Sei sulla pagina 1di 12

Statistica codice 30001

Soluzioni degli esercizi del libro di testo P. Newbold, W.L. Carlson, B. Thorne, Statistica

Capitolo 6

1

CAPITOLO 6

6.6

L’area di competenza di una squadra di soccorso comprende un tratto di fiume lungo 4 km. L’esperienza passata ha dimostrato che il luogo di intervento,misurato come distanza in km dal punto più a nord, può essere misurato da una variabile uniforme nell’intervallo da 0 a 4 chilometri.

X = distanza dal punto più a nord

f

(

x

)    0,25 0

0

x

altrove

4

a) Rappresentare graficamente la funzione di densità

1 0.75 f(x) 0.5 0.25 0
1
0.75
f(x)
0.5
0.25
0

4

x

N.B :





f (x)dx 1

b) Determinare e rappresentare graficamente la funzione di ripartizione

 0 x  0 F ( x )     0,25 x
 0
x
0
F
(
x
)
 
0,25
x
0
 x 
4
1
x
4
1
F(X)
0
4
x
N.B :F(X )
x
f (x)dx
 

c) Probabilità che si verifichi un’emergenza entro un chilometro

P(X

1)

1



f (x)dx

F(1)

0,25 1

0,25

d)

Sede operativa si trova a metà del tratto del fiume

Y

= distanza dalla sede

2

P Y

(

P

P

P

(

(

(

X

X

X

1,5)

P

(

X

0,5)

P

(

X

3,5)

0,5



f

(

P

 

1

(

X

P

(

X

0,5)

3,5)

0,5)

 

 

)

3,5)

x

F

(0,5)

3,5)

 

1

F

0,125

0,5 0,25

(3,5)

0,125

0,125

 

1

0,25 3,5

0,25

0,125

6.7

Sia X la variabile aleatoria che registra il “reddito di una famiglia di una certa regione”; X è una

variabile numerica, quantitativa continua. “Reddito mediano uguale a 60000$” si traduce in P(X≤60000) = P(X≥60000) = 0,5 (si ricorda che P(X≤x)=P(X<x), poiché X è una variabile continua). “Il 40% delle famiglie ha un reddito superiore a 72000$” si traduce in P(X≥72000) = 0,4.

a. P( 60000 X 72000) P(X 72000) - P(X 60000)

che P(X [1-P(X 65000) 72000)]-P(X 60000) quindi 0,5 P(X 65000)0,6.

6.8

All’inizio della stagione, un proprietario valuta 0,4 la probabilità di spendere complessivamente, nei

tre mesi invernali, meno di 380$ nel riscaldamento e 0,6 quella di spendere meno di 460$.

P(X 72000) 10,4 0,6 ;

[10,4]0,5 0,1.

circa

la

b.

Sulla

base

delle

informazioni

disponibili

distribuzione

di

X,

si

può

dire

è superiore a P(X 60000) 0,5 e inferiore

X=spesa in riscaldamento

 60000 )  0,5 e inferiore X=spesa in riscaldamento a. Qual è la probabilità che

a. Qual è la probabilità che la spesa sia compresa tra 380 e 460?

è la probabilità che la spesa sia compresa tra 380 e 460? b. Senza ulteriori informazioni,

b. Senza ulteriori informazioni, cosa si può dire della probabilità che la spesa sia minore di 400$?

dire della probabilità che la spesa sia minore di 400$? 6.13 Sia X il numero di

6.13

Sia X il numero di copie del libro vendute e Y la somma pagata dall’editore alla scrittrice.

Tra X e Y sussiste la seguente relazione : Y = 10000 + 1,5X. Si sa che E(X) = 30000 e σ X = 8000.

Allora

E(Y) E(100001,5X ) 100001,5E(X ) 100001,530000 55000$

(10000  1,5 X )  1,5   X  1,5 8000  

(10000

1,5

X

)

1,5

X

1,5 8000

12000$.

 

Y

6.16

Un agente di commercio ha uno stipendio di 6000$ più l’8% del valore delle ordinazioni che riceve.

Il valore delle ordinazioni può essere rappresentato da una variabile aleatoria con media 600.000$ e

deviazione standard 180.000$. Trovare media e deviazione standard dello stipendio.

X = vendite

Y = stipendio

E(X) = 600.000$

3

Y = 6.000+0.08X

Y = 6.000+0.08X V(Y)=V(6000+0.08X)=
V(Y)=V(6000+0.08X)=
V(Y)=V(6000+0.08X)=

6.17

Sfruttando la simmetria della distribuzione Normale standard e le sue tavole:

b. a. P(Z P(Z 1,20) 1,33)  1F(1,20) P(Z 1,33) 0,8849 1F(1,33) 10,9082 0,0918

d. e. c. P( P(Z P(1,20 P( P(Z 1.70 1.70 1,70) 1) Z    Z 1,33) Z P(Z  1,20) 1) P(Z 1)   P(Z  1,70) P(1F(1,20) F(1) 1,33) Z 1  1,70) 0,8413 [1  P(Z P(Z F(1,70)]  1,70) 1,20) F(1,70)  1  0,8849(10,9554) F(1,33) F(1) F(1,70) 0,95540,8413 F(1,20) 10,9554 0,90820,8849 0,8403   0,0446 0,1141 0,0233
f.
g.

6.18

Sfruttando la simmetria della distribuzione Normale standard e le sue tavole:

a. Se P(Z z) 0,70 , allora F(z) 0,70 . Nella tavola il valore F(z) più vicino a 0,7000 è 0,6985

che corrisponde a z 0,52 ; quindi z 0,52 .

b. Se P(Z z) 0,25 , allora F(z) 0,25 . Certamente z deve essere un valore negativo in quanto

corrisponde a un valore della funzione di ripartizione di Z inferiore a 0,5. Poiché la tavola riporta solamente valori positivi di z, occorre sfruttare la simmetria della distribuzione Normale standard e operare come segue: se P(Z z) 0,25 , allora P(Z z) 0,25 ,

ossia 1P(Z z) 0,25 , ossia 1F(z) 0,25 , ossia F(z) 0,75 .

Nella tavola il valore F(-z) più vicino a 0,7500 è 0,7486 che corrisponde a z 0,67 ; quindi

z

z 0,67 Se 0,84 P(Z . . z) 0,20 , allora 1P(Z z) 0,20 , ossia P(Z z) 0,80 , ossia F(z) z 0,80 0,84 . ;

c.

Nella tavola il valore F(z) più vicino a 0,8000 è 0,7995 che corrisponde a

quindi

P(Z z) 0,60 , allora z deve essere un valore negativo. Sfruttando la simmetria della

distribuzione Normale standard P(Z z) 0,60 equivale a P(Z z) 0,60 , ossia F(z) 0,60 . Nella tavola il valore F(-z) più vicino a 0,6000 è 0,5987 che corrisponde a z 0,25 ; quindi

d. Se

z 0,25 .

6.19

Con l’ausilio della tavola della funzione di ripartizione della distribuzione Normale standard:

a.

 60  50     P Z    64 
60
50   
 P Z 
64

62)

P

 35  50   64
 35  50
64

P(X 60) X

P( 35

( Z

P Z

1,25)

 

1

F

(1,25)

 

1

1,88

Z

0,8944

F

0,1056

.

(1,50)

F

(

62  50    P ( 64 
62  50   
P
(
64

b.

 

1,50)

1,88)

F(1,5) [1F(1,88)] 0,9332[10,9699] 0,9031.

4

c.

P(X

55)

P

50     55    Z  64 
50   
55
  Z 
64

(

P Z

0,63)

0,7357

.

P(X  x)  0,20 , d. Se F   x  50 
P(X  x)  0,20 ,
d. Se
F 
 x  50   0,80
.
64
Nella
tavola
il
valore
 P  Z  x  50   0,20 allora ,  64
P  Z  x
 50   0,20
allora
,
64
della
funzione
di
ripartizione

ossia

1

, 64  della funzione di ripartizione ossia 1  ossia più vicino a 0,8000 è

ossia

più

vicino

a

0,8000

è

0,7995

e

F0,840,7995 ; quindi si risolve

x 50

64
64

0,84

da cui x 50 0,84

x  50  64 0,84 da cui x  50  0,84 64  56,72

64 56,72 .

e. Per un fissato valore k, un intervallo simmetrico rispetto alla media 50 di X si può rappresentare come segue: [50-k , 50+k].

Poiché la probabilità su ciascuna coda vale 0,05/2 = 0,025, si ha

0,05

2

P(X 50 k) 1

0,975

.

 50  50  k    50   0,975  
50
50
 k 
50   0,975 
   X
64
64

8 k   

P(X 50k) 0,975L’intervallo richiesto è [50-k , da , 50cui k] k 15,68 [5015,68; . 5015,68] [34,32; 65,68] .

P

Dalle tavole della distribuzione Normale standard F(z)=0,9750 quando z=1,96.

Allora deve essere

k

8

1,96

P Z

0,975

  k 8    0,975

F

6.25

Sia X il tasso di rendimento delle azioni e X ~ N(12,2;7,2) .

a.

P(X

20)

P

Z

20

12,2   

7,2

P Z

(

1,08)

 

1

0,8599

0,1401

In 14,01 % delle società ha avuto un tasso di rendimento superiore al 20%.

b.

Z

12,2  

0

7,2

P(X

0)

P

P Z

(



1,69)

 

1

P Z

(

1,69)

 

1

0,9545

0,0455

Il

c.

4,55 % delle società ha avuto un tasso di rendimento negativo.

P( 5

X

15)

P

5 12,2

7,2

Z

15

12,2  

7,2

P

(

 

1

Z

0,39)

F

(0,39)

 

[1

F

(1)]

Il

0,6517 (10,8413) 0,493 .

49,3 % delle società ha avuto un tasso di rendimento compreso tra 5% e 15%.

6.27

Un costruttore ritiene che i costi necessari per completare un particolare progetto siano distribuiti

normalmente, con media 500.000$ e deviazione standard 50.000$.

a.

Qual è la probabilità che tali costi siano compresi tra 460.000$ e 540.000$?

X

= costi

= P(z
= P(z

5

b. Qual è il costo che ha probabilità 0,2 di non essere superato? c. Determinate

b. Qual è il costo che ha probabilità 0,2 di non essere superato?

è il costo che ha probabilità 0,2 di non essere superato? c. Determinate il più piccolo

c. Determinate il più piccolo intervallo che, con probabilità 0,95, contenga i costi del progetto.

P( F( - =0,95
P(
F(
-
=0,95

)=0,95

Ci sono infiniti intervalli. Il più piccolo è quello centrato nella media.

intervalli. Il più piccolo è quello centrato nella media. 6.33 Un’azienda può rifornirsi di materie prime
intervalli. Il più piccolo è quello centrato nella media. 6.33 Un’azienda può rifornirsi di materie prime
intervalli. Il più piccolo è quello centrato nella media. 6.33 Un’azienda può rifornirsi di materie prime
intervalli. Il più piccolo è quello centrato nella media. 6.33 Un’azienda può rifornirsi di materie prime
intervalli. Il più piccolo è quello centrato nella media. 6.33 Un’azienda può rifornirsi di materie prime

6.33

Un’azienda può rifornirsi di materie prime da due diversi fornitori. Un esame delle precedenti

consegne indica che le percentuali di impurità seguono distribuzioni normali con i seguenti parametri.

seguono distribuzioni normali con i seguenti parametri. L’azienda vuole che il livello di impurità non superi
seguono distribuzioni normali con i seguenti parametri. L’azienda vuole che il livello di impurità non superi

L’azienda vuole che il livello di impurità non superi il 5% e si rifornirà dal fornitore che, con maggiore probabilità, è in grado di soddisfare la richiesta. Quale fornitore verrà scelto?

=1-0,9082=0,0918
=1-0,9082=0,0918

Conviene rifornirsi dal fornitore A.

6.43

Dato un campione casuale di dimensione n=400 estratto da una popolazione distribuita secondo una

bernulliana con p=0,20.

a. Calcolate la probabilità che la percentuale di successi sia superiore a 0,25 nel campione estratto

la probabilità che la percentuale di successi sia superiore a 0,25 nel campione estratto Se In

Se

In

questo caso
questo caso
b. Calcolare la probabilità che la % di successi sia minore del 16% = c.

b. Calcolare la probabilità che la % di successi sia minore del 16%

=
=

c. Calcolare la probabilità che la 5 di successi sia compresa tra 17% e 24%.

= )-P )=F(2)-F(-1,5)=F(2)-1+F(1,5)=0,9772-1+0,9332=0,9104
=
)-P
)=F(2)-F(-1,5)=F(2)-1+F(1,5)=0,9772-1+0,9332=0,9104

d. Qual è la percentuale di successi che ha probabilità 0,15 di non essere superata?

di successi che ha probabilità 0,15 di non essere superata? e. Qual è la percentuale di
di successi che ha probabilità 0,15 di non essere superata? e. Qual è la percentuale di
di successi che ha probabilità 0,15 di non essere superata? e. Qual è la percentuale di

e. Qual è la percentuale di successi che ha probabilità 0,11 di essere superata?

di successi che ha probabilità 0,11 di essere superata? 6.45 Si sa che il 10% dei

6.45

Si sa che il 10% dei pezzi prodotti da un processo produttivo è difettoso. Si scelgono 400 pezzi

dall’intera produzione. X = numero di pezzi difettosi su 400

a. Qual è la probabilità che almeno 35 pezzi siano difettosi? NB: approssimazione alla binomiale

1)

Se n è grande e p molto piccolo (n>30;np<7) si può approssimare ad una distribuzione di Poisson:

2)

Se n è grande: np(1-p)>9

di Poisson: 2) Se n è grande: np(1-p)>9 si può approssimare a una distribuzione normale: Nel
si può approssimare a una distribuzione normale: Nel nostro caso .
si può approssimare a una distribuzione normale:
Nel nostro caso
.

7

b. c.
b.
c.

d. Senza svolgere calcoli, determinate quale dei seguenti intervalli per il numero di pezzi difettosi ha la maggiore probabilità:

(38;39) (40;41) NB: E(X)=40 L’intervallo è: (40;41)

(41;42)

(44;45)

(46;47)

6.49

I sacchi di prodotti chimici di una certa azienda hanno un contenuto di impurità che può essere

rappresentato da una distribuzione normale con media 12,2 e deviazione standard 2,8. Scegliendo un campione casuale di 400 sacchi, qual è la probabilità che almeno 100 contengano meno di 10 grammi di impurità? X = contenuto di impurità

)
)

a. Calcolare la probabilità che un sacco contenga meno di 10 grammi

la probabilità che un sacco contenga meno di 10 grammi b. Y = numero di sacchi

b. Y = numero di sacchi che contengono meno di 10 grammi su 400

)
)
= numero di sacchi che contengono meno di 10 grammi su 400 ) 6.61 Due variabili
= numero di sacchi che contengono meno di 10 grammi su 400 ) 6.61 Due variabili

6.61

Due variabili aleatorie, X e Y, sono distribuite normalmente. La prima ha media 100 e varianza 100

mentre la seconda ha media 200 e varianza 400. Il coefficiente di correlazione lineare tra le due variabili è 0,5. Trovate media e varianza della variabile aleatoria: .

coefficiente di correlazione lineare tra le due variabili è 0,5. Trovate media e varianza della variabile
coefficiente di correlazione lineare tra le due variabili è 0,5. Trovate media e varianza della variabile
coefficiente di correlazione lineare tra le due variabili è 0,5. Trovate media e varianza della variabile

8

6.69 Si valuta che il numero di chilometri che un certo modello di automobile riesce

6.69

Si valuta che il numero di chilometri che un certo modello di automobile riesce a percorrere, con un

litro di benzina in autostrada, può essere rappresentato da una variabile aleatoria con media 15 e scarto quadratico medio 2. Si scelgono in modo casuale 16 automobili di quel modello, ciascuna con un litro di benzina e si guidano in autostrada. Trovate la media e lo scarto quadratico medio del numero di chilometri percorsi totali.

X = numero di km percorsi da un’auto

percorsi totali. X = numero di km percorsi da u n’auto Y Y = X 1

Y

Y = X 1 +

= numero di km percorsi da 16 auto

+X

16

E(Y) = E(X 1 + V(Y) = V(X 1 +

+X

+X

16 ) = 16 E(X) = 16*15 = 240 16 ) = (poiché le estrazioni sono indipendenti) = 16*V(X) = 64

6.71

Sia X la variabile “produzione giornaliera ”;

Sia Y la variabile “vendita giornaliera”;

La correlazione tra X e Y vale

Sia R il ricavo totale giornaliero; allora R 10Y . Sia C il costo totale giornaliero; allora C 7X 250 .

Sia G il guadagno totale giornaliero; allora G R C 10Y 7X 250 .

Si richiede di valutare P(R C) P(R C 0) P(G 0) .

La variabile G ha distribuzione normale con media E(G) e varianza V(G) così calcolate:

X

~

N

(

100 ;

Y

X

8)

.

625)

.

2

X

Y

~

N

(

Y

100 ;

XY

Corr(X,Y) 0,6

.

E(G) E(10Y 7X 250) 10E(Y) 7E(X) 250 101007100250 50 $

V

(

10

)

G

2

V

8

2

(10

Y X

625

7

 

7

2

250)

2 10

10

2

V Y   

7

120

(

)

(

20225 $

7

2

V X     Cov X Y

7

,

2

)

2 10

(

)

 

in quanto

Allora

G

Cov X Y

(

N (

,

G

~

) 50 ; Corr ( X 20225) , Y )

2

G

X

P

(

R C

)

(

P G

0)

P

6.75

 2    0,6 625 8 120 $ Y . e la probabilità
2 
 0,6
625 8 120
$
Y
.
e la probabilità richiesta vale
0
50
  Z 
P Z
(

0,35)
 20225  

F (0,35)

0,6368.

Sia X la variabile “offerta inferiore tra quelle proposte ”; X ~Uniforme(8; 20) .

Pro memoria sulla distribuzione Uniforme(a,b), dove a=8 e b=20:

funzione densità

f

(

)

x

 

1

  b 0 a

se a

x

b

altrimenti

    12 1 0

    12 1 0 

9

se 8

x

12

altrimenti

 


1

0

 

se

se

se

x a

a

x

x b

 

0

se

x

8

 

x

8

se 8

x

20

1

 

se

x

20

funzione di ripartizione

F

(

x

)

media

varianza

E X

(

)

V

(

X

)

P(X 10)

a b

2

14

b a

2

12

12

1

12

10 80,1667

x a


1

12

b a

1

.

b

a.

b. La consulente si aggiudica il contratto se le altre offerte proposte sono superiori alla sua offerta di

12 migliaia di dollari. Questo avviene con probabilità 66,67%

in quanto

P(X 12)

1

12

20 120,6667

.

c. Dalla risposta al punto b, la probabilità che la consulente si aggiudichi il contratto è 0,6667; in tal caso il suo guadagno è pari a 12-10 = 2 (migliaia di dollari). La probabilità che la consulente non si aggiudichi il contratto è 1-0,6667 = 0,3333; in tal caso il suo guadagno è pari a 0 (migliaia di dollari). Se ne deduce che il guadagno G è una variabile aleatoria avente la seguente funzione di probabilità:

G

0

2

P(G)

0,3333

0,6667

Il

guadagno atteso è pertanto:

E G

(

)

2

i1

x p

i

(

x

i

)

0 0,3333

2 0,6667

1,3334

(migliaia di dollari).

d.

la

(migliaia di dollari). Pertanto deve essere 10 y 20. Analogamente alla soluzione del quesito a., la probabilità di aggiudicarsi il contratto è

Sia y l’offerta della consulente. Ovviamente l’offerta deve essere compresa tra 8 e 20 e), qualora

consulente si aggiudichi il contratto, tale da coprire i costi di realizzazione del progetto, pari a 10

P

(

1

X y 20 y

)

12

e quella di non aggiudicarselo è

P(X y)

1

12

y

8

.

La funzione di probabilità della variabile guadagno G è la seguente:

E il guadagno atteso vale

E G

(

)

2

i 1

(

x p x

i

i

)

 

G

 

0

y-10

     

1

   

1

20 y

 
 

P(G)

12

y

8

12

0

1

12

(

y

8)

(

y

10)

1

12

(20

y

)

y

2

30

y

200

12

Si tratta di determinare l’offerta y (compresa tra 10 e 20) che rende massimo il guadagno atteso:

occorre studiare E(G) come funzione di y. Si calcolano le prime due derivate:

dE G

(

)

d   

dy

y

2

30

y

200     

2

12

y

30

dy

12

d

2

E G

(

)

d  2

dy

y

30  

dy

2

12

2

12

10

I valori candidati ad essere punti di massimo sono quelli che rendono nulla la derivata prima, ossia

si risolve

Poiché la derivata seconda è negativa, il valore y = 15 è un punto di massimo per la funzione E(G). Se la consulente volesse fare un’offerta che massimizzasse il guadagno, dovrebbe proporre 15000 $.

2

y

30

12

0 e si ottiene y = 15 .

6.85

Sia X la variabile “tempo di consegna ”;

X

~

N

(

X

20;

X

1,25

Z

0,9938

15

30

20

20    

20   

2,5)

25

a.

b.

P

P

(15

(

X

30)

25)

P

4

4

Z

1

4

P Z

(

P

 

(

1

P Z

X

4)

.

1,25)

0,0062

0,8944

 

(1

0,8944)

0,7888

c. Sia Y la variabile aleatoria che vale 1 se una pizza è gratuita perché consegnata in ritardo e 0 se

non lo è. Allora Y ~ Bernoulli(p 0,0062) . B ~ Binomiale(n 5; p 0,0062) .

La probabilità che lo studente riceva almeno una pizza gratuita è 3,06% in quanto

il numero di pizze gratuite nei cinque giorni considerati; allora

indipendenti e distribuite come Y.

Sia

Siano

sono

Y ,Y ,Y ,Y ,Y

1

2

3

4

5

le

variabili

aleatorie

relative

ai

cinque

giorni

considerati;

esse

B Y Y Y Y Y

1

2

3

4

5

P B

(

1)

 

1

P B

0

      0,0062 (1

5

0

  

1

0

0,0062)

5

0

 

1

0,9694

0,0306

.

d. Poiché la distribuzione di X è normale, il più piccolo intervallo di tempo che contiene il 40%

delle consegne è quello simmetrico rispetto a

X

: occorre determinare un valore k tale che

P(20k X 20k) 0,4 . Questa espressione equivale alle seguenti:

(20

k

)

20   0,7

;

P Z k

4

F

   k 4    0,7

P(X 20k) 0,50,4/2 0,7 ; [20k; 20k] [202,08; 202,08] [17,92; 22,08].

P(19 X 21)

4

f. [21; 23].

P Z

 0,7

;

Dalla tavola della distribuzione Normale standard il valore F(z) più vicino a 0,7 è 0,6985, corrispondente a z=0,52. Allora k/4=0,52 da cui k=2,08. L’intervallo richiesto è

Essendo tutti intervalli equiampi, il più probabile è l’intervallo [19; 21] in quanto simmetrico rispetto alla media di X. In ordine di probabilità (osservare il disegno per convincersene):

e.

 P(20  X  22) P(18  X  20) 
P(20  X  22)
P(18  X  20)

P(21X 23).

11

6.86

Sia X la variabile “spesa annua dei soci”;

Il valore di σ si determina come segue:

X

~

(

N

100;

2

)

; è noto che P(X 130) 0,10.

P(X 130) 0,10 ;

P Z

130

100    0,10

;

P Z

130

100    0,90

;

F   130

100   0,90

Dalla tavola della distribuzione Normale standard il valore di F(z) che più si avvicina a 0,90 è 0,8997 e corrisponde a z=1,28; allora (130-100)/σ = 1,28 da cui σ = (130-100)/1,28 = 23,4375. La probabilità richiesta è la seguente:

P

(

X

140)

P

23,4375   

140

100

Z

P Z

(

1,71)

 

1

F

(1,71)

 

1

0,9564

0,0436.

6.95

Sia X la variabile “prezzo di una azione A”;

Sia Y la variabile “prezzo di una azione B”;

La correlazione tra X e Y vale

a. Sia P la variabile “valore del portafoglio composto da 10 azioni A e 8 azioni B”. La variabile P è definita tramite la seguente combinazione lineare di X e Y: P 10X 8Y . Ne segue che P ha distribuzione normale con media E(P) e varianza V(P) così calcolate:

X

Y

~

N (

(

12;

Y X

10 ;

2

Y

X

9) 16)

.

.

2

~

N

XY

Corr(X,Y) 0,3

.

E(P) E(10X 8Y) 10E(X ) 8E(Y) 1010812 196

V

( )

10

2

P

V

16

(10

X

8

2

9

8

Y

2 10 8 3,6

)

10

2

V X  V Y    Cov X Y

,

(

)

8

2

(

)

2 10 8

(

)

2752

in quanto

b. Sia X 1 la variabile “prezzo di una azione di tipo 1 ” :

(

Cov X Y

,

)

Corr X Y

,

X

Y

(

)

0,3

16 
16 

9 3,6

.

X

1

~

N

1

1

(

10;

2

25)

e

(

Corr X

1 ,

)

Y 

0,2 .

Sia P 1 la variabile “valore del portafoglio composto da 10 azioni di tipo 1 e 8 azioni B”.

Allora P

1

(10

(10

X

8

2

1

1

9

(

Cov X

1

ha distribuzione normale con media E(P 1 ) e varianza V(P 1 ) così calcolate:

)

10

10

E X

(

1

(

3

)

1

)

8

E Y

(

2

)

(

)



10 10

8 12

196

8

Y

)

2 10 8

 

2

V X  V Y

8

2 10 8   Cov X Y  ( , ) 1  25
2 10 8
 Cov X Y 
(
,
)
1
25
9

3
.

2596

)

Y 

1

Y

,

Y

)

(

Corr X

1

,

0,2

10X X

1

8 Y 8Y

E P

(

1

E

2

V

25

)

)

(

10

V P

1

in quanto

Sia X 2 la variabile “prezzo di una azione di tipo 2 ” :

X

2

~

N

2

2

(

10;

2

9)

e

(

Corr X

2

,

Y

)

0,6

.

Sia P 2 la variabile “valore del portafoglio composto da 10 azioni di tipo 2 e 8 azioni B”.

Allora P

2

(10

(10

8

2

10X X 8 Y 8Y )

2

2

X

9

2

Y

8

)

ha distribuzione normale con media E(P 2 ) e varianza V(P 2 ) così calcolate:

10

E X

(

2

)

8

E Y

(

)

10 10

8 12

196

10

2

)

2340

V X

(

2

8

2

V Y    Cov X Y

2

,

(

)

2 10 8

(

)

E P

(

2

2

2

E

V

9

)

)

(

10

V P

2 10 8 5,4

in quanto

Le due offerte P 1 e P 2 hanno lo stesso valore atteso del portafoglio P; entrambe le offerte sono vantaggiose rispetto al portafoglio P in quanto hanno varianza inferiore rispetto alla varianza di P. Il gestore sceglierà il portafoglio P 2 in quanto ha minor varianza rispetto a P 1 e P.

(

Cov X

2 ,

Y

)

(

Corr X

2

,

)

Y  

2

Y

0,6

 9  9
9
9

5,4

.

12