(2
2
t +2
3
t
2
)
si trova la densit. Per la media, ricordando lespressione degli integrali Gamma,
E(Z) =
tf
Z
(t ) dt = 2
2
+
0
t
2
e
2t
dt +2
3
+
0
t
3
e
2t
dt =
= 2
2
(3)
(2)
3
+2
3
(4)
(2)
4
=
1
2
+
3
4
=
5
4
Esercizio 2. a) Dire che il punto viene scelto a caso con legge uniforme sul cerchio di raggio
R signica considerare una v.a. bidimensionale di densit
f (x) =
1
R
2
se |x| R
0 altrimenti.
Dire che il punto dista pi di r dallorigine signica dire che esso si trova al di fuori del
cerchio, B
r
, di centro lorigine e raggio r. La probabilit quindi uguale allintegrale di f
sul complementare di B
r
, cio, se r R, sulla corona circolare compresa tra il cerchio di
raggio r e quello di raggio R. Poich f costante e uguale a
1
R
2
su B
R
, questo integrale
uguale allarea di questa corona circolare moltiplicata per
1
R
2
, cio
R
2
r
2
R
2
=
R
2
r
2
R
2
= 1
r
2
R
2

b) Calcoliamo la probabilit che la distanza minima degli n punti dallorigine sia r.
Ci vuole dire che tutti gli n punti si trovano al di fuori di B
r
. Poich gli n punti sono stati
scelti indipendentemente,
P(X
1
B
c
r
, . . . X
n
B
c
r
) = P(X
1
B
c
r
) . . . P(X
n
B
c
r
) = P(X
1
B
c
r
)
n
.
Riprendendo gli argomenti sviluppati in a),
P(X
1
B
c
r
) =
R
2
r
2
R
2
= 1
r
2
R
2

Dunque, la probabilit che la distanza minima dallorigine sia r vale
1
r
2
R
2
n
.
Sostituendo
r
n
al posto di r, si trova
1
r
2
R
2
1
n
n
e
r
2
R
2
.
Esercizio 3. a) La v.a. log X
n
prende i valori log 2 e log
1
2
= log 2, entrambi con
probabilit
1
2
. Dunque E(X) =
1
2
log 2 +
1
2
log 2 = 0.
b) Si ha, ponendo Z
n
= log X
n
,
Y
n
= exp
1
n
(Z
1
+. . . +Z
n
)
Le v.a. (Z
n
)
n
sono centrate ed hanno varianza nita. Dunque per la Legge dei Grandi
Numeri
1
n
(Z
1
+ . . . + Z
n
)
n
0 in probabilit. Poich la funzione esponenziale
continua, per ogni > 0 esiste > 0 tale che |e
x
1| se |x| . Dunque
P(|Y
n
1| ) P(|
1
n
(Z
1
+. . . +Z
n
)| )
n
0
e dunque Y
n
1 in probabilit.
c) In maniera simile si ha
W
n
= exp
n
(Z
1
+. . . +Z
n
)
Per il Teorema Limite Centrale (le v.a. Z

i
sono centrate ed hanno varianza uguale a (log 2)
2
)
1
n
(Z
1
+. . . Z
n
)

n
Z
N(0, (log 2)
2
) .
Dunque, se t > 0,
F
W
n
(t ) = P(W
n
t ) = P
n
(Z
1
+. . . Z
n
) log t
=
n
(
log t
log 2
)
dove indica al solito la funzione di ripartizione di una v.a. N(0, 1). t (
log t
log 2
) la
funzione di ripartizione della v.a. e
Z
che dunque densit

1
t log 2

(
log t
log 2
) =
1
2 t log 2
e
(log t )
2
/(2(log 2)
2
)
(che una densit lognormale).
Esercizio 4. a) Indichiamo con X
n
il numero di palline nere nellurna al tempo n. Se X
n
= i
allora
con probabilit p X
n+1
= i.
Con probabilit 1 p viene estratta una pallina. Se nera (probabilit
i
i+2
perch
nellurna ci sono ora i + 2 palline di cui i nere), allora X
n+1
= i 1. Dunque p
i,i1
=
(1 p)
i
i+2
.
Con probabilit 1 p viene estratta una pallina. Se rossa (probabilit
2
i+2
), allora
X
n+1
= i +1. Dunque p
i,i+1
= (1p)
2
i+2
. Dunque la matrice di transizione della catena
0 1 2 3 4
0 1 0 0 0 0
1
1
3
(1 p) p
2
3
(1 p) 0 0
2 0
1
2
(1 p) p
1
2
(1 p) 0
3 0 0
3
5
(1 p) p
2
5
(1 p)
4 0 0 0 0 1
b) Gli stati transitori sono i = 1, 2, 3 (comunicano con 0 e 4 che sono assorbenti). Il

sistema delle probabilit di passaggio nello stato i = 4
1
= p
1
+
2
3
(1 p)
2
2
=
1
2
(1 p)
1
+p
2
+
1
2
(1 p)
2
3
=
2
5
(1 p) +
3
5
(1 p)
2
+p
3
Si vede facilmente che si pu semplicare per 1 p ed il sistema diventa
1
=
2
3

2
2
=
1
2

1
+
1
2

3
3
=
2
5
+
3
5

2
.
che ha soluzione
1
=
4
11
,
2
=
6
11
,
3
=
8
11
) e quindi la probabilit che Avinca
2
=
6
11
e non dipende da p.
c) Se indichiamo con
i
il tempo medio di assorbimento in {0, 4} partendo da i, allora
i numeri
i
, i = 1, 2, 3, sono soluzione di
1
= 1 +p
1
+
2
3
(1 p)
2
2
= 1 +
1
2
(1 p)
1
+p
2
+
1
2
(1 p)
3
3
= 1 +
3
5
(1 p)
2
+p
3
.
Si vede facilmente che si pu porre

i
= (1 p)
i
in modo che il sistema diventa
1
= 1 +
2
3

2
= 1 +
1
2

1
+
1
2

3
= 1 +
3
5

2
.
da cui si trova

1
=
51
11
,

2
=
60
11
,

3
=
47
11
e quindi
1
=
51
11(1p)
,
2
=
60
11(1p)
,
3
=
47
11(1p)
UNIVERSITA
`
di ROMA TOR VERGATA
1
esonero, 20 aprile 2010

Esercizio 1 La v.a. X e Y sono indipendenti ed esponenziali di parametri rispettivamente
e . Calcolare la densit e la speranza matematica della v.a.
W = max(X, Y)
Esercizio 2 Siano X, Y v.a. di densit congiunta
f (x, y) =
x
2
y
3
e
x
y
(y+1)
, x > 0, y > 0
a) Le v.a. X e
X
Y
sono indipendenti ?
b) Qual la legge di X?
c) Quanto vale P(
X
Y
1)?
Esercizio 3 Siano X, Y v.a. indipendenti di legge N(0, 1). Poniamo
U = 2X Y, V = 2X +Y .
a) Qual la legge di (U, V)? Possiede una densit?
b) Quanto vale la speranza condizionale di U dato V = 1? Quanto vale la varianza
della legge condizionale di U dato V = 1? Quanto vale la varianza della legge condizionale
di U dato V = 1.5?
c) Calcolare P(U 1).
Alcuni numeri utili (forse. . . ):
3 = 1.73,
1
3
= 0.58,
1
5
= 0.45
Soluzioni
Esercizio1. Ricordandolespressione della funzione di ripartizione delle leggi esponenziali,
si ha, per t > 0,
P(W t ) = P(X t, Y t ) = P(X t )P(Y t ) = (1 e
t
)(1 e
t
)
La densit di W dunque
f (t ) = e
t
(1 e
t
) +e
t
(1 e
t
)
da cui, con un po di calcoli si trova
E[W] =
tf (t ) dt =
+
0
t e
t
(1 e
t
) dt +
+
0
t e
t
(1 e
t
) dt
Ricordando, dallespressione della speranza matematica delle leggi esponenziali, che
+
0
t e
t
dt =
1
2
,
si trova subito
E[W] =
1

( +)
2
+
1

( +)
2
=
1
+
1
1
+
Esercizio 2. a) Si pu scrivere (X,
X
Y
) = (X, Y) dove (x, y) = (x,
x
y
). Applichiamo il
metodo del teorema di cambio di variabile: la funzione inversa si trova risolvendo il sistema
u = x
v =
x
y
che d
1
(u, v) = (u,
u
v
) (da notare che =
1
). Calcoliamo il differenziale:
D
1
(u, v) =
1 0
1
v

u
v
2
e | det(D
1
(u, v))| =
u
v
2
. Dunque la densit della coppia (X,
X
Y
) data da
g(u, v) =
u
2
v
3
u
3
u
v
2
exp
v(
u
v
+1)
= ve
(u+v)
Poich si pu scrivere
g(u, v) = e
u
ve
v
le due v.a. sono indipendenti ed anzi si vede subito che U esponenziale di parametro
1 mentre V =
X
Y
(2, 1). Questo permette immediatamente di rispondere anche alla
questione b).
c ) Basta ricordare lespressione della funzione di ripartizione della legge Gamma(2, 1)
e si trova subito
P(
X
Y
1) = 1 2e
1
Esercizio 3. a) (U, V) una funzione lineare di (X, Y) che congiuntamente gaussiana e
dunque congiuntamente gaussiana anche lei. Si tratta di v.a. centrate e per il calcolo della
matrice di covarianza basta osservare che
Var(U) = 4 Var(X) +Var(Y) = 4 +1 = 5
Var(V) = 4 Var(X) +Var(Y) = 5
Cov(U, V) = Cov(2X Y, 2X +Y) = 4 1 = 3
e dunque la matrice di covarianza
C =
5 3
3 5
Poich det C = 14, la matrice invertibile e la coppia (U, V) ha densit congiunta.

b) La speranza condizionale di U dato V = 1
Cov(U, V)
Var(V)
=
3
5
mentre la varianza della legge condizionale
Var(U)
Cov(U, V)
2
Var(V)
= 5
9
5
=
16
5
= 3.2
La varianza della legge condizionale non dipende dal valore della variabile condizionante.
c) Sappiamo che U gaussiana N(0, 5), dunque si pu scrivere U =
5Z dove
Z N(0, 1). Dunque
P(U 1) = 1 P(Z
1
5
) = 1 (
1
5
) == 1 0.67 = 0.33
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
1
appello, 23 giugno 2009

Esercizio 1 Per 0
1
2
consideriamo la catena di Markov su {1, 2, 3} associata alla
matrice di transizione
_
0
1
4
3
4
1 2
3
4
1
4
0
_
a) Mostrare che, se 0 <
1
2
, la catena irriducibile e regolare.
b) Supponiamo =
1
4
. Calcolare la distribuzione stazionaria della catena. La catena
reversibile?
c) Supponiamo = 0. Determinare gli stati ricorrenti e quelli transitori.
d) Cosa si pu dire di lim
n
P
1
(X
n
= 1) nei casi b) e c) rispettivamente? (P
1
la
probabilit partendo da X
0
= 1).
Esercizio 2 Sia (X, Y) una coppia di v.a. aventi distribuzione congiunta:
f (x, y) =
_
c
1
y
se 0 < x < y < 1
0 altrimenti
a) Quanto vale la costante di normalizzazione c?
b) Qual la densit di X? E quella di Y ? X e Y sono indipendenti ?
c) Calcolare P(Y > 2X).
Esercizio 3 Le v.a. X
1
, X
2
hanno legge congiunta gaussiana di media 0 e matrice di
covarianza
C =
_
7 1
1 4
_
a) Il vettore aleatorio X = (X
1
, X
2
) ha densit congiunta?
b) Quali delle seguenti coppie di v.a. sono indipendenti ?
b1) X
1
+X
2
e X
1
X
2
.
b2) X
1
+X
2
e X
1
2X
2
.
c) Mostrare che le v.a. Y = X
1
+ X
2
e Z = X
1
X
2
hanno densit congiunta e
calcolarla.
d) Il vettore aleatorioW = (X
1
, X
2
, X
1
+X
2
) ha densit congiunta? Esistono, R
tale che W = (X
1
, X
2
, X
1
+X
2
) abbia densit?
Esercizio 4 In un test a risposta multipla vengono poste 30 domande, ciascuna con 4 possibili
risposte, una sola delle quali quella giusta. Per il superamento del test si richiede di
rispondere correttamente ad almeno 16 domande.
a) Uno studente non sa niente e risponde a caso. Calcolare, usando lapprossimazione
normale, la probabilit che superi il test.
b) Uno studente leggermente meglio preparato in grado, per ogni domanda, di es-
cludere una delle risposte proposte e decidere di rispondere a caso scegliendo una delle tre
risposte rimaste (tra le quali c quella giusta). Sempre usando lapprossimazione normale,
qual ora la probabilit che superi il test ?
c) Supponiamo che 300 studenti si presentino, tutti quanti impreparati, per cui ciascuno
risponde correttamente ad ogni quesito con probabilit
1
4
. Calcolare, con un metodo di vostra
scelta, la probabilit che almeno uno dei partecipanti prenda 0. Giusticare il metodo
utilizzato.
Soluzioni
Esercizio 1. a) Si vede subito che gli stati 1 e 3 comunicano con gli altri due in un passo solo.
Se > 0, allora 2 comunica sia con 3 che con 1 e la catena irriducibile. Se 0 < <
1
2
allora c un elemento > 0 sulla diagonale e quindi la catena, essendo irriducibile, anche
regolare. Se =
1
2
, allora bisogna provare a fare le potenze della matrice di transizione.
Usando le stelline,
P
2
=
_
0
0
0
__
0
0
0
_
=
_

_
e dunque P regolare.
b) Se =
1
4
, allora la matrice bistocastica e la distribuzione stazionaria luniforme
= (
1
3
,
1
3
,
1
3
). La reversibilit immediata, dato che P simmetrica.
c) Se = 0, allora lostato2 assorbente e dunque ricorrente. Gli stati 1e 3comunicano
con 2 che non comunica con loro. Sono quindi transitori.
d) Se > 0, allora, poich la catena regolare, la legge al tempo n converge alla
distribuzione stazionaria. In particolare, se =
1
4
, lim
n
P
1
(X
n
= 1) =
1
=
1
3
. Se
invece = 0, sappiamo che, partendo da 1 la catena in un tempo nito giunge nello stato
assorbente 2 per poi restarci. Dunque lim
n
P
1
(X
n
= 1) = 0.
Esercizio 2. a) deve essere
1 =
_
+
dy
_
+
f (x, y) dxdy
ma, ricordando che f non nulla tranne che se 0 < x < y < 1,
_
+
dy
_
+
f (x, y) dxdy = c
_
1
0
1
y
dy
_
y
0
dx = c
dunque c = 1.
b) Si ha, per 0 < x < 1,
f
X
(x) =
_
+
f (x, y) dy =
_
1
x
1
y
dy = log x
Mentre, sempre per 0 < y < 1,
f
Y
(y) =
_
+
f (x, y) dx =
_
y
0
1
y
dx = 1
e quindi Y uniforme su[0, 1]. Chiaramente Xe Y nonsonoindipendenti, datoche linsieme
0 < y < x < 1 (la porzione di quadrato che sta sotto la diagonale) ha probabilit 0 per la
densit congiunta mentre il prodotto delle densit marginali ivi strettamente positivo.
b) La probabilit P(Y > 2X) uguale allintegrale della densit congiunta nel triangolo
indicato con lombreggiatura pi intensa nella Figura 1. Dunque
P(Y > 2X) =
_
1
0
1
y
dy
_
y
2
0
dx =
1
2
Si sarebbe naturalmente anche potuto integrare prima in dy e poi in dx:
P(Y > 2X) =
_ 1
2
0
dx
_
1
2x
1
y
dy =
_ 1
2
0
log 2x dx =
1
2
log 2
_ 1
2
0
log x dx =
=
1
2
log 2
_
x log x x
_
1/2
0
=
1
2
ma il calcolo risulta pi complicato.
0
1
2
1
1
........................................................................................................................................................................................................................................................................................................................................................................... ..................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
...
Figura 1 .
Esercizio 3. a) Si richiede solo di dire se il vettore X ha densit congiunta. Dato che esso
ha legge congiunta gaussiana, sappiamo che questo accade se e solo se esso ha matrice di
covarianza invertibile. Poich
det C = 28 +1 = 29 = 0 ,
X ha densit congiunta.
b) Le coppie di v.a. considerate hanno tutte una legge congiunta gaussiana, essendo
funzioni lineari di un vettore gaussiano. Per mostrare lindipendenza baster dunque veri-
care che sono a due a due non correlate. Abbiamo
Cov(X
1
+X
2
, X
1
X
2
) =
= Cov(X
1
, X
1
) Cov(X
1
, X
2
) +Cov(X
2
, X
1
) Cov(X
2
, X
2
) =
= 7 +1 1 4 = 3
e dunque le due v.a. non sono indipendenti. Invece
Cov(X
1
+X
2
, X
1
2X
2
) =
= Cov(X
1
, X
1
) 2 Cov(X
1
, X
2
) +Cov(X
2
, X
1
) 2 Cov(X
2
, X
2
) =
= 7 +2 1 8 = 0
Le due v.a. sono dunque indipendenti.
c) Y
1
e Y
2
sono congiuntamente gaussiane, come funzioni lineari di un vettore gaus-
siano. Per calcolarne la densit congiunta (se esiste) occorre prima calcolarne la matrice di
covarianza. Due possibilit: si possono calcolare a mano gli elementi della matrice di
covarianza:
Var(Y) = Var(X
1
+X
2
) = Var(X
1
) +Var(X
2
) +2 Cov(X
1
, X
2
) = 7 +4 2 = 9
Var(Z) = Var(X
1
X
2
) = Var(X
1
) +Var(X
2
) 2 Cov(X
1
, X
2
) = 7 +4 +2 = 13
Cov(Y, Z) = Cov(X
1
+X
2
, X
1
X
2
) = 3 (gi calcolata in b))
Oppure si osserva che il vettore
_
Y
Z
_
della forma AX, dove
A =
_
1 1
1 1
_
Dunque la matrice di covarianza di Y e Z
AC
X
A
=
_
1 1
1 1
__
7 1
1 4
__
1 1
1 1
_
=
_
9 3
3 13
_
Questa matrice invertibile e quindi Y e Z hanno densit congiunta. Linversa
1
108
_
13 3
3 9
_
Per cui la densit
g(y, z) = exp
_
1
216
_
13y
2
+9z
2
6yz
_
_
d) La matrice di covarianza di W si calcola facilmente con uno dei metodi richiamati
in c) e vale
C
W
=
_
7 1 6
1 4 3
6 3 9
_
con un po di pazienza si vede che questa matrice ha determinante 0 e quindi non ci pu
essere una densit. Ma in realt questo si poteva vedere da subito rispondendo contempo-
raneamente alla domanda successiva, dato che si pu scrivere
W = BX
dove B la matrice
B =
_
0
0

_
che pu essere al massimo di rango 2. Dunque la matrice C
W
, che si ottiene anche come
prodotto
C
W
=
_
0
0

_
_
7 1
1 4
__
0
0
_
pu essere al massimo di rango 2 e non pu essere invertibile.
Esercizio 4. a) Se indichiamo con X
i
lesito della risposta alla i-esima domanda (X
i
= 1
se la risposta giusta, X
i
= 0 se sbagliata), il punteggio ottenuto S = X
1
+. . . +X
30
.
Inoltre le v.a. X
i
sono di Bernoulli B(1,
1
4
) e indipendenti. Dunque 30E(X
i
) = 30
1
4
= 7.5
e Var(X
i
) =
1
4
3
4
. Usando lapprossimazione normale, la probabilit di superare il test
P(S 16) = P(S 15.5) 1
_
15.5 7.5
_
1
4
3
4
30
_
= 1 (3.37) .
Le tavole non danno il valore di per x = 3.37. Per sicuramente si tratta di un valore pi
grande di (2.99) = .99861. Dunque la probabilit richiesta pi piccola di 0.0014. Con
delle tavole pi complete o un software apposito si avrebbe trovato 1(3.37) = 0.00037.
b) Si possono ripetere gli argomenti del punto a), solo che ora le v.a. X
i
sono B(1,
1
3
).
Dunque 30E(X
i
) = 30
1
3
= 10 e Var(X
i
) =
1
3
2
3
. Ora la probabilit di superare il test
P(S 16) = P(S 15.5) 1
_
15.5 10
_
1
3
2
3
30
_
= 1 (2.13) = 0.016 .
c) Detta p =
1
4
la probabilit di rispondere correttamente ad un singolo quesito, la
probabilit di sbagliare tutte le domande p
1
= (1 p)
30
= (
3
4
)
30
= 1.78 10
4
, per un
singolo studente. Il numero di studenti che prendono 0 dunque una v.a., chiamiamola Y,
binomiale B(300, p
1
). La probabilit che una tale v.a. prenda un valore 1
P(Y 1) = 1 P(Y = 0) = 1 (1 p
1
)
300
= 1 0.948 = 0.0521693
Questo calcolo esatto, a parte gli errori di arrotondamento della calcolatrice. Dato che il
numero p
1
piccolo mentre 300 un numero abbastanza elevato avremmo anche potuto
usare lapprossimazione di Poisson che avrebbe dato
P(Y 1) 1 e
300p
1
= 1 e
0.053
= 0.0521648
Lapprossimazione poissoniana quindi molto buona. Qui lapprossimazione normale non
indicata, dato che 300p
1
= 0.053 e quindi la regoletta np > 5 non soddisfatta. Comunque
avrebbe dato
P(Y 1) = 1 P(Y 0.5) = 1 P
_
Y 300p
1
300p
1
(1 p
1
)
0.5 300p
1
300p
1
(1 p
1
)
_
1
_
0.5 300p
1
300p
1
(1 p
1
)
_
= 1 (1.93) = 0.027
che unapprossimazione un po lontana dalla realt.
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi, 3
appello, 23 settembre 2009

Esercizio 1 Consideriamo la passeggiata a caso sul grafo in gura.
..............................................................................................................................
..............................................................................................................................
3
a) Qual la probabilit invariante di questa catena? unica? Si tratta di una catena

regolare?
b) Supponiamo ora che gli stati 4 e 5 siano assorbenti. Qual la probabilit partendo
da 2 di arrivare in 4 in un tempo nito?
Esercizio 2 La v.a. Y esponenziale di parametro mentre X ha una densit condizionale
dato Y = y che di Weibull di parametri e y, cio
f
X|Y
(x|y) = yx
1
e
yx
, x > 0
a) Qual la densit di X?
b) Qual la densit condizionale di Y dato X = x ? Si tratta di una densit nota? Qual
la media condizionale di Y dato X = x ?
Esercizio 3 Siano X, Y v.a. indipendenti N(0, 1).
a) Determinare la legge e la densit della v.a. (X + Y, X 2Y).
b) Determinare il valore in maniera che le v.a. X2Y e X+Y siano indipendenti.
Esercizio 4 Sia (X
n
)
n
una successione di v.a. indipendenti uniformi su [0, 1].
a) Calcolare media e varianza delle v.a. Y
n
= cos(2X
n
)
b1) Poniamo
Y
n
=
1
n
n
k=1
cos(2X
k
) .
Mostrare che la successione (

Y
n
)
n
converge in probabilit e determinarne il limite.
b2) Calcolare il limite
lim
n
P(|

Y
n
| >
1
10
n
)
Soluzioni
Esercizio 1. a) La regoletta sulla legge stazionaria delle passeggiate a caso sui gra afferma
che la distribuzione
v
1
= v
4
=
1
6
, v
2
= v
3
= v
5
=
1
4
(qui il numero totale di spigoli uscenti dai vertici k = 12). Essa lunica distribuzione
stazionaria, dato che il grafo connesso e quindi la catena irriducibile. Per la regolarit
si vede, con un po di pazienza, che in quattro passi si pu andare con probabilit positiva
da uno stato a qualunque altro. Attenzione: tre passi non sono sufcienti perch in tre passi
non si pu andare con probabilit positiva da 1 a 1 o da 4 a 4.
b) Le probabilit di assorbimento in 4 quando gli stati 4 e 5 sono assorbenti partendo
dagli stati 1, 2 o 3 sono la soluzione del sistema
1
=
1
2
+
1
2

2
2
=
1
3

1
+
1
3

3
3
=
1
3
+
1
3

2
esprimendo
1
e
3
in funzione di
2
a partire dalla prima e dalla terza equazione rispetti-
vamente e sostituendo nella seconda equazione, questa diviene
2
=
1
6

2
+
1
6
+
1
9

2
+
1
9
ovvero
13
18

2
=
5
18
e quindi
2
=
5
13
Anche se non esplicitamente richiesto si possono ora anche calcolare immediatamente i
valori
1
=
9
13
,
3
=
6
13
Esercizio 2. (Questo lEsercizio 1 del Tutorato 5) a) La densit congiunta di X e Y
f (x, y) = yx
1
e
yx
e
y
per x > 0, y > 0 ed 0 altrimenti. Dunque la densit di X
f
X
(x) =
f (x, y) dy =
+
0
yx
1
e
y(+x
)
dy =
x
1
( + x
)
2
b) La densit condizionale di Y dato X = x , per y > 0,
f
Y|X
(y|x) =
f (x, y
f
X
(x)
=
yx
1
e
y(+x
)
x
1
(+x
)
2
= ( + x
)
2
ye
y(+x
)
che una (2, + x
). La sua media quindi
E(Y | X = x) =
2
+ x

Esercizio 3. a) Le due v.a. X + Y e X 2Y, sono congiuntamente gaussiane, dato che
(X +Y, X 2Y) una funzione lineare di (X, Y). Occorre quindi unicamente calcolare la
media e la matrice di covarianza C. La media evidentemente uguale a 0. Per la matrice
di covarianza si trova
Var(X + Y) = Var(X) + Var(Y) = 2
Var(X 2Y) = Var(X) + 4 Var(Y) = 5
Cov(X + Y, X 2Y) = Var(X) 2 Var(Y) = 1
Dunque
C =
2 1
1 5
Si ha det C = 9, dunque C invertibile e (X + Y, X 2Y) ha una densit congiunta. Per

calcolarla occorre prima trovare linversa di C:
C
1
=
1
9
5 1
1 2
Le densit quindi, ponendo z = (u, v),

f (u, v) =
1
2
9
e
1
2
C
1
z,z
=
1
2
9
exp
1
2
(
5
9
u
2
+
2
9
v
2
+
2
9
uv)
b) Come in a) le v.a. X 2Y e X +Y sono congiuntamente gaussiane. Perch siano

indipendenti basta dunque che siano non correlate. Ora
Cov(X 2Y, X + Y) = Var(X) 2 Var(Y) = 1 2
Dunque deve essere =
1
2
.
Esercizio 4. a) Si ha
E[cos(2X
n
)] =
1
0
cos(2x) dx = 0
E[cos
2
(2X
n
)] =
1
0
cos
2
(2x) dx =
1
2

Dunque Var(Y
n
)) =
1
2
.
b1) Per la legge dei grandi numeri
Y
n
q.c.
n
E[cos(2X
n
)] = 0
b2) Per il Teorema Limite Centrale,
2n

Y
n
=
cos(2X
1
) + . . . + cos(2X
n
)
n
2
n
N(0, 1)
e quindi
lim
n
P(|

Y
n
| >
1
10
n
) = lim
n
P(|
2n

Z
n
| >
2
10
) = (
2
10
) (
2
10
) =
= (0.14) (0.14) = 0.11 .
UNIVERSIT di ROMA TORVERGATA
P.Baldi
Esercizio 1 a) Volendo modellizzare levoluzione della disoccupazione in un certo ambito
sociale, si considerato un modello costituito da una catena di Markov a due stati: 0
(disoccupato) e 1 (impiegato), con la matrice di transizione
P =
0.6 0.4
0.1 0.9
Qual , a regime, la proporzione di disoccupati con questo modello?

b) Si ritenuto poi che il modello precedente non catturasse bene tutti gli aspetti del
problema. In effetti occorre distinguere tra disoccupati di lungo periodo e di corto periodo,
per i quali le probabilit di reinserimento sono diverse. Dunque un modello a due stati, per
essere corretto dovrebbe risultare non markoviano (perch?). Si proposto allora il modello
seguente a tre stati: 1 (disoccupati di lungo periodo) 2 (disoccupati di corto periodo) e 3
(impiegati). La matrice di transizione considerata ora
P =
0.9 0 0.1
0.1 0.6 0.3
0 0.1 0.9
Si tratta di una catena di nascita e morte? Qual la probabilit stazionaria di questa catena?
Quanto vale ora la proporzione di disoccupati a stazionariet?
Esercizio 2 Per 0
1
2
consideriamo la catena di Markov su {1, 2, 3} associata alla
matrice di transizione
0
1
4
3
4
1 2
3
4
1
4
0
a) Mostrare che, se 0 <

1
2
, la catena irriducibile e regolare.
b) Supponiamo =
1
4
. Calcolare la distribuzione stazionaria della catena. La catena
reversibile?
c) Supponiamo = 0. Determinare gli stati ricorrenti e quelli transitori.
d) Cosa si pu dire di lim
n
P
1
(X
n
= 1) nei casi b) e c) rispettivamente? (P
1
la
probabilit partendo da X
0
= 1).

1 4 5
7
2 3 6
Figura 1
Esercizio 3 Un topolino si sposta sui vertici di un grafo come nella Figura 1
Ad ogni time slot esso si sposta dal vertice in cui si trova ad uno di quelli adiacenti, scelto
ogni volta a caso e con probabilit uniforme.
a) Giusticare luso di una catena di Markov per modellizzare questa situazione e
scrivere la matrice di transizione.
b) Si tratta di una catena irriducibile? Regolare? Quali sono le distribuzioni stazionarie
di questa catena?
c) Supponiamo che in 7 ci sia un pezzo di formaggio ed in 4 stia acquattato un gatto.
Qual la probabilit che il topo riesca a raggiungere il cibo prima di imbattersi nel gatto,
supponendo che esso parta dallo stato 2? Qual lo stato partendo dal quale la probabilit
pi piccola? (Almeno indicare i calcoli da fare)
d) Quali sarebbero le risposte alle questioni a) e b) se al grafo venisse aggiunto uno
spigolo che unisse i vertici 7 e 5?
Esercizio 4 Dire, delle seguenti affermazioni, quali siano vere e quali false.
a) Una catena nita irriducibile non pu avere stati transitori.
b) In una catena (nita) irriducibile (X
n
)
n
su E = {0, 1, . . . , m}, per ogni i E
lim
n
P(X
n
= i) =
i
, dove indica la distribuzione stazionaria, qualunque sia la
distribuzione iniziale.
c) In una catena (nita) regolare per ogni i E lim
n
P(X
n
= i) =
i
, dove
indica la distribuzione stazionaria, qualunque sia la distribuzione iniziale.
b) In una catena (nita) irriducibile (X
n
)
n
su E = {0, 1, . . . , m}, qualunque sia la legge
iniziale non si pu mai avere lim
n
P(X
n
= i) =
i
per ogni i E
Soluzioni
Esercizio 1. a) La probabilit stazionaria di una generica catena a due stati stata gi vista
a lezione ed in questo caso vale
0
=
0.1
0.1 +0.4
= 0.2 = 20%,
1
=
0.4
0.1 +0.4
= 0.8 = 80% .
A regime la proporzione di disoccupati 0.2
b) La catena non di nascita e morte, a causa del comportamento dello stato 1, da cui
in un passo si pu andare in 3, mentre in una catena di nascita e morte si pu fare un passo
alla volta ad ogni transizione. Per ottenere la distribuzione stazionaria occorre risolvere il
sistema lineare v = vP associato. Questo diventa
v
1
= 0.9 v
1
+0.1 v
2
v
2
= 0.6 v
2
+0.1 v
3
v
3
= 0.1 v
1
+0.3 v
2
+0.9 v
3
.
Eliminando la terza equazione e sostituendola con la relazione v
1
+v
2
+v
3
= 1 si trova il
sistema
v
1
= 0.9 v
1
+0.1 v
2
v
2
= 0.6 v
2
+0.1 v
3
v
1
+v
2
+v
3
= 1 .
Dalla prima equazione si ricava v
1
= v
2
, mentre dalla seconda v
2
=
1
4
v
3
. Sostituendo
questi valori, la terza equazione diventa
3
2
v
3
= 1, da cui si ricava
v
1
=
1
6
,
v
2
=
1
6
,
v
3
=
2
3
.
La proporzione di disoccupati ora v
1
+v
2
=
1
3
= 33.33%.
Se si ritiene che le probabilit di reinserimento nel mondo del lavoro di un disoccu-
pato da lungo tempo siano diverse da quelle di un disoccupato recente, allora un modello
markoviano a due stati non pi adatto. Infatti la probabilit di passare dallo stato 0 (dis-
occupato) ad 1 (occupato) dovrebbero risultare diverse se X
n
rimasto in 0 da molto tempo
o no.
Esercizio 2. a) Si vede subito che gli stati 1 e 3 comunicano con gli altri due in un passo solo.
Se > 0, allora 2 comunica sia con 3 che con 1 e la catena irriducibile. Se 0 < <
1
2
allora c un elemento > 0 sulla diagonale e quindi la catena, essendo irriducibile, anche
regolare. Se =
1
2
, allora bisogna provare a fare le potenze della matrice di transizione.
Usando le stelline,
P
2
=
0
0
0
0
0
0
e dunque P regolare.
b) Se =
1
4
, allora la matrice bistocastica e la distribuzione stazionaria luniforme
= (
1
3
,
1
3
,
1
3
). La reversibilit immediata, dato che P simmetrica.
c) Se = 0, allora lostato2 assorbente e dunque ricorrente. Gli stati 1e 3comunicano
con 2 che non comunica con loro. Sono quindi transitori.
d) Se > 0, allora, poich la catena regolare, la legge al tempo n converge alla
distribuzione stazionaria. In particolare, se =
1
4
, lim
n
P
1
(X
n
= 1) =
1
=
1
3
. Se
invece = 0, sappiamo che, partendo da 1 la catena in un tempo nito giunge nello stato
assorbente 2 per poi restarci. Dunque lim
n
P
1
(X
n
= 1) = 0.
Esercizio 3. a) Luso di una catena di Markov si giustica con il fatto che, ad ogni iterazione,
lo stato su cui spostarsi viene scelto in maniera indipendente dal comportamento della catena
agli istanti precedenti. La matrice di transizione
P =
1 2 3 4 5 6 7
1 0
1
2
0
1
2
0 0 0
2
1
2
0
1
2
0 0 0 0
3 0
1
3
0
1
3
0
1
3
0
4
1
3
0
1
3
0
1
3
0 0
5 0 0 0
1
2
0
1
2
0
6 0 0
1
3
0
1
3
0
1
3
7 0 0 0 0 0 1 0
b) La catena irriducibile, poich il grafo connesso e tutti gli stati comunicano. Non
regolare perch, con la numerazione prescelta, gli stati con numero pari sono adiacenti a
stati con numero dispari e basta ripetere il ragionamento dellEsempio 5.26 del libro. Da
notare che se avessimo numerato gli stati in maniera diversa la risposta a questa questione
sarebbe stata molto meno evidente.
La distribuzione stazionaria di questa catena naturalmente unica perch la catena ir-
riducibile. Usando il metodo dellEsempio 5.22 si calcola subito la distribuzione stazionaria.
Ci sono tre stati (1, 2 e 5) da cui si dipartono due spigoli, tre da cui se ne dipartono tre (3, 4
e 6) ed uno da cui se ne diparte uno solo. Sommando si trova k = 2 3 +3 3 +1 = 16.
Dunque la probabilit stazionaria
=
1
8
,
1
8
,
3
16
,
3
16
,
1
8
,
3
16
,
1
16
.
c) Se si cambia la matrice di transizione in corrispondenza degli stati 4 e 7 facendoli
diventare assorbenti, la probabilit di giungere in 7 prima che in 4 uguale alla probabilit
di passaggio in 7 per questa nuova catena. Le probabilit di passaggio
i
soddisfano in
questo caso al sistema lineare
1
=
1
2

2
2
=
1
2

1
+
1
2

3
3
=
1
3

2
+
1
3

6
5
=
1
2

6
6
=
1
3
+
1
3

3
+
1
3
Questo sistema ha soluzione
1
=
2
29
,

2
=
4
29
,

3
=
6
29
,

5
=
7
29
,

6
=
14
29

Quindi la probabilit che il topolino ce la faccia
2
=
4
29
.
d) Aggiungendo lo spigolo indicato, dato che il grafo a maggior ragione connesso,
la catena continua ad essere irriducibile ed ha quindi una distribuzione stazionaria unica.
Questa si calcola come in b), con piccole differenze: ora k = 18 e ci sono 3 archi che escono
dal vertice 5 e 2 dal vertice 7. Quindi
=
1
9
,
1
9
,
1
6
,
1
6
,
1
6
,
1
6
,
1
9
.
Resta la questione della regolarit, che come al solito, la pi antipatica. Il criterio di non
regolarit usato in b) non pi valido perch ora lo stato 5 adiacente ad un altro stato con
numero dispari. A meno di idee brillanti il modo pi semplice di procedere di vericare
direttamente che, partendo da qualunque stato si pu trovare un cammino che porta ad ogni
altro stato in esattamente 6 passi. Osservate comunque che un cammino che congiunga
uno stato pari con uno dispari in esattamente 6 passi deve necessariamente passare per lo
spigolo 57, altrimenti la parit si conserva e ci si pu trovare alla ne solo in uno stato
pari. Questa osservazione vale anche per congiungere uno stato dispari con uno pari.
Esercizio 4. a) Vero. Abbiamo visto (Proposizione 5.8) che in una catena nita uno stato i
transitorio se e solo se esiste uno stato j tale che i j ma j i. Questo non possibile
se la catena irriducibile, perch allora tutti gli stati comunicano.
b) Falso. Abbiamo visto nellEsempio 5.26 che P
i
(X
n
= j) = p
(n)
ij
prende alternati-
vamente, a seconda che n sia pari o dispari, valori = 0 e > 0. Quindi, se convergesse, il
limite dovrebbe essere uguale a 0 per ogni j.
c) Vero. esattamente quello che dice in Teorema di Markov 5.17.
d) Falso. Se la legge iniziale la distribuzione stazionaria , allora X
n
ha legge uguale
a per ogni n. Dunque non solo P
i
(X
n
= j)
n

j
, ma P
i
(X
n
= j) =
j
per
ogni n. E questo resta vero per ogni catena avente una probabilit invariante (anche se non
irriducibile e con insieme degli stati numerabile)
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi, 2
appello, 15 luglio 2009

Esercizio 1 Consideriamo la catena di Markov che modellizza un mobile che si sposta sui
vertici di un grafo come nella Figura 1, dove per i vertici numerati 5, 6 e 7 sono assorbenti.
Da tutti gli altri stati ci si sposta da un vertice ad uno dei vertici adiacenti scelto a caso (e
con uguale probabilit).
................................................................................................... .................................................................................................. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .................................................................................................
..................................................................................................
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6
1
2
4
3
5
7
Figura 1
a) Qual la probabilit partendo da 1 di essere assorbiti in 6?
b) In media quanto tempo occorre partendo da 1 prima di giungere in uno dei tre stati
assorbenti ?
Esercizio 2 Siano X, Y v.a. indipendenti di legge (, ) e (, ) rispettivamente, dove
, e sono numeri > 0.
a) Qual la densit di X +Y ?
b) Qual la densit congiunta di X e X + Y ? Su quale regione del piano essa
strettamente positiva?
c) Qual la densit condizionale, g
X|X+Y
(x|z) di X dato X +Y = z?
d) Quanto vale la speranza condizionale di X dato X +Y = z?
Esercizio 3 Siano X, Y v.a. indipendenti N(0, 1).
a) Determinare la legge e la densit della v.a. (X +Y, X +2Y).
b) Quanto vale la media condizionale di X +2Y dato X +Y = t ?
Esercizio 4 a) Sia (X
n
)
n
una successione di v.a. indipendenti di legge uniforme su [0, 1] e
poniamo Y
n
= min(X
1
, . . . , X
n
). Mostrare che la successione (nY
n
)
n
converge in legge e
determinare la legge limite. (continua dietro. . . )
b) Cosa cambierebbe se invece le v.a. X
n
avessero densit
f (t ) = 2t 1
[0,1]
(t )?
Soluzioni
Esercizio 1. a) Indicando con
i
la probabilit di essere assorbiti in 6 partendo dallo stato
i, questi numeri sono soluzione del sistema
1
=
1
2

2
+
1
2

4
2
=
1
3

1
+
1
3

3
3
=
1
3
+
1
3

2
+
1
3

4
4
=
1
3

1
+
1
3

3
Dalla seconda e quarta equazione si ricava che
2
=
4
, cosa peraltro evidente per motivi
di simmetria. Dalla prima equazione si trova quindi
1
=
2
=
4
. Adesso sostituendo le
ultime due equazioni si possono scrivere
3
=
1
3
+
2
3

1
1
=
1
3

1
+
1
3

3
Lultima equazione d ora
1
=
1
2

3
e quindi
3
=
1
2
e
1
=
1
4
.
b) Indicando con
i
il tempo medio di assorbimento nella classe formata dai tre stati
assorbenti 5, 6, 7, sappiamo che questi numeri sono soluzione di
1
= 1 +
1
2

2
+
1
2

4
2
= 1 +
1
3

1
+
1
3

3
3
= 1 +
1
3

2
+
1
3

4
4
= 1 +
1
3

1
+
1
3

3
Di nuovo abbiamo che
2
=
4
ed inoltre che
1
= 1 +
2
= 1 +
4
. Dunque la terza
equazione si scrive
3
= 1 +
2
3

2
e la seconda
2
= 1 +
1
3
(1 +
2
) +
1
3

3
=
4
3
+
1
3

2
+
1
3

3
cio
2
= 2 +
1
2

3
. Sostituendo
3
= 1 +
2
3
(2 +
1
2

3
) =
7
3
+
1
3

3
da cui si ricava
3
=
7
2
e in sequenza
2
=
4
= 2 +
7
4
=
15
4
e
1
=
19
4
.
Esercizio 2. a) Abbiamo visto a lezione che Z = X +Y ha legge ( +, ).
b) Poich X e Y sono indipendenti, la loro densit congiunta
f (x, y) =
_

+
()()
x
1
y
1
e
(x+y)
se x > 0 e y > 0
0 altrimenti .
La legge congiunta di (X, X +Y) si pu ottenere al solito osservando che questa coppia di
v.a. si ottiene da (X, Y) applicando la trasformazione lineare associata alla matrice
A =
_
1 0
1 1
_
.
Per il teorema di cambio di variabile la densit g di (X, X +Y) data da
g(x, y) =
1
| det A|
f (A
1
_
x
y
_
) .
Ora det A = 1 e
A
1
=
_
1 0
1 1
_
e dunque
g(x, y) = f (x, y x) .
Tenuto conto che f si annulla a meno che le coordinate non siano entrambe > 0, si trova
g(x, y) =
_

+
()()
x
1
(y x)
1
e
y
se y > 0 e 0 < x < y
0 altrimenti .
Questa densit quindi strettamente positiva per 0 x y (la perte del primo quadrante
che si trova sopra la diagonale).
c) Indicando con g
X+Y
la densit di X+Y, che sappiamo essere una (2, ), la densit
condizionale richiesta
g
X|X+Y
(x|z) =
g(x, z)
g
X+Y
(z)
Essa si annulla a meno che non sia 0 x z e, in questo caso vale

g
X|X+Y
(x|z) =
+
()()
x
1
(z x)
1
e
z
+
(+)
z
+1
e
z
=
( +)
()()
1
z
(
x
z
)
1
(1
x
z
)
1
.
d) La speranza condizionale

E(X| X +Y = z) , con il cambio di variabile t =
x
z
,
( +)
()()
_
z
0
(
x
z
)
(1
x
z
)
1
dx =
( +)
()()
z
_
1
0
t
(1 t )
1
dt =
Ricordando lespressione delle leggi Beta, lultimo integrale vale
(+1)()
(++1)
, dunque con
la formula di semplicazione della funzione Gamma, la speranza condizionale vale
( +)
()()
( +1)()
( + +1)
z =

+
z .
Esercizio 3. a) Si calcola facilmente
Var(X +Y) = 2
Var(X +2Y) = Var(X) +4 Var(Y) = 5
Cov(X +Y, X +2Y) = Cov(X, X) +Cov(Y, 2Y) +4 Cov(X, Y)
. ,, .
=0
= 3
La v.a (X+Y, X+2Y) congiuntamente gaussiana, essendo una funzione lineare di (X, Y)
che gaussiana. Essa centrata ed ha matrice di covarianza
C =
_
2 3
3 5
_
Si tratta di una matrice invertibile (det C = 1) e dunque questa v.a. ha una densit. Si ha
C
1
=
_
5 3
3 2
_
e dunque la densit
f (x, y) =
1
2
exp
_
1
2
_
5x
2
+2y
2
6xy
_
_
b) La media condizionale di X +2Y dato X +Y = t uguale a
E(X +2Y) +
Cov(X +Y, X +2Y)
Var(X +Y)
(t E(X +Y)) =
3
2
t
Esercizio 4. a) Indicando con F la funzione di ripartizione delle X
n
si ha
P(Y
n
t ) = 1 P(Y
n
> t )
Poich si ha Y
n
> t se e solo se X
i
> t per ogni i = 1, . . . n,
(1)
P(Y
n
t ) = 1 P(Y
n
> t ) = 1 P(X
1
> t, . . . , X
n
> t ) =
= 1 P(X
1
> t )
n
= 1 (1 F
X
(t ))
n
Se le v.a. X
n
sono uniformi su [0, 1] sappiamo che F
X
(t ) = t per 0 t 1. Dunque la
f.r. di nY
n
, per n grande e t > 0,
P(nY
n
t ) = P(Y
n

t
n
) = 1 (1 F
X
(
t
n
))
n
= 1 (1
t
n
)
n
n
1 e
t
mentre il limite uguale a 0 per t < 0. Poich riconosciamo a destra la f.r. di una legge
esponenziale di parametro 1 possiamo concludere che (nY
n
)
n
converge in legge verso questa
distribuzione.
b) Se le v.a. X
n
hanno la densit indicata, allora la (1) ancora valida, solo che ora
F
X
(t ) = 2
_
t
0
x dx = t
2
, 0 t 1
Dunque ora, per t > 0,
P(nY
n
t ) = 1 (1
t
2
n
2
)
n
n
1
Infatti, poich log(1 +t ) t per t 0,
lim
n
(1
t
2
n
2
)
n
= lim
n
exp
_
n log(1
t
2
n
2
)
_
= lim
n
exp
_
n
t
2
n
2
)
_
= 0
In conclusione
lim
n
P(nY
n
t ) =
_
1 se t > 0
0 se t 0
La funzione di ripartizione di una v.a. che assume il solo valore 0 con probabilit 1
F(t ) =
_
1 se t 0
0 se t < 0
che coincide con il limite appena calcolato, tranne che per t = 0, che per non un punto
di continuit di F. Quindi ora (nY
n
)
n
converge in legge verso una v.a. che prende il valore
0 con probabilit 1.
P.Baldi
Tutorato 1, 10 marzo 2011
Esercizio 1 Sia X una v.a. di densit
f (x) =
x
1
se 0 < x < 1
0 altrimenti
dove > 0.
a) Calcolare la funzione di ripartizione F di X.
b) Quanto valgono P(X 3) e P(X
1
3
)?
Esercizio 2 Sia X una v.a. uniforme sullintervallo [0, 1]. Calcolare la densit delle v.a.
Y =
1
log X e Z =
3
log X, dove un numero > 0.

Esercizio 3 Siano X e Y v.a. indipendenti ed esponenziali di parametro , > 0.
a) Calcolare P(|X Y| >
1
).
b) Qual la densit della v.a. |X Y| ?
c) Qual la densit di X Y ?
Esercizio 4 Sia (X, Y) una coppia di v.a. aventi distribuzione congiunta:
f (x, y) =
c
1
y
se 0 < x < y < 1
0 altrimenti
a) Quanto vale la costante di normalizzazione c?
b) Qual la densit di X? E quella di Y ? X e Y sono indipendenti ?
c) Calcolare P(Y > 2X).
Soluzioni
Esercizio 1. a) Dato che F(t ) = P(X t ), si ha, per 0 t 1
F(t ) =
t
0
x
1
dx = t
abbastanza immediato che F(t ) = 0 per t 0 e F(t ) = 1 per t 1.

b) Dato che X una v.a. assolutamente continua,
P(X 3) = P(X > 3) = 1 P(X 3) = 1 F(3) = 1 1 = 0.
Ed ancora,
P(X
1
3
) = 1 P(X
1
3
) = F(
1
3
) = 3
.
Esercizio 5 Calcoliamo la funzione di ripartizione di Y: se t 0
F
Y
(t ) = P(
1
log X t ) = P(log X t ) = P(X e

t
) = 1 e
t
Se invece t < 0 lo stesso calcolo d F
Y
(t ) = 0. Riconosciamo la f.r. di una v.a. esponenziale
di parametro . Dunque Y esponenziale di parametro . Per calcolare la densit di Z
conveniente scrivere che Z =
3
Y. Dunque, poich Y prende valori positivi con probabilit

1, la funzione di ripartizione , per t 0,
F
Z
(t ) = P(
3
Y t ) = P(Y t
3
) = 1 e
t
3
per cui la densit vale
f
Z
(t ) = 3t
2
e
t
3
per t > 0 e f
Z
(t ) = 0 per t < 0.
Esercizio 5. Le v.a. X e Y hanno densit congiunta
f (x, y) =
2
e
(x+y)
se x > 0, y > 0
0 se no
La probabilit P(|XY| > t ) non altro che lintegrale della densit congiunta sullinsieme
A = {(x, y); |x y| > t }. Per t > 0 si tratta dellinsieme nella Figura 1 .
0 t
t
A
1
A
2
......................................................................................................................................................................
......................................................................................................................................................................
.
.
. .
. .
. . .
. . .
. . . .
. . . .
. . . . .
. . . . .
. . . . . .
. . . . . .
. . . . . . .
. . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 1
Ora A = A
1
A
2
e
A
1
f (x, y) dxdy =
2
+
t
e
x
dx
xt
0
e
y
dy =
+
t
e
x
(1 e
(xt )
dx =
+
t
e
x
dx e
t
+
t
e
2x
dx = e
t
1
2
e
t
e
2t
=
1
2
e
t
Chiaramente lintegrale su A
2
produce lo stesso risultato, per cui si ottiene P(|X Y| >
t ) = e
t
. Scegliendo t =
1
si trova P(|X Y| >

1
) = e
1
. Comunque questo calcolo
permette di determinare immediatamente la funzione di ripartizione della v.a. |X Y|:
P(|X Y| t ) = 1 e
t
da cui si riconosce la f.r. di una v.a. esponenziale di parametro .
c) Calcoliamo la f.r. di X Y. Se t > 0, allora P(X Y t ) uguale allintegrale
della densit congiunta f sullinsieme B, quello ombreggiato nella Figura 2 .
0 t
......................................................................................................................................................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 2
Questo per guale a 1
A
1
f (x, y) dxdy. Possiamo quindi riprendere il calcolo
precedente, per cui, per t > 0,
P(X Y t ) = 1
1
2
e
t
La densit g di X Y si ottiene da questa derivando rispetto a t ed dunque uguale a
g(t ) =

2
e
t
. Per trovare la densit per valori di t negativi occorre prima calcolare la f.r.
per t < 0. Ora in questo caso la funzione di ripartizione data dallintegrale della densit
congiunta su un insieme della forma
0 t
|t |
...............................................................................................................................................................................................................................................................................................................
.
.
. .
. .
. . .
. . .
. . . .
. . . .
. . . . .
. . . . .
. . . . . .
. . . . . .
. . . . . . .
. . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
Figura 3
Cio un insieme del tipo di A
2
nel calcolo fatto prima. Dunque, per t < 0,
P(X Y t ) =
1
2
e
|t |
=
1
2
e
t
Da cui derivando si trova g(t ) =

2
e
t
. Mettendo insieme i due valori ottenuti, la densit
di X Y risulta uguale a
(1) g(t ) =
2
e
|t |
che ha un graco come nella Figura 4.
3 2 1 0 1 2 3
2
..........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................
Figura 4
Esercizio 4. a) deve essere
1 =
dy
f (x, y) dxdy
ma, ricordando che f non nulla tranne che se 0 < x < y < 1,
dy
f (x, y) dxdy = c
1
0
1
y
dy
y
0
dx = c
dunque c = 1.
b) Si ha, per 0 < x < 1,
f
X
(x) =
f (x, y) dy =
1
x
1
y
dy = log x
Mentre, sempre per 0 < y < 1,
f
Y
(y) =
f (x, y) dx =
y
0
1
y
dx = 1
e quindi Y uniforme su[0, 1]. Chiaramente Xe Y nonsonoindipendenti, datoche linsieme
0 < y < x < 1 (la porzione di quadrato che sta sotto la diagonale) ha probabilit 0 per la
densit congiunta mentre il prodotto delle densit marginali ivi strettamente positivo.
b) La probabilit P(Y > 2X) uguale allintegrale della densit congiunta nel triangolo
indicato con lombreggiatura pi intensa nella Figura 5. Dunque
P(Y > 2X) =
1
0
1
y
dy
y
2
0
dx =
1
2
Si sarebbe naturalmente anche potuto integrare prima in dy e poi in dx:
P(Y > 2X) =
1
2
0
dx
1
2x
1
y
dy =
1
2
0
log 2x dx =
1
2
log 2
1
2
0
log x dx =
=
1
2
log 2
x log x x
1/2
0
=
1
2
ma il calcolo risulta pi complicato.
0
1
2
1
1
........................................................................................................................................................................................................................................................................................................................................................................... ..................................................................................................................................................................................... . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ..
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
......
...
Figura 5 .
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
Tutorato 5, 14 aprile 2011
Esercizio 1 Le v.a. X
1
, X
2
hanno legge congiunta gaussiana di media 0 e matrice di
covarianza
C =
_
7 1
1 4
_
a) Il vettore aleatorio X = (X
1
, X
2
b) Quali delle seguenti coppie di v.a. sono indipendenti ?
b1) X
1
+X
2
e X
1
X
2
.
b2) X
1
+X
2
e X
1
2X
2
.
c) Mostrare che le v.a. Y = X
1
+ X
2
e Z = X
1
X
2
hanno densit congiunta e
calcolarla.
d) Il vettore aleatorio W = (X
1
, X
2
, X
1
+X
2
Esercizio 2 Di una v.a. X si conosce la funzione caratteristica, il cui sviluppo in serie di
potenze
() =
k=0
(1)
k
2k
a) Calcolare E(X), E(X
2
) e E(X
3
).
b) Siano X, Y v.a. indipendenti e aventi la stessa legge di funzione caratteristica .
Calcolare E[(X +Y)
2
] e E[(X +Y)
4
].
b) Qual la densit congiunta di X e X +Y ?
X|X+Y
d) Quanto vale la speranza condizionale di X dato X + Y = z? Qual la retta di
regressione di X rispetto a X +Y ?
Soluzioni
Esercizio 1. a) Si richiede solo di dire se il vettore X ha densit congiunta. Dato che esso
ha legge congiunta gaussiana, sappiamo che questo accade se e solo se esso ha matrice di
covarianza invertibile. Poich
det C = 28 +1 = 29 = 0 ,
X ha densit congiunta.
b) Le coppie di v.a. considerate hanno tutte una legge congiunta gaussiana, essendo
funzioni lineari di un vettore gaussiano. Per mostrare lindipendenza baster dunque veri-
care che sono a due a due non correlate. Abbiamo
Cov(X
1
+X
2
, X
1
X
2
) =
= Cov(X
1
, X
1
) Cov(X
1
, X
2
) +Cov(X
2
, X
1
) Cov(X
2
, X
2
) =
= 7 +1 1 4 = 3
e dunque le due v.a. non sono indipendenti. Invece
Cov(X
1
+X
2
, X
1
2X
2
) =
= Cov(X
1
, X
1
) 2 Cov(X
1
, X
2
) +Cov(X
2
, X
1
) 2 Cov(X
2
, X
2
) =
= 7 +2 1 8 = 0
Le due v.a. sono dunque indipendenti.
c) Y
1
e Y
2
sono congiuntamente gaussiane, come funzioni lineari di un vettore gaus-
siano. Per calcolarne la densit congiunta (se esiste) occorre prima calcolarne la matrice di
covarianza. Due possibilit: si possono calcolare a mano gli elementi della matrice di
covarianza:
Var(Y) = Var(X
1
+X
2
) = Var(X
1
) +Var(X
2
) +2 Cov(X
1
, X
2
) = 7 +4 2 = 9
Var(Z) = Var(X
1
X
2
) = Var(X
1
) +Var(X
2
) 2 Cov(X
1
, X
2
) = 7 +4 +2 = 13
Cov(Y, Z) = Cov(X
1
+X
2
, X
1
X
2
) = 3 (gi calcolata in b))
Oppure si osserva che il vettore
_
Y
Z
_
della forma AX, dove
A =
_
1 1
1 1
_
Dunque la matrice di covarianza di Y e Z
AC
X
A
=
_
1 1
1 1
__
7 1
1 4
__
1 1
1 1
_
=
_
9 3
3 13
_
Questa matrice invertibile e quindi Y e Z hanno densit congiunta. Linversa
1
108
_
13 3
3 9
_
Per cui la densit
g(y, z) =
1
2
108
exp
_
1
216
_
13y
2
+9z
2
6yz
_
_
d) La matrice di covarianza di W si calcola facilmente con uno dei metodi richiamati
in c) e vale
C
W
=
_
7 1 6
1 4 3
6 3 9
_
con un po di pazienza (oppure osservando che la prima colonna uguale alla terza meno
la seconda) si vede che questa matrice ha determinante 0. Quindi non ci pu essere una
densit. In realt questo si poteva vedere da subito dato che si pu scrivere
W = BX
dove B la matrice
B =
_
1 0
0 1
1 1
_
che pu essere al massimo di rango 2. Dunque la matrice C
W
, che si ottiene anche come
prodotto
C
W
= BC
X
B
=
_
1 0
0 1
1 1
_
_
7 1
1 4
__
1 0 1
0 1 1
_
pu essere al massimo di rango 2 e non pu essere invertibile.
Esercizio 2. a) Dallo sviluppo in serie di potenze si ricava
(0) =
(3)
(0) = 0 e
(0) =
2. Dunque
E(X) = i
(0) = 0
E(X
2
) =
(0) = 2
E(X
3
) = i
(3)
(0) = 0 .
b) Poich X e Y sono centrate, grazie ad a), si ha E[(X + Y)
2
] = Var(X + Y) =
Var(X) + Var(Y) = E(X
2
) + E(Y
2
) = 4. Per il momento di ordine 4, basta trovare il
coefciente del termine di ordine 4 dello sviluppo in serie di potenze di ()
2
. Moltiplicando
gli sviluppi,
()
2
=
_
1
2
+
4
+o(
4
)
__
1
2
+
4
+o(
4
)
_
=
_
1 2
2
+3
4
+o(
4
)
_
Dunque il coefciente del termine del quartordine nello sviluppo in serie di potenze di
()
2
3 e quindi
E[(X +Y)
4
] =
d
4
d
4
()
2
= 3 4! = 72 .
f (x, y) =
_

+
()()
x
1
y
1
e
(x+y)
se x > 0 e y > 0
0 altrimenti .
A =
_
1 0
1 1
_
.
Il teorema di cambio di variabile (vedi lEsempio tre.122) permette di affermare che
la densit g di (X, X +Y) data da
g(x, y) =
1
| det A|
f (A
1
_
x
y
_
) .
Ora det A = 1 e
A
1
=
_
1 0
1 1
_
e dunque
g(x, y) = f (x, y x) .
g(x, y) =
_

+
()()
x
1
(y x)
1
e
y
se y > 0 e 0 < x < y
0 altrimenti .
c) Indicando con g
X+Y
g
X|X+Y
(x|z) =
g(x, z)
g
X+Y
(z)

g
X|X+Y
(x|z) =
+
()()
x
1
(z x)
1
e
z
+
(+)
z
+1
e
z
=
( +)
()()
1
z
(
x
z
)
1
(1
x
z
)
1
.

x
z
,
( +)
()()
_
z
0
(
x
z
)
(1
x
z
)
1
dx =
( +)
()()
z
_
1
0
t
(1 t )
1
dt =
(+1)()
(++1)
, dunque con la
formula di semplicazione della funzione Gamma (tre.211), la speranza condizionale
vale
( +)
()()
( +1)()
( + +1)
z =

+
z .
La retta di regressione x = az +b, dove
a =
Cov(X, X +Y)
Var(X +Y)
,
b = E(X) aE(X +Y) .
Ora
Var(X +Y) =
+
2
,
Cov(X, X +Y) = Var(X) =

2
e dunque
a =

+
, b =

+
+
= 0 .
Da notare che la retta di regressione
z

+
z
e la speranza condizionale
z

E(X| X +Y = z) =

+
z
coincidono.
Da notare che il risultato dei punti c) e d) non dipende dal valore di .
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
1

Exercice 1 Siano N, X
1
, . . . , X
n
v.a. indipendenti tutte di legge geometrica modicata di
parametro p (cio P(X = k) = p(1p)
k1
, k = 1, 2, . . .) e poniamo S
N
= X
1
+. . .+X
N
.
Quanto vale P(S
N
= 3)? La v.a. S
N
ha una legge nota?
Exercice 2 Consideriamo la catena di Markov di matrice di transizione
P =
1 2 3
1 0.9 0 0.1
2 0.1 0.6 0.3
3 0 0.1 0.9
.
a) Quanto vale (approssimativamente) la probabilit che X
n
prenda uno dei valori 2
oppure 3 per n grande?
b) La probabilit stazionaria di questa catena reversibile?
c) Quanto tempo occorre in media per giungere in 1 partendo da 3?
Exercice 3 Le v.a. X, Y hanno densit congiunta
f (x, y) = 4e
2y
1
{0xy}
.
a) Le v.a. X e Y sono indipendenti ?
b) Quali sono le leggi delle v.a. X e Y ?
c) Le v.a. X e Y X sono indipendenti ?
d) Qual la densit della v.a. W = 1 e
2(YX)
?
Soluzioni
Esercizio 1 Sappiamo che, detta
1
la funzione generatrice di N e delle X
i
(la funzione
generatrice la stessa, dato che tutte queste v.a. hanno la stessa legge), la v.a. S
N
ha
funzione generatrice
(z) =
1
(
1
(z)) .
La funzione generatrice di una v.a. geometrica modicata
1
(z) = p
k=1
(1p)
k1
z
k
= pz
k=1
(1p)
k1
z
k1
= pz
k=0
(1p)
k
z
k
=
pz
1 (1 p)z
Dunque
(z) =
p
pz
1(1p)z
1 (1 p)
pz
1(1p)z
=
p
2
z
1 (1 p)z (1 p)pz
=
p
2
z
1 (1 p
2
)z
Si riconosce la f.g. di una densit geometrica modicata di parametro p

2
. Quindi
P(S
N
= 3) = p
2
(1 p
2
)
2
.
Esercizio 2 a) Osserviamo che la catena irriducibile (gli stati comunicano) e regolare (ci
sono elementi > 0 sulla diagonale). Dunque per n grande la probabilit che X
n
si trovi in
uno stato i approssimata dal valore in i della probabilit stazionaria, e questo qualunque
sia lo stato iniziale.
Calcoliamo la distribuzione stazionaria v: la probabilit richiesta sar dunque v
2
+ v
3
.
Per questo occorre risolvere il sistema lineare v = vP, che qui diventa
v
1
= 0.9 v
1
+0.1 v
2
v
2
= 0.6 v
2
+0.1 v
3
v
3
= 0.1 v
1
+0.3 v
2
+0.9 v
3
.
Eliminando la terza equazione e sostituendola con la relazione v
1
+v
2
+v
3
= 1 si trova il
sistema
v
1
= 0.9 v
1
+0.1 v
2
v
2
= 0.6 v
2
+0.1 v
3
1 = v
1
+v
2
+v
3
.
Dalla prima equazione si ricava v
1
= v
2
, mentre dalla seconda v
2
=
1
4
v
3
. Sostituendo
questi valori, la terza equazione diventa
3
2
v
3
= 1, da cui si ricava
v
1
=
1
6
,
v
2
=
1
6
,
v
3
=
2
3
.
Dunque v
2
+v
3
=
5
6
b) Detti
2
,
3
i tempi medi per giungere in 1 partendo da 2 e 3 rispettivamente, questi
numeri sono soluzione del sistema
2
= 1 +0.6
2
+0.3
3
3
= 1 +0.1
2
+0.9
3
Dalla seconda equazione si ricava
3
= 10 +
2
. Sostituendo nella prima equazione questa
diviene
2
= 1 +0.6
2
+3 +0.3
2
ovvero
2
= 40 e quindi
3
= 50 .
Esercizio 3 La densit f > 0 sullinsieme ombreggiato nella Figura 1.
0
...........................................................................................................................................................................................................................................................................................................................
.
.
. .
. .
. . .
. . .
. . . .
. . . .
. . . . .
. . . . .
. . . . . .
. . . . . .
. . . . . . .
. . . . . . .
. . . . . . . .
. . . . . . . .
. . . . . . . . .
. . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
Figura 1.
Prima di rispondere alla domanda a) conviene calcolare le marginali.
b) Le densit marginali sono
f
X
(x) =
f (x, y) dy = 4
+
x
e
2y
dy = 2e
2x
f
Y
(y) =
f (x, y) dx = 4
y
0
e
2y
dx = 4ye
2y
cio X (1, 2), Y (2, 2). Possiamo ora ricavare che le v.a. X e Y non sono
indipendenti, datoche la lorodensit congiunta nulla nel primoquadrante sottola diagonale
mentre il prodotto delle marginali ivi strettamente positivo.
c) Posto U = X, V = Y X, allora
U
V
= A
X
Y
con
A =
1 0
1 1
.
Ora det A = 1 e
A
1
=
1 0
1 1
.
Dunque la densit congiunta di U e V
g(u, v) = f (u, u +v) .
Ricordiamo per che f (x, y) > 0 solo se 0 < x < y, dunque g(u, v) = 0 a meno che non
sia u > 0, u +v > u, ovvero u > 0, v > 0. Dunque g(u, v) > 0 solo se (u, v) si trova nel
primo quadrante e in questo caso
g(u, v) = 4e
2(u+v)
= 2e
2u
2e
2v
.
Dunque X e Y X sono indipendenti ed esponenziali di parametro = 2.
d) Abbiamo appena visto che Y X (1, 2) e quindi la sua funzione di ripartizione
F(z) = 1 e
2z
. Calcoliamo la funzione di ripartizione di W, facendo attenzione al
verso delle disuguaglianze: se 0 < t < 1
P(W t ) = P(1 e
2(YX)
t ) = P(e
2(YX)
1 t ) =
= P(2(Y X) log(1 t )) = P(Y X
1
2
log(1 t )) =
= 1 e
2
1
2
log(1t )
= t .
Dunque W uniforme su [0, 1].
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
Tutorato 3, 31 marzo 2010
Esercizio 1 In statistica si chiama indice di skewness (o di asimmetria) di una v.a. X la
quantit
=
E[(X )
3
]
3
dove = E(X) e
2
= Var(X) (purch X abbia un momento di ordine 3 nito). Lindice
in un certo senso misura la simmetria della legge di X: valori di positivi indicano la
presenza di una coda spessa verso destra (come nella Figura 1), mentre valori negativi
indicano la stessa cosa verso sinistra.
...........................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................
Figura 1
a) Quanto vale lindice di skewness per una legge N(,
2
)?
b) E per una legge esponenziale? Per una (, )?
(Si ricorda lo sviluppo del binomio di terzo grado: (a +b)
3
= a
3
+3a
2
b +3ab
2
+b
3
. . . )
b) Qual la densit congiunta di X e X + Y ? Su quale regione del piano essa
strettamente positiva?
X|X+Y
d) Quanto vale la speranza condizionale di X dato X +Y = z?
Esercizio 3 Siano X, Y v.a. indipendenti e di densit rispettivamente (1, ) e (n, ).
a) Calcolare la probabilit P(X Y).
b) Poniamo n = 2. Calcolare la densit di S = Y X. (Attenzione: si tratta di una v.a.
che pu prendere valori sia positivi che negativi e, a seconda del metodo utilizzato, potr
essere necessario distinguere t positivo e t negativo).
Soluzioni
Esercizio 1. a) Sappiamo che se X N(,
2
) allora Z = X N(0,
2
). Sappiamo
per che i momenti di ordine dispari delle leggi normali centrate sono tutti nulli, quindi
E((X )
3
) = E(Z
3
) = 0
e dunque = 0. In effetti in questo calcolo abbiamo utilizzato unicamente il fatto che le
v.a. normali hanno una legge che simmetrica rispetto alla media, cio sono tali che X
e (X ) hanno la stessa legge. Per tutte le v.a. con questa propriet si ha
E[(X )
3
] = E[(X )
3
] = E[(X )
3
]
per cui E((X )
3
) = 0 e = 0. Tutte le v.a. simmetriche intorno alla media hanno
dunque indice di skewness = 0.
b) Ricordiamo che per una v.a. X (, ) il momento di ordine k vale
E(X
k
) =
( +k)
k
()
=
( +k 1)( +k 2) . . .
k
ovvero per i primi tre momenti:
E(X) =

,
E(X
2
) =
( +1)
2
,
E(X
3
) =
( +1)( +2)
3

Sviluppando il binomio di terzo grado (qui =

)
E((X )
3
) = E(X
3
) 3E(X
2
) +3E(X)
2
3
=
=
1
( +1)( +2) 3
2
( +1) +3
3
=
=

2
+3 +2 3
2
3 +2
2
=
=
2
Daltra parte la varianza vale

2
=

2
per cui
=
2
3/2
3
= 2
1/2
.
In particolare lindice di skewness non dipende da e quello di una legge esponenziale
(1, ) sempre uguale a 2. Osserviamo anche che la skewness di una legge sempre
positiva, il che in accordo con lintuizione (il graco delle densit sempre come nella
Figura 0.1, almeno per > 1).
f (x, y) =

+
()()
x
1
y
1
e
(x+y)
se x > 0 e y > 0
0 altrimenti .
A =
1 0
1 1
.
Per il teorema di cambio di variabile la densit g di (X, X +Y) data da
g(x, y) =
1
| det A|
f (A
1
x
y
) .
Ora det A = 1 e
A
1
=
1 0
1 1
e dunque
g(x, y) = f (x, y x) .
g(x, y) =

+
()()
x
1
(y x)
1
e
y
se y > 0 e 0 < x < y
0 altrimenti .
Questa densit quindi strettamente positiva per 0 x y (la perte del primo quadrante
che si trova sopra la diagonale).
c) Indicando con g
X+Y
g
X|X+Y
(x|z) =
g(x, z)
g
X+Y
(z)

g
X|X+Y
(x|z) =
+
()()
x
1
(z x)
1
e
z
+
(+)
z
+1
e
z
=
( +)
()()
1
z
(
x
z
)
1
(1
x
z
)
1
.

x
z
,
( +)
()()
z
0
(
x
z
)
(1
x
z
)
1
dx =
( +)
()()
z
1
0
t
(1 t )
1
dt =
(+1)()
(++1)
, dunque con
la formula di semplicazione della funzione Gamma, la speranza condizionale vale
( +)
()()
( +1)()
( + +1)
z =

+
z .
Esercizio 3. La densit congiunta delle v.a. X, Y evidentemente
f (x, y) =

n+1
(n)
y
n1
e
(x+y)
, x > 0, y > 0
a) Si ha P(X Y) = P((X, Y) A) dove A = {(x, y), x y}. Dato che la densit
congiunta f si annulla al di fuori del primo quadrante, si tratta di integrare nella regione
indicata nella Figura 2.
0
...........................................................................................................................................................................................................................................................................................................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 2.
Dunque
P(X Y) =

n+1
(n)
+
0
y
n1
e
y
dy
+
y
e
x
dx =

n
(n)
+
0
y
n1
e
2y
dy =
=

n
(n)
(n)
(2)
n
= 2
n
.
Da notare che se invece avessimo scelto dintegrare prima in y e poi in x ci saremmo
imbattuti nellespressione
P(X Y) =

n+1
(n)
+
0
e
x
dx
x
0
y
n1
e
2y
dy
che ha laria molto pi indigesta. . . Con questi integrali multipli conviene sempre provare
a scambiare lordine dintegrazione quando ci si trova in difcolt: scambiando lordine
dintegrazione il valore dellintegrale non cambia ma la difcolt del calcolo s. . .
b) La funzione di ripartizione di S = Y X data da F(t ) = P(Y X t ) = P(Y
X + t ) = P((X, Y) A
t
), dove A
t
= {y x + t } il semipiano che si trova sotto alla
retta y = x +t . Tenendo conto sempre che la densit congiunta di X e Y non nulla solo
nel primo quadrante, ci troviamo a doverne calcolare lintegrale sullinsieme descritto dalla
Figura 3 se t > 0 e dalla Figura 4 se t < 0.
0
t
.....................................................................................................................................................................................................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 3.
0 t
t
...............................................................................................................................................................................................................................................................................................................................
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Figura 4.
Calcolo per t > 0: conviene invece che integrare sullarea indicata calcolare 1
lintegrale sulla porzione complementare del primo quadrante
F(t ) = 1
3
+
t
ye
y
dy
yt
0
e
x
dx = 1
2
+
t
ye
y
(1 e
(xt )
) dy =
= 1
2
+
t
ye
y
dy +
2
e
t
+
t
ye
2y
dy
Derivando otteniamo che, per t > 0 la densit di S data da
f (t ) =
2
t e
t
+
3
e
t
+
t
ye
2y
dy
2
t e
t
Il primo e terzo termine si annullano e, integrando per parti o ricordando lespressione della
funzione di ripartizione delle leggi Gamma:
4
2
+
t
ye
2y
dy = e
2t
(1 +2t )
si trova
f (t ) =

4
e
t
(1 +2t )
Calcolo per t < 0:
F(t ) =
3
+
0
ye
y
dy
+
yt
e
x
dx =
2
+
0
ye
y
e
(yt )
dy =
=
2
e
t
+
0
ye
2y
dy =
1
4
e
t
da cui si trova la densit:
f (t ) =

4
e
t
, t < 0
In conclusione
f (t ) =

4
e
|t |
+

2
2
t e
t
1
[0,+[
(t )
4 3 2 1 0 1 2 3 4
....................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................................
Figura 5 Graco della densit f ( = 1.2). Un po a sorpresa, nonostante il valore assoluto,
si tratta di una funzione derivabile, come per altro si pu vericare formalmente.
UNIVERSITA
`
di ROMA TOR VERGATA
1

Esercizio 1 Siano X, Y v.a. di densit congiunta
f (x, y) = x
2
ye
x(y+1)
, x > 0, y > 0
a) Le v.a. X, Y sono indipendenti ?
b) Qual la densit di X?
c) Le v.a. X e XY sono indipendenti ?
d) Quanto vale P(XY 1)?
Esercizio 2 Siano X, Y v.a. indipendenti di legge N(0, 1). Poniamo
U = nX Y, V = nX +Y .
a) Qual la legge di (U, V)? Possiede una densit?
b1) Quanto vale la speranza condizionale di U dato V = 1?
b2) Quanto vale la varianza della legge condizionale di U dato V = 1? Quanto vale
la varianza della legge condizionale di U dato V = 1.5? Come si comportano queste
varianze condizionali per n ?
Esercizio 3 Si sa che per ogni > 0 la funzione
(t ) =
1
(1 +
2
)
una funzione caratteristica. Indichiamo con X
una v.a. di funzione caratteristica
.
a) Calcolare media e varianza di X
, al variare di .
b) Calcolare E(X
4
), al variare di .
c) Mostrare che, per ogni , si possono trovare due v.a. Y, Z indipendenti ed aventi la
stessa legge tali che Y +Z ha la stessa legge di X
.
Soluzioni
Esercizio 1. a) La densit congiunta non sembra che si possa scrivere come prodotto di una
funzione della sola x per una funzione della sola y. Pi preciso sar questo punto quando
avremo a disposizione le marginali.
b) Si pu calcolare la marginale con la formula
f
X
(x) =
f (x, y) dy =
+
0
x
2
ye
x(y+1)
dy = x
2
e
x
+
0
ye
xy
dy =
= x
2
e
x
1
x
2
= e
x
ricordando lespressione degli integrali relativi alle densit (2, 1).
c) Si pu scrivere (X, XY) = (X, Y) dove (x, y) = (x, xy). Applichiamo il metodo
del teorema di cambio di variabile: la funzione inversa si trova risolvendo il sistema
u = x
v = xy
che d
1
(u, v) = (u,
v
u
). Calcoliamo il differenziale:
D
1
(u, v) =
1 0
v
u
2
1
u
e | det(D
1
(u, v))| =
1
u
. Dunque la densit della coppia (X, XY)
g(u, v) = u
2
v
u
e
u(
v
u
+1)
1
u
= ve
(u+v)
Poich si pu scrivere
g(u, v) = e
u
ve
v
le due v.a. sono indipendenti ed anzi si vede subito che U esponenziale di parametro
1 mentre V = XY (2, 1). Questo permette immediatamente di rispondere anche alla
questione a) senza bisogno di fare il calcolo della marginale di poco fa.
d ) Basta ricordare lespressione della funzione di ripartizione della legge Gamma(2, 1)
e si trova subito
P(XY 1) = 1 2e
1
Esercizio 2. a) (U, V) una funzione lineare di (X, Y) che congiuntamente gaussiana e
dunque congiuntamente gaussiana anche lei. Si tratta di v.a. centrate e per il calcolo della
matrice di covarianza basta osservare che
Var(U) = n
2
Var(X) +Var(Y) = n
2
+1
Var(V) = n
2
Var(X) +Var(Y) = n
2
+1
Cov(U, V) = Cov(nX Y, nX +Y) = n
2
Cov(X, X) Cov(Y, Y) = n
2
1
e dunque la matrice di covarianza
C =
n
2
+1 n
2
1
n
2
1 n
2
+1
Poich det C = (n
2
+ 1)
2
(n
2
1)
2
> 0, la matrice invertibile e la coppia (U, V) ha
densit congiunta.
b) La speranza condizionale di U dato V = 1
Cov(U, V)
Var(V)
=
n
2
1
n
2
+1
,
,
dato che E(U) = E(V) = 0 mentre la varianza della legge condizionale
Var(U)
Cov(U, V)
2
Var(V)
= n
2
+1
(n
2
1)
2
n
2
+1
=
(n
2
+1)
2
(n
2
1)
2
n
2
+1
=
4n
2
n
2
+1

n
4 .
La varianza della legge condizionale non dipende dal valore della variabile condizionante.
Esercizio 3. Ricordiamo lo sviluppo al secondordine della funzione f (t ) = (1 t )
(lo
si pu calcolare facilmente facendo le derivate)
1
(a t )
= 1 +t +
1
2
( +1)t
2
+o(t
2
)
da cui
1
(a +
2
)
= 1
2
+
1
2
( +1)
4
+o(
4
)
Dunque
(0) = 0
(0) = 2
(4)
(0) = 12( +1)

Dunque
E(X) = 0
Var(X) = 2
E(X
4
) = 12( +1)
che risponde alle questioni a) e b).
c) Si vede che se U
1
, U
2
sono v.a. indipendenti e aventi la stessa legge di funzione
caratteristica
/2
, allora U
1
+U
2
avrebbe funzione caratteristica
(t ) =
/2
(t )
2
=
1
(1 +
2
)
Dunque U
1
+U
2
ha la stessa funzione caratteristica di X e quindi anche la stessa legge.
UNIVERSITA
`
di ROMA TOR VERGATA
P.Baldi
Esercizio 1 a1) Sia X una v.a. di legge (, 1). Qual la legge di
1
X?
a2) Se indichiamo con q
il quantile di ordine , 0 < < 1, di una legge (, 1), qual

il il quantile di ordine di una legge (, )?
b1) Siano X
1
, . . . , X
100
v.a. indipendenti di legge esponenziale (1, 1). Qual la legge
della v.a.

X =
1
100
(X
1
+ . . . + X
100
)?
b2) Sapendo che i quantili di ordine 0.025 e 0.975 di una legge (100, 1) sono rispetti-
vamente q
0.025
= 81.36 e q
0.975
= 120.53, determinare un intervallo [a, b] tale che
P(a

X b) = 0.95 .
Esercizio 2 Sia (U, V) una coppia di v.a. di densit congiunta
f (u, v) =
_
c
2vu
e
u
2
/
se 0 < v < u
0 altrimenti
dove c una opportuna costante.
a) Determinare il valore di c in funzione di .
b) Le v.a. U e
U
V
sono indipendenti ? Quanto vale la probabilit P(
U
V
2)?
Esercizio 3 a1) Calcolare la f.r. di una legge di Laplace di parametro , cio di densit
f (x) =
1
2
e
|x|
a2) Come fareste per simulare una v.a. di Laplace di parametro ?
b) Come fareste per simulare una v.a. di Weibull di parametri , ? (le leggi di Weibull
sono quelle di densit
f (x) = x
1e
x
per x > 0 e f (x) = 0 per x 0).

Esercizio 4 Una v.a. X ha funzione caratteristica
() =
1
1 +
2

a) Mostrare che X ha varianza nita e calcolare E(X) e Var(X).
b) Siano X, Y v.a. indipendenti entrambe di funzione caratteristica . Calcolare
E[(X + Y)
4
].
Soluzioni
Esercizio 1. a1) Indichiamo con F e f rispettivamente la f.r. e la densit di una legge
(, 1). Con il solito metodo della funzione di ripartizione si trova che la f.r. di
1
X
P(
1
X t ) = P(X t ) = F(t )
e derivando si ottiene che la densit g di
1
X vale
g(t ) = f (t ) =
1
()
(t )
1
e
t
=

()
t
1
e
t
dove riconosciamo la densit di una v.a. (, ).
a2) Abbiamo visto in a1) che se X (, 1), allora
1
X (, ). I quantili q
restano determinati dalla relazione P(X q
) = . Dalla relazione
P(
1
X
1
) = P(X q
) =
si vede che il quantile di ordine di una legge (, )
1
.
b1) La v.a. X
1
+ . . . + X
100
ha legge (100, 1) (Proposizione tre.200) e dunque,
grazie ad a1),

X
100
(100, 100).
b1) Grazie ad a2), i quantili di ordine 0.025 e 0.975 di

X
100
sono rispettivamente
q
0.025
=
81.36
100
= 0.81, q
0.975
=
120.53
100
= 1.2 .
Dunque
P(0.81 X
100
1.2) = P( q
0.025
X
100
q
0.975
) =
= P(X
100
q
0.975
) P(X
100
q
0.025
) = 0.975 0.025 = 0.95 .
Esercizio 2. a) Perch f sia una densit occorre che sia
1 =
_
f (u, v) du dv = c
_
+
0
du
_
u
0
2u
e
u
2
/
v dv
Ora
_
f (u, v) du dv = c
_
+
0
v dv
_
+
v
2u
e
u
2
/
du = c
_
+
0
v
_
e
u
2
/
+
v
_
dv =
= c
_
+
0
ve
v
2
/
dv =
c
2
da cui
c =
2
Lintegrale si pu anche calcolare dallaltra parte:

_
f (u, v) du dv = c
_
+
0
du
_
u
0
2u
e
u
2
/
v dv =
c
_
+
0
u
3
e
u
2
/
du.
e si conclude integrando per parti.
b) Uno dei modi possibili per mostrare che le v.a. U e
U
V
sono indipendenti consiste
nel calcolo della loro densit congiunta, per poi vericare che questa si pu scrivere come
prodotto di due funzioni, ciascuna delle quali dipende solo da una delle variabili. Il calcolo
della legge congiunta di U e
U
V
si pu fare osservando che
_
U,
U
V
_
= (U, V)
dove la funzione (u, v) = (u,
u
v
); questa funzione certo innite volte derivabile per
u > 0, v > 0: se essa fosse anche invertibile e la sua inversa derivabile potremmo calcolare
la densit congiunta g di U e
U
V
con il teorema di cambio di variabile negli integrali multipli,
grazie al quale si ha che
(1) g(x, y) = f (
1
(x, y))| det D
1
(x, y)| .
Le tappe successive per mostrare che U e
U
V
sono indipendenti sono dunque le seguenti:
prima occorre mostrare che invertibile e calcolarne linversa (ovvero calcolarne linversa,
il che prover che invertibile). Poi bisogna calcolare il differenziale D
1
(che in questo
caso una matrice 22) e il suo determinante. A questo punto potremo calcolare la densit
congiunta g tramite la (1) e vericare che essa il prodotto di una funzione della sola
variabile x moltiplicata per una funzione della sola variabile y. Come si vede si tratta di
un programma abbastanza complesso, ma nel quale ogni singola parte non presenta grosse
difcolt.
Per calcolare linversa di , ssati dei valori x e y dobbiamo determinare dei numeri u
e v tali che (u, v) = (x, y). In altre parole dobbiamo risolvere rispetto a u e v il sistema
_
u = x
u
v
= y
che d facilmente u = x, v =
x
y
. Dunque
1
(x, y) = (x,
x
y
). immediato ora il calcolo
del differenziale di
1
:
D
1
(x, y) =
_
1 0
1
y

x
y
2
_
per cui det D
1
(x, y) =
x
y
2
. Abbiamo quindi calcolato tutte le quantit che compaiono
nella (1). Sostituendo i valori trovati dobbiamo per ricordare che f (u, v) = 0 a meno
che non sia 0 < v < u. Dunque otteniamo f (
1
(x, y)) = f (x,
x
y
) = 0 a meno che non
sia y > 1 e x > 0. In conclusione
g(x, y) =
2
2x
e
x
2
/
1
{x>0}
(x)1
{y>1}
(y)
x
y
. ,, .
=f (
1
(x,y))
x
y
2
.,,.
=| det D
1
(x,y)|
=
=
4
2
x
3
e
x
2
/
1
{x>0}
(x)
. ,, .
funzione della sola x
1
y
3
1
{y>1}
(y)
. ,, .
funzione della sola y
e dunque U e
U
V
sono indipendenti. La densit di
U
V
la seconda marginale di questa densit
congiunta. Dunque della forma
g
2
(y) =
c
y
3
1
{y>1}
(y)
perch lintegrale di g
2
faccia 1 deve essere c = 2 e inne
P(
U
V
2) = 2
_
2
1
1
y
3
dy =
3
4

Esercizio 4. a) una funzione innite volte derivabile e dunque X ha niti i momenti
di tutti gli ordini. E(X) = 0 perch, dato che una funzione reale, la v.a. X ha legge
simmetrica (X X) e dunque speranza matematica uguale a 0. Ad ogni modo le due
prime derivate di valgono
() = (1 +
2
)
3/2
() = (1 +
2
)
3/2
+ 3
2
(1 +
2
)
5/2
.
Dunque
Var(X) = E(X
2
) =
(0) = 1 .
b) La funzione caratteristica di X + Y
X+Y
() = ()
2
=
1
1 +
2

Il momento del quarto ordine di X + Y uguale alla derivata quarta di
X+Y
in 0. Ma
lo sviluppo in serie di potenze di
X+Y
ben noto (a partire dalla serie geometrica, ad
esempio):
X+Y
() =
1
1 +
2
=
k=0
(1)
k
2k
.
Il coefciente del termine di ordine 4 1, da cui si ricava
(4)
X+Y
(0) =
(4)
(0) = 4! = 24 .
P.Baldi
Esercizio 1 Sia (X
n
)
n
una successione di v.a. indipendenti esponenziali di parametro .
a) Poniamo Z
n
= min(X
1
, . . . , X
n
). La successione (Z
n
)
n
converge in legge? In caso
affermativo precisarne il limite.
b) Poniamo Y
n
= max(X
1
, . . . , X
n
). La successione (Y
n
)
n
converge in legge? In caso
affermativo precisarne il limite. E la successione (
1
log n
Y
n
)
n
?
Esercizio 2 Fare la classicazione degli stati della matrice di transizione
P =
0 0 1
1
3
1
3
1
3
1 0 0
Si tratta di una catena irriducibile? Regolare? Quali sono le sue probabilit invarianti ?
Come cambierebbe la risposta alle domande precedenti se fosse
P
1
=
1 0 0
1
3
1
3
1
3
0 0 1
?
Esercizio 3 Consideriamo la matrice di transizione
P
2
=
0 0 1
2
3
0
1
3
2
9
2
3
1
9
a) Si tratta di una catena irriducibile? Regolare?

b) Determinare tutte le probabilit invarianti della catena. Se (X
n
)
n
la catena di
Markov associata a P, quanto vale approssimativamente P
1
(X
n
= 3) per n grande? (Ri-
cordare che P
1
la probabilit partendo dallo stato 1).
Esercizio 4 Consideriamo la catena di Markov su E = {1, 2, 3} associata alla matrice di
transizione
P =
1
2
1
4
1
4
1
2
0
1
2
0 1
a) Mostrare che, se 0 < 1, allora la catena irriducibile (cio tutti gli stati
comunicano tra loro). E se fosse = 1?
b) Supponiamo =
1
4
; mostrare che la catena regolare e calcolare la distribuzione
stazionaria. Si tratta di una distribuzione reversibile?
c) Rispondere alle stesse domande di b), nellipotesi =
1
2
.
Soluzioni
Esercizio 1. a) Si ha, per t > 0,
F
Z
n
(t ) = 1 P(Z
n
t ) = 1 P(X
1
t, . . . , X
n
t ) = 1 e
nt
.
Dunque, per t > 0,
lim
n
F
Z
n
(t ) = lim
n
1 e
nt
= 1
e (ricordando che comunque F
Z
n
(t ) = 0 per t < 0) la successione (Z
n
)
n
converge a 0
in legge. Non c bisogno di calcolare il limite di F
Z
n
in 0 perch 0 non un punto di
continuit per la f.r. della v.a. che assume il solo valore 0 con probabilit 1.
b) Si ha, per t 0,
(1) F
Y
n
(t ) = P(Y
n
t ) = P(X
1
t, . . . , X
n
t ) = F
X
(t )
n
.
Ricordiamo che F
X
(t ) = 1 e
t
. Poich comunque F
Y
n
(t ) = 0 per t 0 mentre per
t > 0
lim
n
F
Y
n
(t ) = lim
n
e
nt
= 0 ,
se la successione (Y
n
)
n
convergesse in legge verso una v.a. Y, questa dovrebbe avere una f.r.
che uguale a 0 dappertutto. Poich ci non possibile, la successione (Y
n
)
n
non converge
in legge. Invece, indicando con F
n
la f.r. della v.a.
Y
n
log n
, si ha
F
n
(t ) = P(Y
n
t log n) = P(X
1
t log n, . . . , X
n
t log n) = (1 e
t log n
)
n
=
=
1
1
n
t
n
Ricordiamo il limite notevole
lim
n
1
1
n
t
n
=
0 se t < 1
1
e
se t = 1
1 se t > 1 .
Dunque la successione converge in legge alla v.a. che assume con probabilit 1 il solo valore
1
. Da notare che anche qui le f.r. non convergono alla f.r. limite per t =
1
, che non un
punto di continuit della f.r. limite.
Esercizio 2. Per P
1
. Si ha 1 3, 3 1, dunque {1, 3} costituisce una classe chiusa.
Poich n 1 n 3 comunicano con unaltro stato j che non comunica con loro, essi sono
entrambi ricorrenti (ricordare comunque che questo criterio vale solo perch gli stati sono
in numero nito). Invece 2 comunica sia con 1 che con 3 che non comunicano con 2, che
dunque transitorio.
Per P
2
. 1 e 3 sono assorbenti e dunque ancora ricorrenti. 2 transitorio, per lo stesso
motivo di prima. A differenza di P
1
, per P
2
ci sono due classi irriducibili invece di una sola.
Esercizio 3. a) Si ha 1 3 2, mentre sia 2 che 3 comunicano con gli altri stati in un
passo solo. La catena dunque irriducibile e, dato che c un elemento > 0 sulla diagonale,
anche regolare.
b) La distribuzione invariante, , naturalmente unica per il Teorema di Markov 5.17
che garantisce anche che lim
n
P
1
(X
n
= 3) =
3
. Calcoliamo allora la distribuzione
stazionaria. Il sistema agli autovalori
1
=
2
3

2
+
2
9

3
2
=
2
3

3
3
=
1
+
1
3

2
+
1
9

3
Dalle prime due equazioni si ricava
2
=
1
=
2
3

3
. Sostituendo questa relazione nella
condizione
1
+
2
+
3
= 1, si ottiene
7
3

3
= 1
da cui si ricava
3
=
3
7
e poi
1
=
2
=
2
7
.
Esercizio 4. a) Si vede subito che gli stati 1 e 2 comunicano con gli altri in un passo solo.
Se 0 < 1 allora 3 2 e, dunque, anche 3 1. Gli stati quindi comunicano tra loro e
la catena irriducibile. Viceversa, se = 1, allora 3 uno stato assorbente e non comunica
con nessunaltro stato. In questo caso {3} una classe chiusa strettamente contenuta in E e
la catena non irriducibile.
b) Se =
1
4
, sappiamo gi che la catena irriducibile grazie ad a); poich per di pi
c un elemento > 0 sulla diagonale della matrice di transizione, la catena anche regolare.
La matrice di transizione prende la forma
P =
1
2
1
4
1
4
1
2
0
1
2
0
3
4
1
4
Losservatore attento vede che P bistocastica (la somma delle colonne uguale a 1)
e dunque la distribuzione uniforme = (
1
3
,
1
3
,
1
3
) stazionaria. Non reversibile: ad
esempio
1
p
13
=
1
12
, mentre
3
p
31
= 0. Un attimo di riessione del resto mostra che
quando la distribuzione invariante uniforme, essa reversibile se e solo se la matrice di
transizione simmetrica.
b) Se =
1
2
, la catena risulta regolare per lo stesso ragionamento del punto b). Ora la
matrice diventa
P =
1
2
1
4
1
4
1
2
0
1
2
0
1
2
1
2
e non pi bistocastica. Per calcolare la distribuzione stazionaria dobbiamo risolvere

lequazione agli autovalori = P. Ci signica considerare il sistema
1
=
1
2
1
+
1
2
2
=
1
4
1
+
1
2
3
=
1
4
1
+
1
2
2
+
1
2
3
.
Sostituendo la terza equazione (che dipendente dalle altre due) con la condizione
1
+
2
+
3
= 1, troviamo il sistema
1
=
1
2
1
+
1
2
2
=
1
4
1
+
1
2
3
= 1
1
2
La prima equazione d
1
=
2
; sostituendo nella seconda si trova
2
=
2
3
3
e inne,
sostituendo nella terza,
3
=
3
7
. Poi si ricava
1
=
2
=
2
7
. Anche qui si vede che questa
distribuzione invariante non reversibile, dato che sempre
3
p
31
= 0 mentre
1
p
13
> 0.
UNIVERSITA
`
di ROMA TOR VERGATA
Esercizio 1 a) Calcolare la funzione caratteristica di una v.a. di legge geometrica di para-
metro p (P(X = k) = p(1 p)
k
, k = 0, 1, . . .).
b) Sia (X
n
)
n
una successione di v.a. di legge geometrica di parametro rispettivamente
p
n
=

n
. La successione (
1
n
X
n
)
n
converge in legge? In caso affermativo, qual la legge
limite?
Esercizio 2 (Leggi Beta) Sia (X
n
)
n
una successione di v.a. con X
n
Beta(n, n).
Mostrare che la successione (X
n
)
n
converge in probabilit e determinare il limite.
Esercizio 3 Sia (X
n
)
n
una successione di v.a. indipendenti di legge di Laplace di parametro
1 (cio di densit f (x) =
1
2
e
|x|
).
a) Mostrare che la successione
S
n
=
1
n
_
X
1
+. . . +X
n
_
b) Quanto vale, per n grande
P
_
1
n
_
X
1
+. . . +X
n
_
3
_
?
Esercizio 4 Supponiamo di sapere dellesistenza di una partita di dadi truccati che producono
il 6 con probabilit
2
9
. Per decidere se un dado equilibrato o truccato usiamo la procedura
seguente: lo lanciamo 900 volte e decidiamo che esso truccato se si ottiene il 6 pi ()
di 180 volte. Qual la probabilit che un dado truccato venga effettivamente individuato?
Qual la probabilit che un dado equilibrato venga invece dichiarato truccato con questa
procedura?
Esercizio 5 Sia (X
n
)
n
una successione di v.a. i.i.d. uniformi su [0, 1]e poniamo
M
n
= max(X
1
, . . . , X
n
) .
a) Mostrare che la successione (M
n
)
n
Converge anche in probabilit?
b) Mostrare che la successione
Z
n
= n(1 M
n
)
Soluzioni
Esercizio ex4.geom-exp. a) Si ha
() = E[e
iX
] = p
k=0
e
ik
(1 p)
k
= p
k=0
((1 p)e
i
)
k
=
p
1 (1 p)e
i
(vedi anche il libro, Esempio 3.68).
b) Per studiare il limite in legge possiamo calcolare il limite delle funzioni di ripartizione
oppure quello delle funzioni caratteristiche.
Primo modo: funzioni di ripartizione. Se indichiamo con F
n
la f.r. di Y
n
=
1
n
X
n
, allora
F
n
(t ) = 0 per t < 0, mentre per t 0
F
n
(t ) = P(X
n
nt ) = P(X
n
nt ) =
nt
k=0
n
_
1

n
_
k
= 1
_
1

n
_
nt +1
( la funzione parte intera) e dunque per ogni t 0
(1) lim
n
F
n
(t ) = 1 e
t
,
infatti
lim
n
_
1

n
_
nt +1
= lim
n
__
1

n
_
n
_1
n
(nt +1)
e
lim
n
1
n
(nt +1) = t e lim
n
_
1

n
_
n
= e
1
Riconosciamo ora nel termine a destra nella (1) la f.r. di una legge esponenziale di parametro
. Dunque Y
n
converge in legge ad una v.a. che ha questa distribuzione.
Secondo modo: funzioni caratteristiche. Ricordando lespressione della funzione carat-
teristica di una v.a. geometrica, si ha
X
n
() =
n
1 (1

n
)e
i
=

n(1 e
i
) +e
i
e dunque
Y
n
() =
X
n
_
n
_
=

n(1 e
i/n
) +e
i/n
Osservando che
lim
n
n(1 e
i/n
) = lim
n
1 e
i/n
n
=
d
d
e
i
|
=0
= i
si ha
lim
n
Y
n
() =

i
che appunto la funzione caratteristica di una legge esponenziale di parametro .
Esercizio ex4.beta. a) Una v.a. Beta(, ) ha media

+
e varianza

(+)
2
(++1)
(vedi il libro). Dunque
E(X
n
) =

+
,
Var(X
n
) =

( +)
2
(n +n +1)
Dunque le v.a. X
n
hanno tutte la stessa media

+
, mentre la loro varianza tende a 0 per
n . Basta ora applicare la disuguaglianza di Chebyshev, che d
P(|X
n

+
| )
Var(X
n
)
2

n
0
e dunque
X
n
P
Esercizio ex4.laplace-conv. La soluzione di questo esercizio del tutto simile a

quella del precedente. Prima di tutto si osserva che le v.a. di Laplace sono centrate, Dunque
la loro varianza
E(X
2
i
) =
_
+
x
2
e
|x|
dx = 2 .
Dunque adesso
S
n
n
N(0, 2)
e, indicando con Z una v.a. N(0, 1),
P
_
1
n
_
X
3
1
+. . . +X
3
n
_
3
_
P
_
2 Z 3
_
= 1
_
3
2
_
= 1 (2.12) = 0.017 .
Esercizio ex4.an-dado. Se un dado truccato allora il numero totale X di 6 ottenuti in
900 lanci si pu scrivere X = X
1
+. . . +X
900
, dove le v.a. X
1
, . . . , X
900
sono di Bernoulli
B(1,
2
9
). Dunque, con lapprossimazione normale
P(X 180) = P(X
1
+. . . +X
900
> 179.5) 1
_
179.5 900
2
9
_
900
2
9

7
9
_
=
= 1 (1.64) = 0.9495 .
Dunque un dado truccato viene individuato con una probabilit del 95%.
In questo caso lapprossimazione normale giusticata, dato che np = 900
2
9
= 200
largamente pi grande di 5. preferibile allapprossimazione poissoniana che indica in
questo caso che B(900,
2
9
) Poiss(200). Infatti questultima darebbe
P(X 180) 1 e
200
179
k=0
200
k
k!
che obbligherebbe al calcolo di una somma di 180 termini. Inoltre qui l approssimazione
poissoniana non appare precisa: un calcolo numerico qui darebbe
vero valore approssimazione normale approssimazione poissoniana
0.9512 0.9495 0.9283
Se invece il dado fosse equilibrato allora il numero totale di 6 in 900 lanci sarebbe mod-
ellizzato da X = X
1
+ . . . + X
900
, dove per le v.a. X
i
sono indipendenti e di Bernoulli
B(1, p), p =
1
6
. Poich E(X
i
) =
1
6
e Var(X
i
) =
1
6
5
6
, usando lapprossimazione normale
P(X 180) = P(X
1
+. . . +X
900
> 179.5) 1
_
179.5 900
1
6
_
900
1
6

5
6
_
=
= 1 (2.63) = 0.0044 = 0.44% .
Esercizio conv-max1. a) La funzione di ripartizione di M
n
vale 0 per t 0 e 1 per
t 1. Se 0 t 1,
F
M
n
(t ) = P(M
n
t ) = P(X
1
t, . . . , X
n
t ) = P(X
1
t ) . . . P(X
n
t ) = t
n
.
Dunque
lim
n
F
M
n
(t ) =
_
0 se t < 1
1 se t 1
che la funzione di ripartizione di una v.a. che assume il valore 1 con probabilit 1. La
convergenza ha luogo anche in probabilit, infatti
P(|M
n
1| ) = P(M
n
1+)+P(M
n
1) = 1F
M
n
(1+)+F
M
n
(1)
n
0.
(infatti 1 F
M
n
(1 +) = 0 per ogni n mentre F
M
n
(t )
n
0 per ogni t < 1)
b) Si ha P(Z
n
t ) = 0 per t < 0 mentre per t 0
P(Z
n
t ) = P(1 M
n

t
n
) = P(M
n
1
t
n
) = 1 P(M
n
1
t
n
) =
= 1 (1
t
n
)
n
= 1 e
t
che la funzione di ripartizione di una v.a. esponenziale di parametro 1.

Probabilità Baldi

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probabilità Baldi

Uploaded by

Copyright:

Available Formats

UNIVERSITA

esonero, 27 maggio 2010

e dunque deve essere c = .

e poi, per t > 0,

Y (, ). Dunque, indicando con F

Per il Teorema Limite Centrale (le v.a. Z

che dunque densit

1 se lo i-esimo bit vale 1

sostituendo il valore numerico n = 1000 si ottiene 1 (2.37) = 0.009.

Perch questa quantit sia pi piccola di = 4 10

400) 1 = 2(0.2) 1 = 0.16 .

n 257.58. Poich 257.58

n = 120 1.6448 = 197.38. Si ha 197.38

esonero, 4 giugno 2009

a) Come visto a lezione, la legge condizionale di S

Dunque, se n = 4, la legge condizionale di X

Dunque la legge congiunta di X

appello, 17 giugno 2010

Per il Teorema Limite Centrale (le v.a. Z

che dunque densit

b) Gli stati transitori sono i = 1, 2, 3 (comunicano con 0 e 4 che sono assorbenti). Il

esonero, 20 aprile 2010

Poich det C = 14, la matrice invertibile e la coppia (U, V) ha densit congiunta.

appello, 23 giugno 2009

appello, 23 settembre 2009

a) Qual la probabilit invariante di questa catena? unica? Si tratta di una catena

). La sua media quindi

Si ha det C = 9, dunque C invertibile e (X + Y, X 2Y) ha una densit congiunta. Per

Le densit quindi, ponendo z = (u, v),

b) Come in a) le v.a. X 2Y e X +Y sono congiuntamente gaussiane. Perch siano

Qual , a regime, la proporzione di disoccupati con questo modello?

a) Mostrare che, se 0 <

Questo sistema ha soluzione

appello, 15 luglio 2009

Essa si annulla a meno che non sia 0 x z e, in questo caso vale

log X, dove un numero > 0.

abbastanza immediato che F(t ) = 0 per t 0 e F(t ) = 1 per t 1.

log X t ) = P(log X t ) = P(X e

Y. Dunque, poich Y prende valori positivi con probabilit

si trova P(|X Y| >

Essa si annulla a meno che non sia 0 x z e, in questo caso vale

esonero, 30 aprile 2009

Si riconosce la f.g. di una densit geometrica modicata di parametro p

Daltra parte la varianza vale

Essa si annulla a meno che non sia 0 x z e, in questo caso vale

esonero, 21 aprile 2011

una funzione caratteristica. Indichiamo con X

una v.a. di funzione caratteristica

(0) = 12( +1)

il quantile di ordine , 0 < < 1, di una legge (, 1), qual

per x > 0 e f (x) = 0 per x 0).

restano determinati dalla relazione P(X q

Lintegrale si pu anche calcolare dallaltra parte:

a) Si tratta di una catena irriducibile? Regolare?

e non pi bistocastica. Per calcolare la distribuzione stazionaria dobbiamo risolvere

Esercizio ex4.laplace-conv. La soluzione di questo esercizio del tutto simile a

You might also like