Corsi di Probabilità, Statistica e Processi stocastici per Ing. dell’Automazione, Informatica e Inf. Gest. Azienda
26/06/2012
Esercizio 1. Siano X1; :::; X100 delle v.a. indipendenti con la stessa distribuzione, di media 0 e varianza 1.
i) (4 punti) Supponiamo che X1 assuma solamente i valori a, con la stessa probabilità. Trovare a. Se invece si suppone abbia densità della forma
f (x) = Ce jxj trovare C e .
ii) (3 punti) Stimare nei due casi la probabilità
P (X1+ ::: + X100> 10) :
iii) (4 punti) Nel primo caso (X1 che assume solamente i valori a), dare una formula esatta per P (X1+ X2 = 0) :
Se si riesce, mostrare che
P (X1+ ::: + X2n= 0) = 2n n
1 22n
per ogni intero positivo n. Si suggerisce, solamente per questa seconda parte, di associare delle v.a. di Bernoulli alle Xi.
iv) (3 punti) Sia N il primo indice per cui XN vale a (N è una v.a. aleatoria). Calcolare P (N = k) al variare di k.
Esercizio 2. Si consideri la funzione f (x) = C (1 + jxj) con parametro reale e C costante (dipendente da ) da determinare. Si suggeriesce di disegnarne il gra…co.
i) (3 punti) Stabilire per quali valori di e di C la funzione f (x) è una densità di probabilità, e ricavare il valore di C .
ii) (3 punti) Siano X1 ed X2 due v.a. indipendenti con tale densità. Calcolare E X12+ X1X2 X22 . iii) (3 punti) Posto Y =p
jXj, calcolare la densità fY (t) di Y , riassumendo il risultato …nale completo.
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
@
0 1=2 1=2 0 0 0
0 0 1=2 1=2 0 0
1=2 1=2 0 0 0 0
0 0 0 1 0 0
0 0 0 0 1=2 1=2
0 0 0 0 1=2 1=2
1 CC CC CC A
:
i) (3 punti) Disegnare il grafo, classi…care gli stati e trovare le classi irriducibili.
ii) (3 punti) Calcolare la probabilità al tempo 5 di trovarsi nello stato 4, partendo al tempo 1 dallo stato 1.
iii) (3 punti) Determinare tutte le probabilità invarianti della catena. Cercare di usare ragionamenti il più possibile strutturali e non solo calcoli alla cieca.
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) La media è 0; dobbiamo imporre che sia V ar [X1] = 1. Vale V ar [X1] = E X12 = a21
2 + a21 2 = a2
quindi a = 1. Nel caso con densità, supponendo ovviamente > 0, dobbiamo imporre 1 =
Z +1
1
Ce jxjdx = 2C Z +1
0
e xdx = 2C e x 1
0
= 2C quindi C = =2. La media è zero perché la densità è simmetrica. La varianza vale
V ar [X1] = E X12 = Z +1
1 2x2e jxjdx = Z +1
0
x2e xdx:
Si riconosce che questo è E Y2 dove Y è una esponenziale di parametro . Allora E Y2 = V ar [Y ] + E [Y ]2= 1
2 + 1
2 = 2
2: Questo deve essere uguale a 1, quindi 2= 2, =p
2.
ii) Usiamo il TLC. Vale
P (X1+ ::: + X100 > 10) = P X1+ ::: + X100 100 0
10 1 > 10 100 0
10 1 ' P (Z > 1) = 1 (1) = 1 0:841 = 0:159:
La risoluzione è identica nei due casi.
iii) Vale X1+ X2= 0 se X1 = a; X2 = a, oppure se X1 = a; X2 = a, quindi
P (X1+ X2 = 0) = P (X1 = a; X2= a) + P (X1= a; X2= a)
= 1 2
1 2 +1
2 1 2 = 1
2:
Per generalizzare il risultato, introduciamo le v.a. Yk che valgono 1 se Xk = a, zero se Xk = a; algebricamente possiamo scrivere Yk= (Xk+ a) =2a. Vale X1+ ::: + X2n = 0 se e solo se Y1+ ::: + Y2n = n (stesso numero di a e a, cioè stesso numero di 1 e 1), per cui, essendo S = Y1+ ::: + Y2n una B 2n;12 ,
P (X1+ ::: + X2n= 0) = P (S = n) = 2n n
1 2n
1
2n = 2n n
1 22n: iv) Eventualmente ispirandosi di nuovo alle v.a. Yk, vale
P (N = k) = P (X1 = a; X2 = a; :::; Xk 1 = a; Xk = a)
= 1
2k 1 1 2 = 1
2k:
Esercizio 2. i) L’integrabilità all’in…nito è garantita dalla condizione > 1. Comunque vale (anche da qui si deduce
> 1)
Z +1
1 C (1 + jxj) dx = 2 Z +1
0
C (1 + x) dx = 2C
Z +1
1
t dt
= 2C t +1 1
1 1
= 2C 1 quindi
C = 1
2 : ii) Per la linearità dell’integrale,
E X12+ X1X2 X22 = E X12 + E [X1X2] E X22 :
Siccome X1 ed X2 hanno la stessa legge, E X12 = E X22 . Inoltre, essendo indipendenti, E [X1X2] = E [X1] E [X2] e poi, avendo la stessa legge, E [X1X2] = E [X1]2. In…ne, essendo la densità di X1 simmetrica, la media E [X1] è nulla:
E [X1] = Z +1
1
x 1
2 (1 + jxj) dx = 0:
In de…nitiva,
E X12+ X1X2 X22 = 0:
iii)
FY (t) = P (Y t) = P p
jXj t : Se t < 0, vale 0. Per t 0:
= P jXj t2 = P t2 X t2 = FX t2 FX t2 da cui
fY (t) = fX t2 2t + fX t2 2t = ( 1) 2t 1 + t2 : In conclusone,
fY (t) = ( 1) 2t 1 + t2 per t 0 0 per t < 0 :
Esercizio 3. Esercizio 3. i) Lo stato f4g è assorbente, f5; 6g sono una classe irriducibile, gli stati 1,2,3 sono transitori (meglio spiegare perche’).
ii) Dobbiamo identi…care tutti i cammini di 4 passi che portano allo stato 4 dallo stato 1:
1 ! 2 ! 3 ! 2 ! 4 1 ! 2 ! 4 ! 4 ! 4 1 ! 3 ! 1 ! 2 ! 4 1 ! 3 ! 2 ! 4 ! 4:
La relativa probabilità è
1 2 1 2 1 2 1 2 +1
2 1
2 1 1 +1 2 1 2 1 2 1 2 +1
2 1 2 1
2 1 = 0:5:
iii) Per i soliti ragionamenti, sono
0; 0; 0; 1 ; 2;
2 al variare di 2 [0; 1].