Laurea Triennale in Matematica 2011/12 Nome:
7 giugno 2012 Email:
Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare tutti i risultati visti a lezione (compresi quelli di cui non è stata fornita la dimostrazione).
Esercizio 1. Un’urna contiene n ≥ 2 palline, numerate da 1 a n. Si effettuano tre estrazioni successive dall’urna, la prima senza reimmissione e le altre due con reimmissione. Indichiamo con X, Y, Z rispettivamente il numero della prima, seconda e terza pallina estratta.
(a) Si determinino per ogni i, j, k ∈ {1, . . . , n} le seguenti probabilità:
P(X = i) , P(Y = j|X = i) , P(Z = k|X = i, Y = j) .
(b) Si deduca dal punto precedente (o si mostri direttamente) che la densità discreta congiunta delle variabili aleatorieX, Y, Z è data data da
pX,Y,Z(i, j, k) = 1
c 1A(i, j, k) ,
doveA := {(i, j, k) ∈ {1, . . . , n}3 : i 6= j, i 6= k} e c = |A| è una costante da determinare.
(c) Si mostri che le tre variabili aleatorieX, Y, Z hanno la stessa legge marginale su {1, . . . , n}, e la si identifichi.
(d) Si mostri che le variabili aleatorie {Y, Z} non sono indipendenti. Le variabili {X, Y, Z} sono indipendenti?
Soluzione 1. (a) Dato che la prima estrazione è senza reimmissione e le altre due con reimmis- sione, si ha che
P(X = i) = 1
n, P(Y = j|X = i) = 1
n − 11{j6=i}, P(Z = k|X = i, Y = j) = 1
n − 11{k6=i}, dove l’ultima espressione è valida peri 6= j (altrimenti la probabilità condizionata non è ben definita).
(b) Segue dal punto precedente che per (i, j, k) ∈ A, ossia per i 6= j, i 6= k, pX,Y,Z(i, j, k) = P(X = i) P(Y = j|X = i) P(Z = k|X = i, Y = j) = 1
n(n − 1)2, mentre chiaramentepX,Y,Z(i, j, k) = 0 per (i, j, k) 6∈ A. Dunque c = |A| = n(n − 1)2. (c) X ha legge uniforme su {1, . . . , n}, come già calcolato:
P(X = i) = 1
n, ∀i ∈ {1, . . . , n} .
Integrando la densità congiunta (o usando le probabilità condizionali) si ottiene P(Y = j) = X
i,k
pX,Y,Z(i, j, k) = 1
n(n − 1)2|{(i, k) ∈ {1, . . . , n}2 : i 6= j, k 6= i}|
= 1
n(n − 1)2(n − 1)2 = 1
n, ∀j ∈ {1, . . . , n} ,
dunque ancheY ha legge marginale uniforme in {0, . . . , n}. Il calcolo per Z è analogo.
(d) Per j, k ∈ {1, . . . , n} si ha pY,Z(j, k) = X
i∈{1,...,n}
pX,Y,Z(i, j, k) = 1 n(n − 1)2
X
i∈{1,...,n}
1{i6=j,i6=k}. L’ultima somma valen − 2 se j 6= k mentre vale n − 1 se j = k. Quindi
pY,Z(j, k) =
( 1
n(n−1) sej = k
n−2
n(n−1)2 sej 6= k ,
mentre se fossero indipendenti la densità congiunta dovrebbe essere pY(j) pZ(k) = 1
n2 .
(In alternativa, si può notare cheP(Y = Z) = n−11 , mentre se fossero indipendenti si dovrebbe avereP(Y = Z) = n1.) Se {X, Y, Z} fossero indipendenti, lo sarebbero in particolare {Y, Z}, ma abbiamo appena mostrato che ciò non accade.
Esercizio 2. SiaX una variabile aleatoria assolutamente continua con densità fX(x) := 3 x21[0,1](x) .
Si considerino le variabili aleatorie
A := − log X , B := min{1, A} .
(a) Si calcoli la funzione di ripartizione della variabile aleatoria A e se ne identifichi la legge.
(b) Si calcoli la funzione di ripartizione di B e si deduca che B non è una variabile aleatoria assolutamente continua.B è una variabile aleatoria discreta?
(c) Consideriamo la seguente equazione di secondo grado per l’incognita x, con coefficienti determinati dalla variabile aleatoriaA:
x2+ 3Ax + 2A2+ 4 = 0 .
Qual è la probabilità che l’equazione non ammetta soluzioni reali?
Soluzione 2. (a) Per t ≥ 0 si ha FA(t) = P(A ≤ t) = P(X ≥ e−t) = R1
e−t3x2dx = 1 − e−3t, mentre chiaramente FA(t) = 0 per t < 0. Dato che FA è C1 a tratti, A è assolutamente continua con densità
fA(t) = FA0(t) = 3 e−3t1[0,∞)(t) , ossiaA ∼ Exp(3).
(b) Per t < 1 si ha FB(t) = P(B ≤ t) = P(A ≤ t) = FA(t), mentre per t ≥ 1 si ha FB(t) = 1.
Quindi
FB(t) =
0 set ≤ 0
1 − e−3t se0 < t < 1
1 set ≥ 1
.
Dato cheFB(1−) = 1 − e−3 mentre FB(1) = 1, si ha che P(B = 1) = FB(1) − FB(1−) = e−3 > 0, dunque B non è assolutamente continua. Allo stesso tempo, B non è discreta, perché in questo caso si dovrebbe avere che 1 = P
t∈RP(B = t) = P
t∈R(FB(t) − FB(t−)), ma FB(t) − FB(t−) = 0 per ogni t 6= 1 e dunque P
t∈R(FB(t) − FB(t−)) = FB(1) − FB(1−) = e−3 < 1.
(c) L’equazione non ha soluzioni reali se e solo se il discriminante è negativo, ossia (3A)2− 4(2A2+ 4) = 9A2− 8A2− 16 = A2− 16 < 0 ,
e la probabilità di tale evento vale
P(A2− 16 < 0) = P(A2 < 16) = P(A < 4) = 1 − e−12, dove la seconda disuguaglianza è valida perchéA ≥ 0.
Esercizio 3. Sia (Ω, A, P) uno spazio di probabilità e sia {An}n∈N una successione di eventi a due a due indipendenti, ossia tali cheP(An∩ Am) = P(An) P(Am) per ogni n 6= m. Introduciamo pern ∈ N la successione crescente di variabili aleatorie {Sn}n∈N definite da
Sn :=
n
X
k=1
1Ak,
ossiaSn conta quanti tra i primin eventi si sono verificati. Poniamo quindi per ogni ω ∈ Ω S∞(ω) := lim
n→∞Sn(ω)
(perché il limite esiste?). Definiamo infine la successione reale {mn}n∈N ponendo mn := E(Sn) =
n
X
k=1
P(Ak) .
(a) Si mostri che Cov(1Ak, 1A`) = 0 se k 6= `, mentre per k = ` si ha Cov(1Ak, 1Ak) = P(Ak)(1 − P(Ak)) ≤ P(Ak) . (b) Si deduca che Var(Sn) = Cov(Sn, Sn) ≤ mn.
(c) Applicando un’opportuna disuguaglianza, si mostri che P
|Sn− mn| > mn
3
≤ 9
mn
.
(d) (*) Si giustifichino le seguenti inclusioni di eventi, valide per ognin ∈ N:
|Sn− mn| ≤ mn 3
⊆
Sn≥ 2 3mn
⊆
S∞≥ 2 3mn
. Si deduca che
P
S∞≥ 2 3mn
≥ 1 − 9 mn. Facciamo d’ora in avanti l’ipotesi chelimn→∞mn= +∞ (ossiaP
k∈NP(Ak) = +∞).
(e) Si mostri che, per ogni K > 0 fissato, per n sufficientemente grande vale l’inclusione
S∞≥ 2 3mn
⊆ {S∞≥ K} . (f) Si deduca dai punti precedenti che
P(S∞≥ K) = 1 ∀K > 0 ,
e si concluda cheP(S∞= +∞) = 1, ossia q.c. si verificano infiniti eventi An. Soluzione 3. (a) Per definizione di covarianza
Cov(1Ak, 1A`) = E(1Ak1A`) − E(1Ak) E(1A`) = P(Ak∩ A`) − P(Ak) P(A`) , per cui sek 6= ` si ottiene 0, mentre per k = ` si ottiene P(Ak)(1 − P(Ak)) ≤ P(Ak).
(b) Per la bilinearità della covarianza Var(Sn) = Cov(Sn, Sn) =
n
X
k,`=1
Cov(1Ak, 1A`) =
n
X
k=1
Cov(1Ak, 1Ak) ≤
n
X
k=1
P(Ak) = mn. (c) Per la disuguaglianza di Chebychev
P
|Sn− mn| > mn 3
= P
|Sn− E(Sn)| > mn 3
≤ Var(Sn) (m3n)2 ≤ 9
mn
.
(d) Seω ∈ {|Sn−mn| ≤ m3n} significa che |Sn(ω)−mn| ≤ m3n. In particolareSn(ω)−mn≥ −m3n, ossiaSn(ω) ≥23mn, cioèω ∈ {Sn≥ 23mn} e la prima inclusione è dimostrata. Dato che Sn(ω) è una successione crescente inn, se Sn(ω) ≥ 23mn si ha a maggior ragione S∞(ω) ≥ 23mn, e anche la seconda inclusione è dimostrata. Infine, grazie alle inclusioni mostrate si ottiene
P
S∞≥ 2 3mn
≥ P
|Sn− mn| ≤ mn 3
= 1 − P
|Sn− mn| ≤ mn 3
≥ 1 − 9 mn. (e) Per K > 0 fissato, sia n0 = n0(K) < ∞ tale che 23mn ≥ K per ogni n ≥ n0. Il fatto
che n0 < ∞ segue dall’ipotesi mn → +∞. Se ω ∈ {S∞ ≥ 23mn}, per n ≥ n0 si ha S∞(ω) ≥ 23mn≥ K e dunque ω ∈ {S∞≥ K}. Questo dimostra l’inclusione.
(f) Dai punti precedenti segue che P(S∞≥ K) ≥ P
S∞≥ 2 3mn
≥ 1 − 9 mn
,
per ognin ≥ n0. Dato che mn→ ∞ per n → ∞, segue che P(S∞≥ K) = 1 per ogni K > 0.
Infine, notando che
{S∞= ∞} = \
K∈N
{S∞≥ K} ,
segue cheP(S∞= ∞) = 1 perché l’intersezione numerabile di eventi q.c. è q.c..
Esercizio 4. Siano {Xn}n∈N variabili aleatorie reali indipendenti, definite su uno spazio di probabilità(Ω, A, P), con leggi marginali Xn∼ P o(λn) dove λn:= 3 + 1n+ (−1)n.
(a) Si determinino due sottosuccessioni {nk}k∈N e {mk}k∈N di n tali che {Xnk}k∈N e {Xmk}k∈N convergono in legge perk → ∞ verso due variabili aleatorie con leggi distinte.
(b) L’intera successione {Xn}n∈Nha limite in legge? Essa è tight?
Soluzione 4. (a) È sufficiente considerare le sottosuccessioni dei numeri pari e dispari,nk := 2k emk:= 2k + 1. Dato che λnk → 4 e λmk → 2, segue che Xnk → P o(4) e Xmk → P o(2) in legge.
(b) Se l’intera successione avesse limite in legge, ogni sottosuccessione avrebbe lo stesso limite, cosa che abbiamo visto non verificarsi. La successione è tight perché lo sono la sottosuccessione con indici pari e quella con indici dispari, che come abbiamo visto convergono in legge.
Esercizio 5. Si consideri la catena di MarkovX = {Xn}n∈Na valori nell’insiemeE = {1, 2, 3, 4, 5}, corrispondente al seguente grafo, doveq ∈ [0,23] è un parametro ignoto:
1 5 1 3
1 4
2 5 1 q
4 3
1 2 5
3 7
2 5 4
(a) Si scriva la matrice di transizione della catena, si identifichino le classi di irriducibilità e si classifichino gli stati (transitori, ricorrenti positivi, ricorrenti nulli).
(b) Si mostri che esiste un solo valore di q ∈ [0,23] tale che la catena ammetta una probabilità reversibile (e non solo invariante). Per tale valore diq, si calcoli
n→∞lim p(n)i,j = lim
n→∞Pi(Xn= j) = lim
n→∞P(Xn= j|X0 = i) , per ognii, j ∈ E.
Soluzione 5. (a) La matrice di transizione è data da
p =
7
20 0 14 25 0 0 47 37 0 0
1
4 0 1120 15 0 q 0 13 23− q 0 0 0 0 25 35
.
Le classi irriducibili sono R1 = {1, 3, 4} (chiusa, dunque ricorrente positiva) e T1 = {2}, T2 = {5} (non chiuse, dunque transitorie).
(b) C’è un’unica probabilità invariante {πi}i∈E ed è concentrata sulla classe ricorrente R1 = {1, 3, 4}, ossia π2 = π5 = 0. La condizione di reversibilità è data da πipij = πjpji per ogni i, j ∈ R1, ossia
π1 1
4 = π3 1 4 π1
2
5 = π4q π3
1 5 = π4
1 3,
da cuiπ1= π3= 53π4 e π1 = 25qπ4, quindi deve essere q = 23. Imponendoπ1+ π3+ π4 = 1 si ottiene
π1 = π3 = 5
13, π4 = 3 13.
Infine, dato che la catena è aperiodica, per quanto visto a lezione si halimn→∞p(n)ij = πj.