Laurea Triennale in Matematica 2011/12 Nome:
22 febbraio 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).
PARTE I (Esercizi 1–2–3)
Esercizio 1. Il Ministero della Pubblica Istruzione vuole stimare la frazione α ∈(0, 1) di studenti di terza media che hanno preparazione scarsa in matematica. A tal fine, sottopone a un grande numero di studenti un quesito con 10 possibili risposte, di cui una sola è corretta. Assumiamo che gli studenti con una buona preparazione in matematica rispondano correttamente al quesito, mentre quelli con preparazione scarsa diano una risposta scelta a caso (e non esistano altre possibilità).
Sottoponendo ad una analisi più approfondita gli studenti che hanno risposto correttamente al quesito, si scopre che tra questi solo l’80% ha una buona preparazione in matematica. Sulla base di queste informazioni, si determini α.
Soluzione 1. Immaginiamo di scegliere uno studente a caso e consideriamo gli eventi A:= “lo studente ha una preparazione scarsa in matematica” e B:= “lo studente risponde correttamente al quesito”. Secondo i dati forniti dal problema
P(A) = α, P(B|A) = 1
10, P(B|Ac) = 1 , P(Ac|B) = 80 100 = 4
5. Si ricava quindi
P(B) = P(B|A) P(A) + P(B|Ac) P(Ac) = α
10 + (1 − α) = 1 − 9 10α , da cui
P(B|Ac) = P(Ac|B) P(B) P(Ac) =
4
5(1 −109α) 1 − α =
4 5 −1825α
1 − α , e dato cheP(B|Ac) = 1 si ottiene infine
4 5 −1825α
1 − α = 1 ⇒ α= 5
7 ' 71, 4% .
Esercizio 2. Sia {Xn}n∈N un processo di Bernoulli di parametro p ∈(0, 1), definito su uno spazio di probabilità(Ω, A, P) (cioè le variabili aleatorie {Xn}n∈N sono i.i.d. con leggi marginali Be(p)).
Definiamo le variabili aleatorie S, T : Ω → N ∪ {+∞} ponendo
S(ω) := inf{k ∈ N : Xk(ω) = 0} , T(ω) := inf{k ∈ N, k > S(ω) : Xk(ω) = 0} , dove per convenzioneinf ∅ := +∞. Poniamo quindi
U(ω) := T (ω) − S(ω)
per ogni ω tale che S(ω) < ∞, e U (ω) := ∞ altrimenti. Definiamo infine per k ∈ N gli eventi Ak:= {Xk= 1} .
(a) Fissiamo n, m ∈ N con n > m. Si esprima l’evento {S = m, T = n} in funzione (di alcuni) degli eventi {Ak}k∈N mediante opportune operazioni insiemistiche (unioni, intersezioni, ecc.).
Si deduca quindi la densità congiunta
pS,T(m, n) = P(S = m, T = n) = pn−2(1 − p)21{1≤m<n}.
(b) Si determini la densità congiunta delle variabili aleatorie S, U . Si deduca che S e U sono indipendenti e hanno la stessa legge marginale (quale?).
(c) Si calcoliE(T ).
Soluzione 2. (a) {S= m, T = n} = (Tm−1
i=1 Ai) ∩ Acm∩ (Tn−1
i=m+1Ai) ∩ Acn e dato che gli eventi {Ak}k∈N sono indipendenti con la stessa probabilità p si deduce che per m, n ∈ N con m < n si ha pS,T(m, n) = pm−1(1 − p)pn−m−1(1 − p) = (1 − p)2pn−2.
(b) Per ogni m, ` ∈ N si ha {S = m, U = `} = {S = m, T = m + `} da cui pS,U(m, `) = pS,T(m, m + `) = (1 − p)2pm+`−2 = [(1 − p)pm−1][(1 − p)p`−1]. Questo mostra che S, U ∼ Ge(1 − p) e che S e U sono indipendenti.
(c) Si ha T = S + U da cui E(T ) = E(S) + E(U ) = 1−p1 +1−p1 = 1−p2 .
Esercizio 3. Sia {Xn}n∈Nuna successione di variabili aleatorie reali discrete indipendenti, definite su uno spazio di probabilità(Ω, A, P), con densità discrete
pXn(x) := P(Xn= x) =
1 −n12 se x= 0
1
2n2 se x= +n o x = −n
0 altrimenti
.
Definiamo quindi per n ∈ N la variabile aleatoria
Sn:= X1+ . . . + Xn. (a) Si mostri che E(Xn) = 0 e Var(Xn) = 1 per ogni n ∈ N.
(b) Si calcoli P(Xn6= 0) e si mostri che P(lim supn∈N{Xn6= 0}) = 0.
(c) Si deduca che Sn/√
n →0 q.c.. Questo risultato non è forse in contraddizione con il teorema limite centrale? Motivare la risposta.
Soluzione 3. (a) Facile.
(b) P(Xn 6= 0) = 1 − P(Xn = 0) = 2n12 quindi P
n∈NP(Xn 6= 0) < ∞ da cui segue che P(lim supn∈N{Xn6= 0}) = 0.
(c) Posto A:= {lim supn∈N{Xn6= 0}}c, si haP(A) = 1. Per costruzione, per ogni ω ∈ A esiste n0(ω) < ∞ tale che per ogni n ≥ n0(ω) si ha Xn(ω) = 0, dunque per n ≥ n0(ω) si ha Sn(ω) = Sn0(ω)(ω) < ∞, dunque limn→∞Sn(ω)/√
n= 0.
Non c’è contraddizione con il teorema limite centrale perché non ne sono soddisfatte le ipotesi, dato che le variabili aleatorie {Xn}n∈N sono indipendenti ma non hanno la stessa legge. (Applicando il teorema limite centrale, si avrebbe Sn/√
n → N(0, 1) in legge.)
PARTE II (Esercizi 4–5–6)
Esercizio 4. Siano X, Y variabili aleatorie reali, definite su uno spazio di probabilità(Ω, A, P), con legge congiunta assolutamente continua, con densità
fX,Y(x, y) :=
(c e−x se0 < x < y < x + 1
0 altrimenti ,
dove c ∈ R è una opportuna costante.
(a) Si mostri che X è una variabile aleatoria di legge Exp(1) e si calcoli il valore della costante c.
(b) Si mostri che Z := log(X) è una variabile aleatoria assolutamente continua e se ne determini la densità. Per quali valori di p si ha Z ∈ Lp?
(c) Si determini la densità di Y . Si calcoli E(eX−Y).
Soluzione 4. (a) Integrando in y si ha fX(x) = c e−x1(0,∞)(x) da cui segue che c = 1 e X ∼ Exp(1).
(b) FZ(t) = P(log(X) ≤ t) = P(X ≤ et) = 1 − e−et è una funzione C1 a tratti, dunque Z è asso- lutamente continua con densità fZ(z) = FZ0(z) = ez−ez. Si haE(|Z|p) =R
R|z|pfZ(z) dz < ∞ per ogni p >0: l’integrale converge a −∞ perché fZ(z) ≤ ez, mentre la convergenza a+∞ è assicurata dal fatto che per z grande e positivo ez− z > z, dunque fZ(z) ≤ e−z.
(c) Per y >1 si ha fY(y) =Ry
y−1fX,Y(x, y) dx = e−(y−1)− e−y = (e − 1)e−y, per0 < y ≤ 1 si ha fY(y) =Ry
0 fX,Y(x, y) dx = 1 − e−y, mentre per y ≤0 si ha fY(y) = 0. Inoltre E(eX−Y) =
Z
R2
ex−yfX,Y(x, y) dxdy = Z +∞
0
Z x+1 x
e−ydy
dx= 1 − e−1.
Esercizio 5. Siano Z e {Xn}n∈N variabili aleatorie reali indipendenti, definite su uno spazio di probabilità (Ω, A, P), con leggi marginali Z ∼ N (0, 1) e Xn ∼ N (0, σn2), dove {σn}n∈N è una successione fissata di numeri reali strettamente positivi.
(a) Sfruttando la disuguaglianza e−z2/2≤ z e−z2/2, valida per z >1, si mostri che P(|Z| > t) ≤ r 2
πe−t2/2, ∀t ∈ [1, ∞) . (b) Si deduca che se σn= n1a, con a >0 fissato, allora Xn→ 0 q.c..
(Facoltativo: che cosa si può dire se σn= 1/√
log n ?)
Soluzione 5. (a) Per simmetria P(Z < −t) = P(Z > t) quindi P(|Z| > t) = 2 P(Z > t) e con una semplice integrazione per t >1 si ha
P(|Z| > t) = 2 Z +∞
t
e−z2/2
√2π dz ≤r 2 π
Z +∞
t
z e−z2/2dz=r 2
π e−t2/2.
(b) Per le proprietà della legge normale Xn ha la stessa legge di σnZ, quindi per la stima ottenuta al punto precedente, per ogni ε >0,
P(|Xn| > ε) = P(|Z| > ε/σn) ≤r 2
π e−ε2/(2σn2)=r 2
πe−ε2n2a/2. Questo mostra che P
n∈NP(|Xn| > ε) < ∞ per ogni ε > 0 e dunque Xn → 0 q.c. per un criterio dimostrato a lezione.
Esercizio 6. Si consideri la catena di Markov X = {Xn}n∈Na valori nell’insieme E = {1, 2, 3, 4, 5, 6}, corrispondente al seguente grafo:
1 1 3
2 5
1 3 1
5 1 3
2
3 4
5
1 6 1
(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 determinino le misure invarianti della catena. Detto τ(3):= inf{k ∈ N0 : Xk= 3} il primo istante di visita dello stato3, si determini Ei(τ(3)) per ogni i ∈ E.
(Facoltativo: per ogni i ∈ E, i 6= 6, si determini la legge di τ(3) rispetto alla probabilità Pi.) Soluzione 6. (a) La matrice di transizione è data da
p=
0 1 0 0 0 0
0 0 1 0 0 0
0 0 45 15 0 0 0 0 13 23 0 0
1
3 0 0 0 23 0
2
5 0 0 0 13 154
.
Le classi irriducibili sono R1 = {3, 4} (chiusa, dunque ricorrente positiva) e T1 = {1}, T2 = {2}, T3 = {5}, T4 = {6} (non chiuse, dunque transitorie).
(b) C’è un’unica probabilità invariante, concentrata sulla classe ricorrente R1 = {3, 4}, che deve soddisfare le relazioni πi = 0 per i = 1, 2, 5, 6 e
4 5π3+1
3π4= π3, π3+ π4 = 1 , da cui π3= 58, π4= 38.
Per calcolare Ei(τ(3)) si può risolvere il sistema visto a lezione, ma per ogni i 6= 6 la risposta può essere data in modo più diretto. Dalla struttura delle probabilità di transizione segue facilmente che E3(τ(3)) = 0, E2(τ(3)) = 1 e E1(τ(3)) = 2. Partendo da i = 4, τ(3) ha una legge Ge(13) e dunque E4(τ(3)) = 3; analogamente, partendo da i = 5 la variabile τ(1) ha legge Ge(13) e dunque E5(τ(3)) = E5(τ(1)) + 2 = 3 + 2 = 5. Infine, per i = 6 si ha
E6(τ(3)) = 1 + p61E1(τ(3)) + p65E5(τ(3)) + p66E6(τ(3)) , da cui
E6(τ(3)) = 15 11
1 +2
5E1(τ(3)) +1
3E5(τ(3))
= 15 11
1 +4
5+ 5 3
= 52 11.