TUTORATO DI CALCOLO DELLE PROBABILITA’ - LEZIONE 5
Simulazione della seconda prova parziale
P
RIMA PARTE Esercizio 1Sapendo che 4/3 = P(inviata linea) / P(inviato punto) = [1 − P(inviato punto)] / P(inviato punto), si ha 4 P(inviato punto) = 3 – 3 P(inviato punto), ovvero
(1.1) P(inviato punto) = 3/7 = 0.43;
P(inviata linea) = 1 – P(inviato punto) = 1 – 3/7 = 4/7 = 0.57.
Si supponga, inoltre, che P(ricevuto punto | inviata linea) = 1/10 = P(ricevuta linea | inviato punto).
(1.2) P(ricevuto punto) = P(ricevuto punto | inviato punto) P(inviato punto) + P(ricevuto punto | inviata linea) P(inviata linea)
= (9/10) (3/7) + (1/10) (4/7) = 31/70 = 0.4429 per la legge delle alternative.
(1.3) Gli eventi “ricevere un punto” e “inviare una linea” non sono incompatibili e non sono indipendenti […].
(1.4) P(inviato punto | ricevuto punto)
= P(ricevuto punto | inviato punto) P(inviato punto) / P(ricevuto punto)
= (9/10) (3/7) / (31/70) = 27/31 = 0.8710 e analogamente,
P(inviata linea | ricevuta linea)
= P(ricevuta linea | inviata linea) P(inviata linea) / P(ricevuta linea)
= (9/10) (4/7) / (39/70) = 36/39 = 0.9231.
(1.5) Enunciato.
In un qualsiasi spazio probabilistico, se E è un evento con probabilità non nulla e
{ }
Cn è una famiglia finita e disgiunta di eventi con probabilità non nulla tali cheU
n
Cn
E ⊆ , allora
∀m
( ) ( ) ( )
( ) ( )
=
∑
n
n n
m m
m P E C P C
C P C E E P
C
P |
| | .
Dimostrazione.
Dalla definizione di probabilità condizionata, dalla formula della probabilità composta e dalla legge delle alternative […] deriva che m∀
( ) ( )
( ) ( ) ( )
( ) ( ) ( )
( ) ( )
=
∑
∩ =
=
n
n n
m m m
m m
m P E C PC
C P C E P E
P C P C E P E
P E C E P
C
P |
|
| | .
S
ECONDA PARTE Esercizio 2(2.1) (X1,X2) ~ Trinomiale(n,p,q) con p = 0.505 e q = 0.494; per n = 10 si ha
( )
24 . 0
00096 . 0 252 0294 . 0 0328 . 1200 120 3628800 001
. 0 494 . 0 505 .
!0 0
! 5
! 5
! 5 10 ,
5 2 5 5 0
1
=
⋅
=
⋅ ⋅
=
=
=
= X X
P
(2.2) X1 ~ Binomiale(n,p) e X2 ~ Binomiale(n,q) non sono indipendenti […].
(2.3) […].
(2.4) Le ipotesi del TCL sono soddisfatte […];
X1 ≈ N(µ,σ2) con µ = np = 50.5 e σ2 = np(1−p) = 24.9975 per n = 100.
(2.5) P(49 ≤ X1 < 59) ≅ P(-0.3 ≤ Z < 1.7) = 0.9554 − 0.3821 = 0.5733;
da 0.025 = P(X ≤ x) ≅ P[Z ≤ (x−50.5) / 4.9997] si ottiene -1.96 = z0.025 ≅ (x−50.5) / 4.9997 ovvero x ≅ 40.7 […].
Esercizio 3
(3.1) ϕ(x,y) >0 e ∫∫ ϕ(x,y) dxdy =1 […].
(3.2) X ∼ N(0,1) e Y ∼ N(1,1) […].
(3.3) X e Y sono indipendenti, ma non sono identicamente distribuite […].
(3.4) D = Y − X ∼ N(1,2) per la proprietà riproduttiva della Normale […].
(3.5) Essendo Q = X2 ~ χ21, Sn = Q1 + … + Qn ~ χ2n per la proprietà riproduttiva della v.c. χ2; Sn / n converge in probabilità a E(Q) = 1 per la LGN.
Quesito
Enunciato.
Se X1,…, Xm sono v.c. indipendenti con distribuzioni Binomiali di parametri ni e θ (i = 1,…,m), allora la v.c.
∑
=
= m
1 i
Xi
S ha distribuzione Binomiale di parametri
∑
=
= m
i
ni
n
1
e θ.
Dimostrazione.
) t (
GS
( ) ∏ ( )
=
∑ =
=
= = m
1 i X tX
tS t i
m 1
i i
e E e
E e
E per l’indipendenza di X1, …, Xm
( ) ( )
∏
=−
−
=
−
−
= m
i
t n t n
e e i
1
) 1 ( 1 ) 1 (
1 θ θ con
∑
=
= m
i
ni
n
1
,
che rappresenta la f.g.m. di una v.c. Binomiale con parametri
∑
=
= m
i
ni
n
1
e θ.