Calcolo delle Probabilità 2014/15 – Foglio di esercizi 7
†Convergenza di variabili aleatorie, legge dei grandi numeri
Esercizi “teorici”
Esercizio 1. Sia ϕ : [0, ∞) → R una funzione crescente, limitata e continua (da destra) in zero, tale che ϕ(x) = 0 se e solo se x = 0 (per esempio, ϕ(x) = x/(1 + x)). Si mostri che Zn→ Z in probabilità se e solo se E(ϕ(|Zn− Z|)) → 0.
[Sugg.: per il “se” usare un’opportuna disuguaglianza, per il “solo se” considerare gli eventi {|Zn− Z| > ε} e {|Zn− Z| ≤ ε}.]
Esercizio 2. (a) Sia {xn}n∈N una successione in uno spazio topologico E. Supponiamo che esista x ∈ E tale che, per ogni sottosuccessione {xnk}k∈N di {xn}n∈N, è possibile estrarre un’ulteriore sotto-sottosuccessione {xn0
k}k∈N che converge a x. Si dimostri che l’intera successione {xn}n∈N converge a x.
(b) Siano X, {Xn}n∈N variabili aleatorie reali. Supponiamo che, per ogni sottosuccessione di {Xn}n∈N, sia possible estrarre una sotto-sottosuccessione che converge a X in Lp (risp. in probabilità). Si mostri che allora la successione completa {Xn}n∈N converge a
X in Lp (risp. in probabilità).
[Sugg. Si applichi opportunamente il punto precedente.]
(c) Si mostri che il punto precedente non vale per la convergenza q.c.. Si deduca che non esiste nessuna topologia che induce la convergenza q.c..
Esercizi “pratici”
Esercizio 3. Siano (Xn)n∈N variabili aleatorie i.i.d. Exp(λ). Per a ∈ (0, ∞) definiamo gli eventi A(a)n := {Xn> a log n}.
(a) Per ogni a ∈ (0, ∞) fissato, si determini l’asintotica di P(A(a)n ) per n → ∞.
(b) Applicando opportunamente il lemma di Borel-Cantelli agli eventi (A(a)n )n∈N, si mostri che
lim sup
n→∞
Xn
log n = 1
λ q.c. .
[Sugg. Si esprima l’evento {lim supn→∞ log nXn > a} in termini degli eventi A(a)n .]
(c) Si mostri che la successione Zn:= Xn/ log n converge a zero in probabilità e in Lp per ogni p, ma non ha limite q.c..
Esercizio 4. Siano {Xn}n∈N variabili aleatorie indipendenti assolutamente continue, tutte definite sullo stesso spazio di probabilità, con densità date da
fXn(x) = 2n
(1 + nx)31{[0,∞)}(x) . (a) Si mostri che Xn→ 0 q.c. e in probabilità.
(b) Si mostri che la convergenza ha luogo in Lp solo per alcuni valori di p ≥ 1 (quali?).
†Ultima modifica: 12 dicembre 2014.
2
Esercizio 5. Siano (Xk)k≥1 variabili aleatorie indipendenti e identicamente distribuite, a valori in {−1, +1}, con la seguente distribuzione:
P(Xk= 1) = p , P(Xk= −1) = 1 − p ,
dove p ∈ (0, 1) è un parametro fissato. Definiamo le variabili aleatorie (Yk)k≥1 mediante Yk := 2Xk,
quindi definiamo le variabili aleatorie (Zn)n≥0 ponendo Z0:= 1 , Zn:=
n
Y
k=1
Yk= 2Pnk=1Xk.
(a) Le variabili aleatorie (Yk)k≥1 sono indipendenti e/o identicamente distribuite? Le variabili aleatorie (Zn)n≥1 sono indipendenti e/o identicamente distribuite?
(b) Per quale valore di p si ha E[Yk] = 1 ? D’ora in avanti si fissi tale valore.
(c) Si mostri che E[√
Zn] → 0 e si deduca che Zn→ 0 in probabilità.
(d) Si mostri che Zn6→ 0 in L1. (e) La successione Zn ha limite q.c.?
[Sugg.: Si studi il comportamento q.c. della successionePn
k=1Xk per n → ∞, applicando opportunamente la legge dei grandi numeri.]
Esercizio 6. Siano {Xn}n∈N variabili aleatorie i.i.d. con X1 ∈ L1 e m := E(X1) > 0. Si ponga S0 := 0, Sn:= X1+ . . . + Xn.
• Si mostri che Sn→ +∞ q.c..
• Si mostri che P
n∈Ne−εSn < ∞ q.c. per ogni ε > 0.
Esercizio 7. Siano {Xn}n∈N variabili aleatorie i.i.d. con X1∈ L1 e siano {Yn}n∈N variabili aleatorie i.i.d. con Y1 ∈ L1 e E(Y1) > 0. Allora
Zn:= X1+ . . . + Xn Y1+ . . . + Yn
→ E(X1)
E(Y1) q.c. . Esercizi di riepilogo sulle variabili aleatorie
Esercizio 8. Siano X, Y variabili aleatorie Exp(λ) indipendenti. Si mostri che le variabili aleatorie S := X + Y e R := X/Y sono indipendenti e se ne identifichino le leggi marginali.
[Sugg. Si determini la densità congiunta del vettore aleatorio (S, R) (cambio di variabili).]
Esercizio 9. Sia X una variabile aleatoria reale. Si definisce funzione generatrice dei momenti la funzione MX(t) = E(etX) definita per ogni t ∈ R a valori in [0, +∞].
Supponendo che MX(t) < ∞ in un intorno (−t0, +t0) di t = 0, si mostri che MX(t) =
∞
X
k=0
E(Xk)tk
k!, ∀t ∈ (−t0, t0) .
Di conseguenza, la funzione MX è C∞ (anzi analitica) in (−t0, t0) e per ogni k ∈ N si ha dkMX
dtk (0) = E(Xk) .
[Sugg.: Si applichi il criterio per la convergenza degli integrali di serie di funzioni.]