Alcuni esercizi di probabilit`a
corso di Matematica per Biologi e Chimici del II anno Mennucci , 2014-151
1 P. discreta
Esercizio 1. Si lanci un dado n volte; sia an la probabilit`a di ottenere due volte 6. Per quale n si ha il massimo di an? Quanto vale questo massimo? (Opzionale. Ripetere l’esercizio per il caso in cui si ottiene
“6” per k volte).
Esercizio 2. Dall’urna del Lotto (che contiene 90 palline numerate) vengono estratte (senza reimmis- sione) 5 palline X1, X2, X3, X4, X5, che consideriamo come v.a. Xi: Ω → {1, . . . , 90}
1. si descriva un modello di probabilit`a discreta (Ω, A,P) e le variabili aleatorie X1, X2, X3, X4, X5; 2. si calcoli la legge della v.a. X3
3. le v.a. X1, X2 sono indipendenti?
Esercizio 3. 2 In un bussolotto vi sono due dadi; uno dei due dadi `e truccato: la probabilit`a che esca
“6” `e 1/2, mentre la probabilit`a degli altri numeri `e 1/10. Un giocatore preleva uno dei dadi (scelto a caso) e lo lancia due volte, ottenendo cos`ı due risultati X1, X2. Le due variabili aleatorie X1, X2. sono indipendenti?
Esercizio 4. Vengono lanciati 3 dadi. Consideriamo il lancio come un elemento in Ω = {1, 2, 3, 4, 5, 6}3 dotato della probabilit`a uniformeP.
1. si considerino gli eventi
A={vi sono due “3”} B={la somma dei dadi `e 14 }
Si calcolino le probabilit`a; quale `e l’evento pi`u probabile? Gli eventi A, B sono indipendenti?
2. sia poi C={vi `e almeno un “3”}; sia Q la probabilit`a condizionale Q(A) = P(A|C); si ripeta l’esercizio precedente conQ al posto di P.
Esercizio 5. Due allibratori, Aldo e Beppe, decidono (separatamente) di istituire una scommessa.
La scommessa si effettua sul risultato della estrazione del lotto della ruota di Napoli (che consiste nell’estrazione casuale senza reimmissione di 5 numeri da un’urna contenente numeri da 1 a 90).
Aldo vende una scommessa che rende 32euro se i 5 numeri estratti nel lotto sono tutti pari.
Beppe vende una scommessa che rende 18euro se il numero estratto pi`u basso `e 2.
(Il costo delle due scommesse `e uguale, ed `e pari a 1euro.)
1. Calcolate la probabilit`a di vincita alla scommessa di Aldo, e la la probabilit`a di vincita alla scom- messa di Beppe.
2. Quale giocata `e pi`u conveniente? Cio`e, per quale la speranza della vincita `e maggiore?
3. Le scommesse sono indipendenti?
2 P. condizionale
Esercizio 6. Un viaggiatore intraprende un lungo viaggio aereo da Pisa a Melbourne, in cui prender`a 3 voli per tre tratte che chiameremo A, B, C. Il viaggiatore consegna la valigia al check-in di partenza e si augura (illude?) di trovarla al suo arrivo. La probabilit`a che una valigia venga persa in ognuna delle tratte aeree `e pA= 20%, pB = 10%, pC= 25%; i tre eventi sono indipendenti.
1alcuni esercizi sono del Prof.M.Pratelli o del Prof.Flandoli
2Questo esercizio vi potr`a trarre in inganno! (`e tratto da un idea del Prof.M.Pratelli).
1. Qual’`e la probabilit`a che la valigia arrivi a destinazione?
2. Nell’ipotesi in cui la valigia non sia arrivata a destinazione, qual’`e la probabilit`a (condizionale) che la valigia sia stata persa nella prima tratta? nella seconda? o nella terza tratta?
3. Il tempo T per riavere la valigia dipende da in quale tratta `e stata persa, secondo la funzione T (C) = 1giorno, T (B) = 2giorni, T (A) = 3giorni (mentre ovviamente T = 0 se la valigia `e arrivata). Calcolare la speranza di T .
Esercizio 7. Un negozio di giochi esegue un sondaggio, ponendo ai giovani visitatori alcune domande;
per interpretare i risultati, si decide di catalogare i giochi in due categorie S e C; S include i giochi di simulazione (bambole, macchinine, trenini. . . ) e C i giochi di costruzione; le due categorie non sono disgiunte; S ∪ C corrisponde a tutti i giochi presenti nel negozio. Vengono intervistati 600 maschi e 400 femmine; dalle risposte si evince che i bambini esprimono le loro preferenze di gioco, secondo il loro sesso, come in questa tabella
S C S ∪ C
Maschi sm= 30% cm= 80% 86%
Femmine sf = 90% cf = 40% 94%
ad esempio, la probabilit`aP(S ∪ C|M) = 0.86 `e la percentuale di bambini che dichiarano di giocare con giochi presenti nel negozio.
1. trasformate il seguente enunciato in una formula e verificate che `e valida: “posta la domanda a un bambino maschio, il fatto che il bambino dichiari di giocare con giochi S non influenza il fatto che dichiari di giocare con giochi C”. Fate lo stesso per le bambine femmine.
2. Quali probabilit`a hanno questi eventi che seguono?
• un bambino preso a caso (maschio o femmina che sia) nel campione dichiara di non giocare con nessun gioco presente nel negozio
• un bambino (preso a caso nel campione) gioca con le costruzioni
• se un bambino/a gioca con le costruzioni, allora `e maschio
(Nota: non si richiede la costruzione di un completo e dettagliato modello di probabilit`a)
Esercizio 8. (la probabilit`a “bicondizionale” non esiste) Siano A, B due eventi, sia Q(E) =P(E | A) e R(E) = Q(E | B): si esprima R in funzione diP, A, B
3 P. continua
Esercizio 9. Viene acquistata una partita di lampadine; la durata T : Ω → [0, ∞) della lampadina ha legge con densit`a
2x
λe−x2/λ1[0,∞)
dove λ > 0 `e un parametro dato;
1. studiate la legge di T : per ogni intervallo [a, b] con 0 ≤ a < b, calcolate P{T ∈ [a, b]}
2. calcolate la speranza di T 3. calcolate
P(T − t > s | T > t)
e dite quale `e il suo limite per s > 0 fisso e t → ∞; dite dunque se la lampadina gode dell’assenza di memoria, cio`e se
P(T − t > s | T > t) = P(T > s) ∀s, t > 0
Esercizio 10. Descrivete un modello canonico di probabilit`a con due v.a. reali indipendenti e esponenziali E(1).
Esercizio 11. 1. Siano T1 e T2 due v.a. esponenziali indipendenti, di parametri λ1e λ2. Mostrare che
P (T1< T2) = λ1
λ1+ λ2. 2. Determinare la legge di βT1, se β `e un numero reale positivo.
3. Calcolare P
T1
T1+T2 < t
per t ∈ (0, 1) possibilmente usando i punti 1 e 2 appena svolti.
4. Determinare la legge di TT1
1+T2 quando λ1= λ2.
Esercizio 12. Un piccolo robot si `e perso: `e uscito da un centro di ricerca nel mezzo del deserto e si
`
e incamminato lungo la strada che vi passa accanto (che si estende secondo la direttiva nord-sud). Il robot esegueuna camminata aleatoria: ogni secondo sceglie a caso se muoversi verso nord o verso sud, e esegue un passo di un metro. I ricercatori del laboratorio si accorgono della scomparsa dopo un milione di secondi (pari a 11g:13h:46m:40s), e allora partono con una camionetta verso nord: quanti km devono percorrere senza incontrarlo per essere sicuri al 99.9% (circa) che il robot si trovi a sud del laboratorio?3 (Sugg. Usate ilteorema del limite centrale ! posta Φ(t) =Rt
−∞
√1
2πe−x2/2dx essere la ripartizione della legge N (0, 1) si ha che Φ(3.09023) = 1 − 1/1000, Φ(3.29025) = 1 − 1/1998 e Φ(3.29053) = 1 − 1/2000.)
Esercizi di teoria
Esercizio 13. Siano A, B eventi con P(B) 6= 0, 1; si mostri che A, B sono indipendenti se e solo se P(A|B) = P(A|Bc)
Esercizio 14. ? Siano A, B, C tre eventi in uno spazio di probabilit`a. Sia inoltre D = B \A e E = C \B.
Si mostri che, se (A, B), (B, C), (C, D), (A, E) sono ciascuna una coppia di due eventi indipendenti, allora (A, B, C) `e una terna di eventi indipendenti.
Esercizio 15. ? Sia n ≥ 3. Ricordiamo che {0, 1}n `e l’insieme dei vettori con n elementi, ciascuno scelto fra 0 e 1. Sia
Ω=defn
v ∈ {0, 1}n,
n
X
i=1
vi≡ 1 mod 2o
l’insieme dei vettori che contengono un numero dispari di 1. (Si noti che vi sono 2n−1tali vettori). SiaP la probabilit`a uniforme su Ω. Sullo spazio (Ω, A,P) definiamo infine le v.a. X1, . . . Xn come le proiezioni canoniche, cio`e Xi(v) = vi, cos`ı ciascuna v.a. Xi assume solo i valori {0, 1}. Si mostra quanto segue.
• Si ha che P{Xi = 0} =P{Xi = 1} = 1/2 (si tratta dunque di una famiglia di v.a. di Bernoulli di parametro 1/2).
• Le v.a. X1, . . . Xn non sono indipendenti: infatti si ha che
P{X1= 0, X2= 0, . . . Xn = 0} = 0 6= 1/2n=P{X1= 0}P{X2= 0} · · ·P{Xn= 0} .
• Scelta una qualunque sottofamiglia di n − 1 variabili, queste risultano invece indipendenti.
Soluzioni
Soluzione 1. Tirando un dado, la probabilit`a di un successo `e 1/6; la probabilit`a di due successi in n lanci `e data dalla legge Binomiale con p = 1/6, la cui densit`a ci da
an=n 2
p2(1 − p)n−2=n 2
1 62
5n−2
6n−2 =n(n − 1)5n 50 6n
3Notate che la massima distanza possibile a cui il robot potrebbe trovarsi `e di 1000km.
• Se consideriamo la formula analitica f (x) = x(x − 1)5x
50 6x = x(x − 1) 50 eαx con α = log(5/6) ∼ −0, 18, con uno studio di funzione si ottiene il grafico qui a fianco, e in particolare
f0(x) = [αx2+ (2 − α)x − 1)]eαx/50
-0.05 0 0.05 0.1 0.15 0.2 0.25 0.3
0 5 10 15 20 25 30
x*(x-1)*exp(a*x) / 50
da cui il massimo `e in α−2−
√
(2−α)2+4α
2α ∼ 11, 49.
• alternativamente
an+1/an= (n + 1)5 (n − 1)6 da cui an+1≥ an se e solo se (n + 1)5 ≥ (n − 1)6 cio`e 11 ≥ n.
Ne consegue che il massimo di ansi deve avere per n = 11 o n = 12; e si ha a11= a12= 107421875/362797056 ∼ 0, 296
(Parte opzionale). In questo caso
an=n k
pk(1 − p)n−k=n k
1 6k
5n−k
6n−k = n(n − 1) · · · (n − k + 1)5n k!5k6n
da cui
an+1
an
= (n + 1)5 (n − k + 1)6
da cui an+1≥ an se e solo se (n + 1)5 ≥ (n − k + 1)6 cio`e 5 + 6(k − 1) ≥ n. Il massimo si ha dunque per a5+6(k−1) = a6k, e vale
a6k =(6k) · · · (5k + 1)55k k!66k che usando Stirling si approssima come
a6k = (6k)!55k k!(5k)!66k ∼
√3
√5kπ
Soluzione 2. 1. Vi sono varie possibili soluzioni; una consiste nel prendere Ω come tutte le possibili cinquine di numeri diversi,
Ω = {(x1, x2, x3, x4, x5) | xi6= xj per i, j = 1, 2, 3, 4, 5 e i 6= j} ⊂ {1, . . . 90}5 e dotarlo dell’algebra delle parti, e della probabilit`a uniforme
P(A) = #A
90 · 89 · 88 · 87 · 86 e poi definire X1, X2, X3, X4, X5 come le proiezioni canoniche;
2.
{X3= k} = {(x1, x2, k, x4, x5) | xi6= xj, xi6= k per i, j = 1, 2, 4, 5 e i 6= j}
da cui
#{X3= j} = 89 · 88 · 87 · 86 da cui {X3= j} = 1/90: X3 ha legge uniforme;
3. no; come nel punto precedente, si pu`o mostrare che le v.a. sono tutte uniformemente distribuite; e allora P{X1= 1, X2= 1) = 0 6=P{X1= 1}P{X2= 1) = 1/902.
Soluzione 3. No. Siano S, T i due eventi “il giocatore ha scelto il dado sano/truccato”. Si ha P(X1= 6) =P(X1= 6 | S)P(S) + P(X1= 6 | T )P(T ) = 1/12 + 1/4 = 1/3 e lo stesso per P(X2= 6); per`o
P(X1= 6, X2= 6) =P(X1= 6, X2= 6 | S)P(S) + P(X1= 6, X2= 6 | T )P(T ) =
= 1/72 + 1/8 = 5/36 che `e maggiore diP(X1= 6)P(X2= 6) = 1/9.
Notiamo che la “non indipendenza” si pu`o anche scrivere come (X2 = 6) = 1/3 < (X2= 6|X1= 6) = 5/12.
Questo si pu`o interpretare come segue: se al primo lancio abbiamo ottenuto “6”, questo ci fa sospettare che il dado sia truccato, e dunque la probabilit`a condizionale che anche il secondo lancio sia “6” `e maggiore.
Soluzione 4. 1.
P(A) =3 2
1 36
5 6 =15
63 = 15 216 = 5
72 Siano X1, X2, X3 i dadi e S la somma
P(S = 14) =
6
X
j=1
P(S = 14|x3= j)P(X3= j) =
= X
j
P(X1+ X2= 14 − j|X3= j)1 6 =
=
6
X
j=2
P(X1+ X2= 14 − j)1 6 =1
6
12
X
j=8
P(X1+ X2= j) =
= 1
6
5 + 4 + 3 + 2 + 1
36 =15
63 Facilmente si ottiene che
P(A ∩ B) = 0
perch´e non si pu`o ottenere somma 14 con due “3”. Ne segue che A, B non sono indipendenti.
2. si verifica facilmente cheP(Cc) = 53/63 da cui P(A|C) = P(A)
P(C) =
15 63
1 −5633 = 15
63− 53 =15 91 essendo poi
B ∩ C = {(3, 5, 6), (3, 6, 5), (5, 3, 6), (6, 3, 5), (5, 6, 3), (6, 5, 3)}
ne segueP(B|C) = 916 Di nuovo
P(A ∩ B|C) =P(A ∩ B) P(C) = 0 Ne segue che A, B non sono indipendenti secondo Q.
Soluzione 5. Sia A l’evento “vincere la scommessa venduta da Aldo”, B l’evento “vincere la scommessa venduta da Beppe”.
1. Le probabilit`a di vincere sono P(A) =
45 5
90 5
= 287
10324 = 7 · 41
4 · 89 · 29 ∼ 0.0278 , P(B) =
88 4
90 5
= 17 · 5
2 · 9 · 89 = 85
1602 ∼ 0.053
2. Le v.a. che rappresentano le vincita sono semplicemente VA= 321A , VB= 181B
e le speranze sono
E[VA] =8 · 7 · 41
89 · 29 ∼ 0, 8895 e E[VB] = 85
89 ∼ 0, 9550 si ha cheE[VA] <E[VB] 4.
3. calcoliamo P(A ∩ B) =
44 4
90 5
= 287
92916 = 7 · 41
4 · 9 · 29 · 89 ∼ 0.00308 6=P(A)P(B) = 24395
16539048 ∼ 0, 001475 dunque non sono indipendenti.
Soluzione 6. 1. La probabilit`a di arrivo `e = (1 − 0.2) ∗ (1 − 0.1) ∗ (1 − 0.25) = 0.54.
2. La probabilit`a di perdere la valigia nella tratta A `e = 0.2, nella tratta B = 0.8 ∗ 0.1 = 0.08 e nella tratta C = 0.8 ∗ 0.9 ∗ 0.25 = 0.18. Per controllo si possono sommare le probabilit`a di arrivo e quelle di perdere la valigia in ciascuna delle tratte: 0.54 + 0.2 + 0.08 + 0.18 = 1. La probabilit`a che la valigia sia persa `e 1 − 0.54 = 0.46. Le probabilit`a condizionali richieste sono allora per A 0.2/0.46 ∼ 0.435, per B 0.08/0.46 ∼ 0.174, per C 0.18/0.46 ∼ 0.391.
3. Il valore di aspettazione del tempo di arrivo `e = 0.54 ∗ 0 + 0.2 ∗ 3 + 0.08 ∗ 2 + 0.18 ∗ 1 = 0.94 giorni.
Possiamo anche essere pi`u precisi. Diciamo, per comodit`a nel linguaggio, che i tre voli sono: Pisa-Francoforte, F-Singapore, Singapore-Melbourne. Definiamo tre eventi:
A “una generica valigia viene persa a Pisa”
B “una generica valigia viene persa a Francoforte”
C “una generica valigia viene persa a Singapore”
e poi anche
A1 “la valigia del viaggiatore viene persa a Pisa”
B1 “la valigia del viaggiatore viene persa a Francoforte”
C1 “la valigia del viaggiatore viene persa a Singapore”
F “la valigia del viaggiatore non viene persa”
Allora A, B, C hanno probabilit`a come nel testo, e sono indipendenti; mentre
A1 = A, B1= Ac1∩ B, C1= Ac1∩ B1c∩ C, F = Ac1∩ B1c∩ C1c
e A1, B1, C1, F sono un sistema di alternative, le cui probabilit`a si calcolano come visto sopra.
Soluzione 7. 1. Il primo enunciato dice che “gli eventi S, C sono indipendenti secondoP(·|M)”, che si esprime con la formula
P(S|M)P(C|M) = P(S ∩ C|M)
Una possibile soluzione `e questa. S, C sono indipendenti se e solo se Sc, Cc sono indipendenti;
questo si verifica perch´e
0.14 = (1 − cm)(1 − sm) =P(Cc|M )P(Sc|M ) =P(Cc∩ Sc|M ) = 1 −P(C ∪ S|M) = 1 − 0.86 Similmente per le bambine.
2. • disintegrandoP(S∪C) = P(S∪C|M)P(M)+P(S∪C|F )P(F ) = 86%·60%+94%·40% = 89.2%
da cui la risposta `e 10.8%
• disintegrando P(C) = P(C|M)P(M) + P(C|F )P(F ) = 0.8 · 0.6 + 0.4 · 0.4 = 64%
4non disponendo di calcolatrice, quest’ultima disuguaglianza si poteva ottenere col calcolo, semplificando le frazioni fino ad ottenere 28·8285·29< 1
• P(M|C) = P(C|M)P(M)/P(C) = 0.8 ∗ 0.6/0.64 = 75%
Riassumendo, lo schema completo delle probabilit`a (che non era richiesto dal testo!) `e
A =
C Cc ∩
S ∩ C S \ C S C \ S Sc∩ Cc Sc
, P(A|M) =
0.8 0.2 24% 6% 0.3 56% 14% 0.7
,
P(A|F ) =
0.4 0.6 36% 54% 0.9
4% 6% 0.1
, P(A) =
64% 36%
28.8% 25.2% 54%
35.2% 10.8% 46%
Soluzione 8. R(E) =P(E | A ∩ B) Soluzione 9. 1.
P{T ∈ [a, b]} =Z b a
2x
λe−x2/λdx =
e−a2/λ− e−b2/λ 2. innanzitutto
Z ∞ 0
e−x2/λdx = 1 2
Z ∞
−∞
e−x2/λdx =
√λπ 2 e allora
E(T ) =Z ∞ 0
2x2
λ e−x2/λdx = −[xe−x2/λ] + Z ∞
0
e−x2/λdx =√ λπ/2 3.
P(T − t > s | T > t) = e−(s(s+2t))/λ
il limite richiesto `e zero, mentre P(T > s) > 0: non si ha assenza di memoria.
Soluzione 10. Si pone Ω =R2, A =B(R2) i Boreliani del piano, e µ la misura continua dotata di densit`a f (x, y) = 1x≥0,y≥0e−x−y. Definiamo le v.a. X, Y come le due proiezioni X(x, y) = x e Y (x, y) = y;
allora la densit`a di X `e g(x) =R
Rf (x, y)dy = 1x≥0e−x mentre h(y) = R
Rf (x, y)dx =1y≥0e−y. Dato che f (x, y) = g(x)h(y), un teorema visto a lezione ci assicura che X, Y sono indipendenti.
Soluzione 11. 1. La v.a. (T1, T2) ha legge congiunta f (x, y) =
λ1λ2e−λ1xe−λ2y per x ≥ 0, y ≥ 0
0 altrimenti
quindi
P (T1< T2) = Z Z
{x<y}∩{x≥0,y≥0}
λ1λ2e−λ1xe−λ2ydxdy
= Z ∞
0
λ1e−λ1xdx Z ∞
x
λ2e−λ2ydy
= Z ∞
0
λ1e−(λ1+λ2)xdx = λ1
λ1+ λ2
.
2. Sia f (x) la densit`a di T1. La trasformazione x 7→ ϕ (x) := βx, β > 0, soddisfa le ipotesi del teorema sulle trasformazioni biunivoche di densit`a, per cui βT1 ha densit`a gβ(y) data da
gβ(y) = f (x)
|ϕ0(x)|
x=ϕ−1(y)
= λ1e−λ1x β
x=y
β
= λ1 β e−λ1βy.
Questo calcolo vale quando x = ϕ−1(y) ≥ 0, cio`e per y ≥ 0. Altrimenti f `e nulla, quindi anche gβ
`
e nulla. In conclusione, la v.a. βT1`e esponenziale di parametro λβ1.
3. Posiamo riscrivere P
T1
T1+ T2
< t
= P (T1< t (T1+ T2)) = P (T1(1 − t) < tT2) .
Dal punto 2 sappiamo che T1(1 − t) `e esponenziale di parametro 1−tλ1 , mentre tT2`e esponenziale di parametro λt2. Inoltre sono indipendenti (trasformazioni di v.a. indipendenti). Quindi per il punto 1 vale
P (T1(1 − t) < tT2) =
λ1
1−t λ1
1−t+λt2 = tλ1
tλ1+ (1 − t) λ2. 4. Se λ1= λ2, abbiamo trovato che
P
T1
T1+ T2 < t
= t.
Questo vale per t ∈ [0, 1]. Invece, se t < 0, essendo le v.a. Ti≥ 0 quasi certamente, P
T1
T1+T2 < t
= 0. Similmente, essendo TT1
1+T2 ≤ 1, se t > 1 vale P
T1 T1+T2 < t
= 1. In conclusione, la funzione di ripartizione F (t) di TT1
1+T2 risulta essere F (t) =
0 per t < 0 t per t ∈ [0, 1]
1 per t > 1 .
Questo implica che la v.a. TT1
1+T2 ha densit`a pari a uno su [0, 1] e zero altrove, cio`e `e una v.a.
uniforme in [0, 1].
Soluzione 12. (Nota: Assumiamo per semplicit`a che, dopo un milione di secondi il robot si sia fermato.) Sia Rtla posizione (in metri, positiva se a nord) del robot dopo t passi: essendo somma di passi aleatori, si verifica facilmente che Rtha media nulla e varianza t (inoltre (Rt+ t)/2 ha legge Binomiale B(1/2, t)).
Dal TLC sappiamo che la v.a. Rt/√
t tende in legge alla distribuzione normale. Sia R = Rt con t = 1000000 nel seguito. L’esercizio chiede di trovare n tale che
P({R < 0}|{R 6∈ [0, n]}) = P({R < 0})
P{R 6∈ [0, n]} = P({R < 0}
P({R < 0}) + P({R > n}) = 99.9%
semplifichiamo (e approssimiamo) il calcolo ponendo 1/2 1/2 + 1 − Φ(n/√
t) = 99.9%
da cui
1 3 − 2Φ(n/√
t) = 999/1000 3 − 2Φ(n/√
t) = 1000/999 2 − 2Φ(n/√
t) = 1/999 Φ(n/√
t) = 1 − 1/1998 da cui n/√
t = 3.29 e cos`ı n = 3290 metri. Notiamo che questo numero `e molto minore della massima distanza possibile che `e di 1000km!!
Soluzione 13. se A, B sono indipendenti, allora anche A, Bc sono indipendenti e P(A|Bc) =P(A) = P(A|B)
Viceversa
P(A) = P(A|Bc)P(Bc) +P(A|B)P(B) = P(A|B) P(Bc) +P(B) = P(A|B)
Soluzione 14. Le ipotesi proposte si possono riscrivere come
P(A ∩ B) = P(A)P(B) (1)
P(B ∩ C) = P(B)P(C) (2)
P(D ∩ C) = P(Ac∩ B ∩ C) = P(Ac∩ B)P(C) (3)
P(A ∩ E) = P(A ∩ Bc∩ C) = P(A)P(Bc∩ C) (4)
Le condizioni che dicono che A, B, C sono indipendenti sono quattro: la (1), la (2) e le seguenti:
P(A ∩ C) = P(A)P(C) , (5)
P(A ∩ B ∩ C) = P(A)P(B)P(C) . (6)
Ora, sappiamo che la (1) `e equivalente a
P(Ac∩ B) =P(Ac)P(B) e dunque sostituendo nella (3) e usando la (1) si ottiene
P(Ac∩ B ∩ C) =P(Ac∩ B)P(C) = P(Ac)P(B)P(C) = P(Ac)P(B ∩ C) e sottraendo
P(B ∩ C) − P(Ac∩ B ∩ C) =P(B ∩ C) − P(Ac)P(B ∩ C)
e questo porta alla condizione (6). Rimane da mostrare la (5). A questo scopo, ricordiamo che la (2) `e equivalente a
P(Bc∩ C) =P(Bc)P(C) e usiamo questa e la condizione (4)
P(A ∩ Bc∩ C) =P(A)P(Bc∩ C) =P(A)P(Bc)P(C) se ora sommiamo la (6),
P(A ∩ C) = P(A ∩ Bc∩ C) +P(A ∩ B ∩ C) = P(A)P(B)P(C) + P(A)P(Bc)P(C) = P(A)P(C) che `e la (5).
Soluzione 15. I primi due punti sono facili. Per il terzo punto, per simmetria, consideriamo solo la sottofamiglia X1. . . Xn−1, e siano ai ∈ {0, 1}; notiamo che nell’insieme {X1= a1, X2= a2, . . . Xn−1= an−1} vi `e un unico vettore (a1, . . . an−1, a) (dove a `e scelto in modo che la somma sia dispari) e dunque
P{X1= a1, X2= a2, . . . Xn−1= an−1} = 1/2n−1=P{X1= a1}P{X2= a2} · · ·P{Xn−1= an−1} .