I Sessione
I Prova Scritta o Recupero Esonero di Probabilit` a e Statistica
a.a. 2013/2014 24 Giugno 2014
Recupero del I esonero: esercizi 1, 2, 3.
Recupero del II esonero: esercizi 4, 5, 6.
Prova scritta: esercizio 2 a) e b), esercizio 4 a), b) e c), esercizi 5, 6.
Esercizio 1. Un’urna contiene 6 palline rosse e 6 palline bianche. Vengono effettuate N estrazioni con reinserimento, dove N `e il risultato ottenuto lanciando un dado.
a) Qual `e la probabilit`a di aver estratto esattamente 5 palline rosse?
b) Dall’urna sono state estratte esattamente 5 palline rosse: qual `e la probabilit`a di aver ottenuto 6 dal lancio del dado? Ed `e pi`u probabile che il dado abbia dato 6 oppure 5?
c) Quanto si `e ottenuto in media dal lancio del dado se dall’urna sono state estratte esattamente 5 palline rosse?
d) Gli eventi “si ottiene 6 dal lancio del dado” e “sono state estratte dall’urna 5 palline rosse” sono indipendenti?
Esercizio 2. Un dado equilibrato viene lanciato ripetutamente. Denotiamo con Zn la v.a. che d`a l’esito dell’n-esimo lancio, n ≥ 1. Siano X ed Y rispettivamente il primo istante in cui esce 1 ed il primo istante in cui esce 6:
X = inf{n ≥ 1 : Zn= 1} e Y = inf{n ≥ 1 : Zn = 6}.
a) Calcolare la densit`a discreta congiunta di X e Y .
b) Calcolare la densit`a discreta congiunta di U = min(X, Y ) e V = max(X, Y )− min(X, Y ). U e V sono indipendenti? Hanno legge nota?
c) Facendo uso del punto b) (osservando cio`e che min(X, Y ) = U e max(X, Y ) = U + V ), scrivere la retta di regressione di max(X, Y ) rispetto a min(X, Y ).
Esercizio 3. Per α∈ (0, 1), sia
gα(x) = αp1(x) + (1− α)p2(x),
Esercizio 4. Siano X e Y due v.a. reali con densit`a congiun ta fX,Y(x, y) = 1
(n− 2)!xn−1e−x(y+1)1lx>0,y>0, dove n denota un intero ≥ 2.
a) Calcolare la densit`a congiunta di U = X e V = XY . Discutere se U ⊥⊥ V . b) Qual `e la legge di Z = U + V ? Calcolare E(Z).
Poich´e la legge di Z dipende dal parametro n, useremo d’ora in poi la notazione Zn. c) Calcolare limn→∞P(|Zn− n| >√
n).
d) Dimostrare che n1Zn → 1 in probabilit`a.
Esercizio 5. Una formichina si muove sui vertici di un quadrato: con probabilit`a 12 va in avanti (senso orario) altrimenti sceglie a caso di rimanere sul vertice in cui si trova oppure di andare indietro (senso antiorario). Indichiamo con 1, 2, 3, 4 i quattro vertici (orientati in senso orario).
a) Costruire una catena di Markov per descrivere il moto della formica e classificare gli stati della catena.
Supponiamo che all’inizio la formica si trovi nel vertice 1.
b) `E vero che a regime (= tempi grandi) si trova con pi`u probabilit`a nel vertice 2?
c) Supponiamo che nel vertice 4 sia arrivato un grosso ragno affamato e che nel vertice 3 qualcuno abbia lasciato cadere una mollica di pane. Qual `e la probabilit`a che la formica venga mangiata dal ragno prima di riuscire a mangiare lei il pane?
Esercizio 6. Per α∈ (0, 1), sia
gα(x) = αp1(x) + (1− α)p2(x), dove, per λ > 0, pλ denota la densit`a della legge Exp(λ).
a) Verificare che gα `e una densit`a continua su R e calcolare media e varianza della v.a. Xα che ha gα come densit`a.
b) Dimostrare che Xα non `e una v.a. esponenziale.
Soluzioni
Esercizio 1. a) Sia A l’evento “l’estrazione dall’urna ha dato esattamente 5 palline rosse”. Si ha
P(A) =
∑6 k=1
P(A | N = k)P(N = k) = 1 6
∑6 k=1
P(A | N = k).
Ora, se N = k < 5 non possono essere estratte 5 palline rosse: P(A | N = k) = 0 per k < 5. Se invece k≥ 5, la legge binomiale d`a
P(A | N = k) =(k 5
)(1 2
)5(1 2
)k−5
= (k
5 )(1
2 )k
. Quindi,
P(A) = 1 6
∑6 k=5
(k 5
)(1 2
)k
= 1 6
((1 2
)5
+ 6 (1
2 )6)
= 2 3
(1 2
)5
.
b) Si ha
P(N = 6 | A) = P(A | N = 6)P(N = 6)
P(A) = 6(1
2
)6 1
6 2 3
(1
2
)5 = 3 4, P(N = 5 | A) = P(A | N = 5)P(N = 5)
P(A) =
(1
2
)5 1
6 2 3
(1
2
)5 = 1 4, dunque, noto A, `e pi`u probabile che nel lancio del dado sia uscito 6.
c) Sia X la v.a. che d`a il numero di palline rosse estratte dall’urna, dunque A ={X = 5}. Calcoliamo E(N | X = 5):
E(N | X = 5) =
∑6 n=1
nP(N = n | X = 5)
= 5P(N = 5 | X = 5) + 6P(N = 6 | X = 5)
= 5 4+ 18
4 = 23 4 .
d) Gli eventi {N = 6} e A non sono indipendenti perch´e P(N = 6 | A) = 34 ̸= 16 = P(N = 6).
1. n < m: usando l’indipendenza delle Zk si ha
pX,Y(n, m) =P(Z1 ∈ {1, 6} . . . , Z/ n−1 ∈ {1, 6}, Z/ n = 1, Zn+1 ̸= 6, . . . , Zm−1 ̸= 6, Zm = 6)
= (n∏−1
k=1
P(Zk ∈ {1, 6}/ )
P(Zn= 1) ( m∏−1
k=n+1
P(Zk̸= 6))
P(Zm = 6)
= (4
6 )n−11
6 (5
6
)m−n−11 6 = 1
36 (2
3
)n−1(5 6
)m−n−1
. 2. m < n: per simmetria, basta scambiare i ruoli a n e m quindi
pX,Y(n, m) = 1 36
(2 3
)m−1(5 6
)n−m−1
. Ricapitolando,
pX,Y(n, m) =
1 36
(2 3
)n−1(5 6
)m−n−1
se n, m ≥ 1 e n < m, 1
36 (2
3
)m−1(5 6
)n−m−1
se n, m ≥ 1 e n > m,
0 altrimenti.
b) Osserviamo che min(X, Y )̸= max(X, Y ) perch´e X ̸= Y . Studiamo quindi pU,V(u, v) per u, v ≥ 1. Si ha
pU,V(u, v) =P(U = u, V = v) = P(min(X, Y ) = u, max(X, Y ) − min(X, Y ) = v)
=P(min(X, Y ) = u, max(X, Y ) = v + u)
=P(X = u, Y = u + v) + P(X = u + v, Y = u)
= 2× 1 36
(2 3
)u−1(5 6
)v−1
= 1 3
(2 3
)u−1
× 1 6
(5 6
)v−1
Riconosciamo il prodotto tra due funzioni, l’una dipendente dalla sola u e l’altra dalla sola v, quindi U ⊥⊥ V . Inoltre, si tratta di due densit`a geometriche modificate: U ∼ Geomod(13) e V ∼ Geomod(16).
c) La retta di regressione di max(X, Y ) rispetto a min(X, Y ) ha equazione y = Cov(min(X, Y ), max(X, Y ))
Var(min(X, Y )) (x− E(min(X, Y ))) + E(max(X, Y )).
Osserviamo che max(X, Y ) = U + V , dunque y = Cov(U, U + V )
Var(U ) (x− E(U)) + E(U + V ).
Ora, Cov(U, U + V ) = Cov(U, U ) + Cov(U, V ) = Var(U ) perch´e U ⊥⊥ V , quindi y = x +E(V ).
Ricordando che se una v.a. di legge Geomod(p) ha media 1p, otteniamo y = x + 6.
Esercizio 3. a) Per k≥ 0 si ha gα(k) ≥ 0 e
∑
k≥0
gα(k) = α∑
k≥0
p1(k)
| {z }
=1
+(1− α)∑
k≥0
p2(k)
| {z }
=1
= 1,
dunque gα `e effettivamente una densit`a su E = {0, 1, . . .} per ogni α ∈ (0, 1). Denoti- amo con Xα una v.a. che ha densit`a gα. Allora,
E(Xα) = ∑
k≥0
kgα(k) = α∑
k≥0
kp1(k) + (1− α)∑
k≥0
kp2(k),
il passaggio essendo lecito perch´e serie a temini positivi. Ora, ∑
k≥0kpλ(k) = λ perch´e
`
e la media di una Po(λ), quindi
E(Xα) = α + 2(1− α) = 2 − α.
Passiamo al momento secondo:
E(Xα2) =∑
k≥0
k2gα(k) = α∑
k≥0
k2p1(k) + (1− α)∑
k≥0
k2p2(k).
Ma ∑
k≥0k2pλ(k) `e il momento secondo di una v.a. Z ∼ Po(λ): E(Z2) = Var(Z) + E(Z)2 = λ + λ2, quindi
E(Xα2) =∑
k≥0
k2gα(k) = α(1 + 1) + (1− α)(2 + 4) = 6 − 4α.
b) CN perch´e sia una legge di Poisson di parametro λ `e che la media e la varianza siano uguali a λ, quindi uguali tra di loro:
E(Xα) = Var(Xα) = E(Xα2)− E(Xα)2. Dunque, dev’essere
2− α = 6 − 4α − (2 − α)2.
Sviluppando, otteniamo l’equazione α(1− α) = 0, che non `e mai soddisfatta per α ∈ (0, 1), da cui segue che gα non pu`o essere una densit`a di Poisson.
e il determinante `e 1u. Dunque, fU,V(u, v) = fX,Y(u, v/u) 1
|u| = 1
(n− 2)!un−1e−u(vu+1)1lu>0,u
v>0
1
|u|
= 1
(n− 2)! un−2e−v−u1lu>0,v>0
= 1
(n− 2)! un−2e−u1lu>0× e−v1lv>0.
Riconosciamo nel primo fattore la densit`a della legge Γ(n− 1, 1) calcolata in u e nel secondo fattore la densit`a Exp(1) calcolata in v. Dunque,
fU,V(u, v) = fU(u)fV(v), U ∼ Γ(n − 1, 1), V ∼ Exp(1).
In particolare, U ⊥⊥ V .
b) Poich´e U ⊥⊥ V , U ∼ Γ(n − 1, 1) e V ∼ Exp(1) ≡ Γ(1, 1), Z = U + V ∼ Γ(n, 1). In particolare, E(Z) = n.
c) La legge di Zn `e la stessa di X1 +· · · + Xn, dove X1, . . . , Xn sono i.i.d. di legge Exp(1). Inoltre, n =E(Zn), E(X1) = 1 e Var(X1) = 1. Quindi,
P(|Zn− n| >√
n) =P(
∑n k=1
(Xn− E(Xn)) >√ n
)
=P(
∑n
k=1(Xn− E(Xn))
√n
> 1) .
Applichiamo il TLC:
∑n
k=1(Xn−E(Xn))
√n
−→ N(0, 1), quindiL
nlim→∞P(|Zn− n| >√
n) = lim
n→∞P(
|
∑n
k=1(Xn− E(Xn))
√n | > 1)
=P(|W | > 1), dove W ∼ N(0, 1). Poich´e P(|W | > 1) = 2(1 − Φ(1)), otteniamo
nlim→∞P(|Zn− E(Zn)| >√
n) = 2(1− Φ(1)).
d) Usiamo la disuguaglianza di Chebyshev: preso δ > 0, P(1
nZn− 1 > δ)
=P(|Zn− E(Zn)| > nδ) ≤ Var(Zn) n2δ2 . Qui, Var(Zn) = n, quindi
P(1
nZn− 1 > δ)
≤ 1
nδ2
n−→ 0,→∞
da cui segue che n1Zn→ 1 in probabilit`a.
Esercizio 5. a) Lo spazio degli stati si pu`o prendere E ={1, 2, 3, 4}, in modo tale che Xn= i significa che al tempo n la formica si trova nel vertice i. Poich´e la formica passa da i a i + 1 (identificando 5 con 1) con probabilit`a 12, poniamo pi,i+1 = 12. Altrimenti,
rimane in i o si sposta in i− 1 (identificando 0 con 4) con la stessa probabilit`a, dunque pi,i−1 = pi,i = 14. La matrice di transizione `e
P =
1 4
1 2 0 14
1 4
1 4
1
2 0
0 14 14 12
1
2 0 14 14
.
Osserviamo che si tratta di una catena di nascita/morte. Qui, gli stati comunicano tutti tra di loro, dunque la catena `e irriducibile. E poich´e pi,i > 0, `e anche regolare.
b) Poich´e la catena `e regolare, si ha p(n)ij n−→ π→∞ j per ogni i e j, dove π denota l’unica (catena irriducibile a stati finiti) distribuzione stazionaria. In particolare, p(n)1j ≃ πj
per n grande: per rispondere alla domanda basta quindi confrontare π2 con πj per j ̸= 2. Cerchiamo π: la matrice di transizione `e bistocastica, quindi π `e la distribuzione uniforme su E ={1, 2, 3, 4}. Dunque, non `e vero che π2 > πj per j ̸= 2.
c) Rendiamo assorbenti gli stati 4 (posizione del ragno) e 3 (posizione del cibo) e cerchiamo la probabilit`a che la catena raggiunga la classe (chiusa) C = {4} partendo dallo stato 1. La nuova matrice di transizione `e
Q =
1 4
1 2 0 14
1 4
1 4
1
2 0
0 0 1 0 0 0 0 1
.
Evidentemente, ora 3 e 4 sono stati assorbenti e 1, 2 sono stati transitori (comunicano entrambi con gli stati assorbenti 3 e 4). Prendiamo C ={4}, τC il tempo di ingresso in C e poniamo λi =Pi(τC <∞): per i = 1, λ1 d`a la probabilit`a che la catena raggiunga lo stato 4 (= formica arriva al ragno) prima di raggiungere lo stato 3 (= formica arriva al cibo). Qui, D ={j /∈ C : j C} = {1, 2} e si ha:
λi = pi4+
∑2 j=1
pijλj, i = 1, 2.
Il sistema `e
λ1 = 1 4 +1
4λ1+ 1 2λ2
λ2 = 1
4λ1+ 1 4λ2
e la soluzione `e λ = 3 e λ = 1. La probabilit`a richiesta `e quindi 3.
dunque gα `e effettivamente una densit`a su R. Denotiamo con Xα una v.a. che ha densit`a gα. Allora,
E(Xα) =
∫
R
xgα(x)dx = α
∫
R
xp1(x)dx + (1− α)
∫
R
xp2(x)dx, il passaggio essendo lecito perch´e i due integrali esistono. Inoltre, ∫
Rxpλ(x)dx = 1λ perch´e `e la media di una Exp(λ), quindi
E(Xα) = α + 1− α
2 = 1 + α 2 . Passiamo al momento secondo:
E(Xα2) =
∫
R
x2gα(x)dx = α
∫
R
x2p1(x)dx + (1− α)
∫
R
x2p2(x)dx.
Ora, ∫
Rx2pλ(x)dx `e il momento secondo di una v.a. Z ∼ Exp(λ): ∫
Rx2pλ(x)dx = E(Z2) = Var(Z) +E(Z)2 = λ22, quindi
E(Xα2) = α + (1− α)
2 = 1 + 3α
2 e
Var(Xα2) = 1 + 3α
2 − (1 + α)2
4 = 1 + 4α− α2
4 .
b) Se Xα avesse legge esponenziale, il parametro λ sarebbe dato dal reciproco della media, quindi λ = 1+α2 . In tal caso, si avrebbe Var(Xα) = λ12 = (1+α)4 2. Dunque, dovrebbe essere
1 + 4α− α2
4 = (1 + α)2
4 .
Sviluppando, si ottiene l’equazione α(α− 1) = 0 che non ha soluzione per α ∈ (0, 1).