C
ALCOLO DELLEP
ROBABILITÀS
OLUZIONI DELLA PROVA SCRITTA DEL22/4/2010
P
RIMA PARTEEsercizio 1
La diagnosi di un tumore è effettuata mediante un esame radiologico che risulta positivo nel 90%
dei soggetti malati e nel 7% dei soggetti non malati. Scelto a caso un soggetto, si considerino gli eventi M = {soggetto malato} e R = {soggetto positivo all’esame radiologico}.
(1.1) Si stabilisca se M e R sono incompatibili e/o indipendenti, motivando le risposte.
Sapendo, inoltre, che nella popolazione considerata 8 soggetti su mille sono malati, si calcolino e si interpretino le seguenti probabilità:
(1.2) P( M | R ) e P(M |R ).
Sia X il numero di malati presenti in un campione di numerosità 500 estratto con reinserimento dalla popolazione.
(1.3) Si specifichi la distribuzione della v.c. X e se ne determini la varianza.
(1.4) Si calcoli P(X > 1) mediante un’opportuna approssimazione di Poisson per X e si enunci la proprietà che giustifica tale approssimazione.
(1.5) Si enunci e si dimostri il teorema di Bayes nel caso in cui si abbiano n possibili cause C1,…,Cn di un effetto E.
Soluzione
Definiti gli eventi M = {soggetto malato} e R = {soggetto positivo all’esame radiologico}, si ha P( R | M ) = 0.9 e P( R |M ) = 0.07.
(1.1) M e R non sono incompatibili [se lo fossero, P(R | M) = 0] e non sono indipendenti [se lo fossero, P( R | M ) = P( R |M )].
Inoltre, se P( M ) = 0.008, allora, per la Legge delle alternative,
P( R ) = P( R | M )P( M ) + P( R |M )P(M ) = (0.9)(0.008) + (0.07)(1-0.008) = 0.0072 + 0.06944
= 0.07664;
(1.2) P( M | R ) = P( R | M )P( M ) / P( R ) = (0.9)(0.008) / 0.07664 = 0.0072 / 0.07664 =
= 0.093946.
La probabilità che un soggetto sia effettivamente malato sapendo che l’esame radiologico è risultato positivo è circa del 9.39%.
P(M |R ) = P(R |M )P(M ) / P(R ) = (1-0.07)(1-0.008) / (1-0.07664) =
= 0.92256 / 0.92336 = 0.99913.
(1.5) Enunciato. In un qualsiasi spazio probabilistico, se E è un evento con probabilità non nulla e
{ }
Cn è una famiglia finita e disgiunta di eventi con probabilità non nulla tali cheU
n
Cn
E⊆ , allora m∀
( ) ( ) ( )
( ) ( )
=
∑
n
n n
m m
m P E C PC
C P C E E P
C
P |
| | .
Dimostrazione. Dalle seguenti:
definizione di probabilità condizionata
( ) ( ) ( )
BP B A B P
A
P | = ∩ ,
formula della probabilità composta P
(
A∩B) (
=P A|B) ( )
P B ,legge delle alternative
( )
=∑ ( ) ( )
i
i i P B B A P A
P | ,
deriva che
∀m
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
=
∑
∩ =
=
n
n n
m m m
m m
m P E C P C
C P C E P E
P C P C E P E
P E C E P
C
P |
|
| | .
S
ECONDA PARTEEsercizio 2
Il 34% dei cittadini residenti in un comune è favorevole ad un progetto proposto dal Sindaco, il 45%
è contrario e il restante 21% è indifferente. Sia X il numero dei cittadini contrari al progetto in un campione di numerosità 200 estratto con reinserimento.
(2.1) Si stabilisca se sono soddisfatte le ipotesi del Teorema Centrale del Limite e si fornisca un’opportuna approssimazione Normale per X.
(2.2) Sulla base dell’approssimazione Normale fornita, si calcolino la probabilità che la maggioranza del campione sia contraria al progetto e P(15 ≤ X ≤ 95).
(2.3) Si determini il quantile di ordine 0.7 dell’approssimazione Normale fornita per X e si spieghi il significato di tale quantile.
Sia Y il numero dei cittadini indifferenti al progetto presenti nel campione.
(2.4) Si specifichi la distribuzione della v.c. bidimensionale (X,Y) con particolare riferimento al valore dei parametri che la caratterizzano e si calcoli P(X = 1 , Y = 1).
(2.5) Si stabilisca se le v.c. X e Y sono indipendenti, motivando la risposta.
Soluzione
(2.1) Essendo X ~ Binomiale(n,p) con n = 200 e p = 0.45 vale X = ΣiYi dove Yi ~ Bernoulli(p) per i = 1, …, n . Visto che X può essere considerata come somma di n v.c.
di Bernoulli i.i.d. le ipotesi del TCL sono soddisfatte.
Allora: X ≈ N(µ,σ2) con µ = np = 90 e σ2 = np(1−p) = 49.5.
(2.2) P(X ≥ 101)= P[(X−µ)/ σ ≥ (101−µ)/ σ] ≅ P(Z ≥ 1.56347) = 1 − Φ(1.56347) = 1 − 0.94103 =
= 0.05897;
P(15 ≤ X ≤ 95) = P[(15−µ)/ σ ≤ (X−µ)/ σ ≤ (95−µ)/ σ)] ≅ P(-10.66 ≤ Z ≤ 0.71067) =
= 0.76136 − 0 = 0.76136.
(2.3) Da 0.7 = P(X ≤ x) ≅ P[Z ≤ (x−90) / 7.0356] si ottiene 0.5244 = z0.7 ≅ (x−90) / 7.0356 ovvero x ≅ 93.6895 .
Il quantile è così interpretabile: estraendo con reinserimento un campione di cittadini di numerosità 200, in 70 casi su 100 si ottiene un valore di X ≤ 93.6895.
(2.4) (X,Y) ~ Trinomiale(n,p,q) con n = 200, p = 0.45 e q = 0.21;
( )
1 1 11 0.4510.2110.34198! 198
! 1
! 1
! ) 200
1 )! ( 1 1 (
! 1
! 1 1 ! ,
1 − − =
−
= −
=
= p q p q n−−
n Y n
X
P ≅ 0.
(2.5) Le v.c. X e Y non sono indipendenti poiché le marginali di una v. c. Trinomiale sono correlate negativamente. Se fossero indipendenti le probabilità di X e Y coinciderebbero sempre con le probabilità delle condizionate, quindi per dimostrare che non lo sono è sufficiente osservare che P
(
X >100) (
>P X >100|Y >100)
=0.Esercizio 3
(3.1) Si verifichi che la funzione
( )
4, 3 y y e x
−x
ϕ = (x > 0 e y > 1) rappresenta la funzione di densità di una v.c. bidimensionale (X,Y).
(3.2) Si determinino le funzioni di densità delle v.c. marginali.
(3.3) Si stabilisca se X e Y sono indipendenti e/o identicamente distribuite, motivando le risposte.
Siano X1 e X2 v.c. indipendenti e distribuite come X e sia S = X1 + X2. (3.4) Si determini la distribuzione di S / 2, motivando la risposta.
Siano Y1,…,Yn v.c. indipendenti e distribuite come Y e sia Tn = Y1 + … + Yn.
(3.5) Si determini il limite a cui Tn / n converge in probabilità, motivando la risposta.
Soluzione
(3.1) Deve valere ϕ(x,y) > 0 e ∫∫ ϕ(x,y) dxdy = 1 . La prima proprietà è soddisfatta perché il rapporto tra un esponenziale per una costante positiva e una potenza pari è una funzione sempre positiva. Anche la seconda proprietà è verificata:
[ ]
e dydy y dx y e
y dxdy
e x x
x
∫ ∫ ∫
∫ ∫
+∞ +∞ − +∞ − +∞+∞+∞ −
−
=
=
1 4 0
1 0
4 1 0
4
3 3
3 3
(
0 1)
3 0 1 11 3 1
4 = + =
−
= +
=
+∞ +∞
∫
y dy y.
(3.2) Le funzioni di densità delle v.c. marginali sono:
ϕ(x) = x x x e x e x
e y y dy e y dy
e − +∞ − +∞ − −
+∞ −
= +
=
−
=
=
∫
∫
3 3 3 (0 1)1 3 1
4 1
4 (x > 0)
ψ(y) = 4
[ ]
0 4 40 4 0
4 3 3 3 (0 1) 3
3 +∞ − +∞ −
+∞ − −
= +
=
−
=
=
∫
∫
ye y dx y
y e y dx
e x x
x
(y > 1).
(3.3) X e Y sono indipendenti [ la funzione di densità di Y non dipende da X e viceversa], ma non sono identicamente distribuite [visto che supporti e funzioni di densità sono differenti].
Siano X1 e X2 v.c. indipendenti e distribuite come X e sia S = X1 + X2.
(3.4) X ~ Gamma(1,1) e, per la proprietà riproduttiva della Gamma, S ~ Gamma(2,1) . Una Gamma(α,β) moltiplicata per una costante positiva θ si distribuisce come una Gamma(α,β/ θ) , dunque S / 2 ha distribuzione Gamma(2,2) .
Siano Y1,…,Yn v.c. indipendenti e distribuite come Y e sia Tn = Y1 + … + Yn. (3.5) Per la Legge dei grandi numeri, Tn / n converge in probabilità a
( )
2) 3 1 0 2( 3 1
2 3 3 1
) (
1 2 1
3 =− + =
−
=
=
=
+∞ +∞
+∞
∞
−
∫ ∫
dx y dy y
y y Y
E ψ .
Quesito
Si enunci e si dimostri la proprietà riproduttiva della v.c. di Poisson.
Soluzione Enunciato.
Se X1,…, Xm sono v.c. indipendenti con distribuzioni di Poisson con parametri λi (i = 1,…,m), allora la v.c.
∑
=
= m
1 i
Xi
S ha distribuzione di Poisson con parametro
∑
=
= m
i i 1
λ
λ .
Dimostrazione.
) t (
GS
( ) ∏ ( )
=
∑ =
=
= = m
1 i X tX
tS t i
m 1
i i
e E e
E e
E per l’indipendenza di X1, …, Xm
( ) λ( ) ( )λ
λ 1
1
1
1 1 − −
=
− ∑ =
=
=
∏
= tm i
t t i
i e
m e
i
e e e
e con
∑
=
= m
i i 1
λ
λ ,
che rappresenta la f.g.m. di una v.c. di Poisson con parametro
∑
=
= m
i i 1
λ
λ , cioè S ~ Poisson(λ) .