• Non ci sono risultati.

a) Bisogna imporre che 1 =R RfX(x) dx, per cui 1 = Z 4 0 √C xdx = Ch 2√ xi4 0 = 4C , per cui C = 1 4

N/A
N/A
Protected

Academic year: 2021

Condividi "a) Bisogna imporre che 1 =R RfX(x) dx, per cui 1 = Z 4 0 √C xdx = Ch 2√ xi4 0 = 4C , per cui C = 1 4"

Copied!
3
0
0

Testo completo

(1)

Secondo Appello di Matematica C – Probabilit`a Cognome:

Laurea Triennale in Ingegneria Biomedica Nome:

7 luglio 2008 Matricola:

Tema A

Esercizio 1. Il tempo di risposta (espresso in secondi) di un sito internet a una richiesta pu`o essere descritto da una variabile aleatoria assolutamente continua X, la cui densit`a vale

fX(x) =





√C

x se 0 < x < 4 0 altrimenti

,

dove C indica un’opportuna costante positiva.

a) Si determini il valore di C e si calcoli E(X).

b) Si determini la funzione di ripartizione FX(t) per ogni t ∈ R.

Soluzione.

a) Bisogna imporre che 1 =R

RfX(x) dx, per cui 1 =

Z 4 0

√C

xdx = Ch 2√

xi4

0 = 4C , per cui C = 1 4. Il calcolo di E(X) d`a

E(X) = Z 4

0

x fX(x) dx = 1 4

Z 4 0

√x dx = 1 4

 2 3x3/2

4 0

= 4 3. b) Per definizione si ha che FX(t) = Rt

−∞fX(x) dx. Per x ≤ 0 si ha fX(x) = 0, per cui FX(t) = 0 se t ≤ 0. Analogamente, fX(x) = 0 per x ≥ 4 per cui per t ≥ 4 si ha

FX(t) = Z t

−∞

fX(x) dx = Z +∞

−∞

fX(x) dx = 1 . Infine, nel regime “interessante” 0 < t < 4 si ha che

FX(t) = Z t

−∞

fX(x) dx = 1 4

Z t 0

√1

xdx = 1 4 h

2√ xit

0 = 1 2

√ t . In definitiva:

FX(t) =









0 se t ≤ 0 1

2

t se 0 < t < 4 1 se t ≥ 4

.

(2)

Esercizio 2. Lancio un dado regolare a sei facce e indico con X il risultato ottenuto. Quindi lancio una moneta equilibrata un numero di volte pari a X e indico con Y il numero di teste che ottengo.

a) Sapendo che il dado d`a come risultato 2, qual `e la probabilit`a di non ottenere nessuna testa?

b) Supponiamo ora di non avere nessuna informazione sul risultato del dado. Qual `e la probabilit`a di non ottenere nessuna testa?

(Sugg.: pu`o essere utile determinare P (Y = 0|X = n) . . . )

c) Si determini il valore di pY |X(k|2) = P (Y = k|X = 2) per k = 1, 2, 3 e si calcoli E(Y |X = 2).

Soluzione.

a) Sapendo che il dado d`a come risultato due, la distribuzione di Y `e B(2,12), per cui P (Y = 0|X = 2) = 2

0

  1 2

0

 1 2

2

= 1 4.

b) Sapendo che il dado d`a come risultato n, cio`e conditionatamente all’evento {X = n}, la distribuzione di Y `e B(n,12), per cui

P (Y = 0|X = n) =  1 2

n

.

Usando la versione generalizzata della formula delle probabilit`a totali si ottiene dunque P (Y = 0) =

6

X

n=1

P (Y = 0|X = n) · P (X = n) =

6

X

n=1

 1 2

n

·1 6 = 63

64 ·1

6 = 21 128. c) Si ha che

pY |X(1|2) = 2 1

  1 2

2

= 1

2, pY |X(2|2) = 2 0

  1 2

2

= 1

4, pY |X(3|2) = 0 , da cui

E(Y |X = 2) = 0 · pY |X(0|2) + 1 · pY |X(1|2) + 2 · pY |X(2|2) = 1 .

(3)

Esercizio 3 (Domanda teorica di probabilit`a). Si enunci e si dimostri il Binomio di Newton, a partire dalla formula di Steifel nk = n−1k  + n−1k−1.

(Non `e richiesto di dimostrare la formula di Steifel.) Soluzione.

Riferimenti