Sei sulla pagina 1di 3

1 Probabilità elementare Domanda 1.

7
Siano A, B e C tre eventi qualsiasi con probabilità diversa
Domanda 1.1 da zero, allora
Siano A e B due eventi tali che A ⊂ B. Allora V F P (A|B ∩ C) = P (A ∩ B|C) P (B|C)
V F P (A ∪ B) = P (B) V F P (A ∩ B ∩ C) = P (A|B ∩ C) P (B|C) P (C)
V F P (A) ≤ P (B) V F P (A ∩ B) = P (A) P (B)

V F P (A) > P (B) V F P (A) = P (A ∩ B) + P A ∩ B
V F non si può stabilire alcuna relazione tra P (A) e
Domanda 1.8
P (B)
Siano A e B due eventi con
V F P (A) = P (B)
P (A) > 0, P (B) > 0, P (A ∩ B) = 0;
Domanda 1.2
Siano A e B due eventi tali che P (A) = 0.3 e P (B) = 0.9. allora
Allora può essere
V F A e B sono sempre dipendenti
V F P (A ∩ B) = 0
V F A e B sono talvolta dipendenti
V F P (A ∩ B) = 0.1
V F A e B sono sempre indipendenti
V F P (A ∩ B) = 0.3
V F P (A ∩ B) = 0.5 Domanda 1.9
Se il verificarsi dell’evento A non influenza la probabilità
V F P (A ∪ B) = 1
di verificarsi dell’evento B, allora
Domanda 1.3 V F A e B sono dipendenti
Siano A e B due eventi tali che P (A) = P (B) = p. Allora V F A e B sono incompatibili
sicuramente
V F A e B sono dipendenti e incompatibili
V F P (A ∩ B) ≤ 1 − p
V F A e B sono indipendenti
V F P (A ∩ B) ≤ p
V F A e B sono indipendenti e incompatibili
V F P (A ∩ B) ≤ p2
√ Domanda 1.10
V F P (A ∩ B) ≤ p
Siano A, B e C tre eventi qualsiasi con probabilità diversa
Domanda 1.4 da zero, allora
Se il verificarsi dell’evento A implica il verificarsi
V F A è indipendente da A
dell’evento B, allora
V F se A è indipendente da B, B è indipendente da A
V F P (A) ≤ P (B)
V F se A è indipendente da B e B è indipendente da
V F P (A) ≥ P (B)
C, allora A è indipendente da C
V F non è possibile a priori dire se P (A) sia maggiore V F se A è indipendente da B, B è indipendente da A
o minore di P (B)
V F se A e B sono dipendenti, allora A e B sono
V F P (A ∩ B) = P (A) indipendenti
Domanda 1.5
Domanda 1.11
Una stanza è illuminata da due lampadine, siano gli eventi
Siano A e B due eventi qualsiasi, tra loro indipendenti,
A = la lampada 1 è spenta
allora
B = la lampada 2 è spenta
C = la stanza non è al buio V F A è indipendente da B
Allora V F A è indipendente da B
V F C =A∪B V F A ∩ B è indipendente da A ∩ B
V F C =A∪B V F A ∩ B è dipendente da A ∩ B
V F C =A∩B Domanda 1.12
V F C =A∪B Siano A e B due eventi qualsiasi, tali che P (A) P (B) > 0,
allora
Domanda 1.6 
Siano A e B due eventi con probabilità diversa da zero, V F P (A|B) = P A|B

l’implicazione V F P (A|B) + P A|B = 1

V F P (A|B) = P A|B = 1
P (A|B) < P (A) ⇒ P (B|A) < P (B) 
V F P (A|B) = P A|B = 1
è vera V F se A e B sono indipendenti, allora A e B sono
V F sempre indipendenti
V F mai Domanda 1.13
V F dipende da A e da B Se è noto che al verificarsi dell’evento A si verifica anche
l’evento B, e inoltre P (B) = p, con 0 < p < 1, allora V F vale per ogni variabile aleatoria dotata di media,
sicuramente ma non di varianza
V F P (A ∩ B) ≤ p V F vale per ogni variabile aleatoria dotata di
V F P (A ∩ B) ≤ p2 varianza, ma non di media
V F vale per ogni variabile aleatoria dotata di media
V F P (A ∩ B) = P (A)
e di varianza
V F P (A) = P (B) V F stabilisce un intervallo all’esterno del quale non
V F P (A|B) = 1 cadono valori della variabile aleatoria

Domanda 2.7
2 Variabili aleatorie Sia X una variabile aleatoria qualsiasi, dotata di media m
e varianza v, allora
Domanda 2.1 V F P (X ∈ [m − v, m + v]) ≥ 0.9
Sia F (x) la funzione di ripartizione di una qualsiasi V F P (X 6∈ [m − v, m + v]) ≥ 0.9
variabile aleatoria, allora V F P (X ∈ [m − 3v, m + 3v]) ≥ 0.9
V F ∀x1 , x2 , x1 < x2 ⇒ F (x1 ) < F (x2 )
Domanda 2.8
V F F (x1 ) < F (x2 ) ⇒ x1 < x2 La somma di due variabili aleatorie X e Y Binomiali è una
h→0
V F F (x + h) −→ F (x) variabile aleatoria
h→0+ V F binomiale
V F F (x + h) −→ F (x)
V F binomiale solo se X e Y hanno lo stesso parametro
Domanda 2.2 p
Data una variabile aleatoria X (discreta o continua), sia V F binomiale solo se X e Y hanno lo stesso parametro
f (x) la relativa funzione di densità (discreta o continua); p e sono indipendenti
allora
V F f è monotona, ma non strettamente monotona Domanda 2.9
Siano X ∼ N (40, 42 ) e Y ∼ N (50, 32 ), indipendenti, allora
V F f (x) = P (X = x) solo se X è discreta
V F per x “grande”, è sicuramente f (x) < 10−3 V F X + Y ∼ N (50, 52 )
V F ∀x, f (x) ≤ 1 V F X + Y ∼ N (90, 52 )
V F X + Y ∼ N (90, 42 )
Domanda 2.3 V F X − Y ∼ N (−10, 52 )
Sia X una variabile aleatoria con supporto finito; allora
V F X − Y ∼ N (90, −52 )
V F E[X] esiste sempre
V F X + Y ∼ N (90, 92 )
V F può esistere E[X] e non Var[X]
V F X + Y ∼ N (50, 92 )
V F può esistere Var[X] e non E[X]
V F X − Y ∼ N (10, 52 )
V F E[X] ≥ 0
V F X − Y ∼ N (10, 7)
Domanda 2.4 V F X − Y ∼ N (5, 72 )
Sia X una variabile aleatoria qualsiasi; allora
Domanda 2.10
V F E[X] esiste sempre
Date n variabili Xi , tutte Poissoniane di parametro µ, la
V F può esistere E[X] e non Var[X] loro somma
V F può esistere Var[X] e non E[X] V F è sempre una Poissoniana di parametro nµ
V F se esistono media e varianza, allora Var[X] ≥ V F è sicuramente una Poissoniana di parametro nµ,
E[X 2 ] se le Xi sono tra loro indipendenti
V F una variabile aleatoria non notevole, dotata di
Domanda 2.5
media, ma non di varianza
Sia X una variabile aleatoria qualsiasi e g una funzione
continua e derivabile su R, allora
V F Var[g(X)] = g(Var[X]) 3 Vettori aleatori
V F E[g(X)] = g(E[X])
V F se Var[X] > 0, allora Var[g(X)] > 0 per ogni Domanda 3.1
funzione g Siano X, Y due variabili aleatorie con valori attesi
V F se ∀x ∈ R, g1 (x) > g2 (x), allora E[g1 (X)] > mX , mY , allora
E[g2 (X)] V F P (X > Y ) = 1 =⇒ E[X] > E[Y ]
Domanda 2.6 V F E[X] > E[Y ] =⇒ P (X > Y ) = 1
La disuguaglianza di Cebicev V F E[X] > E[Y ] =⇒ P (X > Y ) > 0
V F vale per ogni variabile aleatoria V F P (X = Y ) = 0 =⇒ E[X] 6= E[Y ]
Domanda 3.2 4 Distribuzioni asintotiche
Siano FX (x) e FY (y) le marginali di una funzione di
distribuzione congiunta FX,Y (x, y), allora Domanda 4.1
V F ∀(x, y) FX,Y (x, y) ≤ FX (x)FY (y) Sia X unaP popolazione con E[x] = m, Var[X] = v, e sia
1
V F ∀(x, y) FX,Y (x, y) ≥ FX (x) + FY (y) − 1 X n = n Xi la media campionaria, allora
v
V F ∀(x, y) P ({X ≤ x} ∪ {Y ≤ y}) = FX (x) + V F X n ∼ N (m, n )
FY (y) − FX,Y (x, y) V F X n ≈ N (m, nv )
V F ∀(x, y) FX,Y (x, y) = FX (x)FY (y) V F X n ∼ N (m, v)
V F nota che sia FX,Y (x, y), sono note univocamente V F X n ≈ N (m, v)
FX (x) e FY (y) V F X1 + . . . + Xn ≈ N (nm, nv)
V F note FX (x) e FY (y), è univocamente determinata V F X + . . . + X ≈ N (nm, n2 v)
1 n
FX,Y (x, y)
Domanda 4.2
Sia X una popolazione con E[x] = m, e sia X n = n1
P
Domanda 3.3 Xi
Siano fX (x) e fY (y) le marginali di una densità (continua) la media campionaria, allora la legge dei grandi numeri
congiunta fX,Y (x, y), allora afferma che
 n→∞
V F ∀ε > 0 P |X n − m| > ε −→ 0
V F ∀(x, y) fX,Y (x, y) ≤ fX (x)fY (y)
V F se X è una Bernoulliana, X n tende alla
V F ∀(x, y) fX,Y (x, y) ≤ 1 probabilità di successo nel singolo esperimento
V F ∀(x, y) fX,Y (x, y) = fX (x)fY (y) V F se X ∼ E(λ), allora X n → λ1
V F nota che sia fX,Y (x, y), sono note univocamente V F se X ∼ E(λ), allora 1 P X 2 → 22
n i λ
fX (x) e fY (y)
V F se X ∼ E(λ), allora X n ≈ N ( λ1 , nλ2 2 )
V F note fX (x) e fY (y), è univocamente determinata
fX,Y (x, y) Domanda 4.3
Sia X una popolazione poissoniana di parametro λ, sia
Domanda 3.4 Y = X1 + . . . + Xn , allora
Date due variabili aleatorie X e Y , delle quali sappiamo V F Y è una poissoniana di parametro λ
che possiedono media e varianza, allora V F Y è una poissoniana di parametro nλ
V F E[X + Y ] = E[X] + E[Y ] V F Y ≈ N (0, 1)
V F E[XY ] = E[X]E[Y ] V F Y ≈ N (λ, λ)
V F E[X Y ] = E[X]E[Y ] V F Y ≈ N (nλ, nλ)
V F |E[XY ]| ≤ E[X 2 ]E[Y 2 ]
p
V F |E[XY ]| ≤ E[X 2 ]E[Y 2 ]
V F Cov[X, Y ] = 0 ⇔ X, Y sono indipendenti

Domanda 3.5
Date tre variabili aleatorie X, Y e Z (dotate di media e
varianza) e due numeri reali a e b, allora
V F Var[X + a] = Var[X] + Var[a]
V F Var[X + a] = Var[X] + a
V F Var[X + X] = 2Var[X] • Soluzioni
V F Var[X + Y ] = Var[X] + Var[Y ]
VF, 4.3:FVFFV.
V F Var[X + Y ] = Var[X] + Var[Y ] + 2Cov[X, Y ] Distribuzioni asintotiche — 4.1:FVFFVF, 4.2:VVV-
V F Var[X + Y + Z] = Var[X] + Var[Y ] + Var[Z] +
2Cov[X, Y, Z] VF, 3.4:VFFFVF, 3.5:VFFFVF, 3.6:VFVV.
Vettori aleatori — 3.1:VFVF, 3.2:FVVFVF, 3.3:FFF-
Domanda 3.6 2.8:FFV, 2.9:FVFVFFFFFF, 2.10:FVF.
Date tre variabili aleatorie X, Y e Z incorrelate ed 2.3:VFFF, 2.4:FVFF, 2.5:FFFV, 2.6:FFVF, 2.7:FFV,
equidistribuite, dotate di media e varianza, allora Variabili aleatorie — 2.1:FVFV, 2.2:FVVF,
V F Var[X + Y + Z] = 3Var[X]
1.13:VFVFF.
V F E[XZ] = Cov[X, Z] 1.9:FFFVF, 1.10:FVFVF, 1.11:VVFF, 1.12:FFVFV,
V F E[XY ] = (E[Z])2 1.4:VFFV, 1.5:FVFF, 1.6:VFF, 1.7:VVFV, 1.8:VFF,
V F Var[aX + bY + cZ] = a2 Var[X] + b2 Var[Y ] + Probabilità — 1.1:VVFF, 1.2:FFVFV, 1.3:FVFV,
c2 Var[Z]