1
Eserciziario
di Calcolo delle Probabilità
VERSIONE PRELIMINARE
Piero Quatto, Riccardo Borgoni, Elena Colicino, Daniela Mariosa
2
PARTE 2
Variabili casuali continue
3 Sezione 5. Variabili casuali continue, trasformazioni di variabili casuali, funzione generatrice dei momenti per variabili casuale continue e discrete.
Esercizio 1 (funzioni di densità, valore atteso e varianza)
Per ciascuna delle seguenti funzioni si decida se si tratta di funzioni di densità e in caso di risposta affermativa si calcoli valore atteso e varianza della corrispondente v.c.
1 f(x)=1/x4 x≥(1/3) 1/3 2 f(x)=|1+x| -2<x<0
3 f(x)=e-x x>0
4 f(x)=6x(1-x) 0<x<1 Soluzione
1 ∫[(1/3)(1/3)
,+∞) 1/x4 dx=1 E(X)= (9) 1/3/2 V(X)=(3) 1/3 - (9) 1/3/2 2 ∫(-2,0)|1+x| dx=1
E(X)= ∫(-2,0)|1+x| x dx=1/3 V(X)=41/6-1/9
3 ∫(0, +∞) e-x dx=1
E(X)=(-e-x (x+1)) (0, +∞)=1 per parti
V(X)= (-e-x (x2+2x+2)) (0, +∞) -1=1 per parti due volte 4 ∫(0, 1) 6x(1-x) dx=1
E(X)=1/2 V(X)=1/20
Esercizio 2 (funzione di densità e funzione di ripartizione) Data la funzione:
f(x)=
− ≤ <
altrimenti 0
k x 2 1 (x/2)
1 Si determini il valore di k che assicura che f(x) rappresenta una funzione di densità.
2 Si individui la corrispondente funzione di ripartizione F(x) e, tramite questa, la mediana della v.c. descritta dalla densità f(x).
Soluzione
1 Deve valere ∫[2,k)(x/2)-1 dx=1. Risolvendo l’integrale si ottengono due valori di k, k1=0 e k2=4. k1<2 quindi non va bene, mentre k2>2 è il valore che stavamo cercando.
2 Siccome vale f(x)=F’(x) allora si avrà che
F(x)=
≥
<
≤ +
−
=
<
∫
4 1
4 2
1 ) 4 / ( dt 1 - (t/2)
2 0
2 x)
[2,
x x x
x
x
La mediana si ottiene imponendo F(x)=1/2 quindi (x2/4)-x+1=1/2. L’equazione possiede due radici x1=2+(2)1/2 e x2=2-(2)1/2, l’unica radice valida come valore mediano è x1 in quanto compreso tra 2 e 4.
4 Esercizio 3 (f.d.,f.d.r.,trasformazione)
Sia X una variabile aleatoria tale che f(x)=
≤ <
altrimenti 0
1 x 1 - kx2
1. Determinare il valore di k.
2. Se Y = 2X − 5, determinare il valore di P(|Y | < 4) Soluzione
1. Deve valere ∫[-1,1)(kx2) dx=1. Risolvendo l’integrale si ottiene k=3/2 2. P(|Y | < 4) = P(0.5 < X < 4.5) =3/2∫[0,5,4,5)(x2) dx=0.4375
Esercizio 4 (f.d. fd.r. traformazione) Sia X una variabile aleatoria tale che
f(x)=
≤ <
altrimenti 0
k x 0 (3/4)ex
1. Si determini il valore di k tale che f(x) sia una funzione di densità di probabilità.
2. Si scriva l’espressione analitica della funzione di ripartizione di X e se ne tracci il grafico.
3. Calcolare P(0.1 < X < 0.7).
Soluzione
1. Deve valere ∫[0,k)(3/4)ex dx=1. Risolvendo l’integrale si ottiene exp(k)=7/3 quindi k=log (7/3)
2. Per definizione, F(x) = P(X ≤ x) quindi si ottiene:
F(x)=
≥
<
≤
−
=
<
∫
) 3 / 7 log(
1
) 3 / 7 log(
0 ) 1 )(
4 / 3 ( dt )
4 / 3 (
0 0
x) [0,
x x e
e
x
x t
3. Si osservi che 0.7 < log(7/3). Pertanto:
P(0,1 < X < 0,7) = FX (0.7) − FX(0.1) =(3/4)(e0,7 − 1) – (3/4)(e0,1 − 1) = 0.681 Esercizio 5 (f.d., f.d.r., trasformazione)
1. Si trovi il valore della costante k per cui la funzione f(x)=ke-x (0<x<1) rappresenta la funzione di densità di una v.c. unidimensionale X e se ne determini la funzione di ripartizione.
2. Si determino media e mediana della v.c. X.
3. Si determini la funzione di ripartizione della v.c. Y=2X+1 e si calcoli valore atteso di Y.
Soluzione
1. Dalle condizioni seguenti si riesce a individuare il valore di k:.
1,582 1
e k e 1 dx e k
0 e k
1
0 x x
− =
=
=
≥
∫
−−
∫
⋅ = − < <= − −
x
0
x t
X(x) 1,582 e dt 1,582(1 e ) 0 x 1 F
5 2. Quindi la media è E
[ ]
X 1x 1,582 e dx 0,4180
x =
⋅
⋅
=
∫
−Mediana si ottiene risolvendo rispetto ad x: F(x)=0,5 → x=0,3798
3. 1,582 (1 e ) 1 y 3
2 1 F y
2 1 X y
P y) 1 P(2X y)
P(Y
Ψ (y) 2
1 y X
Y = ⋅ − < <
−
=
≤ −
=
≤ +
=
≤
= − −
[ ] [
Y E2X 1]
1,836E = + =
Esercizio 6
1. Si trovi il valore della costante k per cui la funzione φ(x)=kx-1/2 (0<x<1) rappresenta la funzione di densità di una v.c. unidimensionale X e se ne determini la funzione di ripartizione.
2. Si determini la funzione di densità della v.c. Y=X1/2 e si calcoli la varianza di Y.
3. Si calcoli Cov (X,Y).
Soluzione
Sia ϕ(x) = k x−1/2 (0<x<1).
1. ∫ϕ(x)dx = 1 ⇒ k = 1/2;
Φ(x) = P(X≤x) = x1/2 per 0<x<1, Φ(x) = 0 per x≤0 e Φ(x) = 1 per x≥1.
2. La v.c. Y = X1/2 ha f.d. data da ψ(y) =1 (0<y<1) e varianza pari a 1/12.
3. Cov(X,Y) = E(XY) – E(X)E(Y) = 1/12 essendo E(XY) = E(Y3) = ∫y3ψ(y)dy = 1/4, E(X) = E(Y2) = ∫y2ψ(y)dy = 1/3 e E(Y) = ∫yψ(y)dy = 1/2.
Esercizio 7 (v.c. uniforme continua) Sia X una v.c. uniforme X~U(0,3).
1. Si calcoli la funzione di ripartizione FX(x).
2. Si calcolino media e varianza.
3. Si calcoli P(X>0,5).
Soluzione
1. In questo caso FX(x)= ∫[0,x] fT(t) dt=∫[0,x] (1/3) dt=(1/3)x. Quindi:
FX(x)=
≥
<
≤
<
3 1
3 3 0
1
0 0
x x x
x
2. E(X)=(b+a)/2=1,5 V(X)= (b-a)2/12=9/12
3. P(X>0,5)= ∫[0,5,3] (1/3)x dx=5/6 oppure F(3)-F(0,5)=1-(1/6)=5/6
6 Esercizio 8 (v.c. uniforme e trasformazione)
Sia X una v.c. Uniforme sull’intervallo (0,1) e si definisca Y=log(X).
1. Si determinino la funzione di ripartizione e la funzione di densità della v.c. Y.
2. Si calcolino la mediana e la media di Y.
Soluzione
X~U (0,1) e Y = log(X).
1. ΨY(y)=P(Y≤ y)=P(log(X)≤ y)=P(X≤ey)=ΦX(ey)essendo ΦX(x)= x
≥
= <
Ψ 1 0
) 0
( y
y y e
y Y
0 y dy e
dΨΨ(y)
ψY(y)= = y <
2. La mediana di Y si ottiene risolvendo l’equazione ΨY(y)=0,5 y = -log2 = -0.69 il valore atteso: E
[ ]
Y =∫
0y⋅ψY(y)dy=−1∞
−
Esercizio 9 (v.c. esponenziale)
Il tempo di durata dei prestiti concessi ad una società segue la legge esponenziale. Il tempo medio di un prestito è di due anni e mezzo.
1. Si scriva la funzione di densità della v.c. che descrive la durata dei prestiti e si fornisca la varianza.
2. Si calcoli la probabilità che un prestito abbia durata compresa tra due e tre anni.
Soluzione
X~exp(θ) => E(X)=1/θ =2,5 => θ=0,4 1. Quindi fX(x)=0,4e-0,4x con x>0.
V(X)=1/θ2 = 6,25
2. P(2<X<3)=∫[2,3] fX(x) dx=0,148
Esercizio 10 (v.c. poisson-v.c. esponenziale)
Il numero di automobili che attraversano un particolare incrocio stradale in un’ora è mediamente pari a 30. Utilizzando un’opportuna legge di probabilità:
1. Determinare la probabilità che in un intervallo di tempo di cinque minuti nessuna automobile attraversi l’incrocio in questione.
2. Qual è la probabilità che in dieci minuti almeno due automobili passino lungo quel tratto di strada?
3. Qual è la probabilità che tra il passaggio di un’auto e di quella successiva trascorra più di un minuto?
Soluzione
1. Sia Y =“numero di autoveicoli che passano lungo l’incrocio in cinque minuti”.
Dalle informazioni fornite dall’esercizio si deduce che il numero medio di automobili che attraversano l’incrocio in cinque minuti è pari a 30/12 = 2.5. Quindi E[Y ] = 2.5 e
Y ~ Poisson(2.5).
P[Y = 0] = (e−2.5 (2.5)0)/0!=0.082.
2. Se X =“numero di autoveicoli che passano lungo l’incrocio in dieci minuti”,allora X=2Y e X~Poisson(5). Di conseguenza:
P[X ≥ 2] = 1 − P[X < 2] = 1 − { P[X = 0]+P[X = 1]}= 0.9595.
7 3. Sia T =“tempo (in minuti) trascorso tra il passaggio di un’auto e di quella successiva”. Dal momento che il numero di auto che circolano nell’incrocio è mediamente pari a 30/60 = 0.5, si ha che T~expneg(0.5), ovvero T ha funzione di densità:
fT (t) =0.5 e−0.5 t t ≥ 0
fT (t)= 0 altrimenti
P[T > 1] =∫[1,∞) fT (t) dt= 0.6065.
Esercizio 11 (v.c. esponenziale e trasformazione) Indicata con X la v.c. esponenziale con media 1/θ.
1. Si determini la funzione di ripartizione della v.c. Y= (x)1/2.
2. Si determini la funzione di densità di Y e si calcoli il relativo momento secondo.
Soluzione
X~Exp(θ)⇒ E
[ ]
X =θ1 quindi ϕX(x)=θe−θx x>0 e Y = √X.1. ΨY(y)=P(Y≤ y)=P( X ≤ y)=P(X≤y2)=ΦX(y2) con y>0
Essendo =
∫
x = − −0
θx
X(x) (x)dx 1 e
Φ ϕ
0 y e
1 ) Φ (y
ΨY(y)= X 2 = − −θy2 >
2. ψY(y)=ΨY'(y)=2θθ⋅e−θy2 y>0 e E(Y2) = E(X) = 1/θ.
Esercizio 12 (v.c. uniforme continua, v.c. chiquadro)
Sia X una v.c. rettangolare caratterizzata dalla f.d. φ(x)=1 (0<x<1) e sia Y=--2logX.
1. Si determini la distribuzione della v.c. Y.
2. Per quale valore di g la v.c. Y ha distribuzione Chi-Quadro con g gradi di libertà 3. Si calcolino la media, la varianza e la mediana di Y
Soluzione
1. La distribuzione di Y=-2log(X) è un’esponenziale negativa con f.r. e f.d. date, rispettivamente, da Ψ(y) = P[Y ≤ y] = P[X ≥ exp(-y/2)] = 1 – Φ( exp(-y/2)) = 1 – exp(-y/2) e ψ(y) = ϕ(exp(-y/2)) exp(- y/2) / 2 = exp(-y/2) / 2 (y>0).
2. Y ∼ Gamma(1,1/2) = χ22. 3. E(Y) = 2,
Var(Y) = 4
Mediana(Y) = 2log2, soluzione dell’equazione Ψ(y) = ½.
Esercizio 13
Sia X una variabile aleatoria con funzione di probabilità
X −1 0 1
P(x) 2/9 5/9 2/9
1. Si determini la funzione generatrice dei momenti e si calcoli tramite essa E(X) e Var(X).
2. Si determini l’espressione dei momenti di ordine pari e dei momenti di ordine dispari di X Soluzione
1.
( ) (
2e 2e 5)
9 e 1 9 e 2 9 e 5 9 e 2 E ) t (
GX = tX = −t + t0+ t = t + −t + .
(
t t)
X e e
9 ) 2 t ( '
G = − − da cui
(
e e)
09 ) 2 0 ( ' G ) X (
E = X = 0− −0 =
8
(
t t)
X e e
9 ) 2 t ( ''
G = + − da cui E(X2)=G''X(t)= 29
(
e0 +e−0)
= 94.Si ottiene quindi Var(X) = E(X2) − E(X)2 = 9 4 2. Momenti di ordine pari
(
t t)
) n 2 (
X e e
9 ) 2 t (
G = + − derivata di ordine 2n della fgm per n = 1, 2, 3, … da cui
( )
9 e 4 9 e ) 2 t ( G ) X (
E 2n = (X2n) = 0+ −0 = momento di ordine 2n (pari) di X per n=1, 2, 3,…
Momenti di ordine dispari
(2n 1)
(
t t)
X e e
9 ) 2 t (
G + = − − derivata di ordine 2n+1 (dispari) della fgm per n=0,1,2,3,… da cui
(
e e)
09 ) 2 t ( G ) X (
E 2n+1 = 2Xn+1X = 0 − −0 = momento di ordine 2n+1 (dispari) per n =1,2,3,…
Esercizio 14
Sia X una v.a. uniforme discreta di parametro k. Si determini la funzione generatrice dei momenti e si calcoli tramite essa E(X) e Var(X).
Soluzione
Funzione generatrice dei momenti
( ) ∑ ( )
=
+ + +
=
=
= k
1 x
kt t
2 t tx
tX
X e e e
k e 1 k e 1
E ) t (
G L .
Valore atteso di X
(
t 2t kt)
X e 2e ke
k ) 1 t ( '
G = + +L+
( ) ( )
2 1 k k 2
1 k k k
i ke
e 2 k e ) 1 0 ( ' G ) X ( E
k
1 0 i k 20
0 X
= +
= +
= +
+ +
=
=
∑
L =
si ricordi che
( )
2 1 k i k
k
1 i
= +
∑
=. Varianza di X
(
t 2t 2 kt)
X e 4e k e
k ) 1 t ( ''
G = + +L+
) X (
E 2 = X =
(
0+ 20+ + 2 k0) (
= 1+4+ +k2)
=k e 1 k e
4 k e ) 1 0 ( ''
G L L
( )( ) ( )( )
6 1 k 2 1 k k
6 1 k 2 1 k k k
i
k
1 i
2
+
= + +
= +
=
∑
= .
Si ricordi che
( )( )
6 1 k 2 1 k i k
k
1 i
2= + +
∑
=.
Var(X) = E(X2) − E(X)2
( )( ) ( )
4 1 k 6
1 k 2 1
k+ + − + 2
=
( ) ( ) ( ) ( ) ( )
12 1 k 6
3 k 3 2 k 4 2
1 k 2
1 k 3
1 k 2 2
1
k = + + − − = 2−
+ − +
= +
9 Esercizio 14
Sia X una v.a. di Bernoulli di parametro θ.
1. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X)= θ e var(X)=
θ(1−θ).
2. Si determini tramite la funzione generatrice dei momenti E(Y) con Y=1 + X/2.
Soluzione
1. funzione generatrice dei momenti
( )
e(
1)
e e(
1)
e 1 (1 e )E ) t (
GX = tX = −θ t0 +θ t = −θ +θ t = −θ − t . Valore atteso
t X(t) e '
G =θ da cui E(X)=G'X(0)=θe0 =θ Varianza
t X(t) e ''
G =θ da cui E(X2)=G''X(0)=θe0 =θ Si ottiene quindi
Var(X) = E(X2) − E(X)2 = θ−θ2 = θ(1−θ).
Si noti in particolare che G(Xn)(t)=θet da cui E(Xn)=G(Xn)(0)=θe0 =θ ∀n = 1, 2,…
2.
( ) (
( ))
= = − θ − = − θ+ θ
=
=
= tY t1+X/2 t Xt2 t X t 2t 2t t 2t t
Y e e (1 e ) e e e
2 G t e e E e e
E e E ) t (
G .
θ + θ
−
= 2 t
t t
Y e e
2 e 1 ) t ( ' G
2 2 2
1 1 ) 0 ( ' G ) Y (
E = Y = − θ+θ= +θ
Esercizio 15
Sia Y una v.a. Binomiale di parametri n e 1>θ>0. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X) = nθ e var(X) = nθ(1−θ).
Soluzione
Funzione generatrice dei momenti
( ) ∑ ( ) ( ) ∑ ( )( ) ( ) ( )
=
−
=
− = θ −θ = θ + −θ
θ
− θ
=
= n
1 x
t n x x n
t n x n
1 x
x x n
n x tx tX
X(t) Ee e 1 e 1 e 1
G
dove l’ultimo passaggio segue dal teorema binomiale.
Si noti inoltre che, se n=1, allora GX(t)=θet+1−θ ovvero la fgm di una Bernoulli di parametro θ che, quindi, rappresenta una specificazione particolare della Binomiale.
Valore atteso
(
t)
n 1t
X(t) n e e 1
'
G = θ θ + −θ − da cui E(X)=G'X(0)=nθ
(
θ+1−θ)
n−1 =nθVarianza ) t ( ''
G X =nθ2e2t
(
n−1) (
θet +1−θ)
n−2+nθet(
θet+1−θ)
n−1(
θ + −θ) [ (
θ(
−) ) (
+ θ + −θ) ]
θ
=n et et 1 n−2 et n 1 et 1 . Da cui
=
=G'' (0) )
X (
E 2 X
(
1) [ ( (
n 1) ) (
1) ]
n( (
n 1)
1)
n(
n 1)
nθ θ+ −θ n 2 θ − + θ+ −θ = θ θ − + = θθ −θ+
= −
( )
nθ 2 −nθ2 +θn=
Si ottiene quindi
Var(X) = E(X2)−E(X)2=
( )
nθ 2−nθ2+θn−( )
nθ 2 =nθ(
1−θ)
.10 Esercizio 16
Sia X una v.a. di Poisson di parametro λ>0. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X) = Var(X) = λ.
Soluzione
Funzione generatrice dei momenti
( ) ∑ ∑ ( ) ∑
∞( )
= λ
∞ −
= λ
∞ −
=
λ
− λ = λ = λ
=
=
o x
t x
o x
t x
o x
x tx tX
X x!
e e
! x
e e
! x e e e
E ) t ( G Valore atteso
Posto etλ=ξ si ha
( )e 1
e o
x x X
t
t e
e e
e
! e e x
) t (
G −λ ξ −λ+ξ λ −λ λ −
∞
= λ
− ξ = = = =
=
∑
( )e 1 t
X(t) e e
'
G = λ t− λ da cui E(X) = λ Varianza
( )e 1
( )
t 2 ( )e 1 t ( )e 1 t(
t)
X(t) e e e e e e 1 e
''
G = λ t− λ + λ t− λ = λ t− λ +λ da cui E(X2) = λ+λ2 Esercizio 17
Si verifiche la seguente proprietà: se X ha fgm GX(t), allora posto Y=a + bX si ha GY(t)= eat GX(bt) Soluzione
GY(t) = E(etY) = E(e(a+bX)t) = eat E(ebXt) = eat GX(bt)
essendo GX(bt)<∞ in un intorno dell’origine avendo assunto l’esistenza di GX(t) ne discende che E(etY) = eat GX(bt) <∞ per t in un intorno di 0.
Esercizio 18 (f.g.m. e momenti della v.c. geometrica)
1. Si determini la funzione generatrice dei momenti della v.c. Geometrica 2. Si determinino la media e la varianza della v.c. Geometrica sfruttando la fgm.
Soluzione
pX(x)=p(1-p)x-1 x=1,2,3... 0<p<1 1. GX(v) =
∑
∞=
− − 1
1 x vxp(1 p) e
x
= (p/(1-p))
∑
∞=
−
1
x v] p)e [(1
x
N.B.: 0
1 x
x q
q 1
q 1 −
= −
∑
∞=
= (1 p) p
− 1-[(1 p)e ] ] p)e [(1
v v
−
− =
] p)e [(1 - 1
pe
v v
− con -∞<v<-log(1-p)>0 2. G'X(v)= v 2
v
] p)e (1 - [1
pe
− E(X)= G'X(0)=p
1
G''X(v)= v 3
v v
] p)e (1 - [1
] p)e (1 [1 pe
−
−
+ E(X2)= G''X(0)=
p p 2−
V(X)=
p p 2−
-
2
p 1
Esercizio 19 (f.g.m.)
Sia X una v.a con la seguente funzione di densità di probabiltà: fX(x)=
) x 1 (
1
− 2
π .
Mostrare che X non possiede fgm.
Soluzione
• v>0
11 GX(v) =
∫
∞∞
− − dx
) π(1 x
evx 1 2 =
∫
∞∞
− − dx
) x (1
e 1
2 vx
π ≥
∫
∞∞
− −
+ dx ) x (1
vx 1 1 π 2
≥
∫
∞∞
− − dx
) x (1
1 1
π 2 +
∫
∞∞
− − dx
) x (1
vx 1
π 2 ≥1+
∫
∞∞
− − dx
) x (1
vx 1
π 2 =+∞
• v≤0 GX(v) =
∫
∞∞
− − dx
) π(1 x
evx 1 2 =
∫
∞∞
− − dx
) x (1
e 1
2 vx
π ≤
∫
∞∞
− −
+ dx ) x (1
vx 1 1
π 2 ≤
∫
∞∞
− − dx
) x (1
1 1
π 2 = 1
L'insieme dei v per cui l'integrale esiste finito con contiene un intorno completo dell'origine quindi non esiste la f.g.m.
Esercizio 20 (f.g.m.)
Determinare la f.g.m. dei momenti di una v.a. X avente la seguente funzione di densità di probabilità:
f(x)=
− < <
altrimenti 0
1 x 0 x) 6x(1
Soluzione GX(v) =
∫
1
0
vx6x(1-x)dx
e =
∫
−∫
1
0 2 vx 1
0
vxxdx e x dx
e 6
=
−
−
∫ ∫
10 1 vx
0 2 1 vx
0 1 vx
0 vx
v xdx 2 e v x
- e v dx x e
v
6 e = 3
v 2
v
v e 121 v
e
61+ + +
con v≠0.
Esercizio 21
1) Si trovi il valore della costante k per cui la funzione f(x) = 2kx + 3(kx)2 (0<x<1)
rappresenta la funzione di densità di una v.c. unidimensionale X assumendo k>0.
2) Si determini la funzione di ripartizione della v.c. X.
3) Si calcoli il valore atteso E(X).
Soluzione
1) La funzione f(x) = 2kx + 3(kx)2 (0<x<1) rappresenta la funzione di densità di una v.c. unidimensionale X per k = (√5 – 1) / 2 = 0.618.
Infatti dalla condizione (si veda libro di test pag 127)
∫
1 =0
1 dx ) x (
f discende kx k x 1 1
0 3 2
2 + = da cui
k = ( 5 – 1) / 2 e k’ = – ( 5 + 1) / 2.
L’unica soluzione accettabile è quindi k = ( 5 – 1) / 2.
2) La funzione di ripartizione della v.c. X è data da:
F(x) = 0 per x≤0,
F(x) =
∫
= +x
0
x 0 3 2
2 k u
ku du ) u (
f = kx2 + k2x3 per 0<x<1 F(x) = 1 per x≥1.
12
3) E(X) =
∫ (
+)
=1
0
2 2x dx k 3 kx 2
x 0.6985.
Esercizio 22
Sia X una v.c. Rettangolare sull’intervallo (0,1) e si definisca Y = log(X).
1. Si determinino la funzione di ripartizione e la funzione di densità della v.c. Y.
2. Si calcolino la mediana, la media e il 95-esimo percentile di Y.
3. Si determini la funzione generatrice dei momenti delle variabili X e si calcoli tramite essa il valore atteso di X
4. Si calcoli la funzione generatrice dei momenti di Y e si determini var(Y).
Soluzione
Sia X una v.c. Rettangolare sull’intervallo (0,1) con f.r. F(x) e f.d. f(x).
Sia inoltre Y = log(X).
Si noti che se 0<X<1 allora −∞<Y<0, supporto della variabile aleatoria Y.
1. H(y) = P(Y≤y) = P(log X ≤ y) = P(X ≤ exp y) = F(exp y) = exp(y) per y<0 e
H(y) = 1 per y≥0.
La f.d. della v.c. Y risulta h(y) =H’(y) = exp(y) (y<0).
2. La mediana di Y si ottiene risolvendo l’equazione H(y) =
2 ) 1 y
exp( = che ha come soluzione y = −log2 = −0.69.
Il 95-esimo quantile di Y si ottiene risolvendo l’equazione
H(y) = exp(y)=0.95 che ha come soluzione y = log 0.95 = − 0.051.
E(Y) =
∫
∞
− 0
yh(y)dy = −1. (integrazione per parti)
3.
( )
t 1 e t
dx e e e
E ) t ( G
1 t
0 1 tx
0 tx tx
X
= −
=
=
=
∫
per t≠0( )
2 t t
X t
1 e ) te
t ( '
G = − − per t≠0.
) t ( '
GX come del resto GX(t) non sono definite per t=0.
Estendiamo allora tali funzioni per continuità sullo 0 ovvero poniamo 1
e t lim
1 lime ) 0 (
G t
0 t t
0
X = t − = =
→
→ applicando la regola dell’Hopital e
( )
2 1 2 lime t
2 e e limte t
1 e limte
) 0 ( ' G
t
0 t t t t
0 2 t
t t
0
X = t − − = + − = =
→
→
→ applicando la regola dell’Hopital.
Da cui si ricava E(X) = 0.5.
4.
( )
1 t
1 1
t dx x x dx e e
E ) t ( G
1
0 1 1 t
0 t 1
0 x log t tY
Y = +
= +
=
=
=
∫ ∫
+ t≠−1Alternativamente
( )
( ) ( )1 t
1 1
t e e 1
t dy e e dy e e e
E ) t ( G
0 0 x 1 0 t
y 1 t 0
y ty tY
Y = +
+
= −
= +
=
=
= −∞
∞
− +
∞
− +
∞
−
∫ ∫
t≠−1( )
2Y t 1
) 1 t ( '
G =− + da cui E(X)=G'Y(0)=−1
13
( ) ( ) ( )
4 3Y t 1
2 1
t 1 t ) 2 t ( ''
G = +
+
= + da cui E(X2)=G''Y(0)=2
Var(X) = 2−1 = 1 Esercizio 23
Sia X una variabile aleatoria con funzione di probabilità
X −1 0 1
P(x) 2/9 5/9 2/9
3. Si determini la funzione generatrice dei momenti e si calcoli tramite essa E(X) e Var(X).
4. Si determini l’espressione dei momenti di ordine pari e dei momenti di ordine dispari di X Soluzione
3. GX(t)=E
( )
etX =92e−t +59et0+29et =19(
2et +2e−t +5)
.(
t t)
X e e
9 ) 2 t ( '
G = − − da cui
(
e e)
09 ) 2 0 ( ' G ) X (
E = X = 0− −0 =
(
t t)
X e e
9 ) 2 t ( ''
G = + − da cui E(X2)=G''X(t)= 29
(
e0 +e−0)
= 94.Si ottiene quindi Var(X) = E(X2) − E(X)2 = 9 4 4. Momenti di ordine pari
(
t t)
) n 2 (
X e e
9 ) 2 t (
G = + − derivata di ordine 2n della fgm per n = 1, 2, 3, … da cui
( )
9 e 4 9 e ) 2 t ( G ) X (
E 2n = (X2n) = 0+ −0 = momento di ordine 2n (pari) di X per n=1, 2, 3,…
Momenti di ordine dispari
(2n 1)
(
t t)
X e e
9 ) 2 t (
G + = − − derivata di ordine 2n+1 (dispari) della fgm per n=0,1,2,3,… da cui
(
e e)
09 ) 2 t ( G ) X (
E 2n+1 = 2Xn+1X = 0 − −0 = momento di ordine 2n+1 (dispari) per n =1,2,3,…
Esercizio 24
Sia X una v.a. uniforme discreta di parametro k. Si determini la funzione generatrice dei momenti e si calcoli tramite essa E(X) e Var(X).
Soluzione
Funzione generatrice dei momenti
( ) ∑ ( )
=
+ + +
=
=
= k
1 x
kt t
2 t tx
tX
X e e e
k e 1 k e 1
E ) t (
G L .
Valore atteso di X
(
t 2t kt)
X e 2e ke
k ) 1 t ( '
G = + +L+
(
e 2e ke)
ki k(
k2k1)
k21k ) 1 0 ( ' G ) X ( E
k
1 0 i k 20
0 X
= +
= +
= +
+ +
=
=
∑
L =
si ricordi che
( )
2 1 k i k
k
1 i
= +
∑
=. Varianza di X
14
(
t 2t 2 kt)
X e 4e k e
k ) 1 t ( ''
G = + +L+
) X (
E 2 = X =
(
0+ 20+ + 2 k0) (
= 1+4+ +k2)
=k e 1 k e
4 k e ) 1 0 ( ''
G L L
( )( ) ( )( )
6 1 k 2 1 k k
6 1 k 2 1 k k k
i
k
1 i
2
+
= + +
= +
=
∑
= .
Si ricordi che
( )( )
6 1 k 2 1 k i k
k
1 i
2= + +
∑
=
.
Var(X) = E(X2) − E(X)2
( )( ) ( )
4 1 k 6
1 k 2 1
k+ + − + 2
=
( ) ( ) ( ) ( ) ( )
12 1 k 6
3 k 3 2 k 4 2
1 k 2
1 k 3
1 k 2 2
1
k = + + − − = 2−
+ − +
= + Esercizio 25
Sia X una v.a. di Bernoulli di parametro θ.
3. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X)= θ e var(X)=
θ(1−θ).
4. Si determini tramite la funzione generatrice dei momenti E(Y) con Y=1 + X/2.
Soluzione
3. funzione generatrice dei momenti
( )
e(
1)
e e(
1)
e 1 (1 e )E ) t (
GX = tX = −θ t0 +θ t = −θ +θ t = −θ − t . Valore atteso
t X(t) e '
G =θ da cui E(X)=G'X(0)=θe0 =θ Varianza
t X(t) e ''
G =θ da cui = X =θ 0 =θ
2) G'' (0) e X
( E Si ottiene quindi
Var(X) = E(X2) − E(X)2 = θ−θ2 = θ(1−θ).
Si noti in particolare che G(Xn)(t)=θet da cui = (Xn) =θ 0 =θ
n) G (0) e
X (
E ∀n = 1, 2,…
4.
( ) (
( ))
= = − θ − = − θ+ θ
=
=
= + X t 2t 2t t 2t t
2 t Xt t 2 / X 1 t tY
Y e e (1 e ) e e e
2 G t e e E e e
E e E ) t (
G .
θ + θ
−
= 2 t
t t
Y e e
2 e 1 ) t ( ' G
2 2 2
1 1 ) 0 ( ' G ) Y (
E = Y = − θ+θ= +θ
Esercizio 26
Sia Y una v.a. Binomiale di parametri n e 1>θ>0. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X) = nθ e var(X) = nθ(1−θ).
Soluzione
Funzione generatrice dei momenti
( ) ∑ ( ) ( ) ∑ ( )( ) ( ) ( )
=
−
=
− = θ −θ = θ + −θ
θ
− θ
=
= n
1 x
t n x x n
t n x n
1 x
x x n
n x tx tX
X(t) Ee e 1 e 1 e 1
G
dove l’ultimo passaggio segue dal teorema binomiale.
Si noti inoltre che, se n=1, allora GX(t)=θet+1−θ ovvero la fgm di una Bernoulli di parametro θ che, quindi, rappresenta una specificazione particolare della Binomiale.
15 Valore atteso
(
t)
n 1t
X(t) n e e 1
'
G = θ θ + −θ − da cui E(X)=G'X(0)=nθ
(
θ+1−θ)
n−1 =nθVarianza ) t ( ''
G X =nθ2e2t
(
n−1) (
θet +1−θ)
n−2+nθet(
θet+1−θ)
n−1(
θ + −θ) [ (
θ(
−) ) (
+ θ + −θ) ]
θ
=n et et 1 n−2 et n 1 et 1 . Da cui
=
=G'' (0) )
X (
E 2 X
(
1) [ ( (
n 1) ) (
1) ]
n( (
n 1)
1)
n(
n 1)
nθ θ+ −θ n 2 θ − + θ+ −θ = θ θ − + = θθ −θ+
= −
( )
nθ 2 −nθ2 +θn=
Si ottiene quindi
Var(X) = E(X2)−E(X)2=
( )
nθ 2−nθ2+θn−( )
nθ 2 =nθ(
1−θ)
.Esercizio 27
Sia X una v.a. di Poisson di parametro λ>0. Si determini la funzione generatrice dei momenti e si verifichi tramite essa che E(X) = Var(X) = λ.
Soluzione
Funzione generatrice dei momenti
( ) ∑ ∑ ( ) ∑
∞( )
= λ
∞ −
= λ
∞ −
=
λ
− λ = λ = λ
=
=
o x
t x
o x
t x
o x
x tx tX
X x!
e e
! x
e e
! x e e e
E ) t ( G Valore atteso
Posto etλ=ξ si ha
( )e 1
e o
x x X
t
t e
e e
e
! e e x
) t (
G −λ ξ −λ+ξ λ −λ λ −
∞
= λ
− ξ = = = =
=
∑
( )e 1 t
X(t) e e
'
G = λ t− λ da cui E(X) = λ Varianza
( )e 1
( )
t 2 ( )e 1 t ( )e 1 t(
t)
X(t) e e e e e e 1 e
''
G = λ t− λ + λ t− λ = λ t− λ +λ da cui E(X2) = λ+λ2 Var(X) = E(X2)−E(X)2 = λ + λ2 −λ2 = λ
16
Sezione 6. La variabile casuale normale
Esercizio 1 (v.c. normale)
Sia X una v.c. Normale con µ=2 e σ=1.
1. Disegnare la funzione di densità di X.
2. Evidenziare sul grafico la seguente probabilità P(X> µ) 3. Evidenziare sul grafico la seguente probabilità P(-1≤X≤1) Soluzione
1. X~N(2,1)
2. P(X> µ)
3. P(-1≤X≤1)
17 Esercizio 2 (v.c. normale)
Sia X una v.c. Normale con media pari a 5 e varianza pari a 3. Calcolare : 1. P(X>6)
2. P(4<X<7)
3. Il valore di per cui P(X>c)=0,3 4. E(2X-5)
5. V(2X-5) Soluzione X~N(5,3)
1. P(X>6)=P(Z>0,58)=1-P(Z≤0,58)=1-Φ(0,58)=0,281 dove Z è la normale standard.
2. Standardizzando come fatto sopra: P(4<X<7) = 0,5939
3. P(X>c)=0,3 =>P(Z>((c-5)/(3)1/2))=0,3 => Φ((c-5)/(3)1/2))=0,7 z=(c-5)/ (3)1/2)=0,52 =>c=5,9
4. E(2X-5)=2E(X)-5=5 5. V(2X-5)=4V(X)=12 Esercizio 3 (v.c. normale)
Un impianto inserisce automaticamente zucchero nelle bustine, se il peso dello zucchero nelle bustine può considerarsi una normale con σ=1,3 e il 5% delle bustine pesa di più di 10,132g quale è il peso medio delle bustina?
Soluzione
X= peso bustine in g. X~N(µ,1,32)
P(X>10,132)=0,05 standardizzando si ottiene P(Z>(µ-10,132)/1,3)=0,05 da cui si ricava il valore di µ=8
Esercizio 4 (v.c. normale)
Si consideri una variabile casuale normale con media 100 e varianza 25. Calcolare:
1. la probabilità che X sia maggiore di 110;
2. la probabilità che X sia minore di 95;
3. la probabilità che X sia compresa tra 95 e 110;
4. la probabilità che X sia compresa tra 105 e 110;
5. la probabilità che X sia compresa tra 85 e 95;
Soluzione X̴ N(100,25)
1. P(X>11)=P(Z>(110-100)/25½)=P(Z>2)=1-P(Z≤2)=1-0,97725
2. P(X<95)=P(Z>(95-100)/25½)=P(Z<-1)=P(Z>1)= 1-P(Z≤1)=1-0,84134
3. P(95<X<110)=P((95-100)/25½)<Z<(110-100)/25½))=P(-1<Z<2)=P(Z<2)-P(Z<-1)=
0,97725- [1-P(Z≤1)]= 0,97725- [1-0,84134]
4. P(105<X<110)=P((105-100)/25½)<Z<(110-100)/25½))=P(1<Z<2)=P(Z<2)-P(Z<1)=
0,97725-0,84134
5. P(85<X<95)=P((85-100)/25½)<Z<(95-100)/25½))=P(-3<X<-1)=P(1<Z<3)=P(Z<3)-P(Z<1)=
0,99865-0,84134
18 Esercizio 5 (v.c normale)
Supposto che la durata del volo Roma Fiumicino – Parigi Orly segua una distribuzione normale con media pari a 120 minuti e varianza pari a 49 minuti, calcolare:
1. La probabilità che il volo in partenza domani durerà meno di 115 minuti;
2. La probabilità che il volo in partenza domani durerà tra 107 e 118 minuti;
Soluzione X̴ N(120,49)
1. P(X<115)=P(Z>(115-120)/49½)= P(Z>-0,71)= 1-P(Z≤0,71)=1-0,76115 2. P(107<X<118)=P((107-120)/49½)<Z<(118-120)/49½))=P(-1,86<Z<-0,28)
=P(0,28<Z<1,86)=P(Z<1,86)-P(Z<0,28)= 0,96856-0,61026 Esercizio 6 (v.c. normale)
Per le rane allo stato naturale, la lunghezza della vita è distribuita normalmente con media di 10 anni e deviazione standard di 3 anni.
1. Quale percentuale di rane vive oltre i 14 anni?
2. Calcolare il valore del quinto percentile Soluzione
X̴ N(10,9)
1. Z=(14-10)/3=1,33 P(vita>14)=P(z>1,33)=0,0918
2. P(z<?)=0,05 z=-1,64 -1,64=(x-10)/3
x=10-3*1,64=5,08 Esercizio 7 (v.c. normale)
Si assuma che tra i non diabetici il livello di glucosio nel sangue a digiuno sia distribuito in maniera approssimativamente normale con una media di 105mg/100ml ed una deviazione standard di 9mg/100ml.
1. Quale percentuale di diabetici hanno livelli compresi tra 90 e 125mg/100ml?
2. Quale livello lascia il 10% dei non diabetici nella coda sinistra?
3. Quali livelli comprendono il 95% dei non diabetici?
Soluzione X̴ N(105,81)
1. Z=(x-µ)/σ z=(90-105)/9=-1,67 z=(125-105)/9=2,22 P(x>90)=P(z>-1,67)=0,952
P(x>125)=P(z>2,22)=0,0131 P(90>x>125)= 0,952-0,0131=0,939
2. P(x≤?)=0,10= P(z≤-1,28) z=(x-105)/9=-1,28 x=93,5 3. P(?≤x≤?)=0,95= P(-1,96≤x≤1,96)
z=(x-105)/9=-1,96 x1=87,4 z=(x-105)/9=1,96 x2=122,6
Esercizio 8 (prova scritta 27/4/2006) (v.c. esponenziale – v.c. normale)
Un’azienda produce componenti elettronici di due tipi: i componenti di tipo A rappresentano il 45%
della produzione, mentre il resto della produzione è costituito da componenti di tipo B. Il tempo di vita T (in anni) dei componenti prodotti ha distribuzione esponenziale negativa con media 0,92 per il tipo A, mentre per il tipo B ha distribuzione Normale con la stessa media e la stessa varianza della suddetta esponenziale.
Estratto a caso un componente dalla produzione, si consideri l’evento “la durata del componente non supera un anno”, indicato con D.
1. Si calcoli la probabilità che il componente estratto sia di tipo B.