Corsi di Probabilità, Statistica e Processi stocastici per Ing. dell’Automazione, Informatica e Inf. Gest. Azienda
12/05/2012
Esercizio 1. Un sistema di preallarme su un velivolo segnala una A (= allarme) oppure una N (= non allarme) ogni dieci secondi, a seconda di certe misurazioni rilevate da sensori. Anche in stato di perfetto funionamento, per ragioni casuali, ogni tanto viene segnalata una A. Consideriamo indipendenti i valori che escono ogni dieci secondi.
i) (3 p) Supponiamo che A esca con probabiltà 0.05. Supponiamo che un sistema di elaborazione prenda i valori relativi ad un minuto e segnali vero pre-allarme se almeno 3 su 6 sono A. Con che probabilità questo avviene? Formalizzare la soluzione tramite variabili aleatorie e relativi teoremi, non solo col calcolo combinatorico.
ii) (3 p) Supponiamo invece che il sistema di elaborazione, elaborando i 6 valori di un generico minuto, segnali vero pre-allarme solo se almeno tre consecutivi sono pari ad A (il sistema viene azzerato ogni minuto, per cui se sono A gli ultimi due, questo non basta e si ricomincia da capo il minuto successivo). Con che probabilità questo avviene? A priori, era possibile stabilire se fosse più sicuro questo o l’altro metodo, rispetto ai falsi allarmi?
iii) (3 p) Consideriamo 60 minuti di osservazione. Che probabilità c’è che compaia una A più di 20 volte?
Esercizio 2. Si consideri la funzione
f (x) = C (x + 1) e x per x 2 ( 1; 1) 0 per x =2 ( 1; 1) :
i) (4 p) Trovare per quali valori di la funzione f è una densità di probabilità (non si chiede di calcolare C ). Calcolare C per = 1.
ii) (4 p) Detta X una v.a. con tale densità, posto Y = jX+1j1 , calcolare la densità di Y esprimendo il risultato …nale complessivo.
iii) (3 p) Stabilire per quali valori di la v.a. Y ha media …nita.
iv) (3 p) Se X1 ed X2 sono copie indipendenti di X, calcolare P (min (X1; X2) < 1) quando = 1.
Esercizio 3. Consideriamo la catena di Markov su E = f1; 2; 3; 4; 5; 6g associata alla seguente matrice di transizione
P = 0 BB BB BB
@
1=2 0 0 0 1=2 0
0 0 1=2 0 1=2 0
0 0 1=8 2=8 0 5=8
0 0 1=2 1=4 0 1=4
1=2 0 0 0 1=2 0
0 0 1=4 1=4 0 1=2
1 CC CC CC A
:
i) (3 p) Disegnare il grafo, classi…care gli stati, trovare le classi irriducibili, descrivere a priori la struttura generale di tutte le misure invarianti.
ii) (3 p) Calcolare tutte le probabilità invarianti della catena. Se possibile, mantenere i risultati in forma di numeri razionali esatti (frazioni di interi) per maggior tracciabilità dei calcoli.
iii) (4 p) Indicata con p(n)ij la probabilità di trovarsi nello stato j al tempo n dopo essere partiti dallo stato i al tempo 0, calcolare il limite a cui converge p(n)ij , per i valori di i; j per cui si riesce.
x = x1+:::+xn n, S2 = n 11 Pn
i=1(xi x)2, dCov = n 11 Pn
i=1(xi x) (yi y), r = SCovd
x{XSY =
Pn
i=1(xi x)(yi y)
pPn
i=1(xi x)2Pn
i=1(yi y)2. Pn
i=1(xi x)2 = Pn
i=1x2i nx2,Pn
i=1(xi x) (yi y) = (Pn
i=1xiyi) nxy.
n! = n (n 1) 2 1, 0! = 1. nk = k!(n k)!n! = n (n 1) (n k+1)
k! .
P (AjB) =P (A\B)P (B) , P (A \ B) = P (AjB) P (B). A; B indipendenti: P (A \ B) = P (A) P (B), P (AjB) = P (A), P (BjA) = P (B). P (A) =P
kP (AjBk) P (Bk). P (BjA) = P (AjB)P (B) P (A) . X discreta, valori aj, P (X = aj) = pj, allora E [X] = P
jajpj, E [g (X)] = P
jg (aj) pj, E X2 = P
ja2jpj. P (X 2 A) =P
i:ai2AP (X = ai) =P
i:ai2Api. X 2 N, P (X n) =Pn
i=0pi, P (X n) =P1
i=npi. X continua, densità f (x), allora E [X] =R1
1xf (x) dx, E [g (X)] =R1
1g (x) f (x) dx, in particolare E X2 = R1
1x2f (x) dx. P (X 2 A) =R
Af (x) dx.
V ar [X] = X2 := Eh
(X X)2i
dove X = E [X]. V ar [X] = E X2 2X. Cov (X; Y ) = E [(X X) (Y Y)], Cov (X; Y ) = E [XY ] X Y. (X; Y ) = Cov(X;Y )
X Y . 1 (X; Y ) 1.
E [aX + bY + c] = aE [X] + bE [Y ] + c. V ar [X + Y ] = V ar [X] + V ar [Y ] + 2Cov (X; Y ). V ar [aX] = a2V ar [X].
Standardizzazione di X: X X
X .
X; Y indipendenti: P (X 2 A; Y 2 B) = P (X 2 A) P (Y 2 B). Implica E [XY ] = E [X] E [Y ], Cov (X; Y ) = 0, (X; Y ) = 0, V ar [X + Y ] = V ar [X] + V ar [Y ].
F (x) = P (X x). F (t) =Rt
1f (x) dx. F0(t) = f (t). F (q ) = .
' (t) = E etX , '0(0) = E [X], '00(0) = E X2 ; 'aX(t) = E etaX = 'X(at). X; Y indipendenti implica 'X+Y (t) = 'X(t) 'Y (t).
X B (n; p) : P (X = k) = nk pk(1 p)n k, E [X] = np, V ar [X] = np (1 p), = p
np (1 p), ' (t) = q + pet n dove q = 1 p. X1; :::; Xn B (1; p) indipendenti implica S = X1+ ::: + Xn B (n; p).
X ipergeometrica di parametri N , M e n : P (X = k) =
N k
M n k N +M
n
con k = 0; 1; ; n.
X P ( ): P (X = k) = e k!k, E [X] = , V ar [X] = , = p
, ' (t) = e (et 1). Se npn = allora limn!1 nk pkn(1 pn)n k= e k!k.
X N ; 2 : f (x) = p1
2 2 exp (x2 2)2 . E [X] = , V ar [X] = 2, ' (t) = e tet2 22 . X; Y gaussiane indipendenti, a; b; c 2 R implica aX + bY + c gaussiana. X N ; 2 si può scrivere come X = Z + , con Z N (0; 1). F ; 2(x) = x . ( x) = 1 (x). q = q1 . Soglie q .
X Exp ( ): f (x) = e x per x 0, zero per x < 0. E [X] = 1, V ar [X] = 12, = 1, ' (t) = t per t < . F (x) = 1 e x per x 0, zero per x < 0.
TLC: Posto Sn= X1+ ::: + Xn, si ha P Snp n
n 2 A P (Z 2 A), con Z N (0; 1).
Correzione di continuità: P (Sn k) k+0;5 np
n , con k 2 N X = X1+:::+Xn n N ; n2 . E S2 = 2. S22(n 1) 2n 1.
= X qp1 2
n ; = X
S t(n 1)
1 2
pn .
x 0p n > q1
2. xS0p
n > t(n 1)1
2 . P jZj > xS 0p
n , P X 2h
0 q1
p 2
n ; 0+ qp1 2 n
i
. S22(n 1) >
2
;n 1. T = nPk i=1
(pbi pi)2 pi =Pk
i=1
(Xbi npi)2
npi > 2;k 1. y = A + Bx, B = CovdS2
X
= rSSY
X, y = A + Bx.
1 Soluzioni
Esercizio 1. i) Siano X1; :::; X6 v.a. di Bernoulli indipendenti che valgono 1 se esce A, 0 altrimenti, relative alle 6 decine di secondi di un generico minuto. Vale P (Xi= 1) = 0:05. Posto S = X1+ ::: + X6, S misura il numero di A in un minuto ed è una B (6; 0:05). Dobbiamo calcolare
P (S 3) = X6 k=3
6
k 0:05k0:956 k
= 1 X2 k=0
6
k 0:05k0:956 k= 2:229 8 10 3:
ii) Le situazioni di vero pre-allarme sono: (A; A; A; ; ; ), (N; A; A; A; ; ), (N; N; A; A; A; ), (N; N; N; A; A; A), e nessun’altra. La prima accade con probabilità 0:053, la seconda con probabilità 0:95 0:053, la terza con probabilità 0:952 0:053, la quarta con probabilità 0:953 0:053. Sono disgiunte, quindi la probabilità richiesta è
0:053 1 + 0:95 + 0:952+ 0:953 = 4: 637 3 10 4: iii) Abbiamo ora le v.a. X1; :::; X360 e S360 come sopra e dobbiamo calcolare
P (S360 > 20)
= P X1+ ::: + X360 360 0:05 p360p
0:05 0:95 > 20 360 0:05 p360p
0:05 0:95 P (Z > 0:483 65) = 1 (0:483) = 1 0:685 = 0:315:
Si può anche migliorare un po’il risultato con la correzione di continuità.
Esercizio 2. i) > 1 (da spiegare, simile a vari altri esercizi).
Z +1
1
f (x) dx = C1 Z +1
1
(x + 1) e xdxy=x+1= C1 Z +1
0
ye y+1dy
= C1e Z +1
0
ye ydy = C1e (si ricordi che la media di una Exp ( ) è 1) quindi C1= e 1. ii)
FY (t) = P (Y t) = P 1
jX + 1j t uguale a zero per t 0, mentre, per t > 0,
= P jX + 1j 1
t = P X + 1 1
t + P (X + 1) 1 t
= P X 1
t 1 + P X 1
t 1
= 1 FX 1
t 1 + FX 1
t 1
da cui
fY (t) = fX
1
t 1 1
t2 + fX
1
t 1 1
t2: Ora, se t > 0, 1t 1 > 1, quindi
fX 1
t 1 = e 1 1
t 1 + 1 e (1t 1) = e 1t e1 1t: Invece, 1t 1 < 1, quindi fX 1
t 1 = 0. Si poteva già, quando abbiamo distinto jX + 1j 1t, osservare che X + 1 0 a causa delle proprietà di X, per cui il termine P (X + 1) 1t era uguale a zero.
Riassumendo, fY (t) = 0 per t 0,
fY (t) = e 1t e1 1t 1
t2 = e 1t 2e1 1t per t > 0.
iii) Usando il cambio di variabile s = 1t, ds = t12dt, E [Y ] = e 1
Z 1
0
t t 2e1 1tdt = e 1 Z 1
0
s 1e1 sds
= Z 1
0
s 1e sds < 1 per 1 > 1, cioè > 0.
iv) Sol:
P (min (X1; X2) < 1) = 1 P (min (X1; X2) 1)
= 1 P (X1 1 e X2 1)
= 1 P (X1 1) P (X2 1)
= 1 (1 FX(1))2: Inoltre,
FX(1) = Z 1
1
e 1(x + 1) e xdx = Z 2
0
ye ydy
= e yy 20+ Z 2
0
e ydy = e 22 + 1 e 2= 0:594 P (min (X1; X2) < 1) = 1 (1 0:594)2 == 0:83516:
Esercizio 3. i) Lo stato 2 è transitorio, gli altri ricorrenti; f1; 5g e f3; 4; 6g sono irriducibili. Le distribuzioni invarianti hanno la forma
( 1; 0; 0; 0; 5; 0) + (1 ) (0; 0; 3; 4; 0; 6)
con 2 [0; 1] e ( 1; 5) invariante (unica) della sottocatena f1; 5g, ( 3; 4; 6) invariante (unica) della sottocatena f3; 4; 6g,
ii) La classe f1; 5g ha un’unica distribuzione invariante, uniforme per simmetria: ( 1; 5) = 12;12 . L’altra, relativa alla classe f3; 4; 6g, va calcolata col bilancio di ‡usso o altro modo. Vale
3(p34+ p36) = 4p43+ 6p63
4(p43+ p46) = 3p34+ 6p64 3+ 4+ 6 = 1
ovvero
37=8 = 41=2 + 61=2
43=4 = 32=8 + 61=4
3+ 4+ 6 = 1 da cui ad esempio
3= 44=7 + 64=7
43=4 = 41=7 + 61=7 + 61=4
44=7 + 64=7 + 4+ 6 = 1
4(3=4 1=7) = 6(1=7 + 1=4)
4(4=7 + 1) + 6(4=7 + 1) = 1
6
(4=7 + 1) (1=7 + 1=4)
3=4 1=7 + (4=7 + 1) = 1
6
4=7 + 1 3=4 1=7 = 1
6 = 3=4 1=7 4=7 + 1 = 17
44
4 = 3=4 1=7 4=7 + 1
1=7 + 1=4
3=4 1=7 = 1=7 + 1=4 4=7 + 1 = 1
4
3= 44=7 + 64=7 = 1 7 + 17
11 7 = 4 11: Veri…chiamo per sicurezza: 114 +14 +1744 = 16+11+1711 4 = 4444 = 1:
Tutte le distribuzioni della catena complessiva hanno la forma 1
2; 0; 0; 0;1
2; 0 + (1 ) 0; 0; 4 11;1
4; 0;17 44 con 2 [0; 1].
iii) Per i = 2 e j 2 f1; 5g vale
p(n+1)ij = 1 2p(n)5j mentre per j 2 f3; 4; 6g vale
p(n+1)ij = 1 2p(n)3j
quindi è su¢ ciente capire p(n)ij per i 6= 2. Inoltre, per j = 2 tali probabilità sono nulle, quindi ci restringiamo anche a j 6= 2. In…ne, per l’irriducibilità, basta capire p(n)ij per i; j 2 f1; 5g e poi separatamente per i; j 2 f3; 4; 6g. A parte i valori numerici di ij, cerchiamo di capire p(n)ij per i; j 2 f1; 5g. Qui si tratta della matrice di transizione
P = 1=2 1=2 1=2 1=2 :
che è regolare e quindi (essendo lo spazio degli stati …nito) vale la convergenza all’equilibrio, ovvero p(n)ij tende alla misura invariante in j. E’però facile veri…care che Pn= P , quindi p(n)ij = 1=2, quindi tende a 1/2 anche senza l’uso di teoremi. Pertanto, per ora,
p(n)2j ! 1 2
1
2 per j = 1; 5 p(n)ij ! 1
2 per i; j = 1; 5:
I ragionamenti per la classe f3; 4; 6g sono analoghi; qui va usato il teorema di convergenza all’equilibrio e la condizione di regolarità, e vanno usati i valori speci…ci della misura invariante:
p(n)2j ! 1 2
4
11 per j = 3 p(n)2j ! 1
2 1
4 per j = 4 p(n)2j ! 1
2 17
44 per j = 6 p(n)ij ! j per i; j = 3; 4; 6: