ESERCIZIprob PDF

Esempi, complementi, tavole
(Versione del 11 settembre 2015)
Se lei si spiega con un esempio non

capisco piú nulla. (Ennio Flaiano)
Il capitolo che segue propone esempi ed esercizi. In taluni casi è necessario

ricorrere ad una macchina calcolatrice ed alle tavole statistiche dei percentili delle
leggi: normale, t-Student, Chi2.
1 Esempi celebri
Esempio 1.a. (Il problema degli sposi di D. Bernoulli, 1768.(1) )
In una data città ci sono n coppie di sposi. Un’epidemia colpisce in egual modo
maschi e femmine, vecchi e giovani. Sapendo che k individui sono morti, calcolare la
probabilità che una certa coppia di sposi sopravviva all’epidemia, nonché il numero
medio di coppie sopravvissute.
R. Poiché
(2 n) gli sposi sono 2 n, il numero di gruppi di taglia k che si possono formare
sono k . Il numero di gruppi di )taglia k che si possono formare (esclusa la coppia
(2 n−2
a cui siamo interessati) sono k . Sia ωi l’evento “la coppia i−esima sopravvive”,
sia Yi = Y (ωi ) la v.a. che vale 1 se accade ωi e 0 se( non )accade. La probabilità che la
2 n−2
(2 n − k)(2 n − k − 1)
coppia sopravviva è dunque P(ωi ) = P(Yi = 1) = (2kn) = =
2 n(2 n − 1)
( k )( k ) ∑n
k
1− 1− . La v.a. U = i=1 Yi , numero aleatorio di coppie che

2n 2n − 1 ∑n
sopravvivono, ha media E(U ) = i=1 E(Yi ) = n E(Yi ) = n P(Yi = 1). Dunque
( k )( k )
E(U ) = n 1 − 1− . Se n = 1000 e k = 500 si ha E(U ) ∼ = 562.
(2 n 2 n − 1
Esempio 1.b. Il problema di Pepys (2) )
È piú probabile che si realizzi l’evento A =“in 6 lanci di un dado il 6 esce almeno 1
volta”, oppure l’evento B =“in 12 lanci di un dado il 6 esce almeno 2 volte”?
R. Tenuto conto che Ā è l’evento che si realizza quando in 6 lanci non esce alcun 6,
si ha P(A) = 1 − P(Ā) = 1 − ( 56 )6 = 1 − 0.3349 = 0.6651. Per contro B̄ = B̄0 ∪ B̄1
è l’evento che si realizza quando in 12 lanci ( il) 6 non esce mai (B̄0 ), oppure5 esce una
sola volta (B̄1 ). Poiché B̄1 si realizza in 12 1
modi, tutti di probabilità
(12) 5 11 1 ( 6
) ·
11 1
6
, si
ha P(B̄) = P(B̄0 ∪ B̄1 ) = P(B̄0 ) + P(B̄1 ) = ( 6 ) + 1 ( 6 ) · 6 = 0.3813 e dunque
5 12
P(B) = 1 − P(B̄) = 0.6187. Newton concluse che P(A) > P(B).

Esempio 1.c.
1)
Daniele Bernoulli (1700-1782) matematico e fisico svizzero.
2)
Dal nome del giocatore che propose il problema ad Isaac Newton (1642-1727).
1
Due dadi regolari sono lanciati. Calcolare la probabilità che: (i) appaia un doppio
6, (ii ) che appaiano facce uguali, (iii) che la somma S delle facce dia 5. Infine, è
piú probabile che S = 5 oppure S = 8?
R. Ai primi due quesiti si risponde ripetendo il ragionamento esposto nell’esempio
1.a. Per il quesito (iii ) si osservi che con due dadi i risultati (ugualmente) possibili
sono 62 = 36 e che la somma 5 si consegue in quattro modi (1, 4), (2, 3), (3, 2) e
(4, 1). Dunque P{S = 5} = 36 4
.
L’evento S = 5 è meno probabile di S = 8. La somma 8, infatti, si consegue nei
cinque modi: (2, 6), (3, 5), (4, 4), (5, 3) e (6, 2). Dunque P{S = 8} = 365
.
Esempio 1.d. (Un quesito posto a Galileo.(3) )
Nel giuoco della zara (lancio di tre dadi) è piú probabile che si realizzi la somma 9
oppure la somma 10?
R. I casi (ugualmente) possibili sono 63 = 216. La somma 9 si consegue in 25 modi
differenti: sei modi per ciascuna delle combinazioni (1, 2, 6), (1, 3, 5) e (2, 3, 4), tre
25 ∼
modi per (2, 2, 5) e (1, 4, 4), un modo per (3, 3, 3). Dunque P{S = 9} = 216 =
0.1157. La somma 10 si consegue in 27 modi differenti: sei modi per ciascuna delle
combinazioni (1, 3, 6), (1, 4, 5) e (2, 3, 5), tre modi per (2, 2, 6), (2, 4, 4) e (3, 3, 4).
Dunque P{S = 10} = 216 27
= 0.1250.
Esempio 1.e.
Si rappresentino le leggi f2 (·) e f3 (·) della somma aleatoria ottenuta lanciando due
e tre dadi regolari (giuoco della zara).
R. Due dadi: si ha X ∈ X = {2, 3, . . . , 12}, con probabilità { 36 1 2 3 4 5 6
, 36 , 36 , 36 , 36 , 36 ,
5 4 3
, , ,
36 36 36 36 36
2 1
, }. Tre dadi (zara): si ha X ∈ X = {3, 4, . . . , 18}, con probabilità
{ 216
1 3
, 216 6
, 216 10 15 21
, 216 25 27 27
, 216 , 216 , 216 25 21 15
, 216 , 216 , 216 10
, 216 , 216 , 216 6
, 216 3
, 216 1
, 216 }. La figura 1
mostra i relativi istogrammi.
0.15 0.15
f2 HxL f3 HxL
0.1 0.1
0.05 0.05
HxL HxL
2 4 6 8 10 12 3 6 9 12 15 18
Figure 1: - Istogrammi del giuoco con due e tre dadi (zara).

( )
Esempio 1.f. Il problema del fumatore Stefan Banach.(4)
Un fumatore che ha in tasca due scatole di fiammiferi, ne sceglie una a caso ogni volta
che vuole accendere una sigaretta. Se in partenza entrambe le scatole contenevano
N fiammiferi, si calcoli la probabilità che quando estrae una scatola e la trova vuota,
nell’altra siano contenuti ancora k ∈ {0, 1, . . . , N } fiammiferi.
R. Sia A [B] l’evento “il fumatore ha scelto la scatola A [B]”, con P(A) = P(B) = 12 .
L’evento E descritto dal problema può essere pensato come l’unione degli eventi
equiprobabili ed incompatibili EA e EB , dove EA [EB ] è vero se, in 2 N − k prove,
3)
Il quesito fu posto a G. Galilei (1564-1642) dal Granduca di Toscana suo protettore, il quale
credeva, ma non era del tutto certo, che il “9” e il “10” fossero equiprobabili. La risposta di Galileo
si trova nel saggio Sopra le scoperte dei dadi.
4)
Stefan Banach (1892-1945), matematico polacco e gran fumatore. Il problema fu proposto
dal suo amico e collega Hugo Steinhaus (1887-1972) nel 1938.
2
le scatole A e B [B e A] sono state scelte N ed N − k volte e (se in una ulteriore
)
prova la scatola scelta è la A [ B ]. Si ha dunque P(EA ) = Bneg N − k 21 , N + 1 =
(2 N −k) ( 1 )2 N −k+1 (2N −k)( 1 )2N −k
N 2
. Si ricava dunque P(E) = 2 · P(EA ) = N 2
.
Esempio 1.g.
Una famiglia ha due bambini: (i) è noto che uno di essi è M , calcolare la probabilità
che l’altro sia F ; (ii ) è noto che il primo è M , calcolare la probabilità che l’altro sia
F . (Si ipotizzi che nascere M o F siano eventi equiprobabili e che vi sia indipendenza
tra i sessi del primo e del secondo figlio.)
R. I quesiti (i ) e (ii ) non sono equivalenti. (Le parole in corsivo sono tutt’altro che
piccole ed inessenziali varianti linguistiche!) In una famiglia in cui ci sono due figli gli
eventi elementari sono ω1 = (M, M ), ω2 = (M, F ), ω3 = (F, M ), ω4 = (F, F ). Ma
mentre nel quesito (i ), l’evento certo Ω è dato dagli eventi {ω1 , ω2 , ω3 } e gli eventi
favorevoli sono {ω2 , ω3 }, sicché la probabilità cercata è 32 , viceversa, nel quesito (ii )
l’evento certo Ω è dato da {ω1 , ω2 } e l’evento favorevole è {ω2 }, sicché la probabilità
cercata è 12 . ▹
( )
Esempio 1.h. Giuoco del lotto.
Calcolare la probabilità che un giocatore realizzi un’ambata, un’ambo, un terno, una
quaterna, una cinquina.
R. Come è noto, in ogni ruota si effettuano 5 estrazioni senza restituzione da
un’urna contenente 90 palline numerate da 1 a 90. Poiché nel giuoco del lotto l’ordine
d’estrazione non conta, (90) il numero delle cinquine che si possono realizzare è dato
dalle combinazioni 5 = 43 949 268. Le giocate, di cui si calcolano le probabilità,
si riferiscono tutte ad una sola ruota.
• Ambata. Il numero delle cinquine distinte contenenti il numero desiderato è
pari
(89) alle
(90)combinazioni degli 89 numeri restanti presi a gruppi di 4. Dunque p1 =
5
4
: 5
= 90
= 0.0555 ...
• Ambo. Il numero delle cinquine distinte aventi i due numeri fissati( è)pari (90)alle
88
combinazioni degli 88 numeri restanti presi a gruppi di 3. Dunque p2 = 3 : 5 =
4·5 1
= 400.5 ∼
= 0.0025.
89·90
• Terno, quaterna, cinquina.
( ) (90) Similmente, le probabilità d’indovinare
(86) (903,) 4, 5 numeri
assegnati sono p3 = 87 : = 1 ∼ 0.851 × 10−4
, p = : 5 = 511038 1 ∼
2 5 11748 = 4 1 =
−5 ∼
0.196 × 10 e p5 = 43 949 268 = 0.228 × 10 .
1 −7
Gli esempi che seguono provengono dal gioco del poker. Come a tutti (non) è
noto, il poker si gioca con un mazzo di 32 carte di valore {7, 8, 9, 10, J, Q, K, A}
nei quattro semi ♡, ♢, ♣, ♠. Il banco serve 5 carte ad ogni giocatore.
( )
Esempio 1.i. Full nel giuoco del poker.
Calcolare la probabilità che ad un giocatore sia servito un full.
R. Si realizza un full se le 5 carte sono divisibili in due gruppi costituiti da un tris
(tre carte dello stesso valore) e da una coppia (due carte dello stesso valore). Ad
esempio un tris di J e una coppia di 10. ( )
Il numero totale di mani è dato da M = 32 5
= 201· 376. Per “costruire” un full
occorre prima scegliere due distinti valori, dove il numero delle scelte è( dato
) dalle
disposizioni
(4) D 8,2 = 8 × 7 = 56. Per ciascuna scelta, si possono
(4)(4) formare 4
3
= 4 tris
e 2 = 6 coppie. Il numero totale dei full è dunque D8,2 3 2 = 56 × 4 × 6 = 1344.
Donde Pf ull = 1344 ∼ 6.674 · 10−3 .
M =
3
( )
Esempio 1.j. Giuoco del poker.
Per i piú “interessati”. Si calcoli la probabilità che ad un giocatore sia servita una
coppia, una doppia coppia, un tris, una scala, un colore, un poker, una scala reale.
R. Il lettore può verificare le probabilità di conseguire i punti riportati nella tavola,
grazie alla procedura esposta nel precedente esempio.
punto probabilità
Pc = 107M520 ∼
·
coppia = 0.534
24· 192 ∼
doppia coppia Pdc = M = 0.120
Ptris = 10M752 ∼
·
tris = 0.0534
· 100 ∼
scala Ps = 5 M = 0.0253
full Pf ull = 1344 ∼ 6.674 · 10−3
M =
260 ∼
colore Pcol = M = 1.291 · 10−3
poker Ppoker = 224 ∼ 1.112 · 10−3
M =
20 ∼
scala reale Psr = M = 9.932 · 10−5
( )
Tav.1.1 - Probabilità nel gioco del poker; M = 32 5
= 201· 376.
( )
Esempio 1.k. Il problema della ripartizione della posta.(5)
Leo e Ugo partecipano ad una gara. Vince la somma S chi arriva per primo a
vincere N0 partite. Per qualche ragione, la gara è interrotta quando a Leo [ad Ugo]
mancano νL [νU ] prove per vincere. Tenuto conto del punteggio acquisito da Leo ed
Ugo, come ripartire equamente la somma S tra i due contendenti?
R. La divisione equa della posta tra Leo ed Ugo è S · P(L) e S · P(U ), dove P(L) è
la probabilità che Leo vinca la gara postoché essa possa essere ripresa dove è stata
interrotta. Si indichi con A (successo per Leo) e B (successo per Ugo) l’esito della
singola prova con P(A) = θ e P(B) = 1 − θ.
Proseguendo la contesa, il giuoco ha termine non appena uno dei due arriva ad
N0 successi. Vince Leo se egli realizza νL successi prima che Ugo ne realizzi νU ,
vince Ugo se consegue νU successi prima che Leo ne faccia νL .
Se vince Leo, è evidente che l’evento che chiude la sequenza delle prove è A e
che gli eventi B (favorevoli ad Ugo) presenti nella sequenza sono j < νU ; la generica
sequenza che vede Leo come vincitore è dunque del tipo
(νL −1 j) (1,0)
z }| { z}|{
B, A, B, . . . , A, B, A , j = 0, 1, . . . , νU − 1 .
| {z }
(νL ,j)
Tale sequenza (ordinata) ha probabilità θ(νL (1 −)θ)j . Poiché le sequenze che

presentano νL − 1 successi e j insuccessi sono νL +j−1
j
, ricaviamo che
U −1 (
ν∑ ) L −1 (
ν∑ )
νL + j − 1 νL νU + j − 1 νU
P(L) = θ (1 − θ) , P(U ) =
j
θ (1 − θ)j .
j=0
j j=0
j
5)
Il problema della ripartizione della posta risale al medioevo. Proposto nel 1654 dal cavaliere
De Meré alla attenzione di Pascal, il problema si trova (per la prima volta) correttamente risolto
in una lettera di Pascal a Fermat, nonché nella risposta di Fermat a Pascal. L’approccio risolutivo
qui seguito ricalca l’idea, dovuta a Fermat, secondo cui ciò che conta non sono i punti totalizzati
(al momento della interruzione), bensı́ i punti che mancano alla vittoria.
4
Come è facile constatare, tali probabilità non dipendono né da N0 , né dal numero
di punti già conseguiti, bensı́ da νL e νU , oltreché da θ. Nell’esempio numerico di
cui alla tavola 1.2 si è posto θ = 12 .
νL νU P(L) P(U )
2 2 1/2 1/2
2 4 13/16 3/16
2 6 15/16 1/16
4 6 191/256 65/256
4 8 227/256 29/256
Tav.1.2 - Tavola per la divisione della posta.
Se per vincere a Leo e ad Ugo manca lo stesso numero di partite, la posta S va

(banalmente) ripartita a metà. Se a Leo mancano 4 punti e ad Ugo 6, a Leo vanno
quasi i 34 della posta; e se poi a Leo mancano 4 punti e ad Ugo 8, a Leo spetta quasi
l’89 % di S.
( )
Esempio 1.l. L’ago di Buffon.(6)
Su un foglio di orizzontale solcato da una serie di rette parallele distanti 2d l’una
dalla successiva, si lancia a caso un ago di lunghezza 2a < 2d. Qual’è la probabilità
che l’ago incontri una delle rette?
R. Il problema può essere formalizzato considerando il centro dell’ago C e (solo)
la retta piú vicina ad esso. Con riferimento alla figura 2[A], sia y la distanza di C
da tale retta e sia z l’angolo compreso fra l’ago e la direzione ortogonale alle rette
parallele. Dire che l’ago attraversa la retta, vedere la figura 2[A], equivale a dire che
a · cos z > y. Sicché la probabilità da calcolare è θ = P(a · cos Z > Y ). Vedere figura
2[B].
HyL
d
@BD
y Ha cos zL
a
C
d z
f HzL = a cos z
HzL
@AD 0
1
0
2
Π
Figure 2: Metodo dell’ago di Buffon.
( Se )la prova è casuale, allora le v.a. Z e Y sono indipendenti ed uniformi in

0, 21 π e (0, d). La v.a. congiunta[ 1 )(Z, Y ) ha pertanto f.d.p. (Z, Y ) ∼ ψ(z, y) =
2
d·π
· 1 D (z, y), con D = [0, d] × 0, 2 π .
6)
Il problema fu proposto negli anni 1733-1777 dal naturalista G. L. Leclerc (1707-1789) di-
venuto in seguito conte di Buffon. Esso costituı́ uno dei primi esempi di probabilità geometriche.
5
La probabilità cercata, la si indichi con θ, vedere sempre figura 2[B], risulta
∫ 1 ∫ ∫ 1
2
π a·cos z
2 2
π
2·a
θ = ψ(z, y) dy dz = a · cos z dz = , (7)
(1)
0 0 d·π 0 d·π
2·a
da cui π = . Questo sorprendente risultato suggerı̀, allo stesso Buffon, una
d·θ
procedura per costruire una stima empirica π̂ del numero π.
( )
Esempio 1.m. Il giuoco delle concordanze.(8)
Siano date tre lettere da infilare in tre buste già dotate di indirizzo. Un impiegato
distratto imbusta le lettere a caso. Calcolare: (i) che tutto fili liscio, (ii ) che almeno
un destinatario riceva la lettera che gli compete, (iii ) che nessuno dei destinatari
riceva la propria lettera.
R. Siano A, B e C i tre destinatari. Se con A si indica l’evento: “il destinatario
A riceve la sua lettera”, e con B e C gli analoghi eventi, i quesiti si riducono a
calcolare: (i) P{A ∩ B ∩ C}, (ii ) P{A ∪ B ∪ C}, (iii ) P{Ā ∩ B̄ ∩ C̄}.
Per il quesito (i ) si deve richiamare il teorema delle probabilità composte; ergo
P{A ∩ B ∩ C} = P{A} P{B|A} P{C|A, B} = 13 · 12 · 1 = 61 .
Per rispondere a (ii ) si deve ricordare il teorema delle probabilità totali per eventi
qualsiasi. Si ha: P{A} = P{B} = P{C} = 13 , P{A, B} = P{A, C} = P{B, C} = 16 .
(Si tenga presente che P{A, B} = P{A} P{B|A} = 16 , o anche che P{A, B} =
P{A, B, C}). Perciò: P{A ∪ B ∪ C} = 3( 31 ) − 3 61 + 16 = 46 ∼ = 0.6667.
Al quesito (iii ) si risponde ricordando che l’evento (Ā, B̄, C̄) è il complementare
di (A ∪ B ∪ C).
Esempio 1.n.
Si risponda al quesito (ii ) dell’esempio precedente quando i destinatari sono N .
R. Per il teorema delle probabilità totali per eventi qualsiasi si ha
( ) ( ) ( )
{ N } N 1 N 1 1 N 1 1 1
P ∪i=1 Ai = − + −· · · =
1 N 2 N N −1 3 N N −1N −2
1 1 1 ∑N ∑N
N +1 1 j+1 1 1
=1− + − + · · · + (−1) = (−1) =1− (−1)j .
2 6 24 N! j=1
j! j=0
j!
{ } −1 ∼
Per N → ∞, si ha P ∪∞ i=1 Ai = 1 − e = 1 − 0.3679 = 0.6321.
(
Esempio 1.o. Roulette russa). Leo e Ugo, a turno, tirano un colpo con una pistola
a tamburo a 8 colpi 7 dei quali a salve. Il primo tiro spetta ad Leo. Si calcoli la
probabilità che “vinca” Ugo.
R. Sia L [U ] l’evento: “Leo [Ugo] tira e parte il colpo”; si ha P(L) = P(U ) =
p = 18 . Gli eventi elementari possibili sono: ω1 = L : vince Leo con probabilità
7)
Diversamente detto, [θ indica ] il rapporto fra l’area della superficie sottesa dalla funzione
y = a · cos z nell’intervallo 0, 21 π , e l’area del rettangolo D
∫
2 · a[ ] 12 π
1
1 2π 2·a
θ = · a · cos z dz = sin z = .
Area(D) 0 d·π 0 d·π
8)
Tale problema fu proposto dal matematico francese P.R. de Montmort (1678-1719).
6
P(ω1 ) = p; ω2 = L̄ U : vince Ugo con P(ω2 ) = p(1 − p); ω3 = L̄ Ū L : vince Leo
con P(ω
∑∞ 3 ) = p(1 − p) ; . . . , etc. Ergo, per n dispari, vince Leo
2
∑con probabilità
∞
pL = h=0 p · (1 − p) . Per calcolare pL si tenga conto che 1 = j=1 p(1 − p)j =
2h
∑∞ ∑
h=0 p · (1 − p)
2h
+ ∞ h=0 p · (1 − p)
2h+1
= pL + (1 − p)pL = (2 − p)pL . Da cui si
1 8
ricava pL = 2−p . Dunque per n dispari, vince Leo con probabilità pL = 15 mentre,
1−p 7
per n pari, vince Ugo con probabilità pU = 2−p = 15 .
2 Altri esempi
Gli esempi che seguono richiedono la conoscenza del calcolo delle probabilità di
primo livello.
Esempio 2.a.
Siano L ed U i giorni della settimana in cui sono nati Leo ed Ugo. Calcolare la
probabilità che i due amici: (i) siano nati entrambi di sabato, (ii ) siano nati lo
stesso giorno.
R. Per comodità si rinominano i giorni della settimana con g1 , g2 , . . . , g7 . (Sabato è
g6 .) Assumendo l’equiprobabilità del giorno di nascita e l’indipendenza delle nascite
di Leo ed Ugo, segue che, ∀j, P{L = gj } = P{U = gj } = 71 . Dunque P{L = U =
g6 } = P{L = g6 }· P{U = g6 } = 491
. Per calcolare P{L = U }, quesito (ii ), si osservi
che l’evento L = U è l’unione di sette eventi equiprobabili e disgiunti: P{L = U } =
P{L = U = g1 } + . . . +P{L = U = g7 } = 7 · 49 1
= 71 .
Esempio 2.b.
Calcolare la probabilità pn che in n prove bernoulliane l’evento A avente probabilità
1
n
si verifichi almeno una volta.
R. Poiché P{Ā} = 1 − n1 ne consegue
( )nche la probabilità che( A non)nsi verifichi mai in
n prove bernoulliane è pari a 1 − n1 . Dunque pn = 1 − 1 − n1 e, per n grande,
pn ∼
= 1 − e−1 .
Esempio 2.c.
La macchina M1 , costituita dagli apparecchi A, B, C disposti in serie, non è piú
funzionante se uno almeno dei tre si guasta. La macchina M2 , costituita dagli ap-
parecchi A, B, C disposti in parallelo, smette di funzionare se tutti e tre si guastano.
Gli apparecchi sono uguali e la probabilità che uno di essi sopravviva per un anno è
pari a 0.7. Calcolare la probabilità che, trascorso un anno, M1 ed M2 siano sempre
funzionanti.
R. Se con A si indica l’evento: “l’apparecchio A è funzionante dopo un anno”,
e con B e C gli analoghi eventi, la probabilità che M1 funzioni ancora equivale
a calcolare P{A, B, C}. La probabilità che M2 sia ancora funzionante equivale a
calcolare P{A ∪ B ∪ C}. La prima probabilità, vedi l’esempio E, è 0.73 = 0.343, la
seconda è 1 − 0.33 = 0.973.
Esempio 2.d.
Una scimmia vuole occultare 3 noci in 5 scatole. Posto che tutto si svolga in modo
casuale, calcolare la probabilità: (i ) p3 che le tre noci si trovino in un’unica scatola;
(ii ) p2 che due finiscano in una scatola e l’altra in una diversa scatola; (iii ) p1 che
le tre noci vadano in tre differenti scatole.
7
R. Si indichino con A1 , . . . , A5 le 5 scatole. Tutti i risultati di sorteggio {Ai , Aj , Ak },
1
dove i, j, k possono ripetersi, sono 53 . Perciò: (i) p3 = 25 (i casi per cui è i = j = k
sono tanti quante sono le scatole); (ii ) p2 = 25 (i casi per i quali risulta i = j ̸= k
12
sono 3 × 4 × 5; ovvero: 5 sono le scelte della scatola in cui infilare 2 noci, (4 )sono,
per ciascuna di esse, le scelte della scatola in cui infilare la restante noce e 32 = 3
12
sono le combinazioni di 3 oggetti presi a( gruppi) di 2); (iii) p1 = 25 (i casi per i quali
risulta i ̸= j ̸= k sono 10 × 6; infatti: 3 = 10 sono le scelte delle 3 scatole in cui
5
infilare le 3 noci e 3! = 6 sono le permutazioni di 3 oggetti).

Esempio 2.e.
Un ladro possiede un mazzo di n0 chiavi che sicuramente contiene la chiave utile per
aprire un certo uscio. La situazione non consente al ladro di fare piú di s tentativi.
Calcolare la probabilita che il ladro fallisca nella sua impresa.
R. Sia Ej = “il ladro azzecca la chiave al j−esimo tentativo”. Si ha P(Ej ) =
n0 −1 n0 −2
· n0 −1 · · · n0 −j+1
1
= n10 , ∀j = 1, 2, . . . , s. Il l’evento considerato dal problema è
n0
∪
F = Ē1 ∩ Ē2 ∩ · · · ∩ Ēs . In forza del teorema di De Morgan abbiamo F = sj=1 Ej .
∑
Tenuto conto che gli eventi Ej sono disgiunti si ricava P(F ) = 1− sj=1 P(Ej ) = n0n−s 0
.
Esempio 2.f.
Un ubriaco possiede un mazzo di n0 chiavi che contiene la chiave utile per aprire
l’uscio di casa sua. Se la chiave, scelta a caso, non quella giusta viene rimessa nel
mazzo e si ripete il tentativo. Calcolare la probabilita che che l’ubriaco debba fare
piú di tre tentativi per entrare in casa sua
R.( Sia
) X il numero aleatorio di prove per
( conseguire
)3 il “successo”. Si ha X ∼

G x θ , con θ = n0 . Dunque P(X > 3) = 1 − θ .
1
Esempio 2.g.
La malattia M presente in una certa popolazione scolastica colpisce un alunno su
10000. Si decide di sottoporre gli alunni a screening di massa il quale, essendo poco
preciso, diagnostica “falsi positivi” e “falsi negativi” con probabilità pari a 0.04 e
0.02. Calcolare la probabilità che un alunno diagnosticato positivo sia, in realtà,
negativo.
R. Si indichi con M [S] l’evento “l’alunno è positivo [negativo]” e con (+) [(−)]
“l’alunno è dichiarato positivo [negativo]”. Le probabilità a priori sono P{S} =
0.9999, P{M } = 0.0001, le probabilità di “falso positivo” e di “falso negativo” sono
P{(+)|S} = 0.04 e P{(−)|M } = 0.02. Le verosimiglianze sono riportate nella tavola
Stato di natura (−) (+)

Sano 0.96 0.04 Tav.2.1 - Verosimiglianze.
Malato 0.02 0.98
Per rispondere al quesito si ricorre al teorema di Bayes

P{M } P{(+)|M } .0001 · .98
P{M |(+)} = = = 0.00244 ,
P{M } P{(+)|M } + P{S} P{(+)|S} .0001 · .98 + .9999 · .04
Dunque P{S|(+)} = 1 − 0.00244 = 0.99756. Si noti che la diagnosi (+) non implica
che l’alunno sia malato. Il teorema di Bayes assicura che se a priori la probabilità
8
di essere malati era 0.0001, la probabilità a posteriori, pur cresciuta di k ∼
= 25 volte
è ancora molto bassa.
Esempio 2.h.
Le ditte di assistenza a domicilio A1 , A2 e A3 occupano 9, 15 e 8 infermieri, 3, 6 e 6
dei quali sono maschi. Si sa che le ditte si dividono il 50%, 40% e 10% degli assistiti.
Calcolare la probabilità che un certo cliente sia assistito dalla ditta Aj , j = 1, 2, 3,
quando nel suo domicilio troviamo: (i) un infermiere maschio (d’ora in poi M1 ), (ii )
due infermieri maschi (M2 ).
R. Indicando le ipotesi con Aj =“la ditta di assistenza è la j−esima”, j = 1, 2, 3, si
adottano come probabilità a priori P(Aj ) le quote di mercato. La verosimiglianza
associata alla ditta A1 è P(M1 |A1 ) = 39 = 0.3333, caso (i ), e P(M2 |A1 ) = 39 · 28 =
0.0833, caso (ii ). Similmente
∑3 si calcolano le altre verosimiglianze.
Grazie alla P(Mk ) = j=1 P(Aj )P(Mk |Aj ), k = 1, 2, si calcolano i denominatori
della formula di Bayes: P(M1 ) = 0.4017, caso (i) e P(M2 ) = 0.1524, caso (ii ).
Le probabilità a posteriori degli eventi Aj avendo osservato M1 , caso (i), e M2 ,
caso (ii ), sono riportate nella Tav.2.2. Si noti come l’ipotesi A1 [A3 ] si indebolisca
[rafforzi] con l’accadere di M1 , e piú ancora di M2 .
ipotesi A1 A2 A3 totali
a priori P(Aj ) 0.50 0.40 0.10 1.
verosimiglianze P(M1 |Aj ) 0.3333 0.4000 0.7500 -
(i ) P(Aj ) · P(M1 |Aj ) 0.1667 0.1600 0.0750 0.4017
a posteriori P(Aj |M1 ) 0.4149 0.3983 0.1867 0.9999
verosimiglianze P(M2 |Aj ) 0.0833 0.1429 0.5357 -
(ii ) P(Aj ) · P(M2 |Aj ) 0.0417 0.0572 0.0536 0.1524
a posteriori P(Aj |M2 ) 0.2734 0.3750 0.3916 1.
Tav.2.2 - Tavola dei calcoli per la formula di Bayes, casi (i) e (ii).
Esempio 2.k.
Due giocatori lanciano una moneta bilanciata n volte ciascuno. Calcolare la proba-
bilità che essi realizzino lo stesso numero di teste.
(j)
R. Sia ωk l’evento: il j−esimo giocatore, con j = 1, 2, realizza k teste. Dunque
( (1) (2) ) ((n)( 1 )n )2 (n)2 ( 1 )2n (∩ (1) (2)
P ωk ∩ωk = k 2 = k 2 . La probabilità cercata è P nk=0 ωk ∩ωk )
∑ ( )2 ( )2n ( 1 )2n ∑n (n)2 (2n) ( 1 )2n
= nk=0 nk 21 = 2 · k=0 k = n · 2 .
Esempio 2.l.
Determinare il minimo numero intero n di lanci (di un dado regolare) tale che la
probabilità di osservare almeno un “6 ” in n lanci, superi 12 .
R. Sia P(6) = θ = 16 , sia X il numero aleatorio di “6 ” che si realizzano in n lanci,
con X ∼ Bin(x|θ, n). La condizione P(X ≥ (1|n) ) > 21 , ovvero P(X = 0|n) ≤ 12 ,
n
produce la disuguaglianza (1 − θ)n ≤ 12 , cioè 65 ≤ 21 . Essa è soddisfatta ∀n ≥
n0 = 4. (Infatti P(X ≥ 1|n0 ) = 1 − 1296
625
> 12 .)
Esempio 2.m. (Il problema dell’incontro.)
Due amici si sono dati un appuntamento in un punto stabilito tra le 8 e le 9. Chi
arriva attende l’arrivo dell’altro per 20 minuti e poi se ne va. Sapendo che ciascuno
dei due arriva a caso nel lasso di tempo che va dalle 8 alle 9 e che i tempi di arrivo
sono indipendenti, si calcoli la probabilità che essi si incontrino.
9
HyL
60
20
HxL
0
0 20 60
Figure 3: - Problema dell’incontro. Casi favorevoli e casi possibili.
R. I tempi di arrivo X ed Y dei due amici sono, per ipotesi, v.a.iid con X ∼
unif (·|0, 60) e (X, Y ) ∈ Q = (0, 60) × (0, 60). I due si incontrano sse | X − Y |< 20,
cioè se si verifica l’evento A = (Y < X + 20) ∩ (Y > X − 20) ⊂ Q. Vedere figura 3.
area(A) 2
La probabilità che | X − Y |< 20 è pertanto P(A) = = 1 − 40602
= 59 .
area(Q)
Esempio 2.n.
Siano X e Y v.a.iid con X ∼ unif (·|0, 1). Determinare la legge della v.a. R =
X
.
X +Y ( )
R. Si ha (X, Y ) ⇔ (T, R), con T = X + Y e jacobiano |J| x,y t,r
= t. Donde
fT,R (t, r) = t · 1D (t, r), dove D = A ∪ B, essendo A = {0 < t ≤ 1, 0 < r < 1} e
∫ 1
{ } 1−r
B = 1 < t < 2, t < r < t . Marginalizzando si ha fR (r) = 1(0, 1 ) (r) ·
t−1 1
t · dt+
2
∫ 1 ( )
0
r
1[ 1 ,1) (r) · t · dt = 12 (1 − r)−2 1(0, 1 ) (r) + r−2 1[ 1 ,1) (r) .
2 2 2
0
HrL 2
1
fR HrL
D=AÜB
A B
12
HtL HrL
0 0
0 1 2 0 12 1
Figure 4: - Dominio della v.a. congiunta (T, R) e f.d.p. marginale della v.a. R.
Pur in presenza di una v.a. congiunta (X, Y ) ∈ (0, 1)×(0, 1) molto semplice, e di
una trasformazione (X, Y ) ⇔ (T, R) essa pure semplice, può accadere, come mostra
l’esempio, che l’individuazione dell’insieme D in cui (T, R) prende valori, richieda
qualche attenzione.
10
3 Uso del TLC e correzione di continuità
Questa sezione presenta esempi d’uso del TLC. La tavola
∑n che segue riporta1un elenco
(assai parziale) di v.a. standardizzate. Sia Un = i=1 Xi , sia X̄ = n Un , dove
(X1 , X2 , . . . , Xn ) sono v.a.iid.
v.a. X v.a. standardizzata Zn v.a. X v.a. standardizzata Zn
Un − n θ Pn − θ √ Un − 12 n √
Bern(x | θ) Zn = √ = √ n unif (x | 0, 1) Zn = √ = (X̄n − 21 )2 3n
nθ(1 − θ) θ(1 − θ) 1
n
12
Un − nλ X̄n − λ √ Un − n/λ √
P o(x | λ) Zn = √ = √ n Exp(x | λ) Zn = √ λ = (λX̄n − 1) n
nλ λ n
Un − n
Chi2(x | 1) Zn = √
2n
Tav. 3.1 - Esempi di v.a. standardizzate.
Gli esempi A e B che seguono mostrano l’uso della correzione di continuità per
v.a.iid discrete. Da notare l’utilità di tale correzione quando la numerosità n non è
particolarmente consistente.
Esempio A. Sia U ∼ Bin(u|θ, n). Si calcolino, in modo esatto ed approssimato la
probabilità che U ≤ u0 , con u0 = 5 e u0 = 9, quando (i) θ = 12 e n = 20; (ii ) θ = 14
e n = 40. ∑u0
R. Nel caso (i) si ha pu0 = P(U ≤ u0 ) = u=0 Bin(u|θ, n) = 0.02064 e cosı́ via per
le altre probabilità esatte, vedi Tav. 5.1. Grazie al teorema del limite centrale, si ha
U − µU
Zn = ≈ N (z|0, 1), con µU = n θ e σU2 = nθ(1 − θ), da cui U ≈ N (x|µU , σU2 ).
σU
parametri u0 pu0 z0 p̃u0 z0c p̃cu0
θ = 12 , n = 20 5 0.02064 −2.236 0.01267 −2.012 0.02209
9 0.41190 −0.447 0.32736 −0.224 0.41153
θ = 14 , n = 40 5 0.04327 −1.826 0.03394 −1.643 0.05017
9 0.43954 −0.365 0.35750 −0.183 0.42757
Tav. 3.2 - Probabilità esatte ed approssimate.
u0 − µU ∫ u0
Posto z0 = nel caso (i) si ha: P(U ≤ u0 ) ∼
= p̃u0 = −∞ N (u|µU , σU2 )du =
σU
Φ(z0 ) = 0.01267, con z0 = −2.236, etc. Notare che σU2 = 5, caso (i), e σU2 = 7.5, caso
(ii ). Per migliorare le non soddisfacenti approssimazioni
( u − µ )si propone la correzione di
U
continuità. Se è vero che, vedi figura 5, la f.r. Φ appare prossima alla f.r.
σU
della binomiale, è pure vero che l’errore è massimo in corrispondenza delle “alzate”.
L’ascissa corretta è perciò uc0 = u0 + 12 anziché u0 . Nel caso (i) si ha: P(U ≤ u0 ) ∼ =
∫ uc0
p̃cu0 = N (u|µU , σU2 )du = Φ(z0c ) = 0.02209, con z0c = −2.012, etc.
−∞
◃ Nota. Per il calcolo di P(U ≥ u0 ), l’ascissa corretta è uc0 = u0 − 21 . Donde
( uc − µ ) (u − 1 − µ )
∼
P(U ≥ u0 ) = 1 − Φ 0 U
. Ed ancora P(u0 ≤ U < u1 ) = Φ ∼ 1 2 U
−
σU σU
(u − 1 − µ )
0 U
Φ 2
, etc. ▹
σU
Esempio B. Il numero di bacteri contenuti in una goccia d’acqua (prelevata da una
certa pozza) segue la legge di Poisson di media 2.3 [bacteri/goccia]. Calcolare la
11
1 1
x- Μ x- Μ
0.8 H
F U
ΣU
L 0.8 H
F U
ΣU
L
0.6 0.6 ΜU = 10
ΜU = 10
0.4 0.4 ΣU 2 = 7.5
ΣU 2 = 5
0.2 HxL 0.2 HxL
5 10 15 20 5 10 15 20
0.2 0.2
0.15 Θ = 12 0.15 Θ = 14

n = 20 n = 40
0.1 0.1
0.05 0.05
HxL HxL
5 10 15 20 5 10 15 20
Figure 5: - Approssimazione della binomiale mediante la legge normale.
probabilità che su 1000 gocce, prese a caso dalla pozza, (i) piú di 900 siano infette;
(ii ) piú di 890 e meno di 910 siano infette.
R. Si ponga λ = 2.3, n = 1000, u0 = 900, u1 = 890, u2 = 910. Sia Y la
v.a. che prende il valore “1 ” [“0 ”] se la goccia [non] è infetta. Dunque: ∑n θ =
−λ ∼
P(Y = 1) = P(X ≥ 1) = 1 − P(X = 0) = 1 − e = 0.8997. Sia Un = i=1 Yi
il numero aleatorio di gocce infette, con µU = nθ = 899.7 e σU2 = nθ(1 − θ) =
90.207. Tenuto conto della correzione di ∫ ∞ continuità, vedi esempio A, si ha: caso
∑
(i ), P(Un > u0 ) = Bin(u|θ, n) ∼
u>u0 = N (u|µU , σ 2 )du = Φ(z c ) = 0.4682, con U 0
uc0
∑
uc = u0 − 21 , z0c = 0.080; caso (ii ), P(u1 < Un < u2 ) = u1 <u<u2 Bin(u|θ, n) ∼ =
∫0 uc2
N (u|µU , σU2 )du = Φ(z2c ) − Φ(z1c ) = 0.8479 − 0.1653 = 0.6826, con uc1 = u1 + 12 ,
uc1
uc2 = u2 − 1
2
e z1c = −0.973, z2c = 1.027.
Esempio C. Sia (X1 , X2 , . . . , Xn ) una successione di v.a.iid, con X ∼ unif (x|0, 10)
ed n = 11· 000. Si calcoli la probabilità che la somma delle Xi sia compresa fra
54· 000 e 55· 500.∑
R. Sia Un = ni=1 Xi , u1 = 54· 000, u2 = 55· 500. Poiché X ∼ u(x|0, 10), E(X) = 5
Un − 5n
e V ar(X) = 25 3
, la v.a. standardizzata è Zn = √ . Le standardizzate di u1 e
1
5 3n
u2 sono z1 = −3.303, z2 = 1.651. Pertanto: P(u1 < Un < u2 ) ∼ = Φ(z2 ) − Φ(z1 ) =
0.9507 − 0.0005 = 0.9502.
Esempio D. Sia U la somma di n v.a.iid esponenziali di media 2.2. Si calcoli la
probabilità che Un : (i) cada fra 24.4 e 32, con n = 20; (ii ) superi 420, con n = 200.
R. (i) P(24.4 < Un < 32) ∼ = 0.091; (ii ) grazie al teorema del limite centrale,
P(420 < Un ) ∼= 0.7398.
L’esempio che segue tratta un caso che ricorre spesso nelle applicazioni.
12
Esempio E. La v.a. U segue la legge binomiale con θ = 31 e n = 450. Fissato
α = 0.01, si calcolino i valori u1 e u2 tali che P(u1 < U < u2 ) ≥ 1 − α e che
P(U ≤ u1 ) = P(U ≥ u2 ) < 12 α.
R. Si ha E(U ) = nθ = 150, V ar(U ) = nθ(1 − θ) = 100. Dalla Φ(z0 ) = 1 − 12 α si
u1,2 − E(U )
ricava che z0 = 2.576, vedi Tav. 7.2 in appendice. Dalle condizioni =
√ [V ar(U )]1/2
∓z0 si ha u1,2 = nθ∓z0 nθ(1 − θ) = 150∓2.576·10. E dunque u1 = ⌊124.24⌋ = 124
e u2 =⌋175.76⌊= 176.
Il TLC è assai utile sia per calcolare le probabilità di v.a. che seguono la legge
Chi2 sia per calcolarne i percentili.
Esempio F. La v.a. Y segue la legge Chi2 con 1850 gradi di libertà. Calcolare la
probabilità che Y non superi 2000 e non sia inferiore a 1900.
R. Si ponga ν = 1850, y1 = 1900, y2 = ∫2000 e si consideri che E(Y ) = ν e
y2
V ar(X) = 2ν. Si ha: P(y1 < Y < y2 ) = Chi2 (y|ν)dy ∼
= Φ(z2 ) − Φ(z1 ) =
y1
0.9932 − 0.7945 = 0.1987, dove z1 = 0.822 e z2 = 2.466 sono ottenuti da y1 e y2 per
standardizzazione.
Esempio G. Si può ricorrere al TLC quando i gradi di libertà superano le capacità
della tavola del Chi2 a nostra disposizione. Sia zp è il percentile p−esimo della
normale standard, sia yp e ypa i corrispondenti percentili della Chi2, con ν gl, esatto
( ) ( ) ypa − ν ∼
ed approssimato. Si ha P yp1 < Y < yp2 ∼ = P zp1 < Z < zp2 , con √ = zp ,
√ 2ν
donde ypa ∼= ν + zp 2 ν. La tavola che segue considera p1 = 0.025 e p2 = 0975 (con
zp1 ,p2 = ∓1.96).
df yp1 yp2 ypa1 ypa2

200 162.7 241.1 160.8 239.2
400 346.5 457.3 344.6 455.4
800 723.5 880.3 721.6 878.4
Tav.3.1 - Percentili della Chi2, esatto ed approssimato, in funzione dei gl.
Si noti che al crescere dei gl diminuisce l’errore relativo degli y a rispetto agli y.
3.1 Il TLC e la formula di Stirling (*)

( )
Si consideri la successione di v.a. Xn, dove Xn ∼ P o(y|n) e perciò E(Nn ) =
n≥1
nn
V ar(Nn ) = n e l’evento Xn = n, la cui probabilità esatta è P(Xn = n) = e−n .
n!
L’approssimazione fornita dal TLC è P(Xn = n) = P(n ≤ Xn < n + 1) =
( ) ∫ n−1/2 1
−n
P 0 ≤ nn < n
X√ −1/2 ∼
= N (z|0, 1)dz ∼
= √ .
0 2πn
nn ∼ 1
Il confronto fra l’espressione esatta ed approssimata e−n = √ , porge la
n! 2πn
formula di Stirling(9)
9)
James Stirling (1692-1770) matematico scozzese.
13
√
n! ∼
= e−n nn+1/2 2π .
Si osservi che in questa applicazione del TLC non è necessario fare intervenire
la correzione di continuità.
14
4 Temi di esame
Il est aisé à voir. . . (Pierre Simon Laplace)

trad.libera: “[La soluzione] è lasciata al lettore . . . ”
Gli esercizi elencati in questa sezione rimandano a passati temi d’esame o ne pre-
figurano di futuri. Come tali essi non hanno alcun ordine preciso. È compito del
lettore saperli formalizzare e saper richiamare la “giusta teoria”. Nei casi piú difficili
si dà una soluzione o una traccia di soluzione.
◃ Esercizio 1. Le ditte F,G,H producono uova in confezioni da 6 pezzi. È noto che
un uovo prodotto dalla ditta F pesa in media µF = 37 [g] ed ha varianza σF2 = 7
[g 2 ]. Per le altre due ditte si sa che µG = 40 [g], σG 2
= 8 [g 2 ] e che µH = 43 [g],
2
σH = 9 [g 2 ]. È stata acquistata una confezione prodotta da una delle tre ditte e si
è constatato che essa pesa piú di 235 [g]. Alla luce di tale informazione, si calcoli la
probabilità che essa provenga da F, da G e da H. (È noto che G possiede il 60 %
del mercato e che la quota di mercato di F è tre volte la quota di H.)
◃ Esercizio 2. La probabilità che sopra il comignolo di una casa situata in un certo
villaggio danese vi sia un nido di cicogna è pari a 0.0025. Sapendo che nel villaggio
ci sono 500 case, si calcoli sia in modo esatto che approssimato la probabilità che
nel villaggio si trovino: (i) non piú di 2 nidi; (ii ) almeno 4 nidi.
◃ Esercizio 3. Siano (Y1 , Y2 ) v.a.i. con Yi ∼ Chi2 (·|νi ), i = 1, 2. (i) Determinare
Y1
la legge della v.a. congiunta (U, V ), con U = Y1 + Y2 e V = ; (ii ) calcolare i
Y1 + Y2
momenti primi { e secondi di (U, V ). }
x1
R. (i). Sia u = , v = x1 + x2 ⇔ {x1 = u v, x2 = v(1 − u)}, con |J| = v
x1 + x2
e (u, v) = (0, 1) × R+ . Si ha
( 1 ) ν1 +ν 2
2
( ) ν21 −1 ( ) ν22 −1
(U, V ) ∼ ν1 2
u v exp{− 1
u v} · v(1 − u) exp{− 21 v(1 − u)} · v
Γ( 2 )Γ( ν22 ) 2
( 1 ) ν1 +ν2
Γ( ν1 +ν2
) ν1 −1 ν2
2
ν1 +ν2
= ν1 2
ν2 u
2 (1 − u) 2 · ν1 +ν2 v 2 −1 exp{− 12 v}
−1 2
Γ( 2 )Γ( 2 ) Γ( 2 )
( 1 )
= Beta u| 2 ν1 , 12 ν2 · Chi2 (v|ν1 + ν2 ),
espressione che mostra l’indipendenza delle v.a. U e V .
◃ Esercizio 4. Nelle condizioni del precedente esercizio, dedurre la legge della v.a.
Y1
congiunta (U, R), con U = Y1 +Y2 e R = ; (ii ) calcolare i momenti primi e secondi
Y2
di (U, R).
◃ Esercizio 5. Siano (X, Y ) v.a.iid con X ∼ N (x|0, 1). Determinare: (i) la legge
della v.a. congiunta (U, V ), con U = X + Y e V = X − Y , nonché i primi due
X
momenti di (U, V ); (ii ) la legge della v.a. R = .
{ Y }
R. (i) Sia {u = x + y, v = x − y} ⇔ x = 12 (u + v), y = 12 (u − v) con |J| = 12
e (u, v) ∈ R2 . Si verifica che (U, V ) ∼ N (u|0, 2) · N (v|0, 2). (ii ) Tenuto conto
15
2
che
{ la xv.a. Z =} Y {ha densità Chi2 (z|1), è opportuno assumere trasformazione
√ } √
r = √ , t = z ⇔ x = r t, z = t , con |J| = t e (r, t) ∈ R × R+ . Si ha dunque
z
( √ ) ( ) √ 1 { }
(R, T ) ∼ N r t|0, 1 · Chi2 t|1 · t = exp − 12 (1 + r2 )t .
2π
1 1
Per marginalizzazione si ha infine R ∼ · = Cauchy(r|0, 1).
π 1 + r2
◃ Esercizio 6. Si calcoli, se esistono, il momento secondo ed i momenti di ordine
dispari della legge t-Student.
R. Come noto, se X ∼ Student(x|ν) allora E(X) = 0, purché ν > 1, e√ dunque
( x2 )−1 √ 1−t
V ar(X) = E(X 2 ). Assumendo la trasformazione t = 1+ ⇔x= ν ,
√ √ ν t
ν t
con dx = 12 2 dt e t ∈ (0, 1],
t 1−t
∫ ∞ ∫ ∞
Γ( ν+1 ) 1 x2 dx
2
E(X ) = x Student(t|ν)dx = 2 ν 2√ √
2
( 2)
ν+1 =
−∞ Γ( 2 ) π ν 0 1 + xν 2
∫
Γ( ν+1 ) 1
−1 ν
(1 − t) 2 −1 dt =
ν−2 3
= ν 2√ ν t 2 , purché ν > 2 .
Γ( 2 ) π 0 ν−2
◃ Esercizio 7. Ivo, Pio e Ugo hanno in tasca rispettivamente 18, 10 e 8 monete, 7,

3 e 4 delle quali sono estere. Ad uno dei tre un ladro ruba 5 monete 2 delle quali
estere. Si calcoli la probabilità che la vittima sia Ivo.
R. (Traccia.) Le informazioni in nostro possesso non ci autorizzano a pensare che
per il ladro vi sia stata una speciale “preferenza” per uno dei tre. La descrizione
. . . dell’esperimento induce a riguardare le tre tasche come . . . urne esaustive.
{ 1 }
◃ Esercizio 8.( Sia Xn una ) v.a.
( che assume
) valori in − 2
n, 0, 1
2
n , n ≥ 2, con
probabilità P Xn = − 21 n = P Xn = 21 n = n−2 . La successione delle v.a (Xn )n≥2
converge in legge, media e media quadratica alla v.a. X degenere nell’origine?
L
R. La convergenza Xn → X è immediata. Poiché E(X) = E(X 2 ) = 0 e poichè
m.1
E(Xn ) = 0 e E(Xn2 ) = 12 , ∀n, si deduce che Xn −→ X e che non vale la convergenza
m.2
Xn −→ X.
◃ Esercizio 9. Sia X ∼ N (x|0, σ 2 ), con σ 2 = 8. Si calcoli, se esiste, la speranza
matematica della funzione aleatoria sinX.
◃ Esercizio 10. Siano A, B, C eventi assegnati. In funzione di essi si esprimano i
seguenti eventi (i) soltanto A si verifica; (ii ) A e B si verificano ma non C; (iii ) A,
B e C si verificano; (iv ) nessuno degli eventi A, B e C si verifica.
◃ Esercizio 11. Un dado è lanciato piú volte fino a che non si raggiunga il “6 ”.
Risolvere i problemi: (i) calcolare la probabilità che l’esperimento non si sia concluso
dopo k0 = 7 lanci; (ii ) posto che dopo il k0 −mo lancio l’esperimento non si sia
concluso, calcolare la probabilità che siano necessari almeno 3 ulteriori lanci per
concluderlo.
16
◃ Esercizio 12. Mostrare che se A e B, con P(B) ∈ (0, 1), sono eventi indipendenti
allora P(A|B) = P(A|B̄).
◃ Esercizio 13. Sia T il tempo di vita di un cavo con T ∼ W eibull(t|α, λ), α = 2.1 e
λ = 0.04. Una ditta vende n cavi con patto di risarcimento se T è inferiore a t0 = 2
anni. Calcolare la probabilità che essa debba risarcirne: (a) piú di 3, con n = 12,
(b) piú di 6, n = 24, (c) piú di 30, n = 120.
R. Sia Yi la v.a. che vale “1” [“0”] se l’i−esimo cavo [non] si rompe; sono da
∑n ∫ t0
risarcire X = Yi cavi. Sia θ = P(Y = 1) = P(T < t0 ) = W eibull(t|α, λ)dt
0
∫ tα
0
i=1
= Exp(u|λ)du = 1 − exp{−λ · tα0 } ∼ = 0.1576. Caso (a), qa = P(X > 3) =

0 ∑3
1 − P(X ≤ 3) = 1 − x=0 Bin(x|θ, n) = 0.1066. Caso (b), qb =∑ P(X > 6) = 0.0714.
Caso (c), occorre ora applicare il TLC . Si ha qc = P(X > 30) = x>30 Bin(x|θ, n) ∼=
30− 21 −120·0.1576
1 − Φ(z0 ) = 0.0018, con z0 = √ = 2.904. (Come spiegare che
120·0.1576(1−0.1576)
3 6 30
12
= 24
= 120
e che qa > qb > qc ?)
◃ Esercizio 14. Pio è interessato all’uscita del “12 ” in un lancio di due dadi. Ivo
è interessato all’uscita del “29 ” nella ruota di Bari. Ugo ha puntato i suoi risparmi
sul numero “22 ” alla roulette (i numeri della roulette vanno da 0 a 36). Si calcoli la
probabilità che (i) tutti e tre restino delusi; (ii ) tutti e tre siano felici; (iii) almeno
uno dei tre vinca.
◃ Esercizio 15. Volendo rincasare, un ubriaco estrae una chiave da un sacco che ne
contiene 12. Se la chiave è quella giusta entra in casa, diversamente ripone la chiave
nel sacco e ripete l’operazione. Calcolare la probabilità che all’ubriaco servano piú
di tre tentativi per aprire l’uscio.
Per entrare in un appartamento (altrui) un ladro prende una chiave da un mazzo
che ne contiene 12. Se la chiave non è quella giusta ne prova un’altra fino ad entrare
nell’appartamento. Calcolare la probabilità che al ladro siano necessari piú di tre
tentativi per arrivare allo scopo. (Si supponga che il ladro abbia fretta.)
R. Si veda l’Esempio Q della sezione 1.
◃ Esercizio 16. La v.a. X segue la legge normale standard. Qual’è la legge della
v.a. Y = |X|? Se ne calcoli la√media e la varianza.
{ }
R. Si ha Y ∼ HN (y|0, 1) = π2 exp − 21 y 2 , con y ∈ R+ , (nota come legge semi-
∫ ∞ √ √
{ 1 2}
normale o anche half-normal ). Inoltre E(Y ) = y π exp − 2 y dy = π2 ,
2
0
E(Y 2 ) = V ar(X) = 1, da cui V ar(Y ) = 1 − π2 .
◃ Esercizio 17. La successione (Xn )n≥1 converge in legge a qualche v.a. quando:
(i ) Xn ∼ N (x|0, n−1 ); (ii ) Xn ∼ N (x|0, n).
R. (i ) (Xn )n≥1 converge alla v.a. X degenere in 0; (ii ) (Xn )n≥1 non converge ad
alcuna v.a.
◃ Esercizio 18. Data la v.a. X uniforme nell’intervallo (0, 1) si determini la legge
della v.a. Y = − log X.
R. Dalla trasformazione y = − log x ⇔ x = e−y , con dx = −e−y dy e y ∈ R+ , si
ricava che Y ∼ Exp(y|1).
17
◃ Esercizio 19. Data la v.a. congiunta (X, Y ) uniforme nel cerchio x2 + y 2 ≤ 1, si
determini la densità marginale della v.a. X e si calcoli la probabilità che X 2 +Y 2 ≥ 12 .
√ ( )
R. Si ha X ∼ π2 1 − x2 , x ∈ [−1, 1], E(X) = 0, V ar(X) = 41 , P X 2 + Y 2 ≥ 12 = 12 .
◃ Esercizio 20. Data la v.a. X ∼ k · e−x · 1R+ (x), con α ∈ (0, 1) noto, calcolare: (i )
α
la costante k; (ii ) la speranza matematica

( ) della v.a. X n(, con) n ∈( N)noto.
R. Si assuma y = xα . Si ha k = αΓ−1 α1 e E(X n ) = Γ n+1 α
Γ−1 α1 .
◃ Esercizio 21.Sia (Xn )n≥1 una successione di v.a.iid con X ∼ u(x|0, a), con a > 0
noto. Si consideri la successione di v.a. (Wn )n≥1 , con Wn = max(X1 , X2 , . . . , Xn ).
Stabilire se la successione (Wn )n≥1 converge a qualche v.a.
R. La successione (Wn )n≥1 converge in legge alla v.a. W degenere in a. La f.r. di
Wn è data da
Fn (w) = P(Wn < w) =
= P(max(X1 , X2 , . . . , Xn ) < w) = P(X1 < w, X2 < w, . . . , Xn < w) =

( )n
= P(X1 < w) · P(X2 < w) · · · P(Xn < w) = P(X < w) ,
e dunque


 (0w )n se w ≥ 0
Wn ∼ Fn (w) = 0<w≤a .

 a
1 w>1
( w )n ( w )n
Per n → ∞ la → 0, ∀w < a, ovvero → 1, per w = a.
a a
WeibullHxÈΑ,Θ-Α L WeibullHxÈΑ,Θ-Α L Α = 4.72

0.4 0.25
Α=6
Θ=5 0.2 Θ = 7.96
0.3
0.1110 0.15
0.2
0.1
0.0036 0.01 0.01
0.1 0.05
HxL HxL
2 t0 4 6 t1 8 2 t 4 6 8 10 t 12 14
0 1
Figure 6: - F.d.p. della legge di Weibull; (a) α = 6, θ = 5, (b) α = 4.72, θ = 7.96.
◃ Esercizio 22. Il tempo di vita T (in anni) di un certo pezzo segue la legge di
Weibull di parametri α e θ. (a) Posto α = 6 e θ = 5 [anni], si calcoli la probabilità
che il pezzo: (i) non superi i 42 mesi di vita; (ii ) superi gli 80 mesi di esercizio. (b)
Posto t0 = 3 e t1 = 10 [anni] si calcolino i parametri α e θ tali che P(T < t0 ) =
P(T > t1 ) = 0.01.
R. (i) Sia t0 = 42 mesi ≡ 3.5 anni e t1 = 80 mesi ≡ 6.667 anni. Poiché λ = θ−α =
6.4 · 10−4 , si ha (i) P(T < t0 ) = 1 − e−λt0 = 0.1110; (ii ) P(T > t1 ) = e−λt1 = 0.0036.
α α
{ ( t )α } { ( t )α }
0 1
(ii ) Dalle condizioni P(T < t0 ) = 1−exp − = P(T > t1 ) = exp −
θ θ
18
( t )α
0 log 0.99
= 0.01, si ha = log 0.01
,
da cui α = 4.72. Sostituendo α in una delle due
t1
condizioni si ottiene θ = 7.96. Vedi figure 6.
◃ Esercizio 23. Sono date le funzioni: (i) f1 (x) = c1 ζ x , con x ∈ N0 e ζ ∈ (0, 1) noto;
(ii ) f2 (x) = c2 (5 − x)3 , con x ∈ (0, 5); (iii ) f3 (x) = c3 x3 , con x ∈ {∓3, ∓2, ∓1}; (iv )
1 1 1
f4 (x) = c4 , con x ∈ N; (v ) f5 (x) = c5 , con x ∈ N; (vi ) f6 (x) = c6 ,
x x (x + 1) 1 + x2
con x ∈ R; (vii ) f7 (x) = c7 exp{−5 · x2 }, con x ∈ R; (viii ) f8 (x) = c8 (|x| − 4), con
1
x ∈ (−4, 4); (ix ) f9 (x, y) = c9 e−x−y , con (x, y) ∈ (−1, 1)2 ; (x ) f10 (x) = c10 · 2 , con
x
1
x ∈ (−1, 1); (xi ) f11 (x) = c11 · √ , con x ∈ (−3, 3).
|x|
Stabilire se, per qualche valore delle costanti cj , le funzioni fj (·) sono leggi di
probabilità. In caso positivo si calcolino (se esistono) i momenti primi e secondi,
nonché la probabilità che X superi 3.
R. (Si consiglia di servirsi dei grafici delle funzioni.) ∑
(i ) Per c1 > 0, f1 (x) > 0, ∀x ∈ N0 . Dalla condizione c1 ∞ x
x=0 ζ = 1, si ricava
∑∞ x 1
c1 = 1 − ζ. Si noti che la nostra è una serie geometrica: x=0 ζ = . La
1−ζ
ζ
f1 (x) è una legge binomiale negativa di parametri (1 − ζ, 1), con E(X) =
1−ζ
ζ ∑∞
e V ar(X) = . Si ha infine P(X > 3) = P(X ≥ 4) = x=4 (1 − ζ)ζ x =
(1 − ζ) 2
∑∞ x−4 ∑ 1
(1 − ζ)ζ 4
x=4 ζ = (1 − ζ)ζ 4 ∞ t=0 ζ = (1 − ζ)ζ
t 4
= ζ 4 . (Si sarebbe potuto
1−ζ
porre P(X > 3) = 1 − P(X ≤ 3) = . . . ) ∫ 5
(ii ) Per c2 > 0, f2 (x) > 0, ∀x ∈ (0, 5). Grazie alla condizione c2 (5 − x)3 dx = 1
∫ 5 0
5 54
si ricava il valore di c2 . Poiché (5 − x)3 dx = − 41 [(5 − x)4 ]0 = ,
si deduce c2 =
4
0 ∫ 5
4
625
. La f2 (x) è dunque una f.d.p. Media e media seconda sono µ = 54 4
x (5 −
∫ 5 ∫ 5 0
[ ]
1 5 5 ′
3
x) dx = 54 4
(5 − u) u du = 54 4 u − 5 u 0 = 1 e µ2 = 54
3 4 5 4 4
x2 (5 − x)3 dx =
∫ 5 0 0
[ 4 10 5 1 6 ]5
4
54
(5 − u)2 u3 du = 544 25
4
u − 5 u + 6 u 0 = 53 , da cui σ 2 = µ′2 − µ2 = 32 . Si
0 ∫ 3
[ ]3
ha infine P(X > 3) = 1 − P(X ≤ 3) = 1 − (5 − x)3 dx = 1 − 544 41 (5 − x)4 0 =
0
1 − 0.9744 = 0.0256.
(iii ) La f3 (x) non è una legge di probabilità. Infatti, se c3 > 0, la f3 (x) < 0 per
certi punti. Viceversa, se c3 < 0 f3 (x) < 0 per i restanti punti. Si giunge alla stessa
conclusione se si pensa che ∀c3 ̸= 0, la f3 (x) è una funzione dispari.
(iv ) La f4 (x) non è una legge di probabilità. Se è vero che con c4 > 0, la f4 (x) > 0,
∑ 1
∀x, è anche vero che ̸ ∃ c4 > 0 finito tale che c4 ∞ x=1 = 1. (Si osservi che la serie
x
non e sommabile.)
(v ) La f5 (x) è una legge di probabilità. Se c5 > 0, la f5 (x) > 0, ∀x. Poiché
19
∑∞ 1
x=1 = 1, si ha c5 = 1. Infine P(X > 3) = 1 − P(X ≤ 3) = 1 − (1 · 21 +
x (x + 1)
1 1
2 3
· + 13 · 14 ) = 41 . La media non esiste.
(vi∫) La f6 (x) è una legge di probabilità. Se c6 > 0, la f6 (x) > 0, ∀x. Inoltre
∞
1 [ ]∞ 1
c6 2
dx = c6 arctan x −∞ = c6 π = 1. Da cui c6 = . (La f.d.p. f6 (x) è la
−∞ 1 + x ∫ π
x
legge di Cauchy.) La X non ha media; (infatti: 2
dx = 12 log(1 + x2 ) + cost,
∫ ∞ 1 + x
1 [ ]∞
∼ 1 (π )
etc.) Infine P(X > 3) = π 1
dx = 1
π
arctan 3
= − 1.2491 =
3 1 + x2 π 2
0.1024.
(vii ) La f7 (x) è una legge di probabilità. Confrontando l’espressione generale della
legge di Gauss con la f7 (x), si evince che essa√ è una legge normale di media µ = 0
e di varianza σ 2 = 10 1
e avendo posto c7 = 5
. Si ha facilmente P(X > 3) =
√ π
P(Z > 3 10) < 1.2 · 10−21 .
(viii ) La f8 (x) è una legge di probabilità. È facile constatare che c8 = − 16 1
e che
∫ 4 ∫ 4
1
E(X) = 0. Inoltre V ar(X) = x2 · (4 − |x|)dx = 81 x2 (4 − x)dx = 83 ,
−4 16
∫ 4 0
1
P(X > 3) = (4 − x)dx = 32 1
.
3 16
(ix ) La f9 (x, y) è una legge di probabilità. È facile constatare che c9 = (e − e−1 )−2 ∼ =
2 ∼ e 2
− 5
5.5244 e che E(X) = E(Y ) = = −0.3130. Poiché E(X 2 ) = E(Y 2 ) = 2 ,
1 − e2 e −1
(e2 − 5)(e2 − 1) − 4 ∼
consegue che V ar(X) = V ar(Y ) = = 0.2759, Cov(X, Y ) = 0.
(e2 − 1)2
(x ) La f10 (x) non è una legge di probabilità. È facile verificare che ∀c10 ∈ R essa
non è sommabile nell’intervallo x ∈ (−1, 1).
(xi ) La f11 (x)
∫ 4 è una legge di probabilità.
∫ 4 Se c11 > 0, la f11 (x) > 0, ∀x ∈ (−4, 4)\{0}.
1 1 [√ ]4
Inoltre c11 √ dx = 2 c11 √ dx = 4 c11 x 0 = 1, da cui c11 = 81 . È facile
−4 |x| x
0
∫ 4 ∫ 4
2 1 3
verificare che E(X) = 0, inoltre V ar(X) = c11 x √ dx = 2 c11 x 2 dx =
−4 |x|
∫ 4 0
[ 5 ]4 1
4
c x 2 0 = 3.2. Infine P(X > 3) = c11
5 11
√ dx = 0.067.
x
3
∑
◃ Esercizio 24. Siano (X1 , X2 , . . . , Xn ) v.a.iid con Xi ∼ u(x|0, 1), sia Sn = ni=1 Xi .
Dimostrare che, se n = 48, la quantità aleatoria Yn = 21 Sn − 12 segue all’incirca la
legge normale standard.
◃ Esercizio 25. Conoscendo la f.c. della v.a. binomiale negativa dedurre la f.c.
della legge di Pascal.
◃ Esercizio 26. Una coppia di sposi che desidera avere figli di sesso diverso decide di
fermarsi non appena raggiunto lo scopo; (i) si determini la distribuzione del numero
dei figli generati dalla coppia; (ii ) calcolare il valore sperato del numero di figli. Si
supponga che la probabilità di nascere M (e dunque F ), si mantenga costante nel
corso di successive maternità e che l’evento M (o F ) sia indipendente dagli esiti
delle precedenti maternità.
20
R. Sia p = P(M ) e q = P(F ), sia X ∈ {2, 3, . . . } il numero di figli della coppia.
Per come è concepito l’esperimento, solo a seguito della nascita del primogenito si
stabilisce cosa sia il “successo”: posto che il primo sia M [F ], la coppia decide di
fermarsi (la regola di stop) non appena arriva il successo, cioè la F [cioè il M ]. La
probabilità di avere x figli, nel caso che il primo sia M, è P(M1 , . . . , Mx−1 , Fx ) =
P(M1 ) · P(M2 , . . . , Mx−1 , Fx ) = p · G(x − 1|q) = px−1 q; la probabilità di avere x figli,
quando il primo è F, è P(F1 , . . . , Fx−1 , Mx ) = q x−1 p. La legge cercata è P(X = x) =
px−1 q + q x−1 p. ∑ ( x−1 ) ∑∞ ∑∞
Si ha poi E(X) = ∞ x=2 x p q + q x−1
p = xp
x=2 ∑
x−1
q + x−1
x=2 xq ∑ p. Si pro-
∞
ceda col metodo della derivata. La prima somma vale q x=2 xp x−1
= q dp ∞
d x
x=2 p =
2 p(2−p) (1−p)(1+p) p(2−p)
d p
q dp 1−p
= (1−p)2
. La seconda somma vale p2
. Donde E(X) = (1−p)2
+
(1−p)(1+p)
p2
.
◃ Esercizio 27. Come noto, nel bridge (che si gioca con 52 carte) ciascuno dei 4
giocatori (N, S, E, W) riceve 13 carte. Si supponga che N e S ricevano 10 ♠. (Caso
i) Si calcoli la probabilità che le tre restanti carte di ♠ siano in mano di uno solo
dei due avversari E e W. (Caso ii ) Posto che N cali una carta di ♠, calcolare la
probabilità che E e W siano entrambi in grado di rispondere con una carta di ♠.
◃ Esercizio 28. Sia X ∼ Gamma(x|α, λ), con X > 0 e (α, λ) reali positivi noti. Si
deduca la legge della v.a. Y = X −1 .
R. Si ha Y ∼ GammaInv(y|α, λ).
◃ Esercizio 29. È noto che un certo male colpisce due bambini su mille. Si calcoli
la probabilità: (i) di trovare piú di 2 malati in 500 bambini presi a caso (in modo
esatto ed approssimato), (ii ) che vi siano piú di 50 colpiti in 20. 000 soggetti.
R.
∑2 Si ha θ = 0.002, n = 500, λ = nθ = 1. Dunque: (i ) P(X > 2) = 1 −
x=0 Bin(x|θ, n)∑=2 1 − (0.36751 + 0.36825 + 0.18412) = 1 − 0.91988 = 0.08030 e
P(X > 2) ∼ = 1 − x=0 P o(x|λ) = 1− (0.36788 + 0.36788 + 0.18394) = 1 − 0.91970 =
0.08030.
Con n = 20. 000, posto µ = nθ = 40 e σ 2 = nθ(1 − θ) = 39.92, in forza del teorema
del limite centrale si ha: (ii ) P(X > 50) ∼= P(Z > z0 ) = 1 − Φ(z0 ) = 0.04827, dove
10.5 50 + 2 − µ
1
z0 = = = 1.6619.
6.3182 σ
◃ Esercizio 30. Data un’urna costituita da N palline, NA = N θ delle quali sono di
color A ed NB = N (1 − θ) di color B, con θ ∈ (0, 1), sia XN il numero aleatorio di
( ) in n estrazioni senza restituzione, con n ∈ N. Per N → ∞ la successione
successi
XN N >1 converge in media quadratica a qualche v.a.?
◃ Esercizio 31. Un’urna contiene un enorme numero di palline di color A, B, C.
Siano θA , θB e θC le relative proporzioni. Calcolare la probabilità di ottenere, in
tre successive estrazioni: (i ) tre palline secondo l’ordine B, C, A, (ii ) tre palline di
diverso colore.
◃ Esercizio 32. Si sa che il numero di uova deposte da una quaglia segue la legge
di Poisson di media λ. Sia θ la probabilità che un uovo si schiuda. Determinare la
legge del numero aleatorio di uova di una stessa covata che si schiudono.
R. Sia Y il numero aleatorio di uova deposte, sia X il numero aleatorio delle uova
che si schiudono sulle Y deposte. Si ha Y ∼ P o(y|λ), inoltre P(X = 0|Y = 0) = 1
21
e P(X = x|Y = y) = Bin(x|θ, y), per y ≥ 1. Tenuto conto che P(X = x, Y = y) =
P(Y = y) · P(X = x|Y = y), la legge della v.a. X si ricava per marginalizzazione
∑
∞ ∑
∞
X∼ P(X = x, Y = y) = P o(y|λ) · Bin(x|θ, y) =
y=0 y=0
∑
∞ ( )
y x ∑
∞
−λ λ y x −λ θ λy
= e · θ (1 − θ)y−x
= e (1 − θ)y−x .
y=x
y! x x! y=x (y − x)!
Posto t = y − x si ha
∞ ( )t
−λ (θ·λ)x ∑ λ (1 − θ) (θ·λ)x
X∼e = e−λ eλ(1−θ) = P o(x|θ·λ) .
x! t=0 t! x!
Se dunque λ rappresenta il numero medio di uova deposte da una quaglia, θ·λ è

il numero medio di uova di una covata che si schiudono.
◃ Esercizio 33. Calcolare il momento n−esimo, con n ∈ N noto, della legge di
Weibull di parametri ( n )(α, λ).
n
R. µ′n = n · Γ .
αλ α α
◃ Esercizio 34. Un certo componente di un aereo ha probabilità p = 0.02 di
guastarsi durante il volo. Si vuol conoscere il numero N di componenti di riserva
affinchè sia inferiore a 10−12 la probabilità che venga meno la funzione svolta dal
componente.
R. Sia C0 il componente di cui è dotato l’aereo al momento del decollo, siano
C1 , C2 , . . . , CN i componenti di riserva. Se Cj indica l’evento “Cj (j = 0, 1, . . . , N )
è funzionante alla fine del volo”, l’evento ∪N j=0 Cj indica: “nessuna dei Cj è funzio-
{ }
nante alla fine del volo”. La probabilità cercata è dunque P ∪N j=0 C j = pN +1 . Dalla
condizione pN +1 < 10−12 si ricava N =⌋ − 12 · log log 10
0.02
− 1⌊= 7.
I due esempi che seguono vogliono far riflettere sul fatto che le probabilità non
stanno scritte “dentro i dadi, le carte, le biglie, e le monete”. La probabilità dipende
essenzialmente dallo stato di informazione del soggetto chiamato a valutarla.
◃ Esercizio 35. Un dado truccato, numerato da 1 a 6, è stato lanciato sul tavolo.
Valutare la probabilità che esca il punto 4.
◃ Esercizio 36. Un giocatore riceve 5 carte da un mazzo di 40 carte. Calcolare la
probabilità che: (i) la quinta carta sia un ♡; (ii) la quinta carta sia un ♡ senza che
nessuna delle precedenti lo sia; (iii ) la quinta carta sia un ♡ posto che le precedenti
quattro siano di semi tra loro differenti.
◃ Esercizio 37. Si lanciano tre dadi regolari a sei facce. Calcolare la probabilità che
appaiano facce: (i ) tutte uguali; (ii ) tutte diverse due a due; (iii) solo due uguali;
(vi ) almeno due uguali.
R. (i ) p1 = 2166 120
; (ii ) p2 = 216 90
; (iii ) p3 = 216 96
; (vi) p4 = p1 + p3 = 216 .
Traccia per il quesito (ii ). Si∑ osservi
5 (j )innanzi (5) tipo {x, y, z},
(6) tutto che le terne del
con x < y < z sono in tutto j=2 2 = 3 = 20. Infatti sono 2 = 10 le terne
in cui è x = 1 (osservare che se x = 1, le coppie {y, z} possibili sono (4) {2, 3}, {2, 4},
{2, 5}, {2, 6}, {3, 4}, {3, 5}, {3, 6}, {4, 5}, {4, 6}, {5, 6}); sono 2 = 6 le terne
22
() ()
in cui è x = 2; sono 32 = 3 le terne in cui è x = 3; e 22 = 1 la terna in cui
è x = 4. Il ragionamento si conclude considerando che a ciascuna delle 20 terne
{x, y, z} corrispondono 3! = 6 permutazioni.
◃ Esercizio 38. I cip prodotti dalle ditte D1 , D2 e D3 , che detengono il 60, il 30
e il 10 (%) del mercato, durano in media 20, 40 e 80 [h] rispettivamente. È stato
osservato un cip, certamente prodotto da una delle tre ditte ma privo di etichetta,
che funziona da 120 [h]. Alla luce di tale osservazione si calcoli la probabilità che il
cip provenga da D1 , D2 e D3 .
R. A priori, alle tre “ipotesi” si assegnano le probabilità P(D1 ) = 0.6, P(D2 ) = 0.3,
P(D3 ) = 0.1. Se il cip è in funzione da t0 = 120 [h], il suo tempo T di vita
sarà superiore a t0 . Se il cip proviene
∫∞ da D1 , la probabilità di osservare E ≡
“T > 120[h]” risulta P(E|D1 ) = t0 Exp(t|20−1 )dt = 0.00248. In modo analogo si
ha P(E|D2 ) = 0.04979 e P(E|D3 ) = 0.22313. Grazie al teorema di Bayes abbiamo
P(D1 |E) = 0.0384, P(D2 |E) = 0.3856, P(D3 |E) = 0.5760.
◃ Esercizio 39. Si dispone di una moneta bilanciata, P(T ) = P(C) = 21 , e di altre
due monete identiche e non bilanciate con P(T ) = p e P(C) = 1 − p. Le tre monete
sono lanciate su un tavolo. La faccia T è il successo, la faccia C è l’insuccesso. Si
calcoli la probabilità che il numero totale di successi ottenuti lanciando le tre monete
assuma uno dei valori {0, 1, 2, 3}.
R. Sia Uj ∈ {0, 1} il risultato ottenuto lanciando la moneta j−esima, sia X =
U1 + U2 + U3 . Poiché gli eventi (U1 , U2 , U3 ) sono indipendenti, abbiamo P(X =
0) = P(U1 = 0, U2 = 0, U3 = 0) = P(U1 = 0)P(U2 = 0)P(U3 = 0) = 21 (1 − p)2 .
Poiché l’evento (X = 1) si verifica se si realizza uno dei tre eventi (incompatibili)
{(1, 0, 0), (0, 1, 0), (0, 0, 1)}, abbiamo P(X = 1) = 21 (1 − p)2 + 12 p(1 − p) + 12 p(1 − p) =
1
(1−p2 ). Allo stesso modo abbiamo P(X = 2) = 12 p(1−p)+ 12 p(1−p)+ 12 p2 = 12 p(2−p)
2 ∑
e P(X = 3) = 21 p2 . È facile verificare che ∀p ∈ (0, 1) si ha 3x=0 P(X = x) = 1.
Ed infine E(X) = E(U1 + U2 + U3 ) = E(U1 ) + E(U2 ) + E(U3 ) = 21 + 2p e
V ar(X) = V ar(U1 + U2 + U3 ) = V ar(U1 ) + V ar(U2 ) + V ar(U3 ) = 41 + 2p(1 − p).
◃ Esercizio 40. È risaputo che il tempo che un generico operaio spende per montare
un certo cip è esponenziale con media θ pari a 3m , 15s . (i) Dovendo montare 2 cip,
si calcoli il tempo t0 tale che la probabilità di superare t0 sia α = 0.05. Calcolare
poi la probabilità di impiegare più di: (ii ) un’ora e mezza per montare 20 cip, (iii )
15h per montarne 200.
R. Sia Tn = X1 + X2 + · · · + Xn il tempo di montaggio di n cip, dove Tn ∼
Erlang(t|n, θ−1 ), con E(Xi ) = θ = 3.25m . Si ha
∫ ∞ ∫ ∞
−1
P(Tn > t0 ) = Erlang(t|n, θ )dt = Chi2 (t|ν)dy ,
t0 y0
con ν = 2n e y0 = 2 t0 · θ−1 , da cui t0 = 12 y0 · θ.

(i ) Per n = 2 si ha ν = 4; il percentile di ordine 1 − α = 0.95 risulta y0 = 9.4877,
vedere tavola legge Chi2 ; dunque t0 = 15.4175m , cioè 15m , 25s .
(ii ) n = 20, t0 = 1.5h ≡ 90m ; si ha y0 = 2 · 90 · θ−1 = 55.3846. Dalla tavola
della legge Chi2 risulta, per ν = 2 · n = 40, che y0 è compreso tra i percentili
di ordine 0.90 e 0.95 dati da y90 = 51.8051 e y95 = 55.7585. In assenza di piú
efficaci strumenti di calcolo ciò che di certo si può dire è che la probabilità cercata
è compresa nell’intervallo (0.05, 0.10). (Val. esatto: 0.0536).
23
(iii ) n = 200, t0 = 15h ≡ 900m ; si ha y0 = 2 · 900 · θ−1 = 553.846. Poiché la tavola
della legge Chi2 di cui disponiamo non va oltre ν = 200, non resta che ricorrere
al TLC. Dunque E(Tn ) = n · θ = 650 e V ar(Tn ) = n · θ2 = 2112.5 si ricava z0 =
t0 − E(Tn ) ∫∞
√ = 900−650 ∼ 5.44. Da cui P(Tn > t0 ) ∼= 5.44 N (z|0, 1)dz = 2.8 · 10−8 .
45.962 =
V ar(Tn )
◃ Esercizio 41. Sia X una v.a. che segue la legge di Poisson di media λ. Si calcoli
la probabilità che la v.a. X sia pari e che sia dispari.
∑ ∑∞ (−λ)k ∑
R. Vale lidentità ∞ λk
k=0 k! + = 2 ∞ λ2k
k=0 (2k)! (si consideri che la serie
∑∞ (−λ)k
k=0 k!
∑∞ −λ λ2k (∑
1 −λ ∞ λk
è a segni alterni). Ergo P(X pari) = k=0 e (2k)! = 2 e · k=0 k! +
∑∞ (−λ)k ) 1 −λ ( λ −λ )
k=0 k!
∑
k=0 k! = 2e e +e = e−λ · cosh λ. Donde lo sviluppo cosh x = ∞ x2j
j=0 (2j)! .
Allo stesso modo P(X dispari) = e−λ · sinh λ.
◃ Esercizio 42. (Proseguo del precedente esercizio). Si calcolino i momenti primo e
secondo della v.a. X, posto che X sia pari.
P(X = x) λx
R. Si ha P(X = x|X pari) = = , x = 0, 2, 4, . . . . La f.c.
P(X pari) x! · cosh λ
1 ∑∞ it2j λ2j cosh λeit ′
della v.a. X è HX (t) = · j=0 e = . Poiché HX (t) =
cosh λ (2j)! cosh λ
sinh λeit
−iλeit · si ottiene E(X|X pari) = λ · tanh λ. Etc.
cosh λ
◃ Esercizio 43. Sia X una v.a. binomiale di parametri θ e n. Si calcoli la probabilità
che la v.a. X sia pari. ∑ ( )
R. Posto s = ⌊ 12 n⌋,(si ha P(X è pari) = sk=0 nk θ2k (1 − θ)n−2k . Grazie ) all’artificio
∑n ( n ) k ∑ ( )
k=0 k θ (1 − θ) + k=0 k (−θ)k (1 − θ)n−k . E dunque
1 n−k n n
appena visto si ha 2
(
1 −λ λ
) ( )
2
e e − e−λ = 12 1 + (1 − 2θ)n .
◃ Esercizio 44. Siano X1 ed X2 i punti ottenuti lanciando due dadi regolari. Si
calcoli la legge della v.a. Y = max{X1 , X2 }.
R. La v.a. Y prende valori in Y = {1, . . . , 6}. Se F (x) è la f.r. della v.a. Xi , la
( )2
f.r. della v.a. Y risulta P(Y < y) = G(y) = P(X1 < y) P(X2 < y) = P(X1 < y) .
Dunque G(y + ) = 36 y , y ∈ Y. Da cui, facilmente, P(Y = y) = G(y + ) − G(y) =
1 2
36
y − 36 (y − 1) = 36
1 2 1 2 1
(2y − 1), y ∈ Y.
◃ Esercizio 45. Siano X1 ed X2 v.a.iid che seguono la legge esponenziale di
parametro λ. Si calcoli la legge della v.a. Y = max{X1 , X2 }. Si calcolino i primi
due momenti della v.a. Y .
R. (Si veda l’esercizio precedente.) La v.a. Y prende valori in Y = R+ . Poiché
la f.r. della v.a. Xi è F (x) = 1 − e−λx , ne consegue che la f.r. della v.a. Y
è G(y) = F (y)2 . Derivando si ottiene la f.d.p. della v.a. Y : g(y) = G′ (y) =
2λe−λy (1 − e−λy ). Momento primo e secondo sono E(Y ) = 23 λ−1 , E(Y 2 ) = 27 λ−2 , la
varianza è V ar(Y ) = 54 λ−2 .
◃ Esercizio 46. Una catena, che possiede n anelli dello stesso tipo, è inservibile non
appena uno di essi si rompe. Sapendo che lo sforzo di rottura del singolo anello è
esponenziale di parametro λ, si calcoli la legge lo sforzo di rottura della catena.
R. Sia Y = min{X1 , . . . , Xn } lo sforzo di rottura della catena, sia G(y) la f.r. della
v.a. Y . Dire che Y > y equivale ad affermare che (X1 > y ∩ · · · ∩ Xn > y). Per cui,
24
se gli sforzi aleatori (X1 , . . . , Xn ) sono iid, si ha facilmente
( )n
P(Y > y) = 1 − G(y) = P(X1 > y ∩ · · · ∩ Xn > y) = 1 − F (y) .
Poiché Xi ∼ F (x) = 1 − e−λx , ne consegue che la f.r. della v.a. Y è
( )n
G(y) = 1 − 1 − F (y) = 1 − e−nλy ,
che, derivata, produce la la legge Y ∼ g(y) = nλ e−nλy = Exp(y|nλ). Dunque, lo
sforzo medio di rottura di una catena è n1 dello sforzo medio di rottura del singolo
anello.
◃ Esercizio 47. Siano X1 , X2 , X3 v.a.iid provenienti dalla legge geometrica di
parametro θ, sia T = X1 + X2 + X3 . Si determini (posto che esistano) media e
varianza della v.a. T + 3 nonché la legge di T .
R. Data l’indipendenza delle Xi si ha E(T ) = E(X1 + X2 + X3 ) = 3 · E(X1 ) =
1−θ 1−θ
3· , V ar(T ) = V ar(X1 + X2 + X3 ) = 3 · V ar(X1 ) = 3 · . Infine T ∼
θ θ2
P ascal(t|θ, ν), con ν = 3.
◃ Esercizio 48. Sia F (x) = 0, ∀x ≤ 0, F (x) = 32 x (6 − x), ∀x ∈ (0, 4), F (x) = 1,
1 2
altrove, la f.r. della v.a. X. Si calcoli media, varianza (se esistono) e la probabilità
che X > 2.
◃ Esercizio 49. La funzione g(y) = k · ζ(1 − ζ)y−1 , con ζ ∈ (0, 1) noto ed y intero
non negativo, è, per qualche valore di k, una legge di probabilità? Se si, calcolare la
probabilità che Y > e, e posto che esistano, media e varianza.
◃ Esercizio 50. Siano U e V v.a.iid uniformi in (0, 1). Si determini: (i) la legge della
v.a. T = U + V condizionata a U + V < 1 e, (ii ) la legge della v.a. W = U + V + 1
condizionata a U + V < 2.
◃ Esercizio 51. Sia X ∼ Exp(x|λ), con λ reale positivo noto. Calcolare la legge
della v.a. Y = max{1, X} − 1, nonché se esistono, media e varianza di Y .
R. Si consideri la v.a. U = max{1, X}. Si ha ∫ U = 1, ∀X ∈ (0, 1], e U = X,
1
∀X > 0. Dunque P(U = 1) = P(0 < X ≤ 1) = Exp(x|λ)dx = 1 − e−λ . La f.r.
∫ u 0
−λ
della v.a. U è FU (u) = (1 − e )1[1,∞) (u) + Exp(t|λ)dt. Poiché P(X > 1) = e−λ ,
1 ∫ y
( −λ
) −λ −λ
la v.a. Y ha f.r. FY (y) = 1 − e 1y≥0 + e Exp(t|λ)dt. Ergo E(Y ) = e λ ,
0
e−λ
E(Y 2 ) = 2 · λ2
, etc.
◃ Esercizio 52. Siano X,Y variabili aleatorie iid esponenziali di parametro noto λ.
Si calcoli: (i) la probabilità che X > Y + 1; (ii ) la f.d.p. della v.a. W = X − Y .
R. (i ) Tenuto conto che X, Y ∈ R+ × R+ e che l’evento X > Y + 1 individua
∫ ∫ {1 < x < ∞, y < x − 1} ne consegue facilmente che
il dominio di integrazione
∞ x−1
P(X > X + 1) = λ2 exp{−λ(x + y)}dydx = 12 e−λ . (ii ) La f.r. della v.a.
1 0
W ∈ R (simmetrica per costruzione) può essere∫dedotta ∫ricorrendo agli integrali di
∞ x+w
−λx
convoluzione. Per w < 0 si ha P(W < w) = λ 2
e e−λy dy dx = 12 e−λ|w| ,
|w| 0
25
∫ ∞ ∫ x+w
−λx
per w ≥ 0 abbiamo P(W < w) = 1
2
+λ 2
e e−λy dy dx = 1 − 12 e−λw . La
0 x
f.d.p. della v.a. W e dunque W ∼ Laplace(w|0, λ).
◃ Esercizio 53. Siano X1 , X2 , X3 v.a.iid simmetriche rispetto l’origine, sia X̄ la
loro media aritmetica, sia E(X12 ) = 4. È vero o falso che P(0 < X̄) < 21 e che
P(|X̄| < 3) < 79 ?
R. Le due affermazioni sono false. Nel primo caso, si ha P(0 < X̄) = 12 . Nel
( )
secondo, grazie alla disuguaglianza di Cebicev,
( si ha P) |X̄ −E(X̄)| < 3 > 1− V ar(
32
X̄)
.
Poiché E(X̄) = 0 e V ar(X̄) = 3 , si ricava P |X̄| < 3 > 27 . (N.b. 27 > 9 ).
4 23 23 7
◃ Esercizio 54. Siano X1 , X2 , X3 v.a.iid centrate, sia X̄ la loro media aritmetica,

sia E(X12 ) = 4. È vero o falso che P(0 < X̄) < 12 e che P(|X̄| < 3) < 79 ?
R. La prima affermazione è indecidibile, la seconda è falsa.
◃ Esercizio 55. Siano (Xn )n≥1 e ((Yn )n≥1 successioni
) di v.a.iid esponenziali di media
− 12
∑n
µ. Per n → ∞, Tn = n · i=1 Xi − Yi converge in legge a qualche v.a.?
R. Tenuto conto che E(Xi − Yi ) = 0 e V ar(Xi − Yi ) = 2µ2 , è possibile applicare il
∑n ( ) L L
i=1 Xi − Yi → Z ∼ N (z|0, 1). Ne consegue Tn → T ∼ N (t|0, 2µ ).
1 2
TLC : √2nµ
◃ Esercizio 56. Siano H e K eventi tali che P(H) = θ, P(H̄ ∩ K̄) = 31 , P(H ∩K) = 13 .
Quali valori può assumere θ?
R. 16 ≤ θ ≤ 23 . È sufficiente osservare che 61 = P(H ∩ K) ≤ P(H) = θ e che
1
3
= P(H̄ ∩ K̄) ≤ P(H̄) = 1 − θ, da cui θ ≤ 23 .
k1
◃ Esercizio 57. Le funzioni (i) ψ1 (x) = con x ∈ {±1, ±2, ±3, . . . };
|x| · (1 + |x|)
1
(ii ) ψ2 (x) = k2 · |x| 2 , con x ∈ [−1, +3]; (iii ) ψ3 (x) = k3 exp{−x2 + 4} con x ∈ R;
k4
(iv ) ψ4 (x) = 3 con x ∈ [2, ∞); (v ) ϕ(x, y) = k5 , con x ∈ R e y > 4 + x2 , (vi )
x2
ψ6 (x) = k6 x exp{−4x} con x ∈ R+ ; per qualche valore delle costanti reali ki , sono
leggi di probabilità? Se no, indicarne il motivo. Se si, calcolare, se esistono, i primi
due momenti. (Suggerimento: tracciare i grafici delle funzioni).
◃ Esercizio 58. Le v.a.iid (Y1 , Y2 , . . . , Yn ) seguono la legge di Cauchy di parametri
(µ, λ). Si determini la legge della media aritmetica delle Yi . (Suggerimento: la f.c.
della legge di Cauchy di parametri (0, 1) è HX (t) = e−|t| ).
Y −µ √
R. Tra X e Y vi è la relazione X = √ , da cui Y = λX + µ. Dunque
( t ) ( ( t ))n ( −√λ| t |+i t µ )n
√
λ
− λ|t|+itµ ∑
HY (t) = e . Essendo HȲ (t) = H Yi n = HY n = e n n =
√
e− λ|t|+itµ
, si ricava che la media Ȳ ha la stessa legge della singola osservazione Yi .
Conclusione: la media di infinite osservazioni iid provenienti dalla legge di Cauchy è
una v.a. che segue la legge della singola osservazione! Siamo in presenza di un caso
di applicazione del teorema di limite integrale che non conduce alla legge normale.
Notare che non sussistono le condizioni richieste dal teorema del limite centrale, non
possedendo (la legge di Cauchy) alcun momento.
◃ Esercizio 59. Il sig. A estrae con restituzione 3 palle da un’urna avente probabilità
di successo 12 ; lo stesso fa il sig. B con un urna di proporzione 34 . Calcolare la
probabilità che A realizzi piú successi di B.
26
( ) ( )
R. Siano X ∼ Bin x| 21 , 3 e Y ∼ Bin y| 34 , 3 i successi realizzati da A indipenden-
temente da B. Poiché P(X = x, Y = y) = P(X = x)P(Y = y) = px qy , la probabilità
richiesta è P(X > Y ) = p1 q0 + p2 q0 + p3 q0 + p2 q1 + p3 q1 + p3 q2 = . . .
◃ Esercizio 60. Siano {Y1 , Y2 , . . . , Yn } v.a.iid estratte da una popolazione descritta
dalla f.r.: G(x) = 0, x ∈ (−∞, −3]; G(x) = 14 , x ∈ (−3, 0]; G(x) = 21 , x ∈ (0, 1];
G(x) = 1, x ∈ (1, ∞). Calcolare la probabilità che la media campionaria delle Yi sia
positiva, quando: (i) n = 20 e (ii ) n = 80.
R. La v.a. Y prende valori in {−3, 0, 1} con probabilità { 14 , 14 , 21 }; si ha E(Y ) = − 14 ,
E(Y 2 ) = 11 e dunque V ar(Y ) = 43 . Grazie al TLC si ha: (i) P(Ȳn > 0) ∼ =
( √ 4) 16 ( √ )
1 − Φ 2 43 = 0.24762; (ii ) P(Ȳn > 0) ∼
5
= 1 − Φ 4 43 = 0.08629.
5
◃ Esercizio 61. Data la v.a. Y ∼ e−2|y| , Y ∈ R, si determini la f.r. della v.a.

X = min{|Y |, 1} e la media di X.
R. Si ha X ∈ [0, 1]. In [0, 1) la X∫ è a.c. con f.d.p. 2 exp{−2x}. In {1} la X ha
( ) ∞
massa P(X = 1) = P |Y | > 1 = 2 e−2y dy = e−2 . La f.r. della v.a. X è G(x) =
∫ x 1 ∫ 1
−2t
−2
e 1(1, ∞) (x) + 2 1(0,1) (t)e dt, con valor medio E(X) = 2 xe−2x dx + e−2 =
−∞ 0
1
2
(1 − e−2 ).
◃ Esercizio 62. Sia data la f.r. F (y) = e3y , ∀y ∈ R− , e F (y) = 1, ∀y ∈ R+
{0} .
Calcolare i primi due momenti.
R. E(Y ) = − 13 , V ar(Y ) = 19 .
◃ Esercizio 63. Siano X ed Y v.a.iid esponenziali di parametro noto λ. Determinare
X −Y
la legge della v.a. R = .
X +Y
R. Per { semplicità si ponga λ } = 1, da cui (X, Y ) ∼ e−(x+y) . Si assuma la trasfor-
x−y { }
mazione r = , t = x + y ⇔ x = 12 t(1 + r), y = 21 t(1 − r) , con Jacobiano
x+y
|J| = 21 t e con (r, t) ∈ (−1, 1) × R+ . Si ha (R, T ) ∼ e−t · 21 t · 1(−1,1)×R+ (r, t) =
1
·1
2 (−1,1)
(r)·t·e−t 1R+ (t). Da cui R ∼ u(r|−1, 1). È facile mostrare che R ∼ u(r|−1, 1)
qualsiasi sia λ.
◃ Esercizio 64. Valutare la probabilità che il quinto numero estratto nella ruota di
Bari: (i) sia pari, (ii ) sia pari quando è noto che i precedenti quattro sono dispari.
R. (i) p = 1 ; (ii) q = 45 ∼
2 86 = 0.523.
◃ Esercizio 65. Un’urna contiene 100 biglie ognuna delle quali può essere di colore
A oppure B. Non è noto tuttavia il numero di biglie A (e di conseguenza il numero
di biglie B) che si trovano nell’urna. Valutare la probabilità che in una prova la
biglia estratta sia di color A.
R. Se X ∈ {0, 1, 2, . . . , 100}, sono le biglie color A presenti nell’urna, allora
P(A|X = x) = 101 1
. Date le informazioni in nostro possesso, fissiamo P(X = x)
∑ ∑100
= 101 . In conclusione P(A) = 100
1
x=0 P(X = x) · P(A|X = x) = 101 · 100
1 1 1
x=0 x = 2 .
◃ Esercizio 66. Come fissare la quota di scommessa quando si giuoca con una
moneta truccata?
27
R. P(T ) = P(C) = 12 .
{ }
◃ Esercizio 67. Come dimostrare che P(A ∩ B) ≤ min P(A), P(B) ?
R. Dalla identità P(A) = P(A ∩ B) + P(A ∩ B̄) segue la disuguaglianza P(A) ≥
P(A ∩ B). Allo stesso modo si ha P(B) ≥ P(A ∩ B). Il problema è risolto riunendo
le disuguaglianze.
◃ Esercizio 68. Siano H e K eventi tali che: (a) P(H̄ ∩ K̄) = 31 , (b) P(H ∩ K) = 16
(c) P(H = p. Si stabilisca l’insieme dei possibili valori di p quando H e K sono
eventi: (i) qualsiasi, (ii) indipendenti.
R. (i) 1
6
< p < 32 ; (ii ) p = 1
2
oppure p = 1
3
.
( −Y )
( −Y )69. Sia Y ∼ (1 − ζ)ζ , con y ∈ N0 e ζ ∈ (0, 1) noto. Si calcoli E e
y
◃ Esercizio
e V ar e .
( ) ∑ ∑∞ ( ζ ) y
R. Si ha E e−Y = ∞ e −y
(1 − ζ)ζ y
= (1 − ζ) = e · 1−ζ e, allo stesso
( −2Y )
y=0
( ) (
y=0 e
) ( (
e−ζ
) )2
−Y
modo, E e = e2 · e1−ζ
2 −ζ . Da cui V ar e = E e−2Y − E e−Y = etc.
◃ Esercizio 70. Sia pX|Y (x|y) = y x (1 − y)1−x la legge condizionale della v.a.
X ∈ {0, 1} posto che Y = y ∈ (0, 1). Calcolare( ) la media di X quando: (i ) la v.a. Y
è presa a caso in (0, 1), (ii ) Y ∼ Beta y| 21 , 52 .
∫ 1
R. Se Y ∼ g(y) allora X ∼ pX (x) = pX|Y (x|y) · g(y)dy. (i) g(y) = 1(0,1) (y), da
∫ 1 0
1 ( )
cui pX (x) = y x (1 − y)1−x dy = 1{0,1} (x) e E(X) = 21 ; (ii ) g(y) = Beta y| 12 , 25
0 ∫ 1 2
y 2 +x−1 (1 − y) 2 −x−1 dy = 16 51−x 1{0,1} (x) e E(X) = 61 .
1 7
da cui pX (x) = B( 21 , 52 )−1
0
◃ Esercizio 71. Sia (Xn )n≥1 una successione di v.a., con
1 − n1
Xn ∼ fn (x) = · |x| n+ 2 · 1X (x), X = [−1, +1] \ {0} .
2(2n + 1)
La v.a. Xn converge, e se si in che senso, a qualche v.a. X?
R. {
L 0 se x ≤ 0
Xn → X ∼ F (x) = .
1 x>0
◃ Esercizio 72. Sia Y una v.a. che prende valori in Y = {−1, 0, y0 }, y0 ∈ R, con
P(Y = −1) = 21 e P(Y = 0) = 13 . Sapendo che E(Y ) ∈ [0, 2] e E(Y 2 ) > 25 , si
individui l’insieme dei possibili valori di y0 .
R. Dalla E(Y ) = − 21 + 16 y0 ∈ [0, 2] segue che y0 ∈ [3, 15]; dalla E(Y 2 ) = 21 + 61 y02 > 5
√ √ 2
si deduce che y0 > 12. Riunendo le disuguaglianze si ha y0 ∈ ( 12, 12].
◃ Esercizio 73. Si calcoli E(sin Y ) nel caso in cui: (i ) Y ∼ Laplace(y|0, 1), (ii )
Y ∼ Exp(y|1).
R. (i) E(sin Y ) = 0; (ii ) E(sin Y ) = 12 .
unif (y|0, 2), sia X = Y − 2 . Si calcoli: (i) E(X) e V ar(X),
1
◃ Esercizio 74. Sia Y ∼
( √ ) ( )
(ii) P(X > 1), P X > 22 , P 19 ≤ X < 81 .
28
√ ∫
( 2
− 21 1) ( 1)
R. (i) E(X) = E Y = √ dy = 2, V ar Y − 2 non esiste; (ii) P(X >
1
2
y
( √ ) (1 0 )
1) = 2 , P X > 2 = 1, P 9 ≤ X < 18 = 0.
1 2
◃ Esercizio 75. La f.d.p. della v.a. X condizionata a Z = z è X|z ∼ N (x|z, 1).

Sapendo che Z( ∈ {1, 2, 3} con P(Z = 1) = P(Z = 3) = 51 , calcolare: (i) E(X) e
V ar(X), (ii) P X > 52 ).
R. (i) Si ha (Z, X) ∼ f (z, x) = q(z)·fX (x|z) = q(z)·N (x|z, 1), ∑3dove q(z) è la legge
della v.a. Z. La∫legge marginale della v.a. X è dunque X ∼∫ z=1 q(z) · N (x|z, 1).
∞ ∞
∑3 ∑3
Perciò E(X) = z=1 x · q(z) · N (x|z, 1) dx = z=1 q(z) x · N (x|z, 1) dx =
−∞ ∫ ∞ −∞
∑3 ∑3 ( )2
z=1 z · q(z) = 2. E perciò V ar(X) = z=1 x − E(X) q(z) · N (x|z, 1) dx =
∫ ∞ −∞
∑3 ( )2 (
z=1 q(z) x − 2 N (x|z, 1) dx = 5 · 2 + 35 · 1 + 15 · 2 = 75 . (ii) P X > 52 ) =
1
∫ ∞ −∞ ∫ ∞ (
∑3 ∑3 ∑3 (5
z=1 q(z) · N (x|z, 1) dx = z=1 q(z) N (x|z, 1) dx = z=1 q(z) 1 − Φ 2
−
5 5
2) (
) ( )) ( ( )) 2 ( ( ))
z = 51 · 1 − Φ 23 + 35 · 1 − Φ 12 + 15 · 1 − Φ − 12 , etc.
nx
◃ Esercizio 76. Sia (Xn )n≥1 una successione di v.a., dove Xn ∼ e−n , con Xn ∈ N0 .
x!
Si calcoli lim P(Xn ≤ n).
n→∞
R. lim P(Xn ≤ n) = 12 .
n→∞
◃ Esercizio 77. Nella ruota di Bari il “54” non esce da 122 settimane. Calcolare
la probabiltà che, in tale ruota, esso esca: (i) la prossima settimana, (ii) fra 3
settimane, (iii) entro le prossime 3 settimane. (Si motivi la risposta).
R. Come noto, la probabilità che, in una data settimana, un prefissato numero ν
1
esca in una certa ruota è pari a 18 . Tenuto conto che le prove future non hanno
( 17 )2
1
memoria della storia passata (e dunque dei ritardi passati) si ha (i) 18 1
; (ii) 18 · 18 ;
∑ ( 17 )j−1 ( 17 )3
(iii) 1 − j≥4 18 · 18
1
= 1 − 18 .
◃ Esercizio 78. Il giocatore A lancia una moneta 25 volte e altrettanto fa il giocatore
B. Calcolare la probabilità che A e B realizzino lo stesso numero di “T ”.
R. Sia X [Y ] il n.a. di “T ” che (il )giocatore
( )n A [B] realizza in n = 25 lanci.
Le v.a. X e Y sono iid con X ∼ nx · 12 . La probabilità richiesta è perciò
∑ ( )2n ∑n (n) (n) (2n)( 1 )2n
P(X = Y ) = nk=0 P(X = k) · P(Y = k) = 12 · = . E
(50)( 1 )50 k=0 k k n 2
dunque P(X = Y ) = 25 2 ∼
= 0.1123.
◃ Esercizio 79. Siano X ∼ Chi2(x|ν) e Y ∼ Chi2(y|2ν) v.a.i. Si determini la legge
X
del rapporto aleatorio R = .
Y { } { }
R. Si assuma la trasformazione r = xy , u = y ⇔ x = r · u, y = u con jacobiano
|J| = u, da cui (R, U ) ∼∫ fR,U (r, u) = Chi2(r · u|n) · (Chi2(u|2n)
) · u. Marginalizzando
si ottiene R ∼ fR (r) = R+ fR,U (r, u)du = BetaInv r | n2 , n .
◃ Esercizio 80. Da un’urna contenente 5 biglietti numerati da 1 a 5, se ne estraggono
2 in blocco. Sia T la somma dei punti ottenuti. Calcolare: (i) la legge della v.a. T ;
(ii ) E(T ) e V ar(T ).
29
R. Sia E = {1, 2, 3, 4, 5}, siano X ∈ E ed Y ∈ E i punti estratti. Per come è
descritta la prova la v.a. (X, Y ) prende valori in Q = {(x, y) ∈ E × E : x ̸= y}
con P(X = x, Y = y) = 20 1
, ∀(x, {
y) ∈ Q. Segue che: (i )} la v.a. T prende valori nei
punti {3, . . . , 9} con probabilità 202 2 4 4 4 2 2
, 20 , 20 , 20 , 20 , 20 , 20 ; (ii ) E(T ) = 6, V ar(T ) =
∑9 ( )2
2 · t=7 t − E(T ) pt = 3.
◃ Esercizio 81. Sia (Xn )n≥1 una successione
( ) di v.a., con Xn ∼ Chi2(·|n). Si calcoli
il limite in legge della successione n1 Xn n≥1 .
( )− 1 n
R. La f.c. della v.a. Xn è HXn (t) = 1 − 2it 2 , da cui HYn (t) = H 1 Xn (t) =
(1 ) ( ) 1
2it − 2 n
( )n
HX n n t = 1 − n it
. Poiché limn→∞ HYn (t) = e diciamo che la Yn n≥1 con-
verge in legge alla( v.a.) degenere nel ( 1 punto
) 21. Il problema si può risolvere anche
1
osservando che E n Xn = 1 e V ar n Xn = n , etc.
◃ Esercizio 82. Nell’urna A vi sono r ≥ 1 palline rosse e b ≥ 1 bianche (r e b
noti), l’urna B contiene solo palline rosse. Da una delle urne sorteggiata a caso, si
effettuano prove con restituzione. (i) Sapendo che le prime 4 palline estratte sono
rosse, calcolare la probabilità che l’urna sorteggiata sia la A. Si calcoli poi: (ii) la
probabilità di estrarre una pallina rossa; (iii) la probabilità di estrarre 2 palline di
diverso colore; (iv) il numero medio di estrazioni per vedere apparire, per la prima
volta, una pallina rossa.
R. Sia θ = r+b r
. Le urne A e B sono sorteggiate con probabilità P(A) = P(B) = 12 .
Dunque: (i) posto R4 =“le prime 4 palline estratte sono rosse”, si ha P(R4 |A) =
P(A) · P(R4 |A) θ4
θ4 e P(R4 |B) = 1 per cui P(A|R4 ) = = 4 ,
P(A) · P(R4 |A) + P(B) · P(R4 |B) θ +1
1
P(B|R4 ) = 4 ; (ii) posto R1 =“la pallina estratta è rossa”, si ha P(R1 ) =
θ +1
P(A) · P(R1 |A) + P(B) · P(R1 |B) = 21 (θ + 1); (iii) posto E =“sono estratte 2 palline
di diverso colore”, si ha P(E|A) = θ(1 − θ) e P(E|B) = 0, per cui P(E) = 21 θ(1 − θ);
(iv) posto Uk =“la pallina pallina rossa appare alla k−esima prova”, si ha P(Uk |A) =
θ(1 − θ)k−1 e P(Uk |B) = 1 (se k = 1) e P(Uk |B) = 0 (se k > 1), per cui P(Uk ) =
P(A) · P(Uk |A) + P(B) · P(Uk |B), etc.
◃ Esercizio 83. Sia X ∼ Gamma(·|α, 1); calcolare P(X ≥ 1) per (i) α = 21 , (ii)
α = 23 , (iii)
( α= )
5
2
.
R.
∫ ∞ (i) α = 1
2
. La v.a. Y = 2X segue la legge Chi2 con 1 gl. Ergo P(X ≥ 1) =
( 1 ) √
Gamma u| 2 , 1 du = P(Y ≥ 2) = 2 P(Z ≥ 2) ∼ = 0.1573, dove Z ∼ N (·|0, 1);
1 ∫ ∞
( ) ( ) ( )
(ii) α = 2 . Integrando per parti si ha P X ≥ 1 = e π +
3 √2
Gamma u| 12 , 1 du ∼
=
( ) ( ) 1
0.5724. (iii) α = 25 . Allo stesso modo P X ≥ 1 = 0.8491.
◃ Esercizio 84. Il banco distribuisce (una per volta) le carte di un mazzo, che ne
contiene 52, finché non appare un asso. Si sa che il mazzo di 4 colori è regolare e
ben mescolato. Si calcoli la probabilità che l’asso appaia alla k−esima consegna.
R. Si indichi con Aj = “un asso appare alla j−esima consegna” e si fissi il numero
k ∈ {1, 2, . . . , 49}. La probabilità da calcolare è p(k) = P(Ā1(, Ā2 , . . .), Āk−1 , Ak ). Per
∏
k = 1 si ha p(1) = 52 4
, per k ≥ 2 si ha p(k) = 52−k+1
4
· k−1 48−j+1
j=1 52−j+1 .
◃ Esercizio 85. Un certo computer somma 106 numeri. Calcolare la probabilità che
30
l’errore totale della somma non superi 0.5 · 10−7 quando: (a) è noto che sommando
due numeri si viene a commettere un errore di arrotondamento pari a | ε |≤ 0.5 ·
10−10 = d; (b) è ragionevole ipotizzare che i singoli errori siano tra loro indipendenti
ed uniformemente distribuiti nell’intervallo [−d, d ].
R. Siano N = 106 le somme che il computer deve fare, sia t0 = 0.5·10−7 . Dall’ipotesi
b segue che X ∼ unif (x| − d, d) e pertanto E(X) = 0 e V ar(X) = 31 d2 = 43 10−20 .
∑N
Sia TN = i=1 Xi la somma totale degli errori, con E(TN ) = 0. Se le Xi sono
v.a.iid V ar(TN ) = N · V ar(X) = 43 10−14 e dunque σTN = √23 10−7 . Standardizzando
e passando al TLC si ha ZN = σTTN ≈ N (z|0, 1). Perciò P(TN ≤ t0 ) = P(ZN ≤ z0 ) ∼ =
∫ z0 N
√
N (z|0, 1)dz = 0.95836, essendo z0 = σtT0 = 3.
−∞ N
◃ Esercizio 86. Siano {X, Y } v.a.iid normali centrate e con varianza σ 2 = 4. (i)
Calcolare la probabilità che X 2 + Y 2 ≥ 8; (ii) determinare la legge di Z = X/Y .
R. (i) Le v.a. U = σ1 X e V = σ1 Y sono iid normali standard, da cui segue che
S = U 2 + V 2 ∼ Chi2(s|2).
∫ ∫ Perciò P(X 2 + Y 2 ≥ 8) = P(U 2 + V 2 ≥ 2) = P(S ≥ 2) =
∞ ∞
1 − 12 s
Chi2(s|2)ds = 2
e ds = e−1 . (ii) Tenuto conto che Z = X/Y = U/V ,
2 2
segue che Z ∼ Cauchy(z|0, 1). Infatti, essendo (U, V ) ∼ 2π 1
(exp{−
1 2 2
) 2 (u + v )} e
trasformando {z = u/v, w = v} ⇔ {u = wz, v = w}, con | J | z,w = |w| segue che
u,v
{ }
(Z, W ) ∼ 2π 1
|w| · exp − 12 (1 + z 2 )w2 . Marginalizzando rispetto a W si conclude
l’esercizio.
◃ Esercizio 87. La v.a. Yn che prende valori in Yn = {−n, 0, n}, con P(Yn = −n) =
P(Yn = n) = √1n5 , converge in legge e in media 1a , 2a , 3a e 4a a qualche v.a.?
( ) L
R. Dalla lim P(Yn = 0) = lim 1 − √2n5 = 1 segue che Yn → Y (degenere in 0).
n→∞ n→∞
2
Dalla E(Yn ) = 0 e E(Yn2 ) = 2 √nn5 → 0, segue che la Yn converge in media 2a alla v.a.
m.3
Y . Dalla E(Yn3 ) = 0, ∀n, non segue che Yn → Y . (Vedere teorema di Lebesgue).
◃ Esercizio 88. Per particolari valori delle costanti ki , con i = 1, 2, 3, 4, le funzioni:
f1 (y) = k1 ·y, con y ∈ [− 21 , 2 ], f2 (x) = k2 ·exp{ 81 x}, con x ∈ R+ , f3 (t) = k3 ·exp{−3· |
t |}, t ∈ R, f4 (x) = k4 · x (2 − x), con x ∈ (0, 2), sono f.d.p.? Se no, indicarne il
motivo. Se si, calcolare la probabilità che la v.a. sia inferiore ad 1 e (se esistono)
media, moda, mediana. (Sugg.: tracciare i grafici delle funzioni).
R. Le funzioni f1 (y) e f2 (x) non sono leggi di probabilità. La f3 (t) è, per k3 = 32 ,
una legge di Laplace (centrata) e perciò media = moda = mediana = 0. La f4 (x) è,
per k4 = 34 , una f.d.p. beta generalizzata e perciò media = moda = mediana = 1.
5 3
◃ Esercizio 89. Le funzioni: φ(x) = k · (2 + x) 2 (2 − x) 2 , con x ∈ (−2, 2),
r
ψ(t) = h · (t − 4), con t ∈ [0, 4], f (y) = , con y ∈ R, sono leggi di
(1 + y 2 )4
probabilità? Se no, indicarne il motivo. Se si, calcolare le costanti k, h, r e (se
esistono) media e varianza. (Suggerimento: tracciare i grafici delle funzioni).
( ) { ( )}−1
R. Poiché φ(x) = BetaG x | 52 , 72 , −2, 2 segue che k = 45 B 25 , 72 ; h = − 18 .
∫ ∫ ∫
r ( 1 7)
Posto t = y 2 si ha f (y)dy = √ dt = BetaInv t| , dt, dunque
R R+ (1 + t)
4 t
R+ 2 2
( 1 7 )−1
r = B 2, 2 .
31
◃ Esercizio 90. Da un’urna, contenente 9 monete regolari ed 1 alterata che riporta
due T , se ne estrae una a caso. Questa, senza che la si esamini, è lanciata per 6
volte. Avendo realizzato 6 T , calcolare la probabilità che la moneta estratta sia
quella alterata.
R. Indicato con A [B] “la moneta è alterata [buona]”, si ha P(A) = 10 1
e P(B) = 10
9
;
1
·1
inoltre P(6T |A) = 1 e P(6T |B) = 64
1
. Pertanto P(A|6T ) = 1 10 9 1 = 0.8767.
10
· 1 + 10 · 64
◃ Esercizio 91. L’urna U1 contiene 3 biglie di color B, R, N (bianca, rossa, nera),

nell’urna U2 ci sono 4 biglie di color B, R, N, G (bianca, rossa, nera, gialla). Si
stabilisca se gli eventi H = B ∪ R e K = R ∪ N sono indipendenti quando l’urna è:
(i) la U1 , (ii) la U2 .
( )2
R. (i) Si ha P(H ∩ K) = P(R) = 31 ̸= P(H) · P(K) = 32 ; (ii) si ha P(H ∩ K) =
( )2
P(R) = 14 = P(H) · P(K) = 42 .
◃ Esercizio 92. Sia (Yn )n≥1 una successione di v.a.i., con Yn ∼ Exp(·|n). Studiare
Yn
la convergenza della v.a. Un = .
Yn + Yn+1
R. Sia Un = Yn +Y Yn
= TnT+R
n
, con Tn = n · Yn e Rn = n · Yn+1 , dove Rn ∼
( n+1 ) n+1 n
L
Exp r| n e Tn ∼ Exp(t|1), ∀n, sono ancora v.a.i. Poiché Rn → R ∼ Exp(r|1),
per n grande, segue che Un ≈ U = X1X+X 1
2
dove le Xi sono v.a.iid esponenziali di
L
media 1. Si conclude dicendo che Un → U ∼ unif (u|0, 1).
◃ Esercizio 93. Siano (Xn )n≥1 e (Yn )n≥1 successioni indipendenti costituite
∑n da
v.a.iid, con Xn ∼ P o(·|λ) e Yn ∼ P o(·|ϕ), con λ > 0 e ϕ > 0 noti, sia Un = i=1 Xi
∑ Un − Vn Un + Vn
e Vn = ni=1 Yi . Studiare la convergenza delle v.a.: (i) √ ; (ii) .
n n
R.( Innanzi
) tutto; E(Un ) = V(ar(Un )) = nλ, E(Vn ) = V ar(Vn ) = nϕ. (i) Si ha
√
Un√−Vn
E n
= n(λ − ϕ) e V ar Un√−V n
n
= λ + ϕ. Dunque, se λ = ϕ si ha, per n
Un√−Vn
grande, ≈ N (·|0, λ + ϕ); se invece λ ̸= ϕ la legge limite è asintoticamente
n ( ) ( )
degenere. (ii) Si ha E Un −V n
n
= λ − ϕ e V ar Un −V
n
n
= n−1 (λ + ϕ). Dunque, per n
grande, Un −Vn
n
converge alla degenere nel punto λ − ϕ.
◃ Esercizio 94. Da un mazzo regolare e ben mescolato (52 carte con 4 colori)
il banco estrae le carte una per volta e si ferma quando appare un secondo Re.
Calcolare la probabilità che tale evento si verifichi alla k−esima consegna.
R. Alla k−esima estrazione (dove k ∈ {2, 3, . . . , 50}) appare un secondo Re; l’altro
essendo stato estratto in una delle precedenti k − 1 consegne. Ciò premesso si ha
3 · 4 · fk ∏
p(k) = ∏k−1 , con fk = 1, se k = 2, fk = k−3j=0 (48 − j), se k ≥ 2.
j=0 (52 − j)
◃ Esercizio 95. Le affermazioni: (a) se P(A) = P(B) = p, allora P(A ∩ B) ≤ p2 ;

(b) se P(A) = P(B̄), allora Ā = B; (c) se P(A) = 0, allora A = Ø; (d) se P(A) = 0,
allora P(A ∩ B) = 0; (d) se P(A) = 31 e P(B̄) = 41 , allora A e B sono incompatibili,
sono vere oppure false? Motivare le risposte.
R. Solo l’affermazione (d) è vera. Infatti: (a) se si assume A = B si ha P(A ∩ B)
= p ≥ p2 ; (b) dalla P(Ā) = 1 − P(A) = 1 − 1 + P(B) segue P(Ā) = P(B): dunque Ā
e B sono equiprobabili, il che non implica che siano uguali; (c) l’evento A può essere
32
impossibile o quasi impossibile; (d) A ∩ B ⊂ A dunque P(A) ≥ P(A ∩ B) = 0; (e) si
ha P(B) = 34 e se A e B fossero incompatibili si avrebbe P(A ∪ B) = P(A) + P(B) =
1
3
+ 34 = 13
12
> 1.
◃ Esercizio 96. Siano {X, Y } v.a.iid esponenziali di media 1; (i) determinare la f.r.
e la f.d.p. della v.a. T = max{X, Y }; (ii) calcolare moda, media e mediana della
v.a. T . ( )
R. Si ha T ∼ F (t) = P(T < t) = P max{X, Y } < t = P(X < t ∩ Y < t) =
( )2 ( )
P(X < t)2 = 1 − e−t ; dunque T ∼ f (t) = 2 · e−t
1 − e −t
. M o(X) = log 2,
( √ )
M e(X) = − log 1 − 2 , E(X) = 2 .
2 3
◃ Esercizio 97. Sia X ∼ N (x|µ, σ 2 ), con µ = 50 e σ 2 = 16. Se X > µ si pone

Y = µ, diversamente Y = X. ∫ 0Calcolare media e varianza della v.a. Y . ∫ µ
√
R. Si ha P(Y = µ) = 2 , 1
t · N (t|0, σ )dt = − 2π e, per traslazione,
2 σ2
t·
√ −∞ ∫ µ −∞
N (t|µ, σ 2 )dt = 12 µ − 2πσ2

. Ergo E(Y ) = t · N (t|µ, σ 2 )dt + µ · P(Y = µ) =
∫ 0 −∞ ∫ µ
√
1 2
µ − 2π . Allo stesso modo:
2 2 2
σ
t N (t|0, σ )dt = σ , t2 N (t|µ, σ 2 )dt = 21 σ 2 +
√ −∞ √ 2 −∞
µ − µ π . Dunque E(Y 2 ) = 2 σ 2 + µ2 − µ π . Infine: E(Y ) = 46.81, E(Y 2 ) =

2σ 2
1 2 1 2σ 2
2
2212.85, V ar(Y ) = 21.81.
( )
◃ Esercizio 98. Sia Xn n≥1 una successione di v.a.iid uniformi continue di estremi
(0, 1), sia Pn la media geometrica
( delle
) prime n di esse. Studiare il comportamento
asintotico della successione − log Pn n≥1 .
( ∏n ) n1 ∑
R. Poiché Pn = i=1 Xi si ha − log Pn =∑n1 ni=1 (− log Xi ). ∑ Se Xi ∼ u(·|0, 1),
allora − log Xi = Ti ∼ Exp(·|1). Dunque n
i=1 (− log ( Xi ) = ) i=1 1Ti = Un ∼
n
Erlang(·|n, 1), con E(Un ) = V ar(Un ) = n, ed ancora E − log Pn = n E(Un ) = 1,

( ) p
V ar − log Pn = n12 V ar(Un ) = n1 . Per concludere − log Pn → 1.
√ ( )−1
◃ Esercizio 99. Le funzioni: φ(x) = k· 9 − x2 , con x ∈ (−3, 3), ψ(t) = h· 2+|t| ,
3
( )−1
con t ∈ {∓3, ∓2, ∓1, 0}, f (y) = r · 2 + y 2 , con y ∈ R, sono leggi di probabilità?
Se no, indicarne il motivo. Se si, calcolare le costanti k, h, r, la moda e (se esistono)
media e varianza. (Suggerimento: tracciare i grafici delle funzioni).
R. Le tre funzioni sono leggi di probabilità. Si ha: φ(x) = BetaG(x| 34 , 43 , −3, 3) con
k = ( 4 14 ) 5 , E(X) = M o(X) = 0, V ar(X) = 11 27
; h = 3115
, E(T ) = M o(T ) = 0,
B , ·6 3
3 3 √
V ar(T ) = 94
31
; f (y) ∼ Cauchy(y|0, 2) con r = π
2
, M o(Y ) = 0.
◃ Esercizio 100. Tre tetraedi regolari con facce numerate da 1 a 4 sono lanciati
ripetutamente finché la somma dei punti è 5. Calcolare la probabilità di fare piú di
due lanci.
R. Sia Xi il punto aleatorio relativo all’i−esimo dado, sia T = X1 + X2 + X3 . Si
indichi con (U = u) l’evento: “il totale T = 5 si manifesta per la prima volta al
lancio u−esimo”. Poiché P(U = u) = G(u|θ) = θ(1 − θ)u−1 , con θ = P(T = 5) = 64 6
,
∑∞ ∑∞ ( )
si ha P(U > 2) = u=3 G(u|θ) = u=3 θ(1 − θ) u−1 2 ∼
= (1 − θ) = 64 = 0.8213.
2 58
◃ Esercizio 101. Siano Xi , i = 1, 2, 3, v.a.iid esponenziali di parametro noto λ.

Determinare: (i) la f.r. e la f.d.p. della v.a. U = min{X1 , X2 , X3 }, (ii) il percentile
33
di ordine 0.95 di U .
R. (i) la f.r. è F (u) = P(U < u) = 1 − P(U ≥ u) = 1 − P(min{X1 , X2 , X3 } ≥ u) =
( )3
1 − P(X1 ≥ u, X2 ≥ u, X3 ≥ u) = 1 − P(X1 ≥ u) = 1 − (e−λu )3 = 1 − e−3λu ; la
f.d.p. è f (u) = 3λe−3λu√. (ii) Dall’equazione F (u) = 0.95, da cui 1 − e−3λu = 0.95, si
ricava u0.95 = − 3λ1
log 0.05 ∼ = 0.4993 · λ1 .
( )
◃ Esercizio 102. Sia Tn n≥1 una successione di v.a.i. con Tn ∼ N (·|0, n), sia
( )
Yn = Tn−1 · Tn+1 . Si studi il comportamento della successione Yn n≥1 .
L
R. Yn → Y ∼ Cauchy(y|0, 1).
( ) ( )
◃ Esercizio 103. Siano X1 , X2 , . . . , Xn∑e Y1 , Y2 , . .∑
. , Yn v.a. iid, con n = 120,
Xi ∼ u(·|0, 1) e Yi ∼ u(·|−1, 0). Sia U = Xi e V = Yi . Calcolare la probabilità
che U + V > 40. ( ) ( ) ( )
R. Si ha U ≈ N · | 12 n, 12
1
n e V ≈ N · | − 12 n, 12
∫n . Donde U + V ∫≈ N · |0, 6 n .
1 1
Tenuto conto che 61 n = 20, si ha P(U +V > 40) ∼

= N (t|0, 20)dt = N (z|0, 1)dz,
40 z0
con z0 = 8.94, etc.
k { 5}
◃ Esercizio 104. La f.d.p. della v.a. Y è f (y) = exp − y · 1R+ (y); si calcoli k,
y3
E(Y ), V ar(Y ).
52
R. Si ha: f (y) = GammaInv(y|2, 5), k = Γ(2)
= 25, E(Y ) = 25, ̸ ∃ V ar(X).
◃ Esercizio 105. Il numero dei semi di una certa varietà di acacia contenuti in
un baccello segue la legge di Poisson di media ϕ > 0 nota. Non tutti i semi sono
fecondi: sia ζ ∈ (0, 1) la proporzione (nota) di semi di acacia capaci di germinare.
Determinare la legge del numero di pianticelle nate dai semi di un baccello.
R. Sia X, con X ∈ N{0} , il n.a. di semi di un baccello ed Y , con Y ∈ N{0} , il
n.a. di semi di un baccello che germinano. Se è noto che il baccello ha x semi allora
Y ∈ {0, 1, . . . , x}. Si ha: X ∼ P o(x|ϕ), Y |x ∼ Bin(y|ζ, x), Y ∼ P o(y|ζ · ϕ).
◃ Esercizio 106. Sia (X, Y ) una v.a. doppia uniformemente distribuita nel dominio
D = {(x, y) ∈ (0, 1)2 | 0 < x < y < 1}; (i) calcolare medie, varianze e covarianza
della v.a. (X, Y ), [(ii) scrivere
] le f.d.p. marginali di (X, Y ); (iii) calcolare, al vari-
[ di y ∈ (0,] 1) x ∈ (0, 1) , la speranza matematica condizionata E(X|Y = y)
are
E(Y |X = x) .
R. (i) E(X) = 31 , E(Y ) = 32 , E(X 2 ) = 61 , E(Y 2 ) = 21 , V ar(X) = V ar(Y ) = 18 1
,
E(X · Y ) = 4 , Cov(X, Y ) = 36 ; (ii); X ∼ 2(1 − x) · 1(0,1) (x), Y ∼ 2y · 1(0,1) (y); (iii)
1 1
E(X|Y = y) = 12 y, E(Y |X = x) = 12 (x + 1).

◃ Esercizio 107. Un arciere ha 4 archi scadenti (S ) ed uno di buona marca (B ).
La probabilità di fare centro è 13 con l’arco B e 14 con l’arco S. Si sa che prima di
ogni tiro l’arciere sceglie l’arco a caso. (i) Calcolare la probabilità che egli faccia
centro con un solo tiro; (ii) posto d’aver fatto centro si calcoli la probabilità che
l’arco usato sia B ; (iii) calcolare la probabilità che con due tiri si colga il bersaglio
almeno una volta.
R. Si definisca l’evento Cj = “l’arciere coglie il bersaglio al j−esimo tiro”. (i) Si
ha P(C1 ) = P (S)P (C1 |S) + P (B)P (C1 |B) = 54 · 14 + 51 · 13 = 15 4
; (ii) applicando il
P(B) · P(C1 |B) 1 1
·
teorema di Bayes si ha P(B|C1 ) = = 5 4 3 = 14 ; (iii) P(C1 ∪ C2 ) =
P(C1 ) 15
34
( 4 )2
1 − P(C̄1 ∩ C̄2 ) = 1 − 15
= 104
225
.
◃ Esercizio 108. Sia (Xn )n≥1 una successione di v.a.iid provenienti da una legge
di Poisson di media 21 . Sia N l’indice aleatorio della successione che indica il primo
degli Xn non nullo. Determinare le leggi di N e della v.a. XN . ( 1 )x
e− 2
1
− 12
R. Si ha N ∼ G(n|θ), dove θ = P(X ≥ 1) = 1 − e ; XN ∼ − 12
· 2 , con
1−e x!
P(XN = x ∩ XN ≥ 1)
XN ∈ N. Infatti P(XN = x|XN ≥ 1) = = etc.
P(XN ≥ 1)
◃ Esercizio 109. Un disco di centro C e raggio unitario è colpito da un meteorite
in un punto P . Fornire la f.r. e la f.d.p. della distanza di P da C e calcolare media
e varianza dell’area del cerchio avente come raggio tale distanza.
R. Sia C l’origine del sistema di assi cartesiani (x, y), sia P ≡ (X, Y ). Si ha
(X, Y ) ∼ f (x, y) = π1 ·1x2 +y2 ≤1 (x, y). Passando alle coordinate polari (x, y) ⇔ (r, θ),
con jacobiano |J| = r, si ha (R, θ) ∼ 2r1(0,1] (r) · 2π 1
1(0,2π] (θ) = g(r) · h(θ) e dunque
R ∼ g(r). La f.r. è G(r) = r 1(0,1] (r). Per finire E(Area) = E(πR2 ) = 21 π,
2
E(Area2 ) = π 2 E(R4 ) = 31 π 2 , V ar(R) = 12 1 2

π .
( )
◃ Esercizio 110. Siano Xi , i = 1, 2, 3, v.a.iid con Xi ∼ Bneg · | 12 , 1 . (i) Fornire la
legge della v.a. U = X1 + X2(+ X3 ; (ii) ) calcolare la probabilità che U > 3.
R. (i) Si ha U ∼ Bineg · | 2 , 3 ; (ii) P(U > 3) = 1 − P(U ≤ 3) = 1 −
1
∑3 ( 1 )
u=0 Bineg u| 2 , 3 = 1 − 0.65625 = 0.34375.
( ) ( )
◃ Esercizio 111. Siano X1 , X2 , . . . , Xm e Y1 , Y2 , . . . , Yn v.a.iid, m = 128 e
n =∑ 64, con Xi∑ ∼ u(·|0, 1) e Yi ∼ e−1 e
· e−y 1(0,1) (y). Calcolare la probabilità che
U = i=1 Xi − i=1 Yi > 40.
m n
R. Si ha E(Xi ) = 12 , V ar(Xi ) = 12 1
, E(Yi ) = e−2
e−1
= 0.4180, E(Yi2 ) = 2e−5 e−1
= 0.2541,
V ar(Yi ) = 1 − (e−1)2 = 0.0793. Ergo E(U ) = µU = 2 m − e−1 n = 37.25, V ar(U ) =
e 1 e−2
( ) ( )
1
σU2 = 12 m + 1 − (e−1) e
2 n = 15.74. Il TLC assicura che U ≈ N u|µU , σU . Perciò,
2
posto z0 = 40−µ
σU
U
= 0.6940, si ha P(U > 40) ∼ = P(Z > z0 ) = 0.2439.
◃ Esercizio 112. Sia (a) X ∼ u(x|0, 12), (b) X ∼ G(x|θ), con θ ∈ (0, 1) noto.
Dedurre, nei due casi, la legge della v.a. Y = max{3, X} − 3 e (esistendo) media e
varianza di Y .
R. (a) La f.r. della v.a. Y è F (y) = 0, per y ≤ 0, F (y) = 12 1
x + 41 , per 0 < y ≤ 9,
F (y) = 1, per 9 < y; E(Y ) = 27 8
, E(Y 2 ) = 81
4
, etc. (b) Si ha P(Y = 0) =
3 2 2)
3θ(1 − θ) + θ P(Y = y) = θ(1 − θ) ; E(Y ) = (1−θ)
3 y+2
θ
, E(Y 2 ) = (1−θ) (2−3θ+θ
θ2
,
(1−θ)3 (1+2θ−3θ 2 +θ 3 )
V ar(Y ) = .
θ2
( )
◃ Esercizio 113. Sia Xn n≥1 una successione di v.a. dotate di f.r. Fn (x) = 0, per
x < 0, Fn (x) = xn , per 0 (≤ x) < 1, Fn (x) = 1, per 1 ≤ x. Studiare il comportamento
della successione di v.a. Yn n≥1 , con Yn = n(1 − Xn ).
R. La f.d.p. della v.a. Xn è fn (x) ( ) = n · xn−1 1(0,1) (x). Dalla trasformazione
( )
y = n(1 − x) ⇔ x = 1 − n1 y, con |J| xy = n1 , segue Yn ∼ gn (y) = fn 1 − n1 y · n1 =
( )n−1 L
1 − n1 1R+ (y). È agevole concludere che Yn → Y ∼ Exp(y|1).
( )
◃ Esercizio 114. La v.a. Y prende valori in (0, 1] ∩ Q con probabilità P Y = Nn =
k · θN , dove N ∈ N, n ∈ {1, 2, . . . , N }, con θ ∈ (0, 1) noto. Calcolare la costante di
normalizzazione k nonché la media E(Y ).
35
∑
∞ ∑
N ∑
∞ ∑
∞ ∑
∞
1 θ
N −n
R. Si ha 1 = k·θ N
=k θ n
θ =k θn · =k· ,
N =1 n=1 n=1 N =n n=1
1−θ (1 − θ)2
(1 − θ) 2 ∑∞ ∑ N
n N ∑
∞
θN ∑
N ∑ ∞
θN
donde k = . Si ha E(Y ) = k θ =k 1
n = 2k ·
θ N N n=1 N
) (1 − θ)2 ( )
N =1 n=1 N =1 N =1
(∑∞ ∑∞
θ θ
·N (N + 1) = 2 k
1 N
Nθ + θ N
= · + = 12 (2 − θ),
N =1 N =1
2θ (1 − θ)2 1−θ
si consulti la dispensa Zibaldone.
◃ Esercizio 115. Il numero di vermi rinvenuti in una mela, che proviene da un
vasto frutteto, segue la legge di Poisson di media 2. Prese a caso n mele calcolare
la probabilità di ritrovarsi con almeno x0 mele prive di vermi, quando: (a) n = 10,
x0 = 2; (b) n = 160, x0 = 25.
R. La probabilità di prendere a caso una mela ∑ sana è θ = P o(0|2) = e−2 = 0.1353.
Caso (a): P(X ≥ 2) = 1 − P(X ≤ 1) = 1 − 1x=0 Bin(x|θ, 10) = 1 − 0.5992 =
0.4008. Caso (b): essendo n sufficientemente grande, si applica √ il TLC ; dunque
E(X) = n · θ = 21.65, V ar(X) = n · θ(1 − θ) = 18.72,
∫ ∞ sd = V ar(X) = 4.327. Si
= 0.6578, da cui P(X ≥ 25) ∼
25− 21 −E(X)
ha z0 = sd = N (z|0, 1)dz = 0.25533.
z0
◃ Esercizio 116. Da una certa urna, che ha 3 palline B e 7 N, si fanno 2 prelievi con
restituzione, in seguito, dalla stessa urna, se ne fanno altri due 2 senza. Si calcoli:
(a) la probabilità di realizzare 3 B, (b) il numero medio di B estratte.
R. Siano( X ed Y il numero di palline B realizzate nelle due fasi di estrazioni, con
X ∼ Bin x| 10 3
, 2) e Y ∼ Hyp(y|3, 7, 2). Sia U = X + Y . Pertanto:
(a) Posto px = P(X = x) e qy = P(Y = y), si ha: p0 = 100 49 42
, p1 = 100 9
, p2 = 100 e q0 =
7
15
, q1 = 15 , q2 = 15 . Dunque P(U = 3) = P(X = 1, Y = 2) + P(X = 2, Y = 1) =
7 1
42 1 9 7 7
100 15
+ 100 15
= 100 ;
(b) tenuto conto che E(X) = E(Y ) = 53 , si ha E(U ) = E(X + Y ) = 56 .
◃ Esercizio 117. Data
{ la}v.a. X ∼ Laplace(x|0,
{ } 2), determinare le distribuzioni
delle v.a. S = max |X|, 12 e T = min |X|, 12 .
R. La f.r. della v.a. S è: F (s) = 0, se s ≤ 12 , F (s) = 1 − e−2·s , se 21 < s. La f.r.
della v.a. T è: G(t) = 0, se t ≤ 0, G(t) = 1 − e−2·t , se 0 < t ≤ 12 <, G(t) = 1, se
1
2
< t. Volendo tracciare i grafici
( delle f.r.
) F (s) presenta in s = 12 e G(t) presenta in
e t = 21 un salto pari a ps = P |X| ≤ 12 = 0.6321 e pt = 1 − ps = 0.3679.
◃ Esercizio
∫ x+c 118. Sia G(t) una f.r. continua ∀t ∈ R. Si provi che la Fc (x) =
1
· G(t)dt, ∀c > 0 fissato, è anch’essa una f.r. Per c → 0 la Fc (x) tende a
c x
qualche legge? E se si, a quale?
R. Per ipotesi la la f.r. G(·) è continua e dunque strettamente crescente. Per
il teorema della media esiste unico un punto x′ ∈ (x, x + c) tale che ∀x, risulta
Fc (x) = G(x′ ). Per cui lim Fc (x) = lim G(x′ ) = 0 e lim Fc (x) = lim G(x′ ) = 1.
∫x→−∞
x+h+c
x→−∞
∫ x+c x→∞ x→∞
1 1
Dalla Fc (x + h) = · G(t)dt = · G(t + h)dt discende Fc (x + h) −
c x+h c x
∫ x+c
1 [ ]
Fc (x) = · G(t + h) − G(t) dt. Il fatto che ∀h > 0 la funzione integranda
c x
G(t + h) − G(t) > 0 prova che Fc (x + h) > Fc (x). Al lettore è lasciata la verifica del
36
limite limc→0 Fc (x) = G(x).
( )
◃ Esercizio 119. Sia Yn n≥1 una successione di v.a.i. con Yn ∼ N (·|0, n). Si studi
( ) √ ∑
il comportamento della successione Un n≥1 , con Un = n2 ni=1 Yi , e si calcoli, per
n grande, la probabilità dell’evento |U | < 1.
( √2n)2 ∑n ∑n
R. Si ha E(Un ) = 0 e V ar(Un ) = n 2
i=1 V ar(Yn ) = n2 i=1 n = n2 ·
2 n(n+1)
2
=
. Di conseguenza Un → U ∼ N (·|0, 1). E ancora P(|Un | < 1) ∼
n+1 L
n = 0.683.
◃ Esercizio 120. Sia X una{ v.a. mista } con P(X = b) = 32 e dotata di densità di
probabilità f (x) = 3√12π exp − 12 · x2 , ∀x ∈ R \ {b}. Per quale valore di b si ha
V ar(X) = 2?
R. Si ha E(X) = 23 b, E(X 2 ) = 23 b2 + 13 e dunque V ar(X) = 32 b2 + 13 − 94 b2 = 29 b2 + 13 .
√
Si ha V ar(X) = 2 quando 9 b + 3 = 2, cioè quando b = ± 15
2 2 1
2
.
◃ Esercizio 121. Al I0 anno di fisica sono iscritti 52 studenti, 26 dei quali sono
F . Il docente interroga 20 studenti in ordine alfabetico e 8 di essi ricevono un voto
negativo. Fornire la legge del n.a. di F che si trovano nel gruppo dei “negativi”.
R. Si ha X ∼ Hyp(x|26, 26, 8).
◃ Esercizio 122. Sia T = X + Y + Z, dove X, Y e Z sono v.a.i. con
−|y|
( X ∼)u(·| − 1, 1),
Y ∼ 2 |y|e , con Y ∈ R, Z ∼ N (·|0, 1). Dire (e motivare) se P |T | < 6 = 0.64.
1
R. Si ha E(X) = E(Y ) = E(Z) = 0, V ar(X) = 31 , V ar(Y ) = 6, V ar(Z) ( = 1; ergo

)
E(T ) = 0, V ar(T ) = 22 3
. La disuguaglianza di Cebicev
( mostra
) che P |T |) < 6 ≥
86 ∼
1 − 3 · 62 = 108 = 0.796. Non è dunque vero che P |T |) < 6 = 0.64.
22 1
( ) ( ) ( )
◃ Esercizio 123. Siano Yn n≥1 e Un n≥1 successioni di v.a., dove Yn ∼ G · | nθ e
( )
dove Un = αn · Yn , con α ∈ R+ noto. (i) Si provi che la successione Un n≥1 converge
in legge ad una v.a. esponenziale. (ii) Si calcoli media e varianza della v.a. limite.
θ
R. La f.c. della v.a. Yn è HYn (t) = n
θ
exp{−it}−1+ n
. La f.c. della v.a. Un è HUn (t) =
θ
H αn ·Yn (t) = HYn ( αn · t) = α
n
θ
exp{−i n t}−1+ n
, la quale, per n → ∞, è della forma 00 . Posto
θ
1
y = n
,
grazie alla regola di dell’Hôpital si ha infine lim HUn (t) = θ
α
−it
. Dunque
y→0
( θ)
α
L
Un → U ∼ Exp u| α .
◃ Esercizio 124. Siano X e Y v.a. che prendono valori in N, con f.r. F (x) e G(y)
e dotate di media. Si provi che se F (t) ≥ G(t), ∀t ∈ N, allora E(X) ≤∑ E(Y ).
∞
R. Posto pt = P(X
∑ ∑∞=∑ t) e qt = P(Y = t), t ∈ N, si ha E(X) ∑∞ =∑∞t=1 t · pt =
∞ ∞
t=1 P(X ≥ t) = j=t pj e, allo stesso modo, E(Y ) = qj . Dalla
t=1
∑ ∑t ∑∞
∑∞ t=1 j=t
ipotesi F (t) ≥ G(t) cioè i=1 pi ≥
t
(∑ qi , ∀t, donde )i=t pi ≤ i=t qi , ∀t,
∑∞ i=1 ∞ ∑∞
discende infine che E(X) − E(Y ) = t=1 j=t pj − j=t qj ≤ 0.
◃ Esercizio 125. Ad ogni lancio di una moneta regolare, Leo dà a [riceve da] Ugo
1 £ se esce T [C]. Calcolare la probabilità che dopo n lanci: (i) Leo vinca o perda
2 £, con n = 5, (ii) Ugo vinca o perda 2 £, con n = 8, (iii) Leo perda o vinca piú
di 100 £, con n = 900.
R. Sia X ∈ {−1, 1} la vincita aleatoria di Leo in∑un lancio, con P(X = −1) =
P(X = 1) = 12 E(X) = 0 e V ar(X) = 1. Sia Un = ni=1 Xi la somma vinta da Leo
dopo n lanci, con E(Un ) = 0 e V ar(Un ) = n. Se Yn è il n.a. di C che escono in n
37
lanci allora Un = 2Yn − n ⇔ Yn = 12 (Un + n), con E(Yn ) = 21 n e V ar(Yn ) = 41 n.
Pertanto: (i) se n = 5 non può accadere che Un = ±2; (ii) in n = 8 lanci, Ugo
vince Un = ∓2 £ a seconda che Yn = 3 oppure Yn = 5; poiché P(Un = −2) = P(Yn =
( )( )8
3) = 83 21 = 32 7
, è, per simmetria, P(Un = ∓2) = 2 · 32
7
; (iii) se n = 900, si ha
Yn − 2 n
1
P(Un > 100) = P(Yn > 500); per il TLC si ha √ = Yn −450
15
= Zn ≈ N (·|0, 1);
V ar(Yn )
= 3.367, si ha P(|Un | > 100) ∼

500+ 21 −450
ergo, posto z0 = 15 = P (|Z| > z0 ) = .00076.
◃ Esercizio 126. Il n.a. X di formicai/ha che si trovano nelle zone A1 , A2 , A3 segue
la legge di Poisson di media λ1 = 3, λ2 = 2, λ3 = 1. Un entomologo sceglie in modo
casuale una delle tre zone ed esamina un’area di un ha. Calcolare: (i) la probabilità
che egli osservi 3 formicai; (ii) media e varianza del n.a. di formicai/ha.
R. La probabilità di sorteggiare Aj è P(Aj ) = 13 , per cui il n.a. di formicai/ha
che si trovano∑in Aj segue la legge X|A ∑ j ∼ P o(x|λj ). La legge marginale di X è
x −λj
P(X = x) = 3j=1 P(Aj )·P o(x|λj ) = 3x! 1 3
j=1 λj e . Ergo: (i) P(X = x) = 0.1553;
∑ 3 ∑ 3
(ii) E(X) = 3 j=1 λj = 2, E(X 2 ) = 3 j=1 λj (1 + λj ) = 20
1 1
, da cui V ar(X) =
( )2 8 3
E(X ) − E(X) = 3 .
2
◃ Esercizio 127. Date le v.a.iid gaussiane X e Y , con E(X) = 0 e V ar(X) = σ 2 ,

e la trasformazione in coordinate polari (X, Y ) ⇔ (ρ, ϕ), si determini la legge della
v.a. congiunta (ρ, ϕ), nonché le
{ leggi marginali di
} ρ e ϕ.
R. Si ha{ (X, Y ) ∼ } 2πσ2 exp − 2σ2 (X + Y ) . Essendo |J| = ρ, si ha (ρ, ϕ) ∼
1 1 2 2
1
2πσ 2
ρ exp − 1 2
2σ 2
ρ 1R+ (ρ)1(0,2π) (ϕ), la quale mostra che ρ e ϕ sono v.a.i.
◃ Esercizio 128. Le lotterie L e J, aventi entrambe N biglietti, prevedono premi di
eguale entità. Nella L vince il primo estratto. Nella J vince il biglietto che resta una
volta eliminati, dopo regolare sorteggio, il 1o , il 2o , il 3o , . . . , l’(N − 1)o estratto. Vi
hanno regalato un biglietto per partecipare o ad L o a J. (i) Quale delle due scegli?
(ii) Che scegliere se il premio della lotteria L fosse di entità tripla del premio della
J ed il numero dei biglietti della lotteria J fosse un quarto dei biglietti della L?
R. Si definisca V =“vincere alla lotteria”. Caso (i): P(V|L) = P(V|J) = N1 . Caso
(ii): se n sono i biglietti della lotteria J, nella lotteria L ve ne sono 4n. Dunque
P(V|L) = 4n 1
, P(V|J) = n1 . Se nella J il premio è p, nella L è 3p. La vincita sperata
è dunque 4 · n , con la L e np , con la J.
3 p
◃ Esercizio 129. Da una tombola regolare costituita da 90 bussolotti, numerati da

1 a 90, Ivo ne preleva uno a caso. Cosı́ pure fanno Leo e Ugo. Vince chi totalizza
il numero piú alto. Calcolare la probabilità che Ivo, che non vede i punti degli altri
due (ma che vede il suo!), sia il vincitore.
R. Sia m il numero sorteggiato da Ivo. Se m ∈ {1, 2} Ivo ha perso. Se m ≥ 3,
accade l’evento V =“Ivo vince” se i due suoi avversari hanno entrambi sorteggiato
un numero compreso fra 1 e m − 1. Dunque P(V |m) = m−1 · m−2 .
( ) 89 88
◃ Esercizio 130. Sia Un n≥1 una successione di v.a.iid uniformi in (0, 1). Si studi
( ) √
il comportamento della successione Gn n≥1 , con Gn = n U1 · U2 · · · Un .
∑ ∫1 ∫0
R. Sia Xn = log Gn = n1 ni=1 log Ui . Sia E(log Ui ) = 0 log u du = −∞ t · et dt =
∫0
−Γ(2) = −1, E(log2 Ui ) = −∞ t2 · et dt = Γ(3) = 2 e V ar(log Ui ) = 1. Perciò
( ∑n ) ∑
E(Xn ) = n1 E i=1 log Ui = −1, V ar(Xn ) = n12 ni=1 V ar(log Ui ) = n1 . Dalla
p p
convergenza Xn → − 1 segue che Gn → e−1 .
38
◃ Esercizio 131. Nel silos di una grande azienda ci sono 5000 meloni di peso medio
3 (kg) e varianza 2.5 · 105 (g 2 ). Si calcoli la probabilità che quelli piú leggeri di 2
(kg) siano piú di 99.
R. Se X è il peso di un melone, espresso in (g), si ha θ = P(X < 2000) = 0.023. Sia
U ∼ Bin(u|θ, n) il n.a. di meloni di di peso inferiore a 2 (kg) su n = 5000 prelevati.
99+ 21 −113.75
Per il TLC si ha: Zn = √U −nθ ≈ N (z|0, 1). Posto z0 = 10.54
= −1.352, la
nθ(1−θ)
probabilità di trovare nel silos piú di 99 meloni è P(Zn > z0 ) = 0.9118.
◃ Esercizio 132. Si lanci un dado regolare a 6 facce e, a seconda che esca {1, 2, 3}
oppure {4, 5} oppure {6}, si sceglie la popolazione poissoniana A, B, C, di media
λ = 2, ϕ = 1, ψ = 3. Sia X il n.a. ∑proveniente dall’universo prescelto. Si ripeta la
prova per n = 1000 volte e sia Sn = ni=1 Xi . Si calcoli la probabilità che Sn > 1800.
R. Si ha P(A) = 63 , P(B) = 26 , P(C) = 16 ; X|A ∼ P o(x|λ), X|B ∼ P o(x|ϕ),
X|C ∼ P o(x|ψ). Momenti (primo ) e 3secondo marginali del n.a. X sono E(X) =
3
λ + 6 ϕ + 6 ψ = 1.8333 e E X = 6 λ(1 + λ) + 6 ϕ(1 + ϕ) + 61 ψ(1 + ψ) = 5.6667.
2 1 2 2
6 ( ) ( )2
La varianza marginale è V ar(X) = E X 2 − E(X) = 2.3056. Media e varianza
di Sn sono: E(Sn ) = n · E(X) = 1000 · 1.8333 = 1833.3 V ar(Sn ) = n · V ar(X) =
Sn −E(Sn )
1000 · 2.3056 = 2305.6 Per il TLC si ha: Zn = √ ≈ N (z|0, 1). Posto
V ar(Sn )
z0 = 1800−1833.3
√
2305.6
= −0.6942, si ha P(Sn > 1800) = P(Zn > z0 ) ∼ = 0.7562.
◃ Esercizio 133. Si sa che l’urna A è costituita da 10 palline bianche e 5 nere e
l’urna B da 6 palline b e 18 n. Si lancia un dado regolare e se esce {1, 2} [{3, 4, 5, 6}]
si fanno 3 prove con [senza] restituzione dall’urna A [B]. Sono state estratte 2 palline
b ed 1 n. È piú probabile che sia uscito {1, 2} oppure {3, 4, 5, 6}?
R. A priori le probabilità di sorteggiare l’urna A e B sono P(A) = 31 e P(B) =
2
3
. Posto E = “2 b ∪ 1 n”, la probabilità di E condizionata all’urna prescelta è
P(E|A) = Bin(2| 23 , 3) = 0.4444 e P(E|B) = Hyp(2|6, 18, 3) = 0.1334. In forza del
1
·0.4444
teorema di Bayes si ha P(A|E) = 1
3
·0.4444+ 2
·0.1334
= 0.6249.
3 3
◃ Esercizio 134. Siano X e Y v.a.iid uniformi in (0, 1), sia α ∈ R+ noto. Calcolare
media e varianza della v.a. |X − Y |α . ∫ ∫ 1∫ x
( )
R. Sia Q = (0, 1) . Si ha E |X −Y | =
2 α
|x−y| dxdy = 2
α
(x−y)α dxdy =
∫ 1 Q
((
0 0
))
α 2
2
α+1
x dx = (α+1)(α+2) . Allo stesso modo E |X −Y |
α+1 2 2
= (2α+1)(2α+2) , donde
(0 ) ( ) 2 2
V ar |X − Y |α = (2α+1)(2α+2)
2
− (α+1)(α+2)
2
= (α+1)2α(α+2)
(α+5)
2 (2α+1) .
◃ Esercizio 135. Enzo e Gino, a turno, lanciano sul tavolo una coppia di dadi
regolari. Il primo lancio spetta ad Enzo. Se Enzo [Gino] realizza il punto 6 [7] vince
la gara. Si calcoli la probabilità che vinca Gino.
R. Sia E [G] l’evento: “in un lancio di due dadi Enzo [Gino] realizza il punto 6
5 6
[7]”; si ha pE = 36 [pG = 36 ]. Gli eventi elementari possibili sono: ω1 = E : vince
Enzo con probabilità P(ω1 ) = pE ; ω2 = Ē G : vince Gino con probabilità P(ω2 ) =
pG (1 − pE ); ω3 = Ē Ḡ E : vince Enzo con probabilità P(ω3 ) = pE (1 − pE )(1 − pG );
. . . , etc. Per n dispari, ωn = Ē Ḡ Ē . . . Ḡ E vince Enzo con probabilità P(ωn ) =
n−1 n−1
pE (1−pE ) 2 (1−pG ) 2 ; per n pari, ωn = Ē Ḡ Ē . . . Ē G vince Gino con probabilità
P(ωn ) = pG (1 − pE ) 2 (1 − pG ) 2 −1 . Accadendo l’evento E = {ω1 , ω3 , . . . , ω2h+1 , . . . }
n n
39
∑ ( )h
Enzo vince la competizione con probabilità P(E) = pE ∞ h=0 (1 − p E )(1 − p G ) =
pE
pE +pG −pE ·pG
= 61 . Se accade G = {ω2 , ω4 , . . . , ω2h , . . . } Gino vince la gara con
30
∑ ( )h
probabilità P(G) = pG (1 − pE ) ∞h=0 (1 − pE )(1 − pG ) = pEp+pG −pE ·pG
G −pE ·pG
= 31
61
.
( ) (k) ∑n k
◃ Esercizio 136. Siano Xn n≥1 v.a.iid uniformi in (0, 1), sia Un = i=1 Xi ,
(k) (k) (1)
k ∈ N fissato. Come si comporta, per n → ∞, la v.a. Rn = Un /Un ?
( ) ( ) ( ) (1) q.c.
R. Poiché E Xik = k+1 1 1
, E Xi2k = 2k+1 e V ar Xik < +∞, si ha n1 Un → 1
2
e
1 (k)
1 (k) q.c. 1 (k) U q.c.
n n
U → k+1 .
n n
Dunque Rn = → 2
k+1
.
1 (1)
U
n n
◃ Esercizio
∑ 137. Siano (Y1 , . . . , Y5 ) v.a.iid con Yi ∼ 256
3
(16 − y 2 ) · 1(−4,+4) , sia
S = i Yi . Si calcolino, anche approssimativamente le probabilità P(S > 10) e
P(S > 30).
R. Sia E(Yi ) = 0, V ar(Yi ) = 16 5
, V ar(S) = 16. Per la simmetria della v.a.
S e grazie alla disuguaglianza di Cebicev si ha P(S > 10) = 12 · P(|S| > 10) ≤
( )
1
· V ar(S)
2 = 1
· 0.16 = 0.08. Col TLC si ha P(S > 10) ∼
= P Z > 10
= 0.00621.
2 10 2 4
Poiché |S| < 20, segue che P(S > 30) = 0.
◃ Esercizio 138. Sia Wn = Xn /Yt(n) , dove Xn e Yt(n) sono v.a.i. che seguono la
legge Chi2 con n ed t(n) gl. Si studi, per n → ∞, il comportamento di Wn quando:
(i) t(n) = n; (ii) t(n) = 3n − 2; (iii) t(n) = 4.
( ) ( ) ( )
R. Si ha Wn ∼ BetaInv w| n2 , 2t , con E Wn = t−2 n 2n(n+t−2)
e V ar Wn = (t−2) 2 .
( ) ( ) p ( ) (t−4)1
Perciò: (i) E Wn → 1, V ar Wn → 0 e dunque Wn → 1; (ii) E Wn → 3 ,
( ) p
V ar Wn → 0 e dunque Wn → 13 ; (iii) Wn non converge ad alcuna v.a.
◃ Esercizio 139. Sia X ∼ N (x|µ, σ 2 ), con µ = 10. Determinare il valore di σ 2
quando: (i) P(X < 12) = 0.855; (ii) P(X > 14.5) = 0.9.
R. Sia X−µσ
= Z ∼ N (z|0, 1). (i) Dalla condizione P(X < 12) = P(Z < z0 ) = 0.855,
12−µ 2
con z0 = σ = 1.058, segue σ = 1.058 = 1.8904 e σ 2 = 3.573; (ii) se µ = 10 è
impossibile che P(X > 14.5) = 0.9.
◃ Esercizio 140. Sia X il n.a. di facce dispari (D) che appaiono lanciando 4 dadi,
due dei quali regolari. Gli altri due, identici, favoriscono le facce D con P(D) = 23 .
(i) Stabilire la legge del n.a. X; (ii) calcolare la probabilità che X sia D.
R. Sia U [V ] è il n.a. di facce D ( ottenute
) con i due( dadi )[non] regolari. Le v.a.i.
U e V seguono le leggi U ∼ Bin u| 21 , 2 e V ∼ Bin (v| 32 , 2 ). Sia X( = U )+ V , con
X ∈ {0, 1, 2, 3, 4}. {(i) Il prodotto di
} convoluzione Bin u| 2 , 2 ∗ 1Bin v| 3 , 2 porge la
1 2
legge X ∼ p(x) ∈ 36 , 36 , 36 , 36 , 36 ; (ii) P(X = 1 ∪ X = 3) = 2 .

1 6 13 12 4
◃ Esercizio 141. Si lanci per n = 1000 volte un dado regolare. (i) Si calcoli la
probabilità che il “3” esca piú di 150 e meno di 200 volte. (ii) Si calcoli la probabilità
dello stesso evento quando è noto che il “2” è uscito k = 200 volte. ( )
R. Sia Y il n.a. di facce “3” che escono in n lanci. Si ha Y ∼ Bin y| 16 , n , E(Y ) = n6
e V ar(Y ) = 5n
36
. (i) Per il TLC si ha P(150 < Y < 200) ∼ = P(z1 < Z < z2 ) = 0.9123,
150+ 21 −E(Y ) 200− 12 −E(Y )
con Z ∼ N (z|0, 1), z1 = √ = −1.372, z2 = √ = 2.786. (ii) Sia U
V ar(Y ) V ar(Y )
il n.a. di facce “2” e V il n.a. di facce
( che1non sono) né “2” né “3” che appaiono
in n lanci. Si ha (Y, U, V ) ∼ M(ult3 y, u, v| 6 , 6 ,)6 , n . (La legge
1 4
) di Y dato l’evento
U = k è Y |(U = k) ∼ M ult3 y, u, v| 16 , 16 , 46 , n /Bin u| 61 , n = Bin(y| 15 , m), con
40
m = n − k = 800, E(Y |U = k) = m5 , V ar(Y |U = k) = 4m 25
. Sempre per il TLC
si ha P(150 < Y < 200|U = k) ∼ = P(z 1 < Z < z 2 ) = 0.7992, con Z ∼ N (z|0, 1),
150+ 21 −E(Y |U =k) 200− 12 −E(Y |U =k)
z1 = √ = −0.840, z2 = √ = 3.491.
V ar(Y |U =k) V ar(Y |U =k)
◃ Esercizio 142. Si lancia una moneta presa a caso da una scatola che contiene
una moneta con due T , una regolare, ed una terza tale che T esce nel 75 % dei casi.
Esce T . Si calcoli la probabilità che sia stata sorteggiata( la moneta) ( regolare.
) ( )
R. Sia Mi =“la moneta sorteggiata
( è
) la i−sima”;
( si ha P
) 1 ( M 1 = P M
) 32 = P M3 =
1
. Le verosimiglianze sono P T |M 1 = 1, P T |M2 = , P T |M3 = . Il teorema
3
( ) ·
1 1
2 4
di Bayes porge P M2 |T = 1 ·1+ 1 · 1 + 1 · 3 = 0.2̄.
3 2
3 3 2 3 4
◃ Esercizio 143. Siano X, Y , Z v.a.iid uniformi in (0, 1). Si calcoli la probabilità

dell’evento X > Y ·Z.
R. L’evento X ≤ Y ·Z individua∫il dominio D ∫= {(x, ∫ 1y, x)∫∈1 C : y · z < x}, con
1
C = (0, 1) . Si ha P(X ≤ Y ·Z) = D dx dy dz = 0 dx x dy x/y dz. Con un po’ di
3
pazienza si conclude che P(X ≤ Y ·Z) = 41 , donde P(X > Y ·Z) = 43 .

◃ Esercizio 144. Un libraio dispone in una mensola 4 libri della casa editrice E1 , 3
libri della editrice E2 , 2 della E3 ed 1 della E4 , in guisa che i libri della stessa casa
editrice siano contigui. In quanti modi il libraio puo ordinare i suoi libri?
R. I libri della casa E1 possono essere disposti in ℓ1 = 4! = 24 modi. Allo stesso
modo si ha ℓ2 = 3! = 6, ℓ3 = 2 e ℓ4 = 1. I modi con cui si possono disporre i blocchi
di libri delle 4 case editrici sono b = 4! = 24. Pertanto: l’insieme dei libri può essere
ordinato in b ℓ1 ℓ2 ℓ3 ℓ4 = 6912 modi.
◃ Esercizio 145. Sia P(A|B) > P(A), con (A, B) ⊂ Ω. È possibile stabilite se
P(A|B̄) R P(A)?
R. Si ha P(A) = P(A ∩ B) + P(A ∩ (B̄) = P(B) ) · P(A|B) + P(B̄) · P(A|B̄) >
P(B) · P(A) + P(B̄) · P(A|B̄), da cui P(A) 1 − P(B) > P(B̄) · P(A|B̄). Tenuto conto
che P(B̄) = 1 − P(B), si deduce che P(A|B̄) < P(A).
◃ Esercizio 146. Siano X e Y v.a. iid uniformi discrete da 1 ad n, con n ≥ 3 noto.
Calcolare la speranza matematica della v.a. |X − Y |. (Sugg.: si consulti la dispensa
Zibaldone.)
R. La v.a. (X, Y ) è uniforme nel cartesiano {1, 2, . . . , n}2 in cui prende valori, sicché
la v.a. Z = X − Y , di supporto Z = {−n + 1, −n + 2, . . . , −1, 0, 1, . . . , n − 2, n − 1},
è triangolare simmetrica, con probabilità P(Z( = z) = pz = n−|z| n2 )
. Si ha pertanto
( ) ∑ ∑n−1 ∑ ∑
E |Z| = z∈Z |z| · pz = 2 z=1 z · n−z n2
= n22 n z=1 z − z=1 z 2 = (n−1)(n+1)
n−1 n−1
3n
.
◃ Esercizio 147. Sia X una v.a. con E(X) = V ar(X) = 20. Cosa si può affermare
sulla probabilità dell’evento 0 < X < 40 ?
( )1 √
R. Sia σ = V ar(X) 2 = 20 = 4.472. Applicando { la disuguaglianza }di Cebicev
si ha P(0 < X < 40) = P(−20 < X − 20 < 20) = P |X − E(X)| < t · σ ≥ 1 − t12 .
Poiché t · σ = 20, da cui t2 = 20, ne consegue che P(0 < X < 40) ≥ 0.95.
◃ Esercizio 148. Ugo somma 100 numeri aventi lunga mantissa. Per far prima, li
arrotonda all’intero piú vicino. Posto che l’arrotondamento sia uniforme, calcolare
la probabilità che le somme di tali numeri, esatta ed approssimata, non si scostino
tra loro di oltre 4.5.
R. L’i−esimo numero produce l’arrotondamento aleatorio Yi ∼ u(y| − 0.5, 0.5),
41
∑
1
con E(Yi ) = 0 e V ar(Yi ) = 12 . Sia T = ni=1 Yi . Per il TLC si ha P(|T | < 4.5) ∼ =
T −E(T ) √
P(|Z| < z0 ) = 0.881, dove E(T ) = 0 e V ar(T ) = 3 , Z = √
25
e z0 = 3 · 5 =
4.5
V ar(T )
1.559.
◃ Esercizio 149. Quanti numeri di 5 cifre si possono costruire con gli interi
{1, 2, . . . , 9} con la regola che nessuna cifra possa apparirvi piú di due volte?
R. Si può procedere in due modi. (i) La totalità dei numeri di 5 cifre costruibili
con gli interi da( 1) a 9 sono 95 ; a questi vanno tolti i 9( numeri
) aventi tutte le cifre
uguali, i 9 · 8 · 1 numeri con 4 cifre uguali, i 9 · 8 · 2 con 3 cifre uguali. (ii)
5 2 5
(5)I
numeri aventi 5 cifre differenti sono 9 · 8 · 7 · 6 · 5; ad essi vanno aggiunti i 9 · 8 · 7 · 6 · 2
numeri in(cui ) una(5certa
) cifra appare solo due volte e le altre sono fra loro differenti,
nonché i 2 · 7 · 2 numeri in cui appaiono esattamente due cifre distinte ripetute
9
due volte. Con un po’ di pazienza si trova che il numero richiesto è 52· 920.
◃ Esercizio 150. Per opportuni valori di k ed h, le funzioni f (t) = k · t2 e−t , con
2
t ∈ R+ , e g(y) = h · |y|, con y ∈ {∓1, ∓2, . . . , ∓10}, sono leggi di probabilità? In

caso affermativo,
∫ calcolare∫∞le costanti k ed h, nonché, esistendo, la media.
2 −t2 1√
R. Si ha R+ f (t)dt = k 0 t e dt = k · 4 π, da cui k = √4π , con E(T ) = √2π . Ed
∑ ∑10
ancora ∓10y=∓1 g(y) = 2h y=1 y = 110 · h, da cui h = 110 , con E(Y ) = 0.
1
◃ Esercizio 151. Si sa che il 98 % dei neonati sopravvive al parto; percentuale che

cala al 96 % in caso di parto cesareo. Si sa anche che i parti cesarei sono il 15 %. Si
calcoli la probabilità di sopravvivenza di un neonato che nasce con un parto normale.
R. Si ha P(C) = 0.15, P(C̄) = 0.85, P(S) = 0.96, P(S|C) = 0.96, dove C =“parto
cesareo”, S =“il bambino sopravvive”.
( Poiché P(S) = P(C)P(S|C) + P(C̄)P(S|C̄),
) 0.98−0.15·0.96
si ricava che P(S|C̄) = P(C̄) P(S) − P(C)P(S|C) =
1
0.85
= 0.9835.
∑
◃ Esercizio 152. Siano U1 , U2 , U3 v.a.iid normali standard, sia X 2 = 3j=1 Uj2 .
Determinata la legge della v.a. X,∑si calcoli, se esiste, E(X).
R. Come noto, la v.a. Y = 3 2
j=1 Uj segue la legge Chi2 con ν = 3 df. La
√ √
trasformazione Y = X 2 porge la f.d.p. f (x) = π2 · x2 e− 2 x , con E(X) = 2 · π2 .
1 2
◃ Esercizio 153. Ugo ha in tasca due monete; una è regolare, l’altra ha due croci.
Ne estrae una a caso e la lancia per tre volte. Calcolata la probabilità che esca 3
volte C, Ugo si chiede se, con tale risultato, la moneta scelta sia quella alterata.
R. Sia A =“Ugo estrae la moneta alterata”, B =“Ugo estrae la moneta buona”,
con P(A) = P(B) = 12 , sia C3 =“con la moneta estratta si hanno 3 C in 3 lanci”,
con P(C3 |A) = 1 e P(C3 |B) = 81 . Dunque P(C3 ) = P(A)P(C3 |A)+ P(B)P(C3 |B) =
( )
1
2
1 + 18 = 16
9
. Si ha infine P(A|C3 ) = P(A)· P(C 3 |A)
P(C3 )
= 89 .
◃ Esercizio 154. Sia P(A) = 0.55 e P(B) = 0.70, con A, B ⊂ Ω. Ciò premesso, può
accadere che (i) P(A ∩ B) = 0.12; (ii) P(A ∩ B) = 0.43?
R. Si ha max{P(A) + P(B) − 1, 0} ≤ P(A ∩ B) ≤ min{P(A), P(B)}, donde 0.25 ≤
P(A ∩ B) ≤ 0.55.
◃ Esercizio 155. Per certi valori
{ delle costanti k ed h, le funzioni
} ϕ(y) = h · y −1 0.3y ,
con y ∈ N, e ψ(t) = k · (t − 1)1A (t) + (13 − t)1B (t) , con A = {2, . . . , 7} e
B = {8, . . . , 12}, sono leggi di probabilità? Se si, calcolare h ed k, nonché, esistendo,
la media.
R. Si ha k = 36 1
, con E(Y ) = 7; h = − log(1−0.3)
1 ∼
= 2.804, con E(T ) = − 1−0.3 ·
0.3
42
1 ∼
= 6.542.
log(1−0.3)
( 1)
◃ Esercizio 156. Se, lanciando una moneta, esce ( T) si ha Yn ∼ P o · | 10 , se
esce C si ha Yn = 0. Considerata la successione Yn n≥1 , stabilire se: (i) la v.a.
∑
Un = n1 ni=1 Yi converge in media quadratica a qualche v.a.; (ii) la v.a. Un converge
in legge a qualche v.a.
R. (i) Si( ha E(Yn |T ) = V ar(Y ) n |T ) = 10 , E(Yn(|C) = V ar(Yn |C) = 0, )da cui
1
E(Yn ) = 21 E(Yn |T ) + E(Yn |C) = 20 1

, V ar(Yn ) = 21 V ar(Yn |T ) + V ar(Yn |C) = 20 1
.
Dunque:
( ( 1) n E(U ) = 1
)
20
, V ar(Un ) = 1
20·n
, etc. (ii) La legge della v.a. Y n è Yn ∼
1
2
P o y| 10
+ 1{0} (y) .
◃ Esercizio
∑n 157. Siano (U1 , U2 , . . . , Un ) v.a.iid con Ui ∼ Cauchy(·|0, 1), sia M =
1
n
· i=1 i Si calcoli P(|Mn | > 1) al variare di n.
U .
R. Come noto, se Ui ∼ Cauchy(·|0, 1), allora ∀n ≥ 1 si ha M ∼ Cauchy(·|0, 1).
∫ ∞
∫∞ 1 [ ]∞
Perciò P(|Mn | > 1) = 2 Cauchy(t|0, 1)dt = π2 1 1+t 2
2 dt = π arctan t = 12 .
1 1
◃ Esercizio 158. Ugo lancia n volte una moneta regolare e altrettanto fa Ivo.
Calcolare la probabilità che essi realizzino lo stesso numero di “croci”. (Applicare
alcune note proprietà dell’analisi combinatoria.) (n)( 1 )n
R. Sia X e
(n)( 1 )n Y il numero di croci realizzate da Ugo e da Ivo, dove X ∼ e
∑n ∑n x (n2)(n)
Y ∼ y 2 . Dunque P(X = Y ) = u=0 P(X = u) · P(Y = u) = 22n u=0 u u . 1
( ) 1
Ricordando la formula di Vandermonde si ha P(X = Y ) = 2n n
· 22n .
◃ Esercizio 159. La v.a. simmetrica X prende valori in X = {0, ∓a, ∓2a} con
P(X = 0) = 12 . Stabilire il valore di a sapendo che E(X 2 ) = 3 e che P(X > a) = 12
1
.
R.( Essendo X )simmetrica si ha P(X > 0) = P(X < 0), da cui P(X > 0) =
1
2
1 − P(X = 0) = 1
4
. Dalla condizione P(X > a) = 12 1
segue P(X = −2a) =
P(X = 2a) = 12 , ed ancora P(X = −a) = P(X = a) = 61 . Dalla condizione
1
( ) √
E(X 2 ) = 2 a2 61 + (2a)2 12
1
= 3 segue a = 3.
2 −y
] = c·y e ,
2
◃ Esercizio 160. Per certi [ valori delle costanti c e k, le funzioni φ(y)
con y ∈ R, e f (x) = k · (6 + x)1{−5,−4,...,0} (x) +(6 − x)1{1,2,...,5} (x) sono leggi di
probabilità? Se si, calcolare c e k, nonché, esistendo, media e varianza.∫∞
R. ∀c > 0 e ∀y ∈ R si ha φ(y) ≥ 0. Poiché φ(·) è pari, si ha I = −∞ y 2 e−y dy =
2
∫∞ ∫ ∞ 1 −u √
2 0 y 2 e−y dy. Posto u = y 2 , da cui dy = 2du
2
√ , si ha I = u 2 e du = 12 π,
u
∫∞ 0
donde c = √2π . Si ha poi E(Y ) = 0 e V ar(Y ) = √2π −∞ y 4 e−y dy. Procedendo allo
2
stesso modo si ha V ar(Y ) = 32 .

∑
∀k > 0 si ha f (x) > 0. Inoltre 5x=−5 f (x) = k · 36 = 1, donde k = 36 1
. Si ha
35
E(X) = 0 e V ar(X) = 6 .
◃ Esercizio 161. Siano X e Y v.a.iid, con X ∼ Exp(·|λ) e λ = 4. Sia R = Y
X+Y
.
Calcolare la probabilità che R > 34 .
R. Poiché R ∼ u(r|0, 1), si ha P(R > 43 ) = 14 .
◃ Esercizio 162. Siano (X ( 1 , X2 ,1. . . , Xn )−v.a.iid esponenziali di media 2, sia X̄n =
∑n 1)
1
n
· i=1 Xi . Calcolare P X̄n > λ + 4 · n 2 , anche approssimativamente, quando:
(i) n = 25, e (ii) n = 250. ∑
R. Si ha λ = 12 . Poiché ni=1 Xi = Tn ∼ Erlang(t|n, λ), ne consegue che qn =
43
∫ ∫
( ) ( 1)
∞ ∞
+4·n− 2
1
P X̄n > 1
λ
= P Tn > nλ +4·n 2 = Erlang(t|n, λ)dt = Chi2(y|ν)dy,
t0 y0
1
con ν = 2n e dove t(0 = nλ + )4 · n 2 e y0 = 2λt0 = t0 . Caso (i): se n = 25, ν = 50
e y0 = 70; donde P Tn > t0 ∈ (0.025, 0.05). Caso (ii): se ∫ n = 250, ν = 500 e
( ) ( ) ∞
y0 = 563.25; grazie al TLC si ha P Tn > t0 = P Zn > z0 ∼ = N (z|0, 1)dz, con
( ) z 0
z0 = y√0 −ν
2ν
= 2. Donde P Tn > t0 ∼ = 0.02.
◃ Esercizio 163. La funzione

 1 x
4
e , x≤0
F (x) = 1
− 14 e−x , 0<x≤2 ,
 2
1 − 14 e−x , 2<x
e una f.r.? In caso affermativo calcolare la speranza matematica e la varianza.

R. La F (x) è strettamente crescente ∀x; inoltre lim F (x) = 0, lim F (x) = 1.
x→−∞ x→∞
−|x|
La v.a. X ha massa 1
concentrata
∫
2
in x = 2 e f.d.p. f (x) = · e 1
4
, ∀x ̸= 2. Ergo
E(X) = 1, E(X 2 ) = 2 + 14 x2 e−|x| dx = 3; donde V ar(X) = 2.
R
◃ Esercizio 164. Siano X e Y v.a.iid, con X ∼ Geom(·|θ), con θ noto. Calcolare la
legge della v.a. X condizionata a X + Y = t, ∀t assegnato.
R. La v.a. T = X + Y segue la legge P ascal(t|θ, ν), con ν = 2 e t ∈ {2, 3, . . . };
P(X = x ∩ T = t)
∀t ≥ 2 fissato e ∀x ∈ {1, 2, . . . , t − 1}, si ha P(X = x|T = t) = =
P(T = t)
P(X = x ∩ Y = t − x) x−1 ·θ(1−θ)t−x−1
= θ(1−θ) 1
= t−1 1{1,2,...,t−1} (x) = unif (x|t − 1).
P(T = t) (t−1)θ2 (1−θ)t−2
Y −X
◃ Esercizio 165. Siano X e Y v.a.iid, con X ∼ Exp(·|λ) e λ = 4. Sia R = X+Y .
1
Calcolare la probabilità
{( che R > 4 .
) ( )}
R. Si assuma r = x+y , t = x + y ⇔ x = 2t (1 + r), y = 2t (1 − r) , con |J| = 2t
y−x
e con (R, T ) ∈ (−1, 1) × R+ . Dopo facili passaggi si ha R ∼ u(r| − 1, 1). Donde

P(R > 41 ) = 38 .
{ }
◃ Esercizio 166. Per qualche reale c e k le funzioni: (i) ψ(x) = c · x− 2 exp − x−1 ,
5
[ ]− 1
con x ∈ R+ , (ii) ϕ(x) = k · x(x + 1) (2 , con x) ∈ N, sono leggi di probabilità? Se
“si” calcolare (approssimativamente) P (X > 25 2)
ed, esistendo, media e varianza.
(
R. (i) Se c = π è ψ(x) = GammaInv x| 2 , 1 , E(X) = 2, la varianza NE ; P X >
√2 3
∫ ∞ ∫ 2 ∫ 4
25
) ( 3 ) 25 ( 3 ) 25
2
= GammaInv x| , 1 dx = Gamma y| , 1 dy = Chi(u|3)du.
x0 2 0 2 ( ) 0
Dalle tavole dei percentili della legge Chi2 si ricava che P U > 25 4
∈ (0.01, 0.025).
∑∞ [ ]− 12
(ii) Si ha x=1 x(x + 1) = ∞.
( ) ∑
◃ Esercizio 167. Date le v.a.iid Xi ∼ Bern x| n1 , sia Tn = 2n i=1 Xi , si calcoli la
probabilità che Tn ≥ 1, quando: (i) n = 10; (ii) n è grande.
( )( 1 )0 ( )
1 2·n
R. Si ha P(Tn = 0) = 2·n 1 − . Dunque: (i) se n = 10, P(T10 ≥ 1) =
( )
1 20 ∼
0 n n
1− 1− 10 = 0.8784; (ii) se n è grande, P(Tn ≥ 1) ∼ = P(T∞ ≥ 1) = 1−e−2 = 0.8647.
44
( )
◃ Esercizio 168. Sia Xn n≥1 una successione di v.a.i., con Xn ∼ P o(·|ϕn ), ϕ ∈ R+ .
∑
Studiare il comportamento asintotico della v.a. Tn = ni=1 Xi , quando: (i) ϕ = 32 ;
(ii) ϕ = 23 .
∑
R. Se le Xj sono v.a.i. allora Tn ∼ P o(t|λn ), con λn = nj=1 ϕj = 1−ϕ
ϕ
· (1 − ϕn ).
Dunque, per n → ∞ si ha: (i) λn → ∞; (ii) λn → 2.
◃ Esercizio 169. Siano X e Y v.a.iid, con Y ∼ 61 1Y (y), dove Y = {1, 2, . . . , 6}.
Calcolare la covarianza ed il coefficiente di correlazione lineare della v.a. (T, Y ),
dove T = X + Y .
R. Si ha Cov(T, Y ) = E(T · Y ) − E(T ) · E(T ), dove E(Y ) = 27 e E(T ) = 7.
{ ha pT,Y (t, y) = pY (y) · pT |Y (t|y) = 6 1{1,...,6} (y) · }6 1{y+1,...,y+6} (t|y). Posto G =
1 1
Si ∑
(t, y), t ∈ {y + 1, y + 2, . . . , y + 6}, y ∈ {1, 2, . . . , 6} , si ha E(T · Y ) = (t,y)∈G t ·
∑6 ∑y+6 ∑6 ( )
y=1 y ·
1 1 7 329
y pT,Y (t, y) = 36 t=y+1 t = 6 y=1 y y + 2 = 12 . Ergo: Cov(T, Y ) =
329
12
− 72 × 7=35
12
. Tenuto conto che V ar(Y ) = 35 12
, V ar(T ) = 35
6
, si ha R(T, Y ) =
Cov(Y, T )
√ = √12 .
V ar(Y ) · V ar(T )
◃ Esercizio 170. Ivo lancia un dado a sei facce e riceve dal banco 1 Euro per ogni
punto realizzato. Ivo lancia poi una moneta e, solo se esce C, riceve sempre dal
banco una somma uguale a quella già vinta. Calcolare: (i) la quota di scommessa
che Ivo deve pagare al banco per partecipare a tale giuoco che si svolga in modo
equo e coerente; (ii) la probabilità di vincere almeno 5 Euro. Dado e moneta sono
regolari.
R. Si indichi con U la somma vinta da Ivo. Tenuto conto (che P(U = u) =
P(T ) · P(U = u|T ) + P(C) · P(U = u|C), si ha: (i) E(U ) = 21 27 + 7) = 21 4
; (ii)
P(U ≥ 5) = 2 . 1
◃ Esercizio 171. Per quale reale k la funzione, definita ∀x ∈ R, ψ(x) = k ·

{ 2
}− 3
2
1 + (x−5)
4
è una f.d.p.? Si calcoli: (i) il punto x0 tale che P(X > x0 ) = 0.05;
ed esistendo (ii) media e varianza. (Sugg. tracciare il grafico della funzione.)
R. La ψ(x) ha la stessa forma della legge t-Student. Si ponga: ν+1 = 32 , da cui
2 2 √ √ 2
ν = 2, e tν = (x−5)4
⇔ x = 2( · t + 5, ) con dx = 2dt. Si ha T ∼ Student(t|ν) =
( )√ √ Γ
1
(ν+1)
ψ x(t) 2 e dunque 2 · k = (21 )√ · √1ν , da cui k = 41 . (i) Dalle tavole si ricava
Γ ν π
2 √
che se ν = 2, P(T > 2.92) = 0, 05. Dunque x0 = 2.92 2 + 5 ∼ = 9.13; (ii) E(X) = 5,
non esiste varianza.
◃ Esercizio 172. Calcolare: (i) media e varianza e (ii) f.c. della v.a. X che ha f.r.


 0, x ∈ (−∞, −2]
 1
8
(2 + x) 2
, x ∈ (−2, 0]
F (x) = .

 1 − 8 (2 − x) ,
1 2
x ∈ (0, 2]

1, x ∈ (2, ∞)
R. La legge della v.a. X è è una f.d.p. triangolare centrata nell’origine

 1
 4 (2 + x) , −2 < x ≤ 0
f (x) = 1
(2 − x) , 0<x<2 .
 4
0 (altrove)
45
∫2
Dunque : (i) E(X) = 0 e V ar(X) = E(X 2 ) = 2 · 0 x2 · 14 (2 − x)dx = 32 ; (ii) la f.c.
(∫ 0 ∫ 2 ) ( sin t )2
1
della v.a. X è HX (t) = 4 itx
e (2 + x)dx+ e (2 − x)dx =
itx
.
−2 0 t
◃ Esercizio 173. La v.a. (X, Y ) ha f.d.p. uniforme nel triangolo T di vertici
A = (2, 1), B = (2, 2), C = (4, 2) in cui essa prende valori. Calcolare le f.d.p.
marginali, e condizionate (di X ad y e di Y ad x) ed i momenti primi e secondi della
v.a. (X, Y ).
R. Si ha (X, Y ) ∼ f (x, y) = 1T (x, y). Le f.d.p. marginali di X ed Y sono:
X ∼ fX (x) = 12 (4 − x)1(2,4) (x) e Y ∼ fY (y) = 2(y − 1)1(1,2) (y). Le f.d.p. di X dato
y0 e di Y dato x0 sono uniformi. Infatti: X|y0 ∼ ffY(x,y 0)
(y0 )
= 12 (y0 − 1)−1 1(2,2y0 ) (x) e
Y |x0 ∼ ffX(x(x
0 ,y)
0)
= 2(4 − x0 )−1 1( 1 x0 ,2) (y). Momenti: E(X) = 83 , E(Y ) = 53 , E(X 2 ) =
2
22
, E(Y 2
) = 17
, E(X · Y ) = 9
.
3 6
( ) 2
◃ Esercizio 174. Sia Xn n≥1 una successione di v.a. con
{ 1
(1 − n · x)−2 , x ∈ R−
Xn ∼ Fn (x) = 2 0
.
1 − 12 (1 + n · x)−2 , x ∈ R+
Per n → ∞: (i) la v.a. Xn converge, e in che senso, a qualche v.a. X? e, se

m.2
“si”, (ii) ha senso affermare che Xn → 0? (Sugg.: tracciare i grafici della f.r. e della
f.d.p.)
L p
R. (i) Si ha Xn → X con X degenere nell’origine e dunque Xn → 0. Poiché E(X) =
m.1
0 e E(Xn ) = 0, ∀n, allora Xn → 0. (ii) Si ha E(X 2 ) = 0. Ciò nondimeno non è
m.2
possibile affermare che Xn → 0 in quanto E(Xn2 ) non esiste, ∀n.
◃ Esercizio 175. Ivo lancia un dado a sei facce e riceve dal banco 1 Euro per
ogni punto realizzato. Ivo lancia poi una moneta e, solo se esce C, riceve sempre dal
banco una somma uguale a quella già vinta. Dado e moneta sono regolari. Calcolare
la probabilità che sia apparsa T sapendo che Ivo ha vinto: (i) 4 Euro; (ii) non meno
di 4 Euro.
R. Si ponga E1 ≡ (X = 4) e E2 ≡ (X ≥ 4). La probabilità a priori che esca T o C
è P(T ) = P(C) = 21 . (i) Poiché P(E1 |T ) = P(E1 |C) = 61 , le probabilità a posteriori
sono P(T |E1 ) = P(C|E1 ) = 21 . (ii) Poiché P(E2 |T ) = 21 e P(E2 |C) = 65 , abbiamo
P(C|E2 ) = P(T )·P(EP(C)·P(E 2 |C)
2 |T )+P(C)·P(E2 |C)
= 58 , P(T |E2 ) = 38 .
( )
◃ Esercizio 176. La v.a. X è uniforme in − 12 , 12 . Stabilita la legge della v.a.
Y = X −2 , se ne calcoli la moda, la mediana e (se esistono) i primi due momenti.
(Sugg.: tracciare
( il grafico) della f.r. e della f.d.p.)
R. Se X ∈ −) 21 , 12 (allora Y ∈) (0, ∞). (La y = x−2 ) è simmetrica; ergo: Y ∼
F (y) = P(Y < y = P |X| > √y = 1 − P |X| < √y = 1 − √y . La f.d.p. di Y
1 1 2
è f (y) = y − 2 1(4,∞) (y). La moda è M o(Y ) = 0. La mediana M e(Y ) è soluzione

3
dell’equazione F (y) = 12 , cioè 1 − √2y = 12 , donde M e(Y ) = 8. I momenti E(Y ) e

E(Y 2 ) NE.
◃ Esercizio 177. Un diodo montato su un veicolo spaziale ha probabilità ϕ = 0.003
di guastarsi in volo. Fissare il numero n di diodi di riserva tale che sia inferiore a
10−12 la probabilità che tutti i diodi si guastino in volo.
46
R. Sia Gn l’evento temuto, sia Ej =“il j−esimo diodo funziona”, j = 0, 1, . . . , n.
Il numero n di diodi di riserva deve essere tale che P(Gn ) = ∪nj=0 Ej = ∩nj=0 E j =
∏n
j=0 P(E j ) = ϕ
n+1
< 10−12 . Per n = 3, P(G3 ) = 8.1 × 10−11 ; per n = 4, P(G4 ) =
4.4 × 10−13 . I diodi di riserva devono essere non meno di 4.
√
◃ Esercizio 178. Per quale valore di k la funzione f (x) = k · x e−x · 1R+ (x) è una
f.d.p.? Calcolare la f.c. ed (esistendo) la media e la varianza.
R. Si ha k = √2π , HX (t) = (1 − it)− 2 , E(X) = V ar(X) = 23 .
3
( )
◃ Esercizio 179. Siano Xj , j = 1, 2, . . . , n, v.a.iid con Xj ∼ P o · | √12 , sia
∑
X̄ = n1 nj=1 Xj . Calcolare la probabilità che X̄ ≤ √12 , quando: (i) n = 4; (ii)
n = 100. ∑ ( )
R. Sia Sn = nj=1 Xj . Se n = 4 si ha Sn ∼ P o s|n · √12 con n · √12 = 2.8284.
( ) ( ) ∑ )
Perciò P X̄ ≤ √12 = P Sn ≤ 2 = 2j=0 P o(s|n · √12 = 0.4627.
( )
Se n = 100 si deve ricorrere al TLC. Si ha n· √12 = 70.711 e dunque Sn ∼ P o s|n· √12 .
( ) ( ) ∑ ( ) ∫ z0
Ergo P X̄ ≤ √1 = P Sn ≤ 70 = 70 P o s|n · √1 ∼
2 j=0 = 2
N (t|0, 1)dt = 0.4900,
−∞
70+ 21 −70.711
con z0 = √
70.711
= −0.0251.
√
2 2
◃ Esercizio 180. Siano Zj , j = 1,
√2, v.a.iid normali standard, sia Y = Z1 + Z2 .
Calcolare la probabilità che Y > 2 e, esistendo, i primi due[ momenti.]
√ ∫∞ 1 2 ∞
R. Si ha Y ∼ y · e− 2 y ; P(Y > 2) = √2 y · e− 2 y dy = 1 − e− 2 y √ = e−1 ;
1 2 1 2
√ 2
E(Y ) = π2 ; E(Y 2 ) = 2.
◃ Esercizio 181. La v.a. doppia (X, Y ) ha f.d.p. uniforme nel quadrilatero Q
avente vertici A = (2, 1), B = (3, 4), C = (2, 7) , D = (1, 4) in cui essa prende
valori. Determinare le f.d.p. marginali, e le f.d.p. condizionate della v.a. X dato y
e della v.a. Y dato x. Calcolare i momenti primi e secondi della v.a. (X, Y ).
R. Si ha (X, Y ) ∼ Area(Q) 1
· 1Q (x, y), con Area(Q) = 6. Le f.d.p. marginali sono
X ∼ (x−1)1(1,2] (x)+(3−x)1(2,3] (x), Y ∼ 19 (y−1)1(1,4] (y)+ 1
( 9 (7−y)1(4,7] (y).
) La f.d.p.
della
( v.a. X condizionata
) a Y = y è X|y ∼ f X|y (x|y) = u x|2 − ay , 2 + ay 1(1,4] (y)+
u x|2 − by , 2 + by 1(4,7) (y), con ay = 3 (y − 1) e by = 3 (7 − y). Si ha infine E(X) = 2,
1 1
E(Y ) = 4, V ar(X) = 61 , V ar(Y ) = 32 , Cov(X, Y, ) = 0.

( )
◃ Esercizio 182. Sia Yn n≥1 una successione di v.a. con
{ 1 n·y
e , y ∈ R−
Yn ∼ Fn (y) = 4 0
.
1 − 14 e−n·y , y ∈ R+
m.2
Si puo dire che Yn → 0? Calcolare il momento secondo della v.a. Yn − a, con
a > 0 noto, per n → ∞. (Sugg.: tracciare il grafico della f.r. e della corrispondente
f.d.p.)
−n|y|
R. La v.a. Y ha densità fn (y) =
∫ 4n·e
1
, ∀x ̸= 0.∫In y = 0 ha massa concentrata
∞ ∞
P(Y = 0) = 14 . Si ha E(Yn2 ) = y 2 dFn (y) = 2 · y 2 fn (x)dy = n−2 → 0, per
[ ] ∞ 0
n → ∞. Ergo E (Yn − a)2 = E(Yn2 ) − a2 → a2 , per n → ∞.
◃ Esercizio 183.
{ Sia (X, Y ) ∼ f (x, y)}= (1 − ϕ)(1 − ϕ2 )ϕx+y · 1A (x, y), con ϕ ∈ (0, 1)
noto e A = x ∈ N0 , y ∈ N0 | x ≤ y . Calcolare (i) le leggi marginali di X ed Y
47
nonché le leggi condizionate di X dato y ed Y dato x. E (se esistono) i momenti
primi di X ed Y . (ii) Stabilire se tra X ed Y vi è indipendenza
( stocastica.
)
R. (i) Si ha: X ∼ fX (x) = (1 − ϕ )ϕ = Bneg x|1 − ϕ , 1 ; Y ∼ fY (y) =
2 2x 2
x
(1 − ϕ2 )ϕy (1 − ϕy+1 ); X|y ∼ fX|Y (x|y) = ffY(x,y)
(y)
= (1 − ϕ) · 1−ϕϕ y+1 · 1{x≤y} (x); Y |x ∼
ϕ2 ∑∞
fY |X (y|x) = ffX(x,y) = (1−ϕ)·ϕy−x ·1{x≤y} (y); E(X) = 1−ϕ 2 ; E(Y ) = (1−ϕ )
2
y=0 y ·
( )
(x) (∑ ∑ ) ( )
∞ ∞ 2
ϕy 1 − ϕy+1 = (1 − ϕ2 ) y=0 y · ϕ − ϕ
y
y=0 y · ϕ
2y
= ϕ 1−ϕ1+ϕ
− 1−ϕ
ϕ
2 . (ii) X e
Y sono dipendenti.
◃ Esercizio 184. Siano R ed S v.a.iid con R ∼ u(·|0, 1). Calcolare: (i) la legge
della v.a. Y = log RS e, se esistono, (ii) E(Y ) e V ar(Y ).
R. (i) La v.a. Z ∼ RS ha f.d.p. fZ (z) = 12 · 1(0,1) (z) + 2 1z2 · 1(1,∞) . Poiché
log z = y ⇔ z = ey , con dy d
z(y) = ey , si ha Y ∼ Laplace(y|0, 1). (ii) E(Y ) = 0,
V ar(Y ) = 2.
◃ Esercizio 185. Se X ∼ Cauchy(x|0, 1), allora Y = X −1 ha f.d.p. Cauchy(y|0, 1).
Usando (solo) tale proprietà si calcoli il 10 e 30 quartile della v.a. X.
R. Siano FX (·) e FY (·) le
( f.r.) delle v.a. X ed Y . Sia x3 il 30 quartile della v.a. X:
−1
ergo FX (x3 ) = 4 . Ma FY x3 = 4 . Cui segue x3 = 1. Il 10 quartile e x1 = −1.
3 3
◃ Esercizio 186. Sia U = 2 · X + Y , con X e Y v.a.iid e X ∼ Exp(x|ϕ). Calcolare

la f.d.p. di U , E(U ) e V ar(U ). ( )
R. Sia T = 2·X, con T ∼∫Exp t| 21 ϕ . Con l’int. di convoluzione si ha U ∼ fU (u) =
( ) u ( 1 ) ( )
Exp t| ϕ · Exp(u − t|ϕ)dt = ϕ · e− 2 ϕu 1 − e− 2 ϕu ;
1 1
Exp t| 12 ϕ ∗ Exp(y|ϕ) =
0 2
E(U ) = ϕ2 , V ar(U ) = ϕ52 .
∫ y+t
◃ Esercizio 187. Sia X ∼ F (x). (i) Si mostri che Gt (y) = 2 t ·
1
F (x)dx, t > 0
y−t
noto, è una f.r. (ii) Si tracci la f.r. Gt (y) quando t = 1 ed X è degenere in x = 0.
R. (i) È facile mostrare che lim Gt (y) = 0 e che lim Gt (y) = 1; ∀y e ∀h > 0 si
y→−∞ y→∞
( ∫ y+h+t ∫ y+t )
ha poi Gt (y + h) − Gt (y) = 2 t ·
1
F (x)dx − F (x)dx ; la quantità tra
y+h−t y−t
parentesi è positiva o nulla, ∀y; ergo Gt (y + h) ≥ Gt (y). (ii) Y ∼ u(y| − 1, 1).
◃ Esercizio 188. Da ciascuna delle tre urne U1 , U2 e U3 , aventi proporzione di
successo θ1 = 0.3, θ2 = 0.5 e θ3 = 0.8, è estratta una pallina. Calcolare la probabilità
di conseguire: (i) un solo successo; (ii) 3 successi; (iii) almeno un successo.
R. Si ha (i) P(S = 1) = θ1 (1 − θ2 )(1 − θ3 )+ (1 − θ1 )θ2 (1 − θ3 )+ (1 − θ1 )(1 − θ2 )θ3 ;
(ii) P(S = 3) = θ1 θ2 θ3 ; (iii) P(S ≥ 1) = 1 − (1 − θ1 )(1 − θ2 )(1 − θ3 ).
( )
◃ Esercizio 189. Sia X ∼ Gamma(·|2, λ), con λ > 0 noto, sia Y |x ∼ unif · |0, 12 x .
Calcolare (i) {le f.d.p. di Y ed X|y; (ii)
} i momenti primi e secondi di X ed Y .
R. Sia A = x, y ∈ R2 : 0 < y < 12 x . Si ha (X, ∫ Y ) ∼ f (x, y) = fX (x)·f∫ Y |X (y|x) =
∞ ∞
2 −λx
2λ e · 1A (x, y). Ergo: (i) Y ∼ fY (y) = f (x, y)dx = 2λ ·2
e−λx dx =
2y 2y
f (x, y)
Exp(y|2λ); X|y ∼ fX|Y (x|y) = = λe2λy · e−λx · 1(2y,∞) (x|y); (ii) E(X) = λ2 ,
fY (y)
V ar(X) = λ22 , E(Y ) = 2λ
1
, V ar(Y ) = 4λ1 2 .
◃ Esercizio 190. L’urna U1 contiene 6 biglie color B e 4 di color N . Dall’urna U2 ,
48
identica alla U1 , sono prese a caso 2 biglie e trasferite in U1 . Da questa sono estratte
a caso, con restituzione, 2 biglie N . Valutare la probabilità che le 2 biglie trasferite
da U2 a U1 siano entrambe N , di colore B e N , entrambe B.
R. Si assume che la biglia B sia il successo, la N l’insuccesso. Si definiscono
gli eventi: E =“da U1 sono estratte (con restituzione) due biglie N ”, H1 =“in U1
sono trasferite, da U2 , 2 biglie N ”, H2 =“(id ) 1 biglia B ed 1 N ”, H3 =“(id )
2 biglie B”. Si ha: P(H1 ) = Hyp(0|6, 4, 2) = 15 2
, P(H2 ) = Hyp(1|6, 4, 2) = 15 8
,
P(H3 ) = Hyp(2|6, 4, 2) = 15 . Poiché le composizioni di U1 possono essere θ1 = 12 ,
5 6
7 8
θ2 = 12 , θ3 = 12 a seconda che le biglie in U1 siano (6B, 6N ), (7B, 5N ), (8B, 4N ),
a seconda cioè che sia vero H1 , H2 , H3 , le verosimiglianze risultano P(E|H1 ) =
( 6 )2 ( 5 )2
Bin(0|θ1 , 2) = (1 − θ1 )2 = 12 , P(E|H2 ) = Bin(0|θ2 , 2) = (1 − θ2 )2 = 12 ,
( ) 2 ∑
P(E|H3 ) = Bin(0|θ3 , 2) = (1 − θ3 )2 = 12 , da cui segue P(E) = j=1 P(Hj ) ·
4 3
P(E|Hj ). È agevole ora applicare il teorema di Bayes.

√
◃ Esercizio 191. Determinare la f.d.p. della v.a. Y = |Z|, √ con Z ∼ N (x|0, 1).
R. La v.a. X = |Z| segue la legge X ∼ HN (x|1) = 2
· exp{− 12 x2 }. Dalla
√ √ π
y = x ⇔ x = y 2 , donde dx = 2ydy, segue che Y ∼ π8 y · exp{− 12 y 4 }.

◃ Esercizio 192. Siano X ed Y v.a.iid con X ∼ u(·|0, 1). Calcolare, se esistono, i
( )2
primi due momenti della v.a. U = max{X, Y } .
√
R. Si ponga Z = U = max{X, Y }. Per z ∈ (0, 1) si ha FZ (z) = P(Z < z) =
( )2
P(X < z ∩ Y < z) = P(X < z) = z 2 , da cui fZ (z) = 2z · 1(0,1) (z). Per u ∈ (0, 1) si
(√ √ ) ( √ )
ha FU (u) = P(U < u) = P U < u = P Z < u = u, da cui fU (u) = 1(0,1) (u).
I momenti cercati sono E(U ) = 21 , V ar(U ) = 12 1
.
( )
◃ Esercizio 193. Data la successione di v.a.iid Un n≥1 con Un ∼ u(·|0, 1), si
assuma ∀Un la v.a. Yn = − n1 log Un . Si studi il comportamento asintotico del
Yn
rapporto Rn = .
Yn + Yn+1
R.
{ Se Uynn ∼ u(·|0, 1) e se y =} − n {
1
log u, allora Yn ∼ Exp(y|n). Con
} la trasformazione
r = yn +yn+1 , t = yn + yn+1 ⇔ yn = t · r , yn+1 = t · (1 − r) , con |J| = t, si ha
(Rn , Tn ) ∼ n(n + 1) · t · e−t(n+1+r) · 1(0,1) (r) · 1R+ (t). Eliminando la v.a. T , si ha
n(n + 1) L
Rn ∼ 1(0,1) (r); ergo Rn → R ∼ u(r|0, 1).
(n + 1 − r)2
◃ Esercizio 194. Sia U = X Y
, dove X ∼ Gamma(x|α, λ) e Y ∼ Gamma(y|β, λ) sono
v.a.i., con (α, β, λ) parametri reali positivi. Quali valori devono assumere (α, β, λ)
affinché la v.a. U ammetta media e varianza?
R. Si ha U ∼ BetaInv(u|α, β), con media E(U ) = β−1 α
, purché β > 1, e varianza
α(α+β−1)
V ar(U ) = (β−1)2 (β−2)
, purché β > 2.
◃ Esercizio 195. Un dado regolare a 6 facce è lanciato n = 1000 volte. Calcolare la
probabilità che: (i) la faccia “6” appaia almeno 150 volte e non piú di 200; (ii) la
faccia “5” esca meno di 150 volte, quando si sa che il “6” è apparso 200 volte.
R. (i) La legge del numero aleatorio X di “6”, su n prove, è X ∼ Bin(x|θ, n),
( )2
con θ = 61 , con µ = E(X) = 500 31 e σ 2 = V ar(X) = 2 25 3
. Grazie al TLC si
49
∫ z2
ha P(150 ≤ X ≤ 200) ∼
150− 12 −µ
= N (z|0, 1)dz = 0.9253, con z1 = σ
= −1.457 e
z1
200+ 1 −µ
z2 = σ
2
= 2.871. (ii) Se è noto che il “6” e uscito 200 volte allora il numero
aleatorio Y di “5” segue la legge condizionata Y |X = 200 ∼ Bin(y|θ1 , n1 ), dove
θ = 15 e n1 = n−200, con µ1 = E(Y |X = 200) = 160 e σ12 = V ar(Y |X = 200) = 128.
∫z
Ergo P(150 < X) ∼
150− 12 −µ1
= 0 N (z|0, 1)dz = 0.1767 con z0 =
−∞
= −0.9281σ1
◃ Esercizio 196. I punti del piano, a coordinate intere, contenuti nel triangolo chiuso
di vertici (0, 0), (0, 4) (8, 4), sono equiprobabili. Calcolare: (i) le leggi marginali di X
ed Y ; (ii) le medie marginali, e le medie di X condizionate ad Y ; (iii) il coefficiente
di correlazione della v.a. congiunta (X, Y ).
R. (i) I supporti delle v.a.{X ed Y sono X = {0, 1, . . . ,}8} e Y ={{0, 1, 2, 3, 4}, con }
5 4 4 3 3 2 2 1 1 1 3 5 7 9
probabilità marginali px = 25 , 25 , 25 , 25 , 25 , 25 , 25 , 25 , 25 e py = 25 , 25 , 25 , 25 , 25 .
(ii) E(X) = E(Y ) = 14 5
, E(X|y) = y, ∀y ∈ Y. (iii) V ar(X) = 134 25
, V ar(Y ) = 34 25
,
34
Cov(X, Y ) = 25 , ρ(X, Y ) = 0.5037.
( )
◃ Esercizio 197. Sia X ∼ Bin x| 13 , 3{, sia Y |x ∼ }N (y|x, 4). Calcolare P(Y < 0).
R. Si ha X ∈ {0, 1, 2, 3}, con px = 27 8 12 6 1
, 27 , 27 , 27 . La v.a. Y ha f.d.p. marginale
∫ 0
∑3
Y ∼ x=0 px · N (y|x, 4); sia qx = P(Y < 0|x) =
0
N (y|x, 4)dy = {0.5, 0.3085,
∑3 −∞
0.1587, 0.06681}. Ergo P(Y < 0) = x=0 px · qx0 = 0.3230.
( )
◃ Esercizio 198. Sia Un n≥1 una successione di v.a.iid con Un ∼ u(·|0, 1). Si studi
il comportamento asintotico della v.a. Yn = UZn+1 , con Zn = max{U1 , U2 , . . . , Un }.
( ) ( nn ) ∏
R. Si ha P max{U1 , U2 , . . . , Un } < z = P ∩j=1 (Uj < z) = nj=1 P(Uj < z) =
Fn (z) = z n , donde Zn ∼ fn (z) = n · z n−1 · 1(0,1) (z). Poiché E( Zn ) = n+1
n
→ 1 e
q.c. L
V ar(Zn ) = n
(n+1)2 (n+2)
→ 0, si conclude che Zn → 1. Ergo Yn → Un ∼ u(r|0, 1).
◃ Esercizio 199. Calcolare la speranza matematica della v.a. X = max{R, T },
dove R ∼ u(r|n) e T ∼ u(t|2n) sono v.a.i.
R. Si ha X ∼ p(x), con p(x) = 2(x−1)+1 n2
· 1{1,2,...,n} (x)+ 2n
1
· 1{n+1,n+2,...,2n} (x).
E(X) = 4 · (3n + 1) + 6n · (n + 1)(4n − 1).
1 1
( )
◃ Esercizio 200. Sia Yn n≥1 una successione di v.a.iid con Yn ∼ Exp(y|λ), con
λ > 0 noto. Si studi il comportamento asintotico del rapporto aleatorio Un =
Yn
.
Yn + · · · + Y2n {
R. Sia Yn+1 + · · ·}+ Y2n { = Tn ∼ Erlang(t|n, λ). Con} la trasformazione un =
yn
yn +tn
, zn = yn + tn ⇔ yn = un · zn , tn = (1 − un ) · zn , jacobiano |J| = zn , si ha
L
fn (u) = n·u(1−u)n−1 e cioè Fn (u) = 1−(1−u)n . Dunque Un → 0. Risultato intuitivo
se si considera che E(Yn + Tn ) = n+1
λ
→ ∞, con V ar(Yn + Tn ) = n+1
λ2
= O(n).
◃ Esercizio 201. Il numero di figli allevati in una famiglia, presa a caso, segue la
legge X ∼ p(x) = α · ψ x , con ψ ∈ (0, 1) noto. Determinata la costante α, calcolare
∑∞famiglia allevi y maschi. Si assuma che P(M ) = P(F ).
la probabilità che una
R. La condizione x=0 p(x) = 1 porge α = 1−ψ; dunque p(x) = Bneg(x|1−ψ, ν),
con ν = 1. Posto che in una famiglia presa a caso ci siano x > 0 figli, il numero Y
di maschi segue la legge Y |x ∼ Bin(y|θ,∑x), con θ = 12 , e con P(Y ∑
= 0|X = 0) = 1;
Y segue perciò la legge P(Y = y) = ∀x P(X = x, Y = y) = ∀x P(X = x) ·
50
∑ () ∑ ( ) ( )x
P(Y = y|X = x) = x≥y (1 − ψ)ψ x · xy θy (1 − θ)x−y = (1 − ψ) x≥y xy · 12 ψ =
( )y ∑ (j+y) ( 1 )j ( 1 )y
ψ
(1 − ψ) 21 ψ j≥0 j
· 2
ψ = 1−ψ
1
1− 2 ψ
· 2
1− 12 ψ
1−ψ
. Posto ζ = 1− 1 , ben si vede che
ψ
2
Y ∼ Bneg(y|ζ, ν).
◃ Esercizio 202. Da un mazzo di 40 carte se ne prendono 3 con restituzione; altre 3
sono estratte in blocco. Calcolare (i) la probabilità di totalizzare 3 figure tra tutte
le carte estratte. (ii) media e varianza del numero totale di figure estratte.
R. Il numero
( 3 figure
) estratte con restituzione ed in blocco hanno distribuzione
( )
X ∼ Bin x| 10 , 3 , con p(x) = {.343, .441, .189, .027}, e Y ∼ Hyperg y|12, 28, 3 ,
con q(y) = {.3316, .4591, .1870, .02227}; sia∑ X + Y = T . (i) Fissato t0 = 3, il
prodotto di convoluzione porge P(T = t0 ) = tx=0 0
p(x) · q(t0 − x) = 0.18583. (ii) Si
ha E(T ) = E(X) + E(Y ); e poiché X ed Y sono v.a.i., si ha V ar(T ) = V ar(X) +
V ar(Y ).
◃ Esercizio 203. Siano X = U1U+U 1
2
, Y = U1U+U2
2
, con U1 e U2 v.a.iid esponenziali di
media θ > 0 nota. Calcolare: (i) medie e varianze di X ed Y ; (ii) media e varianza
della v.a. X + Y .
R. Si ha: (i) E(X) = E(Y ) = 21 , V ar(X) = V ar(Y ) = 12 1
. (ii) E(X + Y ) = 1,
V ar(X + Y ) = 0.
( )
◃ Esercizio 204. Data la f.r. G(y) = 14 ·|y|−3 1y<−1 + 14 ·1−1≤y<1 + 1− 34 y −3 11≤y , cal-
colare moda, mediana e, se esistono, i primi due momenti. (Suggerimento: aiutarsi
con i grafici.)
R. La v.a. Y ha f.d.p. g(y) = 34 · y 4 1y<−1 + 94 · y −4 11≤y . Si ha M o(Y ) = 1. Dalla
√
condizione 1 − 3 y −3 = 1 , segue M e(Y ) = 3 3 ∼
4 2 = 1.1447; E(Y ) = 3 , E(Y 2 ) = 3,
2 4
39
V ar(Y ) = ,
16
( )
◃ Esercizio 205. è una successione di v.a.iid con Yn ∼ Exp(y|λ), con λ > 0
Yn n≥1
Y1
noto. Si studi il comportamento asintotico della v.a. Un = .
Y1 + n (Y2 + · · · + Yn+1 )
1
q.c. L
R. Poiché Ȳn = n1 (Y2 +· · ·+Yn+1 ) → λ−1 , si ha Un → T , dove T = Y1
∼ gT (·) =
{ } Y1 +λ−1
(1 − t)−2 exp − 1−t t
· 1(0,1) (t); cioè Un ≈ gT (·).
◃ Esercizio 206. Un triangolo isoscele ha due lati di lunghezza unitaria; l’angolo
compreso tra essi segue la legge uniforme. Determinata la legge della lunghezza X
dell’altro lato, si calcoli P(X < 1) ed, esistendo, media e varianza di X.
R. Sia Z ∼ π1 · 1(0,π) (z) l’angolo compreso tra i lati uguali. Poiché x = 2 sin 21 z ⇔
( )− 1 ( )− 1
z = 2 arcsin 12 x, con jacobiano |J| = 2 4−x2 2 , segue che X ∼ f (x) = π2 · 4−x2 2
·1(0,2) (x), onde P(X < 1) = 13 ; E(X) = π4 , E(X 2 ) = 2, etc.
◃ Esercizio 207. Sia Y ∼ Exp(y|1) e X|y ∼ Exp(x|y); si calcoli la f.r. della v.a.
doppia (X, Y ). ∫ y (∫ x )
−y(1+x)
R. Si ha (X, Y ) ∼ f (x, y) = ye ; ergo F (x, y) = f (u, v)du dv =
( ) 0 0
1 − e−y − (1 + x)−1 1 − e−(1+x)y ·1R+ ×R+ (x, y).
◃ Esercizio 208. L’urna U1 [U2 ] contiene 8 biglie 2 [7] delle quali sono rosse. Da
ciascuna di esse sono estratte a caso senza restituzione 2 biglie. Determinare la legge
del numero di biglie rosse complessivamente estratte.
R. Sia T = X1 + X2 , dove Xj è il n. aleatorio di biglie rosse estratte dall’urna
51
{ 12 1 } {1 3}
Uj , con X1 ∈ {0, 1, 2}, p1 (·) = 15 , ,
28 28 28
, e con X 2 ∈ {1, 2}, p2 (·) = , ; donde
4 4
T ∈ {1, 2, 3, 4} con T ∼ ϕ(t) = p1 (x) ∗ p2 (y), etc.
◃ Esercizio 209. Sia X ∼ N (x|4, 1), sia X = log Y . Calcolare media, varianza,
quartili della v.a. Y .
R. La v.a. Y ha f.d.p. LN (y|4, 1). I quartili della v.a. Y si ottengono dai quartili
della v.a. X, applicando la trasformazione y = ex .
( )
◃ Esercizio 210. Sia Yn n≥1 una successione di v.a. ottenute lanciando un dado
−1
∑
regolare, sia Un = Yn+1 · Ȳn , con Ȳn = n1 ni=1 Yi . Si studi il comportamento di Un ,
di E(Un ) e di V ar(Un ), per n → ∞. { }
−1
R. La v.a. Yn+1 prende valori nei punti 16 , 15 , 14 , 13 , 21 , 1 , con probabilità 61 . Poiché
q.c. L −1
Ȳn → 72 , segue che Un → 72 · Yn+1 .
◃ Esercizio 211. Un cerchio ha raggio R ∼ Exp(·|1); calcolare moda, mediana,
media, varianza dell’area del cerchio. √y
R. Se Y indica l’area del cerchio di raggio R, si ha y = π · r2 ⇔ r = con
( ) ( ) 2
π
Y ∼ W eibull y|1, 12 . Ergo M o(Y ) = 0 e M e(Y ) = π log 2 .
(1 ) (1 )
◃ Esercizio 212. Sia Y una v.a. avente f.r. G(y) = 10 y + 21 1(0,3] + 15 y + 35 1(3,6] +
1(6,∞) ; se ne calcoli la media, la mediana, la varianza, la moda.
R. La v.a. Y ha massa 21 in y = 0. Altrove ha densità g(y) = 10 1 1
1(0,3] + 15 1(3,6] . Si
ha M e(Y ) = M o(Y ) = 0, etc.
◃ Esercizio 213. Sia Z = (0, 1) e X = {0, 1, . . . , n}, con n ∈ N noto. Si calcoli la
costante k affinché la funzione f (x, z) = k · z α+x−1 (1 − z)β+n−x−1 1X ×Z sia una legge
di probabilità, dove α e β sono reali positivi noti.
R. k = B(α,β)
1
.
◃ Esercizio 214. Per quale valore di k la funzione f (t) = k· exp{t(4−t)}, con t ∈ R,
è una legge di probabilità? Di tale legge si calcoli moda e mediana ed, esistendo,
media e varianza. ( )
R. Per k = e−4 π − 2 si ha f (t) = N t|2, 12 , etc.
1
( )
◃ Esercizio 215. Sia Yn n≥1 una successione di v.a.iid uniformi in (0, 1). Studiare,
∑
il comportamento asintotico della v.a. Un = n1 nj=1 (Yj + Yj+1 )2 .
∑ [∑ ∑n ]
R. Si ha Un = n1 nj=1 (Yj + Yj+1 )2 = n2 n
Y
j=1 j
2
+ Y
j=1 j · Y j+1 + n (Yn+1 − Y1 ).
1 2 2
Poiché E(Yj2 ) = 13 e E(Yj · Yj+1 ) = 14 , segue che E(Un ) = 76 ; poiché V ar(Yj2 ) = 4

45
e
q.c.
V ar(Yj · Yj+1 ) = 144
7
, segue che V ar(Un ) = O(n−1 ). Ergo Un −→ 76 .
◃ Esercizio 216. Sia AB un diametro di una circonferenza di raggio unitario. Si
prenda a caso su di essa un punto C. Calcolare moda, media, varianza dell’area U
del triangolo ABC.
R. Si noti che, per ragioni di simmetria, il problema non cambia se C è preso
a caso nel primo quadrante del cerchio: sia (Z l’angolo \
) BOC, con2 O centro della
circonferenza. Poiché U = sin Z, con Z ∼ u · |0, 2 , segue U ∼ π · √1−u
π 1
· 1[0,1) ,
∫ π
2
( ) 2
donde M o(U ) = 1, per z = π2 . Inoltre E(U ) = E sin Z = π2 sin z dz = π2 ;
∫ π 0
( 2 ) 2 ( )2
2
E(U ) = E sin Z = π 2
sin2 z dz = 12 , donde V ar(U ) = 21 − π2 .
0
52
◃ Esercizio 217. Siano X e Y v.a.i con X ∼ P o(x|λ) e con Y ∼ Exp(y|µ), dove λ
e µ sono reali positivi noti. Calcolare media e varianza della v.a. X + Y 2 .
R. Si ha E(X) = V ar(X) = λ, E(Y k ) = µk!k . Ergo E(Y 2 ) = µ2 , V ar(Y 2 ) = µ204 .
Etc.
◃ Esercizio 218. Da un’urna avente m biglie color A ed n color B, si prende a
caso una biglia che è restituita nell’urna assieme ad altre ℓ biglie dello stesso colore
(m, n, ℓ ∈ N noti). Calcolare il valor medio della proporzione di biglie color A al
termine del descritto esperimento.
R. Si indichi con Aj [Bj ] l’evento: “alla prova j−esima esce una biglia color A [B]”.
Ergo P(A1 ) = N m
= p e P(B1 ) = 1 − p, con N = m + n; ed ancora P(A2 |A1 ) = N m+ℓ
+ℓ
,
P(A2 |B1 ) = N +ℓ . La probabilità di estrarre, alla seconda prova, una biglia color A è
m
dunque P(A2 ) = P(A1 ) · P(A2 |A1 )+ P(B1 ) · P(A2 |B1 ) = N m+ℓ

+ℓ
· p + Nm+ℓ · (1 − p) = p.
◃ Esercizio 219. Per quale valore di k la funzione φ(y) = k· exp{2y(2 − y)}, con
y ≥ 1, è una legge di probabilità? Calcolare moda e mediana ed, esistendo, media e
varianza. √
R. Per k = e2 · π2 la φ(·) è una f.d.p. halfnormal di parametri di posizione µ = 1 e
2
di forma σ 2 = 14 . Donde: M o(Y ) = 1, M e(Y ) = µ + σ · z75 = 1.335, dove(z75 = )0.67

è il 75o percentile della normale standard, E(Y ) = 1 + √12π , V ar(Y ) = 14 1 − π2 .
◃( Esercizio
) 220. Studiare il comportamento
( 1 )asintotico della successione di v.a.
Zn n≥1 , con Zn = n Yn , dove Yn ∼ Geom · | n θ .
1
t
1
θ · ei n
R. La f.c. della v.a. Zn è HZn (t) = ( ) t . Poiché lim HZn (t) = 00 ,
n
1 − 1 − n1 θ ei n n→∞
θ
per il th. di dell’Höpital (e posto u = n1 ) risulta HZn (t) → HZ (t) = ⇔Z∼
∑θ − it
Exp(z|θ). O anche, Zn ∼ Fn (z) = P(Zn < z) = P(Yn < nz) = P(Yn = j) =
j<nz
⌊nz⌋
∑ ( )j−1 ( )⌊nz⌋
1
n
θ 1 − n1 θ = 1 − 1 − n1 θ . Per n → ∞, si ha Fn (z) → 1 − e−θz =
j=1
∫ z
1 1 − n1 θ
Exp(t|θ)dt. Notare che E(Yn ) = 1 e V ar(Yn ) = ( )2 e dunque che E(Zn ) =
0 n
θ 1
θ
n
1 1 − nθ
1
= E(Z) e V ar(Zn ) = → V ar(Z).
θ θ2
◃ Esercizio 221. Siano X ed Y v.a.iid con f.r. F (x) = x−2 2
· 1(2,4] + 1(4,∞) . Della
v.a. T = X + Y si calcoli P(T < 5), moda, mediana, media, varianza.
R. Poiché X ∼ u(·|2, 4), la v.a. T è una f.d.p. triangolare simmetrica in T ∈ [4, 8].
22
Ergo: M o(T ) = M e(T ) = E(T ) = 6, V ar(T ) = 2V ar(X) = 2 · 12 = 23 , P(T < 5) =
1
8
.
◃ Esercizio 222. Le v.a.i. a.c. Xj sono simmetriche (∑rispetto a E(X
) j )4 = 2 e con
V ar(Xj ) = j + 1, j = 1, 2, 3. Si può dire che: (i) P 3
j=1 Xj > 6 < 9 e che (ii)
( ∑3 )
P j=1 Xj > 12 ≤ 0.05?
∑
R. Le (i) e (ii) sono false. La v.a. T = 3j=1 Xj con σT2 = 9 è simmetrica rispetto a
µT = 6. Dunque P(T > 6) = 12 . Fissato ε = 6, grazie alla disuguaglianza di Cebicev
( ) σ2 ( )
si ha P |T − µT | > ε ≤ εT2 , per cui P T < 0 ∩ T > 12 ≤ 14 . Data la simmetria di
53
T , P(T > 12) ≤ 18 .
◃ Esercizio 223. Il triangolo di vertici A = (−2u, 0), B = (u, 0), C = (0, t), con u
proveniente dalla v.a. U ∼ Exp(·|1), è rettangolo in C. Calcolare media e varianza
dell’area del triangolo.
R. L’altezza rispetto
√ all’ipotenusa AB si deduce dalla
√ relazione AO : OC = OC :
OB, donde t = 2u. L’area del triangolo è y = 3u× 2u
= √32 · u2 . Dunque E(Y ) =
√ 2
√3 · E(U 2 ) = 3 2; E(Y 2 ) = 9 · E(U 4 ) = 108; V ar(Y ) = 90.
2 2
◃ Esercizio 224. Un’urna contiene le monete A, B, C; A è regolare, B (sbilanciata)
dà T nel 25 % dei casi, C ha due teste (T ). Una moneta, presa a caso, lanciata sopra
un tavolo indica la faccia T . Si calcoli la probabilità che C sia la moneta sorteggiata.
R. Grazie al teorema di Bayes si ha P(C | T ) = 74 .
n−1
◃ Esercizio 225. Data la v.a. Tn ∼ · 1R+ (t), si studi il comportamento
(1 + t)n ( )
asintotico, per n → ∞, della successione di v.a. Tn n≥2 .
m.2 p L
R. È facile provare che Tn → T , T degenere nell’origine; donde Tn → T e Tn → T .
◃ Esercizio 226. Siano X ed Y v.a.iid, con X ∼ N (·|0, 1);( sia Cr un cerchio
) di raggio
r e centro nell’origine. Calcolare il valore di r(tale)che P (X, Y ) ̸∈ C(r = 0.01. )
R.
( 2Poiché2 X 2+) Y =( U ∼ Chi2(·|2)
2 2
) = Exp · | 21 , si ricava che P (X, Y ) ̸∈ Cr =
P X + Y ≥ r = P U ≥ u = 0.01, con u = r2 , sse u = 9.2103, ergo r = 3.035.
◃ Esercizio 227. Le v.a. X ed Y non degeneri e non necessariamente indipendenti,
sono identicamente distribuite; si provi che Cov(X + Y, X − Y ) = 0. (Si supponga
che X ed Y siano centrate).
R. Si ha E(X) = E(Y( ) = 0, segue che) E(X + Y ) = E(X − Y ) = 0. Donde
Cov(X + Y, X − Y ) = E (X + Y )(X − Y ) = E(X 2 − Y 2 ) = E(X 2 ) − E(Y 2 ) = 0.
◃ Esercizio 228. Siano X ed Y v.a.iid, con X ∼ unif (·|0, 1), sia U = X e
V = X + Y . Scrivere le f.d.p. di (i) V dato U = u, e di (ii) U dato V = v.
R. Si ha (X, Y ) ∼ 1(0,1)×(0,1) (x, y). La trasformazione
{ {x, y} ⇔ {u, v} ha } jacobiano
|J| = 1. Ergo: (U, V ) ∼ 1T (u, v), con T = 0 < u < 1, u < v < 2 − u ; con f.d.p.
marginali U ∼ 1(0,1) (u) e V ∼ fV (v) = v · 1(0,1) (v) + (2 − v) · 1(1,2) (v). Dunque: (i)
1T (u, v) 1T (u, v)
V |u ∼ = unif (v|u, 2 − u); (ii) U |v ∼ fU |v (u|v) = ; se v ∈ (0, 1) si
1(0,1) (u) fV (v)
ha fU |v (u|v) = v1 · 1(0,v) (u), se v ∈ [1, 2) si ha fU |v (u|v) = 2−v
1
· 1[v−1,1) (u).
◃ Esercizio {229. La v.a. congiunta (X, Y )}ha f.d.p. f (x, y) = 43 (2 − x − y)1A (x, y),
dove A = (x, y) ∈ R+ × R+ : x + y ≤ 2 . Stabilire se le v.a. X ed Y sono: (i)
indipendenti, (ii) identicamente distribuite. Calcolare media, mediana e moda delle
f.d.p. marginali di X ed Y .
R. Le v.a. X ed Y : (i) non sono indipendenti, in quanto A non è un cartesiano;
(ii) hanno stessa f.d.p. marginale X ∼ 38 (2 − x)2 1(0,2] (x),
∫ con M o(X) = 0, E(X) =
me
1
2
.Per calcolare la mediana si parte dall’equazione 3
8
(2 − t)2 dt = 1
2
, donde
√ 0
me = 2 − 3 4 ∼
= 0.4126.
◃ Esercizio 230. Siano (X1 , X2 , . . . , Xn ) v.a.iid, dove X ∼ 10
1
(4 − x)1{0,1,2,3} (x) e
n = 200. Calcolare: (i) le probabilità degli eventi Sn ≥ 245 e Sn < 180; (ii) il valore
b tale che P(Sn ≥ b) > 0.025 e P(Sn ≥ b + 1) < 0.025.
54
R. Si ha µ = σ 2 = 1. (i) Per il TLC risulta P(Sn ≥ 245) ∼
= 1−Φ(z1 ) = 0.00083, con
245− 12 −n·µ ∼
z1 = √n·σ = 3.15 e P(Sn < 180) = Φ(z2 ) = 0.0736, con z2 = √n·σ
180− 12 −n·µ
= −1.45.
b− 21 −n·µ b+1− 12 −n·µ
(ii) Dalle condizioni √ > 1.96 e √ < 1.96, discende che b = 228.
n·σ n·σ
◃ Esercizio 231. Il dado esagonale rosso è regolare; sia Y ∼ 21 1

y · 1{1,2,3,4,5,6} (y) il
punto ottenuto lanciando il dado blu. La somma dei punti ottenuti lanciando due
volte uno dei dadi è 10. Calcolare la probabilità che il dado lanciato sia il dado
rosso.
R. P(R|10) = 0.3349, P(B|10) = 0.6651.
( 1 )
◃ Esercizio 232. La funzione f (y) = k · y − 5 1(0,1] (y) + y −5 1(1,∞) (y) , per qualche
reale k, è una f.d.p.? Se “si” calcolare: la costante k, la moda, la mediana e i primi
due momenti. √
R. Si ha: k = 32 , M o(Y ) = 0, me = 53 4 35 ∼ = 0.5281, E(Y ) = 27 16
, E(Y 2 ) = 74 , etc.
∑n ∑n ( 1 )j
−n nj − 12 n 2
n
◃ Esercizio 233. Calcolare: (i) L1 = lim e ; (ii) L2 = lim e .
n→∞ j! n→∞ j!
( ) j=0
( ) j=0
R. (i) Si considerino le successioni Xn n≥1 e Zn n≥1 , con Xn ∼ P o(·|n) e Zn =
Xn − n
√ . Per n grande si ha P(Xn ≤ n) ∼ = Φ(0) = L1 = 21 ; (ii) In ugual modo
n
L2 = 1.
◃ (Esercizio ) 234. Sia A = {0,∑∓1, ∓2, ∓3}, siano (T1 , T2 , . . . , Tn ) v.a.iid con Ti ∼
1
16
4 − |t| · 1A (t), sia Xn = i=1 Ti . Calcolare le probabilità (i) P(X6 > 12); (ii)
n
P(X25 < 10). (Anche in modo non preciso.)

R. Sia E(Ti ) = 0, V ar(Ti ) = 52 . (i) si ha V ar(X6 ) = 15; poiché X2 (è simmetrica, )
la disuguaglianza di Cebicev porge P(X6 > 12) = P(X6 ≥ 13) = 21 · P |X ( 6 | ≥ 13 ≤
)
· V ar(X6 ) = 1 · 15 = 0.0444; grazie al TLC si ha P(X6 > 12) ∼
12+ 1
1
2 169 2 169 = P Z > √ 2 15
10− 1
= .00062; (ii) si ha V ar(X25 ) = 25 · 52 = 62.5; posto z0 = √ 2 = 1.202, grazie al
( ) 62.5
TLC si ha P(X25 < 10) ∼ = P Z < z0 = 0.8853.
◃ Esercizio 235. Xn ) v.a.iid, con Xi ∼ Exp(·|λ), e
Siano X t = (X1 , X2 , . . . ,∑
β = (β1 , β2 , . . . , βn ) numeri reali positivi, con ni=1 βi = 1. Calcolare: (i) la media
t
e la varianza della v.a. U = β t X; (ii) ∑min V ar(U ) e max V ar(U ) variando β.

R. Si ha (i) E(U ) = 1, V ar(U ) = i=1 βi2 ; (ii) per βi = n1 , ∀i, V ar(U ) è minima
n
con V ar(U ) = n1 ; per βj = 1 e βh = 0, ∀h ̸= j, V ar(U ) è minima con V ar(U ) = 1.

◃ Esercizio 236. ∑ con X ∼ N (·|10, 4) e n = 16.
Siano (X1 , X2 , . . . , Xn ) v.a.iid,
Stimare la probabilità degli eventi: X̄ > 11, n1 ni=1 (Xi − X̄)2 ≥ 7.
R. Si ha P(X̄ > 11) = P(Z > 2) = 0.02275, dove Z è la standardizzata ( ) di
X̄. Poiché Y = σ2 S ∼ Chi2(·|n − 1), si ha p = P(S > 7) = P Y > 28 , con
n 2 2
0.01 < p < 0.025.

( ) ( )
◃ Esercizio 237. Siano Xn n≥0 v.a.iid con X ∼ N (·|0, 1), sia Yn n≥0 la successione
definita come Y0 = 12 X0 , Y1 = 12 (Y0 +X1 ), Y2 = 21 (Y1 +X2 ),. . . , Yn = 21 (Yn−1 +Xn ),. . .
Stabilire: (i) se le Yi sono v.a.i., (ii) la legge della v.a. Yn , (iii) la legge, per n → ∞,
della v.a. Yn (posto che esista).
∑ ( )n−j
R. Si ha Yn = 12 nj=0 12 Xj . (i) Le Yi sono v.a. dipendenti; (ii) E(Yn ) = 0, ∀n;
55
∑n ( )n−j ( )
1 1 n+1 L
V ar(Yn ) = 1
4 j=0 4
1
= 1
3
− 3 4
= σn2 , ergo Yn ∼ N (·|0, σn2 ); (iii) Yn → Y ∼
( )
Xj è HXj (t) = e− 2 t , ∀j, donde
1 2
N ·|0, 13 . (Procedura alternativa.) La f.c.
{ della v.a. }
∏ ( t ) ∏n ( t )2 { ∑ }
HYn (t) = nj=0 HXj 2n−j+1 = j=0 exp − 2n−j+1 = exp − 21 t2 · 12 nj=0 4n−j
1
=
{ 1 2 2}
exp − 2 t σn , etc.
◃ Esercizio 238. Sono date le scatole vuote S1 , S2 , S3 e 10 monete. Una alla
volta, le 10 monete sono depose nelle tre scatole dopo sorteggio casuale. Calcolare
le probabilità degli eventi: (i) A = S1 è vuota; (ii) B = in due scatole non vi è
alcuna moneta; (iii) C = almeno una delle tre scatole è vuota; (iv) D = le tre
scatole hanno stesso numero di monete.
(i)
R. Sia P(Sj ) = 13 la probabilità che la i−esima moneta finisca nella scatola Sj .
( )10 ( )10
Poiché tra i sorteggi vi è indipendenza, si ha: (i) P(A) = 32 ; (ii) P(B) = 3 · 31 ;
(iii) P(C) = 3 · P(A) + P(B); (iv) P(D) = 0.
◃∑ Esercizio 239. Siano (X1 , X2 , . . . , Xn ) v.a.iid, con( X ∼ )N (·|18, 2), sia S02 =
1
n
(Xi − 18) . Calcolare: (i) E(S02 ) e V ar(S02 ); (ii) P S02 > 3 , quando n = 20.
2
R. (i) Poiché σn2 S02 = Y ∼ Chi2(·|n), con E(Y ) = n e V ar(Y ) = 2n, segue
σ2 σ2
( 2 )
( n0 ) 2= E(n n)Y ) = σ e V ar(S0 ) = V ar( n Y ) = n σ . (ii) Si ha P S0 > 3 =
2 2 2 2 4
E(S
P σ2 S0 > 3 σ2 = P(Y > 30) = p0 . Dalle tavole si evince che 0.05 < p0 < 0.10.
√
◃ Esercizio 240. Studiare il comportamento, per n → ∞, della v.a. Yn = n X, con
X ∼ Exp(·|1). ( 1) ( ) ( 2)
R. Per n → ∞, si ha E(Yn ) = E X n = Γ n+1 → 1, E(Yn2 ) = E X n =
( ) m.2
n
Γ n+2n
→ 1 e dunque V ar(Yn ) → 0. Ergo Yn → Y ∼ deg(·|1).
◃ Esercizio 241. Sono dati tre monete numerate da 0 a 2 ed n ≥ 2 biglie numerate
da 1 ad n. Una moneta ed una biglia sono sorteggiate a caso; siano S ed U la somma
ed il prodotto dei punti realizzati. Calcolare le probabilità degli eventi (i) A =“S è
divisibile per 3”; (ii) B =“U > n”.
R. Siano X ed Y i punti realizzati con la moneta e la biglia. Si ha (i) P(A) = 13 ,
∑
∀n; (ii) P(B) = 2j=0 P(X = j) · P(B|X = j) = P(X = 2) · P(U > n|X = 2) =
( )
1
3
· P Y > n2 . Da cui segue: P(B) = n+16n
(n dispari) e P(B) = 61 (n pari).
◃ Esercizio 242. La funzione f (x) = k · |x| · 1−1<x<1 è, per qualche reale k, una
legge di probabilità? in caso positivo si calcoli la f.c. ∫ ∫
1
2 1
R. La f (x) è una f.d.p. se k = 1. Si ha HX (t) = e |x| dx = 2
itx
tx ·
t 0
∫ [ ]t
−1
2 t ( )
cos tx d(tx) = 2 z · cos z dz = t22 z sin z + cos z = t22 t sin t + cos t − 1 .
t 0 0
◃ Esercizio 243. Date le v.a.i. X ∼ unif (x|1, 2) ed Y ∼ Exp(y|1) determinare la

Y
f.r. e la f.d.p. della v.a. T = X .
R. Si ha T ∼ F (t) { = P(T < t) = P(T < t · X), dove l’evento T }< t · X equivale
a (X, Y ) ∈ At = (x, y) ∈ R : (1 ≤ x < 2), (0 < y < t · x) . Ergo F (t) =
2
∫ 2 ∫ t·x
( )
e−y dy dx = 1 − 1t · (e−t − e−2t ) · 1R+ (t). Derivando si ottiene la f.d.p.
1 0 ( )
f (t) = t12 · (1 + t)e−t − (1 + 2t)e−2t · 1R+ (t).
◃ Esercizio 244. Siano X ed Y v.a.iid aventi f.d.p. f (x) = x−2 · 11<x ; stabilire la
56
√
f.d.p. della v.a.
{ Z = X ·Y. }
√
R. Sia E = x > 1, y > 1 : xy < z ; ∀z > 1 si ha G(z) = P(Z < z) = P(XY <
∫ ∫ z2 ( ∫ zx2 ) ∫ z2 (
−2 −2 x) (
2
z )= f (x)f (y) dxdy = x y dy dx = x−2 1 − 2 dx = 1 −
E ) 1 ( −3 1 ) 1 z
1
z2
− z2 log z 1(1,∞) . Donde g(z) = 4z log z 1(1,∞) .
2
◃ Esercizio 245. Siano U1 e U2 v.a.iid con Ui ∼ unif (·| − 2, −1), sia Y = U2 − U1 .

Si calcoli: (i) la f.r. e la f.d.p. di Y ; (ii) media, moda, mediana, varianza di Y ; (iii)
la probabilità che Y > 21 . ( )
R. (i) F (y) = 12 (y + 1)2 · 1(−1,0] + 1 − 12 (1 − y)2 · 1(0,1] + 1(1,∞] , f (y) = (y +
1)( · 1(−1,0]) + (1 − y) · 1(−1,0] ; (ii) E(Y ) = M o(Y ) = M e(Y ) = 0, V ar(Y ) = 61 ; (iii)
P Y > 12 = 81 .
∑4 Xj ∼ unif (·| − j, +j) v.a.i. con j = 1, 2, 3, 4. (i)

◃ Esercizio 246. Siano ∑4Si calcoli
media e sd di U = j=1 j · Xj ; (ii) la probabilità che Y > 8, con Y = j=1 Xj .
∑
R. Si ha E(Xj ) = 0, V ar(Xj ) = 13 j 2 , ∀j. (i) E(U ) = 0, V ar(U ) = 4j=1 j 2 ·
∑
V ar(Xj ) = 31 4j=1 j 4 = 118; sdU ∼ = 10.863. (ii) La v.a. Y è simmetrica con
∑4 ( )
V ar(Y ) = 3 j=1 j 2 = 10; grazie alla dis. di Cebicev si ha P |Y | > 8 ≤ V ar(Y
1
82
)
=
0.156; data la simmetria di Y si ha P (Y > 8) ≤ 2 = 0.078.
0.156
◃ Esercizio 247. Agli studenti è somministrato un test con 10 domande a risposta

dicotomica (si/no). Ivo e Ugo tirano ad indovinare. Calcolare la probabilità che
almeno uno dei due consegua la sufficienza. ∑ ( 1 )
R. La probabilità di avere, a caso, la sufficienza è q0 = 10 j=6 Bin x| 2 , 10 = 0.377.
La probabilità che Ivo o Ugo abbia la sufficienza è 2q0 (1 − q0 ) + q02 = 0.6118.
( )
◃ Esercizio 248. Sia Xn n≥1 una successione di v.a.iid con Xi ∼ 12 ·1{−1,1} . Studiare
( )
la convergenza della successione Yn n≥1 , dove Yn = n1 (X1 + X2 + · · · + Xn )2 .
( ) √ ∑
R. Sia Zn n≥1 una successione di v.a. con Zn = Yn = √1n ni=1 Xi . La f.c.
1
( it −it
)
della v.a.
( ) (X i è HX (t) = 2 e + e
)n { = cos t. }La f.c. della v.a. Zn è HZn (t) =
n
H∑ Xi √tn = cos √tn = 1 − 12 · tn + o(n−1 ) → e− 2 t ⇔ Z ∼ N (·|0, 1). Ergo:
2 1 2
L
Yn → Y ∼ Chi2(·|1).
◃ Esercizio 249. Siano X1 , X2 , . . . , Xn v.a.iid con ∑nXi ∼ Beta(x|λ, 1), dove λ > 0 è
noto. Determinare la legge della v.a. Un = −2λ log Xi .
dx i=1 −y
−y
R. Sia y = − log x ⇔ x = e , con dy = e . Se X ∼ Beta(x|λ, 1) =
∑ ∑
λxλ−1 1(0,1) , allora Y ∼ Exp(y|λ). Ergo, − ni=1 log Xi = ni=1 Yi ∼ Erlang(·|n, λ);
onde Un ∼ Chi2(u|2n).
{
◃ Esercizio 250. } Sia (X, Y ) ∼ f (x, y) = 31 (6 − x − y) · 1C , dove C = (x, y) ∈
(1, 2) × (2, 4) . Calcolare: (i) i momenti primi e secondi e la covarianza della v.a.
(X, Y ); (ii) la media della v.a. Y posto che X = x.
R. (i) E(X) = 13 9
, E(Y ) = 25
9
, E(X 2 ) = 13
6
, E(Y 2 ) =( 8, E(X ) ·Y ) = 4, Cov(X, Y ) =
− 81 ; (ii) la f.d.p. marginale della v.a. X è fX (x) = 2 − 32 x · 1(1<x<2) ; si ha Y |x ∼
1
f (x, y) 6−x−y
fY |X (y|x) = = · 1C ; dunque E(Y |x) = 3 + 3(3−x) 1
· 1(1<x<2) · 1R+ .
fX (x) 2(3 − x)
◃ Esercizio 251. Ci sono 4 scatole e 4 biglie, tutte numerate da 1 a 4. Le biglie
sono messe a caso nelle scatole. Sapendo che ogni scatola può contenere una sola
57
biglia, si calcoli la probabilità che almeno una biglia si trovi dentro la scatola giusta.
R. Si definisca∪Aj =“la biglia j−esima (si∪trova nella ) ∑ scatola j−esima”.
∑ L’evento
che interessa è j=1 Aj con probabilità P j=1 Aj = i P(Ai )− i>j P(Ai , Aj )+
4 4
∑
i>j>k P(Ai , Aj , Ak )− P(A1 , A2 , A3 , A4 ) = 1 − 2 + 6 − 24 = 24 = 0.625.
1 1 1 15
◃ Esercizio 252. Una moneta regolare è lanciata tre volte. Gli eventi A =“nei tre
lanci appaiono sia T che C” e B =“al piú si verifica una T ” sono indipendenti?
R. Con tre lanci si hanno 8 possibili sequenze distinte di T e C. Equiprobabili
visto che la moneta è regolare. In tal caso P(A) = 68 , P(B) = 84 e P(A, B) = 83 . Ergo
gli eventi A e B sono indipendenti.
( ) 2n
◃ Esercizio 253. Sia Yn n≥1 una successione di v.a. con Yn ∼ · 1R+ (y).
(1 + ny)3
1
Si studi il comportamento asintotico delle v.a. Yn e Un = .
1 + Yn2
( ) L L
R. Si ha Yn ∼ Fn (y) = 1 − (1 + ny)−2 · 1R+ (y); ergo Yn → Y ∼ deg(y|0) e Un → U
∼ deg(u|1).
◃ Esercizio 254. Sono messi ( in funzione
) n cip dello stesso tipo. Il tempo di vita
(gg) di un cip ha f.r. T ∼ 1 − e− 2 t 1R+ (t); si calcoli la probabilità che al tempo
1
t = 2 gg siano attivi piú di k cip nei casi: (i) k = 2 , n = 5; ((ii) k =

) 100 , n = −1
256.
R. Al tempo t = 2, il n.a. Y di cip attivi segue la legge Bin y|θ, n , con θ = e =
0.36788. Ergo: (i) P(Y > 2) = 0.2636; (ii) in forza del TLC si ha P(Y > 100) =
∫ ∞
∑ ( ) 100 + 21 − E(Y )
Bin y|θ, n ∼
= N (z|0, 1)dz = 0.2063, dove z 0 = √ =
y=101
z0 V ar(Y )
0.8195, con E(Y ) = nθ = 94.18 e V ar(Y ) = nθ(1 − θ) = 59.63.
◃ Esercizio 255. Si lanciano per n volte due dadi regolari a sei facce. Determinare
la legge del n.a.
( U1 di)volte in cui si osservano punteggi uguali.
R. U ∼ Bin · | 6 , n .
◃ Esercizio 256. Un’urna contiene 2 biglie rosse (R) e 2 gialle (G). Si estrae a caso
una biglia e, quale che sia il suo colore, si restituisce una biglia color G. L’operazione
è ripetuta una seconda volta. Si calcoli la probabilità di estrarre una biglia color R.
R. Dopo la prima prova, l’urna può avere l’aspetto H1 = (2R, 2G) o H2 = (1R, 3G).
Posto H1 , alla seconda prova i possibili aspetti dell’urna sono C1 = (2R, 2G) e
C2 = (1R, 3G), con P(C1 ) = P(C2 ) = 41 . Posto H2 , alla seconda prova l’urna
può avere l’aspetto C3 = (1R, 3G) o C4 = (4G) con P(C3 ) = 83 e P(C4 ) = 81 . La
∑
probabilità cercata è: P(R) = 4j=1 P(Cj )P(R|Cj ) = 14 · 12 + 14 · 14 + 38 · 14 + 18 · 0 = 32
9
.
( )
◃ Esercizio 257. Sia Yn n≥0 una sequenza di v.a.i., con Yn ∼ P o(·|ϕn ) e con
∑
ϕ ∈ (0, 1) noto; sia Tn = nj=0 Yj . Si calcoli il lim P(Tn ≥ 3).
∑ n→∞
R. Si ha Tn ∼ P o(·|λn ), con λn = nj=0 ϕn . Per n → ∞, λn → λ = (1 − ϕ)−1 .
∑
Ergo lim P(Tn ≥ 3) = 1 − 2t=0 P o(t|λ).
n→∞
( )−1
◃ Esercizio 258. Calcolare: (i) la media e la moda della v.a. X = 1 + ν1 T 2 , con
2 ( )− ν+1
ν ≥ 4 noto, dove T ∼ √ ( 1 1 ) · 1 + ν1 t2 2
· 1R+ (t); (ii) il valore x0 tale che
νB 2 ν, 2
P(X < x0 ) = 0.05, quando ν = 4.
58
( )−1 √ √
R. È x = 1 + ν1 t2 ⇔ t = ν 1−x , con dt = 12 νx3 (1 − x)dx. Ergo X ∼
( ) x
Beta x| 12 ν, 12 , da cui: (i) E(X) = ν+1 ν
e M o(X) = ν−2 ; (ii) 0.05 = P(X < x0 ) =
∫ x0 ∫ ∞ ν−3
( 1 1)
Beta x| 2 ν, 2 dx = 2· Student(t|ν)dt. Nella tavola dei percentili, per ν = 4,
0 t0.05
( )−1
si legge t0.05 = 2.776, donde x0 = 1 + 14 2.7762 = 0.3417.
◃ Esercizio 259. Sia X ∼ Laplace(x|0, λ), λ > 0 noto. Si calcoli moda, media,
varianza della v.a. φ(X) = 1 − e−|X| .
R. Si sfrutti la simmetria della φ(·) e della Laplace(x|0, λ). Si ha Y = φ(X) ∼
λ(1 − y)λ−1 1(0,1) = Beta(y|1, λ). Ergo: E(Y ) = 1+λ 1
, V ar(Y ) = (1+λ)λ2 (2+λ) . Se
λ < 1, M o(Y ) = 1; se λ > 1, M o(Y ) = 0. Se λ = 1 la v.a. Y è uniforme in (0, 1).
◃ Esercizio 260. Sono date le urne Vj , j = 0, 1, . . . , n, con n ≥ 2 noto, dove Vj
contiene j biglie rosse (R) ed n − j di altro colore. La prova, se ne fanno 4, consiste
nella scelta a caso di una delle Vj e nel prelievo da essa, a caso e con restituzione, di
una biglia. Si calcoli la probabilità che: (i) la quarta biglia sia R; (ii) tutte le biglie
siano R; (iii) le 4 biglie non siano tutte dello stesso colore; (iv) siano 2 le biglie R;
(v) solo l’ultima biglia sia R.
R. La probabilità di scegliere l’urna Vj è P(Vj ) = n+1 1
; la probabilità di prelevare
∑n
una biglia R è P(R) = j=0 P(Vj ) · P(R|Vj ) = 2 . Ergo: (i) 21 ; (ii) 16
1 1 14
; (iii) 16 ; (iv)
6 1
16
. (v) 16 .
◃ Esercizio 261. Ogni mattina 200 studenti scelgono a caso il bar dove prendere
il caffè. (I bar sono due.) Determinare il numero minimo di sedie in dotazione a
ciascun bar affinché sia inferiore all’1% la probabilità che qualcuno resti in piedi.
R. Sia P(A) = 21 la probabilità che uno studente scelga il bar A, sia X il numero
aleatorio di studenti che si presentano nel bar A, sia k il numero di posti che risponde
al quesito. Sia E(X) = 100, E(X) = 50. Dalla condizione P(X > k) < 0.01, si
ricava (grazie al TLC ) che Z > √2 50 ∼
k+ 1 −100
= 2.33. Donde k = 115.
◃ Esercizio 262. Sia f (x, y) = 2λ2 e−λ(x+y) · 10<y<x , con λ ∈ R+ noto, la f.d.p. della
v.a. congiunta (X, Y ). Calcolare: i momenti primi, le f.d.p. marginali e condizionate
delle v.a. X ed Y e dire se (esse sono)indipendenti.
R. Si ha fX (x) = 2λe−λx 1 − e−λx 1R+ (x), fY (y) = Exp(y|2λ). Medie: E(X) =
3
2λ
, E(Y ) = 2λ 1
; f.d.p. condizionate: fX|y (x|y) = λ e−λ(x−y) 10<y<x , fY |x (y|x) =
λ e −λy
1
1−e−λx 0<y<x
. Le v.a. X ed Y non sono indipendenti.
( )
◃ Esercizio 263. Sia Yn n≥1 una sequenza di v.a.iid, con Yn ∼ Exp(·|1), sia
∑
Sn = 2n j 1
j=1 (−1) Yj . Si studi il comportamento delle v.a. Tn = n Sn e Un =
√1 Sn
n
per n → ∞.
R. Si ha E(Sn ) = 0, V ar(Sn ) = n. Ergo: Tn ∼ deg(·|0) e Un ∼ N (·|0, 2).
◃ Esercizio 264. Siano Bj , j = 1, 2, 3 bilance non distorte di precisione ϕ1 = 4,
ϕ2 = 3, ϕ3 = 1 (g −2 ). Sul piatto di una di esse si mette un peso campione di 1kg.
Calcolare la probabilità di leggere una misura superiore
( a 1.0008kg.
)
R. Le bilance non sono distorte, ergo X|Bj ∼ N t|µ, ϕ1j con µ = 1000g. Ignari
della bilancia usata, assumiamo P(Bj ) = 31 , ∀j. Posto E∫=“X > x0 ”, con x0 =
∞ ( )
∑
1000.8, si ha P(E) = 3j=1 P(Bj )·P(E|Bj ), dove P(E|Bj ) = N t|µ, ϕ1j dt. Poiché
x0
59
P(E|B1 ) = 0.0548, P(E|B2 ) = 0.0829, P(E|B3 ) = 0.2119, si ricava P(E) = 0.1165.
( )
◃ Esercizio 265. Sia Yn n≥1 una sequenza di v.a.iid, con Yn ∼ N (·|0, σ 2 ), σ 2 > 0
∑
noto, sia Qn = nj=1 Yj2 . (i) Calcolare la probabilità che Qn > 100 quando n = 400
e σ = 21 ; (ii) si studi il comportamento della v.a. n1 Qn(per) n → ∞. ( )
R. Si ha σ1 Yj ∼ N (·|0, 1) e σ12 Yj2 ∼ Chi2(·|1), con E Yj2 = σ 2 e V ar Yj2 = 2σ 4 ,
donde E(Qn ) = nσ 2 , V ar(Qn ) = 2nσ 4 . Ergo: (i) P(Qn > 100) ∼ = 12 ; (ii) per n
grande n Qn ≈ deg(·|σ ).
1 2
◃ Esercizio 266. Da una massa di biglietti numerati da 1 a 100, il banco a caso ne

prende sei in blocco che consegna ad altrettanti giocatori. È premiato il possessore
del minimo e del massimo numero. Con il biglietto numero 65, Ivo vuol sapere la
probabilità di vincere qualcosa.
R. Ivo vince qualcosa se ogni avversario ha un numero o maggiore o minore di 65.
Ergo: p = 64 · 63 · 62 · 61 · 60 + 35
99 98 97 96 95
· 34 · 33 · 32 · 31 = .1066 + .0045 = .1111.
99 98 97 96 95
◃ Esercizio 267. Siano X ∼ P o(x|λ) e Y ∼ P o(y|µ) v.a.i. con parametri λ > 0 e
µ > 0 noti, sia T = X + Y . Determinare la legge della v.a. X sapendo che la v.a.
T ha assunto il valore t > 0.
P(X = x ∩ T = t)
R. Poiché T ∼ P o(t|λ + µ), X|(T = t) ∼ ed X e Y sono v.a.i.,
P(T = t)
si ha P(X = x ∩ T = t) = P(X = x ∩ Y = t − x) = P(X = x) · P(Y = t − x) =
P o(x|λ) · P o(t − x|µ)
P o(x|λ) · P o(t − x|µ). Donde X|(T = t) ∼ = Bin(x|θ, t), con
P o(t|λ + µ)
λ
θ = λ+µ .
◃ Esercizio 268. Siano X ∼ Chi2(·|m) e Y ∼ Chi2(·|n) v.a.i. con m > 2 e n > 2
X
noti. Calcolare: (i) la moda della v.a. R = ; (ii) la mediana della v.a.
X +Y
T = X + Y quando m = n = 500. ( )
R. Poiché (T, R) ∼ Chi2(·|m + n) · Beta · | m2 , n2 , si ha: (i) M o(R) = m+n−4
m−2
; (ii)
M e(T ) ∼
= 1000.
◃ Esercizio 269. Siano X ∼ Bin(x|θ, m) e Y ∼ Bin(y|θ, n) v.a.i. con θ ∈ (0, 1) e
m ed n noti. Si scriva la legge della v.a. X, sapendo che X + Y = t.
P(X = x ∩ T = t)
R. Poiché X e Y sono v.a.i. è T ∼ Bin(t|θ, m + n), X|t ∼ , con
P(T = t)
P(X = x∩T = t) = P(X = x∩Y = t−x) = P(X = x)·P(Y = t−x) = Bin(x|θ, m)·
Bin(x|θ, m) · Bin(t − x|θ, n)
Bin(t − x|θ, n). Donde X|t ∼ = Hyp(x|m, n, t).
Bin(t|θ, m + n)
◃ Esercizio 270. Siano X e Y v.a.iid con X ∼ unif (·|0, 1). Si calcoli moda, media,
X
mediana della v.a. R = . (Si consiglia di fare i grafici.)
X +Y
R. Si ha (X, Y ) ⇔ (T, R), con T{= X + Y , |J| = t, fT,R} (t, r) = t · 1A∪B (t, r), con
A = {0 < t ≤ 1, 0 < r < 1}, B = 1 < t < 2, t < r < t . Marginalizzando si ha
t−1 1
∫ 1 ∫ 1 ( )
1−r r
fR (r) = 1(0, 1 ) (r) · t · dt+ 1[ 1 ,1) (r) · t · dt = 12 (1−r)
1
1 1
2 (0, ) (r) + 1
1 1
r2 [ ,1)
(r) .
2 2 2 2
0 0
1
Ergo: M o(R) = M e(R) = E(R) = 2
.
◃ Esercizio 271. Calcolare la probabilità che in n prove bernoulliane (con n grande)
l’evento E di probabilità p = sin n2n−2 si verifichi almeno una volta.
60
R. Sia X il n.a. di volte che E si verifica in n prove. Si ha P(X ≥ 1) ∼
= 1 − e−1 .
◃ Esercizio 272. Un segmento di lunghezza ℓ è diviso in due parti da un punto
preso a caso su di esso. Fornire la f.d.p. della parte piú lunga e calcolarne media e
varianza.
R. Sia X ∼ unif (x|0, ℓ) un punto random su (0, ℓ), sia Y = max{X, ℓ − X}. Si ha
Y ∼ FY (y) = P(Y( < y) = ) P(X < y 3∩ ℓ − X < y) = 1P(ℓ − y < X < y) = 1ℓ (2y − ℓ),
donde: Y ∼ unif y| 2 ℓ, ℓ ; E(Y ) = 4 ℓ e V ar(Y ) = 48 ℓ .
1 2
◃ Esercizio 273. L’urna U1 contiene 6 biglie color A e 34 color B. È pari ad 13

la proporzione di biglie color A nell’urna U2 . Da ciascuna urna il banco prende 10
biglie: in blocco dalla U1 e con restituzione dalla U2 . Il giocatore vince 1£ per ogni
biglia A estratta dalla urna U1 e 12 £ per ogni biglia A che viene dalla U2 . Quanto
deve pagare il giocatore che vuol partecipare al gioco, che si svolge in modo equo e
coerente?
R. Il guadagno aleatorio del giocatore è G = X + 12 Y dove X ed Y sono( le biglie )
color A provenienti da U1 e U2 . Poiché X ∼ Hyp(x|6, 34, 10) ed (Y ∼ Bin ) y| 1
3
, 10 ,
segue che la quota di scommessa è E(G) = E(X) + 21 E(Y ) = 10 40 6
+ 16 ∼= 3.167.
◃ Esercizio 274. Data la funzione φ(z) = k · (1 − z ) 1(−1,1) (z), stabilire i valori
2 α−1
di α ∈ R tali che φ(·) è una f.d.p. Calcolare la costante k, la probabilità dell’evento

Z < 0, moda e mediana, ed, esistendo, media e varianza.
R. La funzione (1 − z 2 )α−1 è sommabile in (−1, 1), ∀α ∈ R+ . La trasformazione
x = 21 (z+1) ⇔ z = 2x−1 porge X ∼ k·22α−1 xα−1 (1−x)α−1 1(0,1) (x) = Beta(x|α, α),
da cui k = 2−2α Γ(2α)
Γ(α)
. La Z è simmetrica, ergo P (Z < 0) = 12 , E(Z) = M e(Z) = 0,
M o(Z) = ∓1, se α < 1, M o(Z) = 0, se α > 1. Infine V ar(Z) = (2α + 1)−1 .
◃ Esercizio 275. Su un pavimento costituito da N = 10000 piastrelle di uguale
forma sono scagliati a caso n = 5000 chicchi di mais. Calcolare il numero medio di
piastrelle su cui sono finiti 5 chicchi.
R. Sia θ = N1 la probabilità che un certo chicco cada in una certa piastrella; sia
X ∼ Bin(x|θ, n) ∼ = P o(x|λ), con λ = Nn = 12 , il numero aleatorio di chicchi finiti
sulla piastrella. Posto Y = 1 se X = 5 e Y = 0 se X ̸= 5, sia (Y1 , Y∑ 2 , . . . , YN )
N
il vettore degli indicatori di evento relativi alle N piastrelle, ed S = i=1 Yi il
numero aleatorio di piastrelle in cui sono caduti 5 chicchi di mais. Poiché E(Y ) =
P(X = 5) ∼ = P o(5|λ) = 0.000158, segue che E(S) = N · E(Y ) = 1.58.
◃ Esercizio 276. Sia Z ∼ N (·|0, 1). Calcolare (se esistono) le speranze matematiche
delle funzioni aleatorie: (i) U = |Z|−1 ; (ii) W = |Z|− 2 · sign(Z);
1
√ (iii) Y = |X|.
R. (i) E(U ) non esiste; (ii) E(W ) = 0; (iii) E(Y ) = 2
π
(si rammenti la f.d.p.
half-normal).
◃ Esercizio 277. Si prenda a caso una famiglia in cui ci sono tre figli. (i) Posto che
tra di essi ci sia almeno una F , si calcolare la probabilità che gli altri due siano M ;
(ii) calcolare la probabilità che due figli siano M quando si sa che il terzogenito è
F . (Nota: si assuma che nascere M o F siano eventi equiprobabili e che il sesso del
1o −, del 2o − e 3o −genito sono eventi indipendenti.)
R. Le possibili configurazioni di una famiglia con 3 figli sono ω1 = {M, M, M }, ω2 =
{M, M, F }, ω3 = {M, F, M }, ω4 = {F, M, M }, ω5 = {M, F, F }, ω6 = {F, M, F },
ω7 = {F, F, M }, ω8 = {F, F, F }. Nel quesito (i), l’evento certo è dato dagli eventi
61
{ω2 , ω3 , ω4 , ω5 , ω6 , ω7 , ω8 } e gli eventi favorevoli sono {ω2 , ω3 , ω4 }, sicché la proba-
bilità cercata è 73 . Nel quesito (ii) l’evento certo è dato da {ω2 , ω5 , ω6 , ω8 } e l’evento
favorevole è {ω2 }, sicché la probabilità cercata è 14 .
◃ Esercizio 278. Sono date: laxv.a. T ∼ Exp(t|λ), con λ > 0 noto, la v.a. doppia
(X, Y ) ∼ f (x, y) = y −1 e−y · e− y · 1R2+ e la v.a. doppia (U, V ) ∼ g(u, v) = v −1 e−v
·1D (u, v), dove D = {v ∈ R+ , 0 < u < v}. Si calcoli: (i) E(T |T > 1); (ii) E(X|y);
(iii) E(U 2 |v). ∫ ∞
R. Si ha: (i) T |T > 1 ∼ φ(t) = λe−λ(t−1) 1t>1 , donde E(T |T > 1) = tφ(t)dt =
∫ ∞ 1
( )
xe− y dx = y; (iii)
x
1+ λ1 ; (ii) Y ∼ Exp(·|1), da cui X|y ∼ Exp x| y1 e E(X|y) = y1
∫ v 0
V ∼ gV (v) = g(u, v)du = Exp(v|1), da cui U |v ∼ unif (u|0, v) e E(U 2 |v) = 31 v 2 .

0
( ) ( )
◃ Esercizio 279. Sia Xn n≥1 una successione di v.a. con Xn ∼ Beta · | n1 , n1 .
( )
Mostrare che,( per) n → ∞, Xn converge, almeno in legge, alla v.a. X ∼ Bern · | 21 .
R. Si ha E Xn = E(X) = 21 , ∀n. Scelto ( )ε > 0, pern n → ∞, P(0 < X n < ε) =
P(1 − ε < Xn < 1) → 2 ; infine lim V ar Xn = lim 4(n+2) = V ar(X) = 4 .
1 1
n→∞ n→∞
◃ Esercizio 280. Leo gioca nella ruota di Bari i terni T∩ 1 , e T2 ; detto E =“sia
∩ T1 che
T2 escono”, si calcoli la probabilità di E quando: (i) T1 T2 = Ø, (ii) T1 T2 = {c}.
R. (i) P(E) = 0; (ii) si ha T1 = {a1 , a2 , c} e T2 = {a3 , a4 , c}, dove gli ai sono tra
loro
(90) distinti; E accade(4solo (4) ({a
) se esce la cinquina 1), a2 , a3 , a4 , c}. I casi possibili sono
90 ∼
5
, i casi favorevoli 2 ; dunque P(E) = 2 / 5 = 1.365 · 10−7 .
◃ Esercizio 281. Calcolare la speranza matematica della quantità aleatoria φ(Z) =
min{|Z|, 1} quando (i) Z ∼ N (·|0, 1); (ii) Z ∼ Laplace(·|0, 1).
( ) √2( 1) ( )
R. (i) E φ(Z) = π 1 − e− 2 + 0.31732; (ii) E φ(Z) = 1 − 2e .
◃ Esercizio 282. Due biglie verdi (V ) sono deposte nella scatola S1 , due biglie rosse
(R) nella scatola S3 , una biglia V ed una R in S2 . Sorteggiata una delle Sj , si estrae
a caso una biglia che risulta essere V. Si calcoli la probabilità che pure l’altra sia V.
R. Si ha P(S1 ) = P(S2 ) = P(S3 ) = 13 e P(V |S1 ) = 1, P(V |S2 ) = 12 , P(V |S3 ) = 0.
L’altra biglia è V solo se la scatola sorteggiata è la S1 . La probabilità cercata è
P(S1 |V ) = 32 . (Si osservi che P(S2 |V ) = 13 , P(S3 |V ) = 0.)
( )
◃ Esercizio 283. Date le v.a.iid Y1 e Y2 , con Y1 ∼ unif · | − 21 , 12 , si determini la
f.c. della v.a. U = Y1 + Y2 . √
R. Poiché HY (t) = 2
t
· sin 2t = 2
t
· 1−cos t
2
, ne consegue che HU (t) = 4
t2
· sin2 t
2
=
= 2
t2
· (1 − cos t).
◃ Esercizio 284. La funzione f (x) = x1 · 1[1−k,1+k] (x), per qualche valore reale di k,
è una f.d.p.? In caso affermativo, calcolare media ∫e varianza.
1+k
R. La f (x) è una f.d.p. se ∃k ∈ (0, 1) tale che x−1 dx = 1. Si ha k = e+1
e−1
,
[ ] 1−k
da cui X ∼ x1 · 1A (x), dove A = e+1 2 2e
, e+1 . Infine E(X) = 2 e−1
e+1
, E(X 2 ) = E(X),
V ar(X) = 2(e−1)(3−e)
(e+1)2
.
◃ Esercizio 285. Le urne U1 e U2 contengono biglie bianche (B) e nere (N ) nella
62
stessa proporzione nota θ. Dall’urna U1 e poi dalla U2 , sono estratte n biglie con
restituzione. Calcolare la pobabilità che il numero di biglie B estratte da U1 sia pari
al numero di biglie N estratte da U2 .
R. Si indichi con X il n.a. di biglie B estratte da U1 in n prove e con Y il n.a.
di biglie
( N estratte
) da U2 , sempre ∑in n prove. Poiché X ∼ Bin(·|θ,
(2n)( n) e Y)n∼
Bin · |(1 − θ), n , si ha P(X = Y ) = u=0 P(X = u) · P(Y = u) = n θ(1 − θ) .
n
√
◃ Esercizio 286. Sia (Yn )n≥1 una successione di v.a., con Yn = n X, dove X ∼
3 −4
8
x 1 1 <x . La successione converge a qualche v.a. per n → ∞? (Suggerimento: si
2
consideri la f.r. della v.a. Y(n .) )
R. Si ha X ∼ F (x) = 1 − 18 x−3 · 1 1 <x ; ergo Yn ∼ Gn (y) = P(Yn < y) =
(√ ) ( )2 L
P n X < y = P(X < y n ) = 1 − 18 y −3n · 12− n1 <y . Pertanto Yn → Y ∼ G(y), con
G(y) = 0, ∀y < 1, G(y) = 78 , per y = 1, G(y) = 1, ∀y > 1.
◃ Esercizio 287. Sia X ∼ x12 · 1(1,∞) (x); fornire la f.r. della v.a. Y = X 2 · 1(1,2] (X) +
4 · 1(2,∞) (X)
( . 1 )
R. Y ∼ 1 − √y 1(1,4] (y) + 1(4,∞) (y).
◃ Esercizio 288. Sia U il n.a. di segnali emessi, nel tempo ∆t, da un certo
apparecchio. Si sa che non tutti i segnali giungono a destinazione e che mediamente
una certa frazione di essi, sia essa p, va perduta. Determinare la legge del n.a. T di
segnali che, nell’intervallo di tempo 3∆t, arrivano a destinazione. (Supporre che U
segua la legge di Poisson
( di media
) nota λ > 0.
R. T ∼ P oisson · | 3(1 − p)λ .
( ) ( )
◃ Esercizio 289. Sia Yn n≥1 una sequenza di v.a., dove Yn ∼ Cauchy · |0, n−1 . La
v.a. Yn tende a qualche v.a. Y per n → ∞? (Specificare se: in legge, in probabilità,
in media quadratica.)
L p
R. Si ha Yn → Y e Yn → Y dove (Y indica)la v.a. ∫ ε degenere( nell’origine.
) Per n → √
∞,
si ha infatti HYn (t) → 1; inoltre P |Yn | < ε = −ε Cauchy y|0, n dy = π arctan ε n
1 2
→ 0, ∀ε > 0 fissato. Da notare infine che la v.a. Yn , ∀n, è priva di momenti.

◃ Esercizio 290.
( Siano
) T ed S v.a.iid
( uniformi
) in {1, 2, 3}, siano X ed Y v.a.i.
−1
con X|t ∼ N x|0, t ed Y |s ∼ N y|2 − s, 1 . Calcolare le probabilità P(X > 1) e
P(Y < 0).
R. P(X > 1) = 0.06094, P(Y < 0) = 21 .
◃ Esercizio 291. (a) La v.a. doppia (X, Y ) prende valori in C = {0, 1} × {0, 1}
con probabilità p(1, 0) = p(0, 1) = 0.2 e p(1, 1) = 0.3. (b) La v.a. doppia (U, V ) è
uniforme nei punti (1, 0), (0, 1), (1, 2), (2, 1). Calcolare, nei casi (a) e (b), i primi
due momenti e dire se tra ascissa ed ordinata vi è indipendenza lineare e stocastica.
R. (a) Si ha E(X) = E(Y ) = 21 , V ar(X) = V ar(Y ) = 14 , E(X · Y ) = 0.3;
Cov(X, Y ) = 0.3 − 0.25 = 0.05; X ed Y sono correlate positivamente con ρ(X, Y ) =
0.05
1/4
= 0.2 . (b) Siano (U, V ) le coordinate aleatorie del punto. Si ha E(U ) =
E(V ) = 1, V ar(X) = V ar(Y ) = 2, E(X · Y ) = 1, Cov(U, V ) = 0; ergo U ed V sono
linearmente indipendenti ma non lo sono stocasticamente.
◃ Esercizio 292. Sia X ∼ F (x) = 41 ·1−3<x + 14 ·10<x + 12 ·11<x , siano (X1 , X2 , . . . , Xn )
v.a.iid provenienti da X. Calcolare la probabilità che: (i) X1 + Xn sia positiva; (ii)
che la media campionaria sia negativa quando n = 80.
63
R. La v.a. X prende valori in {−3, 0, 1} con probabilità { 14 , 41 , 12 }. Ergo: (i)
( √ )
1 ∼
P(X1 + Xn > 0) = 2 ; (ii) grazie al TLC si ha: P(X̄n < 0) = Φ 4 43 5
= 0.91371.
( ) ( )
◃ Esercizio 293. Siano Xn n≥1 e Un n≥1 successioni di v.a. tra loro indipendenti,
( )
dove Xn ∼ N x0, n−1 n
e dove le v.a. Un sono iid, con Un ∼ unif (·|0, 1); sia
Tn = XYnn , dove Yn = max{U1 , U2 , . . . , Un }. Si studi il comportamento asintotico
della v.a. Tn .
L ( ) ( )
R.
∏n Si ha Xn → X ∼ N (·|0, 1) en P max{U1 , U2 , . . . , Un } < y n−1
= P ∩nj=1 (Uj < y) =
j=1 P(Uj < y) = Fn (y) = y , donde Yn ∼ fn (y) = n · y · 1(0,1) (y). Poiché
m.2
E(Yn ) = n
n+1
→ 1 e V ar(Zn ) = n
(n+1)2 (n+2)
→ 0, si conclude che Yn −→ 1. Ergo
L
Tn → X.
◃ Esercizio 294. Dall’urna U1 , avente 8 biglie rosse (R) e 4 blu (B ), sono estratte 2
biglie senza restituzione; dall’urna U2 , che ha il 30% di R, sono estratte 3 biglie con
restituzione. Posto che X + Y = t = 3, con X ed Y n.a. di biglie R estratte dalle
Ui , calcolare la speranza matematica del n.a. X.
R. X ∼ pX (·) = Hyp(·|8, 4, 2) e Y ∼ pY (·) = Bin(·|0.3, 3) sono v.a.i. Donde
P(X = x, T = t) P(X = x, Y = t − x)
X|t ∼ pX|T (x|t) = P(X = x|T = t) = = =
P(T = t) P(T = t)
pX (x) · pY (t − x)
, con qT (t) = pX (x) ∗ pY (y) = .28118. Si ha pX|T (0|t) = .00873,
qT (t) ∑
pX|T (1|t) = .32590, pX|T (1|t) = .66537. Ergo E(X|t) = x · pX|T (x|t) = 1.65664.
◃ Esercizio 295. Sia Y = min{U 2 , 4} con U ∼ Laplace(·|0, 1). Si stabilisca la legge
della v.a. Y .
R. Si ha Y ∈ [0, 4]. La(Y è a.c. in [0, 4) e si ha P(0 ≤ Y < y) = P(0 ≤ U 2 < y) =
√ )
√ √
P(− y < U <( y) = ) 1 − e− y 1(0,4) (y). La Y ha (in y = √4 )massa P(Y = 4) =
P(4 ≤ U 2 ) = P 2 ≤ |U | = e−2 . Dunque Y ∼ G(y) = 1 − e− y 1(0,4] + 1(4,∞) .
◃ Esercizio 296. Un mazzo di 40 carte è diviso a caso in due gruppi di 20 carte. Si
calcoli la probabilità degli eventi: A = “le carte rosse (R) e nere (N ) sono in uguale
numero in ciascun gruppo”; B = “in un gruppo le carte R sono il triplo delle N ”.
R. P(A) = Hyp(10|20, 20, 20) = .24763; P(B) = 2 · Hyp(15|20, 20, 20) = .00349.
◃ Esercizio 297. Sia (X, Y ) ∼ f (x, y) = 2x−1 e−2x · 1D (x, y), con D = {(x, y) ∈ R2 :
0 < y < x}. Si calcoli
∫ Cov(X, Y ). ∫ ∞ ∫
−2x
R. Si ha µx = x · f (x, y)dy dx = 2 xe 1
dx = 2 ; µy = y · f (x, y)dy dx =
∫ ∞ D 0 D
∫
xe−2x dx = 41 ; µ′xy = D yx · f (x, y)dy dx = 41 . Donde Cov(X, Y ) = 18 .
0
◃ Esercizio 298. Il segmento [0, 1] è diviso nei tratti s = [0, X) ed t = [X, 1], dove
X ∼ Beta(·|4, 3). Calcolare media e varianza dell’area del rettangolo di lati s ed t.
R. Il rettangolo
∫ ha area A = s × t = X(1 − X). ∫ I primi due momenti di A
1 1
sono E(A) = x(1 − x) · Beta(x|4, 3)dx = B(4,3)
1
x4 (1 − x)3 dx = B(5,4)
B(4,3)
3
= 14 e
∫ 1 0 ∫ 1 0
2
E(A ) = x (1 − x) · Beta(x|4, 3)dx = B(4,3)
2 2 1
x5 (1 − x)4 dx = B(4,3)
B(6,5)
= 63 3
, etc.
0 0
∑∞ ( 2 ) j
◃ Esercizio 299. Esiste un k ∈ R tale che la funzione G(x) = k · j=0 3
·1(j,∞) (x)
64
sia una f.r.? Se “si ”, calcolare la moda della legge ed, esistendo, i primi due momenti.
R. Per k = 13 , la G(x) è la f.r. della v.a. binomiale negativa di parametri ν = 1 e
θ = 13 ; ergo M o(X) = 0, E(X) = 2 e V ar(X) = 6.
∑
◃ Esercizio 300. Calcolare la probabilità che ni=1 Xi ≤ ( 60.5, n = 54,) quando le Xi
sono v.a.iid che provengono dalla v.a. X ∼ 12 x2 1(0,1] + 1 − 12 (2 − x)2 1(1,2] + 1(2,∞) .
R. La v.a. Xi segue la legge triangolare f∑ (x) = x·1(0,1] + (2−x)1(1,2] , avente media
e varianza µ = 1 e σ 2 = 16 . La v.a. U = ni=1 Xi ha media e varianza E(U ) = n e
V ar(U ) = 61 n. Grazie al TLC si ha P(U ≥ 60.5) ∼ = 0.02.
◃ Esercizio 301. In un grande cesto, alla rinfusa, si trovano mescolati in ugual
proporzione cip di tipo A e B. La probabilità che un cip di tipo A [B] sia guasto è
θA = 10−4 [θB = 41 10−4 ]. Preso a caso un cip, se ne controlla l’efficienza e, se guasto,
lo si rifiuta. Si calcoli la probabilità di rifiutare un cip guasto solo dopo il 1000o
prelievo.
R. La probabilità di prendere dal cesto un cip guasto è θ = 12 θA + 12 θB = 58 10−4 .
Poiché la probabilità di pescare
∑∞ un cip guasto alla j−ma prova è Geom(j|θ), la
probabilità cercata è p = x=1001 θ(1 − θ)x−1 = (1 − θ)1000 ∼ = 0.9394.
◃ Esercizio 302. È noto, da lunghe osservazioni, che il numero medio di nidi/albero
è pari ad 1 se l’albero si trova nel bosco A ed è pari ad 13 se sta nel bosco B. Presi a
caso 5 alberi (2 dal bosco A e 3 dal bosco B) calcolare la probabilità di osservare in
tutto piú di 3 nidi. Si supponga che il n.a. di nidi/albero segua la legge di Poisson.
R. Sia Xi ∼ P o(·|λA ) il n.a. di nidi che si trovano in un albero che cresce in A, sia
Yi ∼ P o(·|λB ) il n.a. di nidi in un albero che sta in B, con λA = 1 e λB = 13 . Sia
X1 + X2 + Y1 + Y2 + Y3 = T il numero totale di nidi ∑ osservati. Si ha T ∼ P o(·|λ),
con λ = 2λA + 3λB = 3. Dunque P(T > 3) = 1 − 3t=0 P o(t|λ).
◃ Esercizio 303. Sia X una v.a. a.c. con X ∼ F (·) e θ > 0 noto. (i) Mostrare che
∫ y+θ
−1
Ψθ (y) = θ F (u)du è una f.r. (ii) Disegnare la Ψθ (·) quando X ∼ Exp(·|1).
y
R. (i) Per il teorema della media ∃xy ∈ (y, y + θ) t.c. Ψθ (y) = F (xy ); ergo
lim Ψθ (y) = lim F (xy ) = 0; lim Ψθ (y) = lim F (xy ) = 1; ∀y ′ < y ′′ si ha
xy →−∞ xy →∞
y→−∞ y→∞
( )
Ψθ (y ) ≤ Ψθ (y ). (ii) La v.a. X ∼ Exp(·|1) ha f.r. F (x)( = 1 − e−x 1x>0
′ ′′
) . Ergo,
−1 −y−θ
∀y ∈ (−∞, −θ], (Ψθ (y) =) 0; ∀y ∈ (−θ, 0], Ψθ (y) = 1 + θ y − 1 + e ; ∀y > 0,
Ψθ (y) = 1 − θ−1 1 − e−θ · e−y .
1
◃ Esercizio 304. La v.a. Wn = sign(Z) · |Z| n , con Z ∼ N (·|0, 1), tende a qualche
v.a., per n → ∞?
R. La v.a. Z è simmetrica. Ergo, ∀n, è P(Wn < 0) = P(Wn > 0) = 21 . La v.a.
L m.k
Wn → W ∼ 12 1{−1,1} . È facile verificare che Wn → W , k = 1, 2, . . . , etc.
◃ Esercizio 305. Calcolare la moda della v.a. X ∼ P o(·|λ), per λ = 12 n, con n ∈ N.
R. Per n pari, la v.a. X è bimodale con M o(X) = λ e M o(X) = λ + 1; per n
dispari M o(X) = ⌊λ⌋.
◃ Esercizio 306. Siano (R1 , R2 ) v.a.iid random. Si determini la f.d.p. della v.a.
X
U = , dove X = min{R1 , R2 } e Y = max{R1 , R2 }.
Y { }
R. Si ha (X, Y ) ∼ 2 · 1T (x, y), con T = (x, y) ∈ R2 : 0 < x < y < 1 . La f.r. della
65
∫ 1 ∫ uy ∫ 1
v.a. U ∈ (0, 1) è P(U < u) = P(X < u · Y ) = 2 dx dy = 2u y dy = u, da
0 0 0
cui, derivando, U ∼ unif (·|0, 1).
◃ Esercizio 307. Sia Tn ∼ Student(·|n). Studiare le v.a. Xn = 2n+1 n
· | Tn | e
Yn = 1Tn >0 .
L L
R. Dalla Tn → T ∼ N (·|0, 1) segue che Xn → X ∼ HN (·|4); ∀n si ha P(Tn < 0) =
P(Tn > 0) = 21 , dunque Yn ∼ 12 1{0,1} .
( )
◃ Esercizio 308. Siano Xn n≥1 v.a.i., con Xn ∼ Exp(·|λn ), λn > 0 noto, sia Un =
( )
min{X1 , . . . , Xn }; la sequenza Un n≥1 converge a qualche v.a.? se “si ” in quale
∑
senso, quando la serie ∞ i=1 λi : (i) converge, (ii) diverge.
R.
∏n ∀u ∈ R +
e ∀n ≥ 1,
∏n −λ si ha P(Un > u) = P(X∑ 1 > u, X2 > u, . . . , Xn > u) =
−ϕn u
i=1 P(Xi > u) = , con ϕn = ni=1 λi . Donde Un ∼ FUn (u) =
iu
i=1 e =e
L
P(Un < u) = 1 − e−ϕn u ⇔ Un ∼ Exp(·|ϕn ). Ergo Un → U , con U esponenziale se
m.k
ϕn → ϕ < ∞ e con U degenere in 0 se ϕn → ∞. È poi facile verificare che Un → U ,
k = 1, 2, . . . , etc.
◃ Esercizio 309. Un’urna contiene 3 biglie nere [N ] e 2 bianche [B]; le biglie sono
prese a caso una alla volta senza restituzione. Le prove terminano non appena le
biglie restanti nell’urna sono dello stesso colore. Determinare la legge del n.a. X
delle estrazioni con cui ha fine la sequenza.
R. L’evento certo è X ∈ {2, 3, 4}; X = 2 è vero se si realizza il risultato (B, B),
donde p2 = 25 · 14 = 10 1
; X = 3 è vero se accade (N, B, B) ∪ (B, N, B) ∪ (N, N, N );
ergo p3 = 3 · 5 · 4 · 3 = 10
3 2 1 3 6
. Per differenza p4 = 10 .
(Verifica.) X = 4 è vero se è vero (B, N, N, N ) ∪ (N, N, B, N ) ∪ (N, B, N, N )∪
(N, N, B, B) ∪ (N, B, N, B) ∪ (B, N, N, B), etc.
◃ Esercizio 310. Siano (R1 , R2 ) v.a.iid random. Si determini f.d.p. e moda della
( )3
v.a. Y = min{R1 , R2 } .
R. Posto Z = min{R1 , R2 } e z ∈ (0, 1), si ha P(Z > z) = P(R1 > z ∩ R2 > z) =
( )2
P(R > z) = (1 − z)2 , da cui P(Z < z) = 1 − (1 − z)2 . Per y ∈ (0, 1) si ha
( 1 1
) ( 1
) ( )
1 2
P(Y < y) = P Y 3 < y 3 = P Z < y 3 = 1 − 1 − y 3 . Derivando Y ∼ fY (y) =
( )
− 23 1
2
3
·y 1 − y · 1(0,1) (y). Ergo M o(Y ) = 0.
3
( ) ( )
◃ Esercizio 311. Siano X ed Y v.a.i. con X ∼ P o · | 32 e Y ∼ P o · | 52 , sia
T = X + 2Y . Calcolare la probabilità che T > 3.
R. T = 0 se (X, Y ) = (0, 0); T = 1 se (1, 0); T = 2 se (2,(0) ∪ (0, 1);)T = 3 se
2
(3, 0) ∪ (1, 1). Si ha q0 = β, con β = e−4 , q1 = β · 23 , q2 = β · (3/2) + 52 = β · 29 ,
( 3
) 2! 8
q3 = β · (3/2) 3!
+ 32 · 52 = β · 69 16
. Ergo P (T > 3) = 1 − β(1 + 32 + 298
+ 69
16
) = etc.
◃ Esercizio 312. Sia f (u, v) = 12 u(1 − u) · v · 1Q (u, v), Q = (0, 1) × (0, 1).
Determinare la f.d.p.{della v.a. T = U 2 V . } ( 2 )
R. [Pr.1 ] Sia Dt = (u, v) ∈ Q : u2
v < t; t ∈ (0, 1] . Si ha F T (t) = P U V < t =
∫ ∫ √t ∫ 1 ∫ 1 ∫ t2
u
f (u, v) dudv = 12 u(1−u)du vdv+ 12 √ u(1−u) vdv du = 6t+3t2 −
D√
t 0 0 √ t 0
8t t; donde, derivando, fT (t) = 6(1 + t − 2 t). [Pr.2 ] Si assuma la trasformazione
66
{ √ } { }
(t = u2 v, r = u2 ) ⇔ (u = r, v = t/r) , con 0 < t < r, r ∈ (0, 1) e con |J| =
∫ 1
1 − 32
( −2 − 3 ) √
2
r . Sostituendo e marginalizzando f T (t) = 6·t r −r 2 dr = 6(1+t−2 t).
t
◃ Esercizio 313. Siano Xn e Yn v.a.iid uniformi in (0, n), n ∈ N. Calcolare la
probabilità che: (i) per n fissato e (ii) per n → ∞, l’equazione t2 − 2Xn t + Yn = 0
abbia radici c.c.
R. L’equazione ha√ radici c.c. sse 14 ∆ = Xn2 − Y < 0. Per n fissato si ha pn =
∫ n∫ n ∫ √n
( )
P(Xn2 < Y ) = n12 dy dx = n12 n − x2 dx = 32 √1n . Per n → ∞, pn → 0.
0 x2 0
◃ Esercizio 314. Siano X ed Yn v.a.i. esponenziali con E(X) = 1 e E(Yn ) = n−1
n
,
sia Tn = X + Yn . Calcolare limn→∞ P(Tn > 2).
R. Yn → Y ∼ Exp(·|1), donde Tn → T ∼ Erlang(·|2, 1); ergo P(T > 2) = 3 · e−2 ∼
L L
=
0.406.
√
◃ Esercizio 315. Siano U ∼ unif (·|0, 1) e X ∼ e−x v.a.i., sia Yn = 1 + n X.
Determinare la f.d.p. della v.a. Tn = U + Yn , quando n → ∞.
√ ( ) √ ( ) ( )2 L
R. Si ha E( n X) = Γ 1 + n1 e V ar( n X) = Γ 1 + n2 − Γ 1 − n1 ; ergo Yn → Y ∼
L
deg(·|2), donde Tn → T ∼ unif (·|2, 3).
◃ Esercizio 316. Da un’urna, contenente 10 biglie bianche (B ) e 5 rosse (R), sono
estratte in blocco due biglie, poi rimesse nell’urna. La prova è ripetuta una seconda
volta. Determinare la legge del n.a. di biglie bianche B estratte nelle due prove.
R. Sia X [Y ] il n.a.(di)(
biglie) B estratte nella prima [seconda] estrazione, con (X, Y )
10 5
v.a.iid, e X ∼ px = x
(152−x
) , x ∈ {0, 1, 2}. Sia T = X + Y , con T ∼ qt = P(T = t),
2
t ∈ {0, 1, 2, 3, 4}. Si ha q0 = p20 , q1 = 2p0 p1 , q2 = 2p0 p2 + p21 , q3 = 2p1 p2 , q4 = p22 .
Poiché px = {.0526, .3947, .5526}, si ha qt = {.0028, .0416, .2140, .4363, .3054}.
◃ Esercizio 317. Una ditta vende buste contenenti 200 semi di basilico. Avverte che
essi germinano (in media) nel 99.5% dei casi. Un cliente che nel suo orto semina 2
buste vuole calcolare la probabilità di veder nascere piú di 397 piantine.
R. Sia X il n.a. di semi che non germinano su n = 400 che sono stati seminati;
si ha X ∼ Bin(·|θ, n) ∼= P o(·|λ) = px , dove θ = 0.005 indica la probabilità che un
seme non germini e λ = n·θ = 2. La probabilita cercata è P (X < 3) = p0 +p1 +p2 =
5 · e−2 = 0.6767.
◃ Esercizio 318. Sia k ∈ N{0} . La funzione f (x) = bxk e−x ·1R (x) per certi valori
2
reali b è una f.d.p.? Se “si”, calcolare b, il momento o i momenti, la moda (o le

mode) ed, esistendo, i primi due momenti.
( )−1
R. Solo se k è pari, la f (·) è una f.d.p. con b = Γ k+1 ; la v.a. X è unimodale
√ 2
in x0 = 0, se k = 0; è bimodale in x0 = ∓ 12 k, se k ≥ 2; E(X) = 0, E(X 2 ) = k+1 2
.
( )
◃ Esercizio 319. Sia X ∼ f (x) = 12 ex 1R− (x) + 1[0,1) (x) , sia Y = |X|. Delle v.a. X
ed Y : (i) scrivere le f.r.; (ii) calcolare i )primi due momenti.
( −y ( x )
R. Y ∼ g(y) = 2 e 1R+ (y) + 1[0,1) (y) (. (i) F (x)
1
) = 1
2
e 1 R − (x) + (x + 1)1[0,1) (x)
+1x≥1 (x), G(y) = 21 (y+1−e−y )1(0,1] (y)+ 1− 12 e−y 1y>1 : (ii) E(X) = − 41 , E(Y ) = 34 ,
E(X 2 ) = E(Y 2 ) = 76 .
◃ Esercizio 320. Due amici si sono dati un appuntamento in un punto stabilito tra le
67
8 e le 9. Chi arriva attende l’arrivo dell’altro per 20 minuti e poi se ne va. Sapendo
che ciascuno dei due arriva a caso nel lasso di tempo che va dalle 8 alle 9 e che i
tempi di arrivo sono indipendenti, si calcoli la probabilità che essi si incontrino.
R. Per ipotesi i tempi di arrivo dei due amici X ed Y , (X, Y ) ∈ Q = (0, 60)×(0, 60),
sono v.a.iid con X ∼ unif (·|0, 60). Vi è l’incontro sse è vero l’evento | X − Y |< 20.
( ) area(A)
Posto A = (Y < X + 20)∩ (Y > X −20) ⊂ Q, si ha P | X −Y |< 20 = =
area(Q)
2
1 − 40
602
= 59 .
X
◃ Esercizio 321. Siano X ∼ Chi2(·|2) e Yn ∼ Chi2(·|n) v.a.i., sia Un = n ; studiare
Yn
la v.a. Un , quando n → ∞.
( ) ( ) L
R. [Pr.1 ] Sia Zn = n1 Yn ; poiché E Zn = 1, V ar Zn = n2 , si ha Zn → Z ∼ deg(·|1),
X L {( )
donde Un = → X ∼ Chi2(·|2). [Pr.2 ] La trasformazione u = n xy , v = y ⇔
Zn
( )}
x = n uv, y = v , con (u, v) ∈ R+ × R+ e con |J| = n1 v, porge (Un , V ) ∼
1
( ) ( )− n+2
−→ 12 e− 2 u =
1
Chi2 n1 uv|2 · Chi2(v|n) · n1 v. Marginalizzando Un ∼ 12 1 + n1 u 2
Chi2(u|2). ( )
◃ Esercizio 322. Siano X ∼ Bin ·|(12 , 2 e Y ∼ N (·|0, ) ( P(X +Y ≥ 2).)
) ( 1) v.a.i. Si calcoli
R. L’evento X +Y ≥ 2 è vero se X = 0, Y ≥ 2 ∪ X = 1, Y ≥ 1 ∪ X = 2, Y ≥ 0
è vero. Perciò P (X + Y ≥ 2) = 41 · 0.02275 + 12 · 0.15866 + 14 · 12 = 0.21003.
◃ Esercizio 323. Per n volte si lancia un dado regolare. Calcolare la probabilità
che nei primi 2 lanci esca almeno un “6 ” e che negli ultimi 3 non esca mai il “4 ”,
quando: (i) n = 5; (ii) n = 10.
R. Siano X ed Y il n.a. di “6 ” usciti nei primi 2 lanci e di “4 ” usciti negli ultimi 3
lanci. Essendo X ed Y v.a.i., si(ha: (i) P(X ≥ 1 ∩ Y = 0) = P(X ≥ 1) · P(Y = 0) =
( ) ( 5 )2 ) ( 5 )3 1375 ∼
1 − P(X = 0) · P(Y = 0) = 1 − 6 · 6 = 7776 = 0.17554; (ii) probabilità
che non dipende da n.
( ) ( )
◃ Esercizio 324. Siano Xn n≥1 e Yn n≥1 successioni indipendenti costituite da
( ) ∑ ∑n
v.a.iid, con Xi ∼ Bern ·| 12 e Yi ∼ Bern(·|θ), sia Pn = n1 √ ni=1
( Xi e1Q
1
) n = n i=1 Y1i .
Calcolare, per n grande, la probabilità dell’evento Zn = n Pn − 2 + Qn − θ > 2 .
R. Poiché E(Qn ) = θ∫ e V ar(Qn ) = n1 θ(1 − θ), risulta E(Zn ) = 0 e V ar(Zn ) ∼ = 14 .
( ) ∞
Dunque P Zn > 12 ∼ = ϕ(u)du = 0.15866.
1
◃ Esercizio 325. Date le osservazioni iid (X(1 , . . . , Xm ) ), di media (aritmetica X̄ )e
(Xm+1 , . . . , Xm+n ), di media Ȳ , con Xi ∼ N · |µ, σ , si calcoli P |X̄ − Ȳ | > 1 ,
2
quando m = 10, n( = 20, σ 2)= 4. ( ) ( )

R. Si ha X̄ ∼ N · |µ, m1 σ 2 e Ȳ ∼ N · |µ, n1∫σ 2 ; donde X̄ − Ȳ ∼ N ∫· |0, c · σ 2 , con
( ) ∞ ( ) ∞
c = m1 + n1 = 20 3
; ergo P |X̄ − Ȳ | > 1 = 2 · N t|0, c · σ 2 dt = 2 · √ ϕ(u)du =
5
1 3
2 · 0.0985 = 0.197.
◃ Esercizio 326. Da un’urna, costituita da 5 biglie rosse (R) e 5 nere (N ), sono
estratte 10 biglie con restituzione. Se le biglie R estratte sono pari [dispari], Leo
riceve dal banco 1 [8] (Euro). Calcolare la quota di scommessa che Leo deve pagare
al banco per partecipare al giuoco in condizioni di equità e coerenza.
68
R. Poiché P(pari) = P(dispari) = 12 , la quota di scommessa è q = 12 (1 + 8) = 29 .
69
5 Grafici e tavole statistiche
5.1 Alcuni grafici
La figura 7 riporta i grafici delle leggi Chi2, con ν = 1, 2, . . . , 16, e t-Student, con
ν = 1, 2, 3, 4, 6, 10, 20, ∞. Nb: all’aumentare dei gradi di libertà la legge Chi2 tende
a simmetrizzarsi e la legge t-Student converge alla normale.
0.5 0.4
StudentHxÈΝL
0.4 Chi2HxÈΝL 0.3
Ν =1,2,3,4,
6,10,20,¥
0.3
0.2
0.2 HΝ =1,2,...,16L
0.1
0.1
HxL HxL
5 10 15 20 25 30 -4 -2 0 2 4
Figure 7: - Leggi Chi2 e di Student.
5.2 Uso delle tavole

Note esplicative per l’uso delle tavole dei percentili delle leggi normale standard,
Student e Chi2. ∫∞
◃ Normale La tavola a fornisce i valori di P{Z > z} = 1−Φ(z) = z N (t | 0, 1) dt
per z ∈ [3, 5.9] con passo δ = 0.1. Ad es.: se z0 = 5.3, P{Z > z0 } = 5.7901 · 10−8 .
Per z > 3 tornano utili le approssimazioni:
( ) (i) P{Z > z} ∼= z1 ϕ(z) e, ancora
meglio, (ii) P{Z > z} ∼ = z1 ϕ(z) 1 − z12 + 3 z14 . Ad es.: se z0 = 5.3, P{Z > z0 } ∼=
5.9837 · 10 , con (i), e P{Z > z0 } ∼
−8
= 5.7912 · 10−8 , con (ii).
z 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9
3.0 .135 − 2 .968 − 3 .687 − 3 .483 − 3 .337 − 3 .233 − 3 .159 − 3 .108 − 3 .723 − 4 .481 − 4
4.0 .317 − 4 .207 − 4 .133 − 4 .850 − 5 .540 − 5 .340 − 5 .210 − 5 .130 − 5 .790 − 6 .480 − 6
5.0 .290 − 6 .170 − 6 .100 − 6 .580 − 7 .330 − 7 .190 − 7 .110 − 7 .600 − 8 .330 − 8 .180 − 8
Tavola a - Valori di P{Z > z} = 1 − Φ(z) per z ∈ [3, 5.9] e passo δ = 0.1.
( )
La tavola b porge i valori zα per usuali valori di α = P{|Z| > zα } = 2 1 − Φ(zα ) .
(Esempio: se α = 0.01, si ha z0.01 = 2.576).
α 0.10 0.05 0.01 0.001 10−4 10−5 10−6 10−7 10−8 10−9
zα 1.645 1.960 2.576 3.2905 3.8906 4.4172 4.8916 5.3267 5.7307 6.1094
( )
Tavola b - Valori di zα per valori noti di α = P{|Z| > zα } = 2 1 − Φ(zα ) .
70
La tavola I riporta la f.r. della normale standard Φ(z) in funzione di z; per
z ∈ [0, 0.2] con passo δ = 0.001 e per z ∈ [0.2, 3.5] con passo δ = 0.01. (Esempio: se
z = 1.29 si ha Φ(z) = 0.90147).
◃ t-Student La tavola II riporta certi quantili tp = F −1 (p) della legge t-Student,
∫ tp
con gl = ν gradi di libertà, cioè F (tp ) = −∞ Student(u | ν) du, per p = 0.75, 0.80,
0.85, 0.90, 0.95, 0.975, 0.99, 0.995 e per ν = 1, 2, . . . , 40, per ν = 40, 50, . . . , 100 e
per ν = 200. (Esempio: se p = 0.99 e ν = 8 il percentile è tp = 2.8965).
Quando ν oltrepassa le capacità della tavola, si ricorre alla proprietà limite
lim Student(t|ν) = N (t|0, 1).
ν→∞
◃ Chi2 La tavola III riporta i quantili della legge Chi2, ∫ y con gl = ν gradi di
−1
libertà, soluzioni dell’equazione y = F (p), con F (y) = −∞ Chi2 (u | ν) du, per
p = 0.005, 0.01, 0.025, 0.05, 0.1 0.9, 0.95, 0.975, 0.99, 0.995 e per ν = 1, 2, . . . , 40,
per ν = 40, 50, . . . , 100 e per ν = 200. (Esempio: se p1 = 0.025, p2 = 0.975 e ν = 20
i percentili sono y1 = 9.5908 e y2 = 34.1696).
Quando i gradi di libertà superano le capacità della tavola, si ricorre al teorema
Y −ν L
centrale del limite il quale assicura la convergenza Zν = √ → Z ∼ N (z|0, 1)
2ν
per ν → ∞. Se zp indica il percentile p−esimo della normale standard e yp il
yp − ν ∼
corrispondente percentile della Chi2 con gl = ν, si ha √ = zp , da cui yp ∼ =
√ 2 ν
ν + zp 2 ν. (Esempio:√ se ν = 450 e p = 0.975, da cui zp = 1.96, il p−esimo
percentile è yp ∼
= ν + zp 2ν = 508.8).
71
TAVOLA I - Funzione di ripartizione della legge normale standard.
NHzÈ0,1L
FHz0 L
HzL
0 z0
∫ z0
Figure 8: Φ(z0 ) = P(Z < z0 ) = −∞
N (u|0, 1)du.
z→ 0 1 2 3 4 5 6 7 8 9
↓ 0. 0. 0. 0. 0. 0. 0. 0. 0. 0.
0.00 50000 50040 50080 50120 50160 50200 50239 50279 50319 50359
0.01 50399 50439 50479 50519 50559 50598 50638 50678 50718 50758
0.02 50798 50838 50878 50916 50957 50997 51037 51077 51117 51157
0.03 51197 65124 51276 51316 51356 51396 51436 51476 51517 51556
0.04 51595 51635 51675 51715 51755 51795 51835 51874 51914 51954
0.05 51994 52034 52074 52113 52153 52193 52233 52273 52313 52352
0.06 52392 5243 52472 52512 52551 52591 52631 52671 52711 52751
0.07 52790 52830 52870 52910 52950 52989 53029 53069 53109 53148
0.08 53188 53228 53268 53307 53347 53387 53427 53466 53506 53546
0.09 53586 53625 53665 53705 53745 53784 53824 53864 53903 53943
0.10 53983 54023 54062 54102 54142 54181 54221 54261 54300 54340
0.11 54380 54419 54459 54499 54538 54578 54617 54657 54697 54736
0.12 54776 54815 54855 54895 54934 54974 55013 55053 55093 55132
0.13 55172 55211 55251 55290 55330 55369 55409 55449 55488 55528
0.14 55567 55607 55646 55686 55725 55765 55804 55843 55883 55922
0.15 55962 56001 56041 56080 56120 56159 56198 56238 56277 56317
0.16 56356 56395 56435 56474 56513 56553 56592 56632 56671 56710
0.17 56750 56789 56828 56867 56907 56946 56985 57025 57064 57103
0.18 57142 57182 57221 57260 57299 57339 57378 57417 57456 57495
0.19 57535 57574 57613 57652 57691 57730 57770 57809 57848 57887
0.20 57926 58317 58706 59095 59483 59871 60257 60642 61026 61409
0.30 61791 62172 62552 62930 63307 63683 64058 64431 64803 65173
0.40 65542 65910 66276 66640 67003 67364 67724 68082 68439 68793
0.50 69146 69497 69847 70194 70540 70884 71226 71566 71904 72240
0.60 72575 72907 73237 73565 73891 74215 74537 74857 75175 75490
0.70 75804 76115 76424 76730 77035 77337 77637 77935 78230 78524
0.80 78814 79103 79389 79673 79955 80234 80511 80785 81057 81327
0.90 81594 81859 82121 82381 82639 82894 83147 83398 83646 83891
1.00 84134 84375 84614 84849 85083 85314 85543 85769 85993 86214
1.10 86433 86650 86864 87076 87286 87493 87698 87900 88100 88298
1.20 88493 88686 88877 89065 89251 89435 89617 89796 89973 90147
1.30 90320 90490 90658 90824 90988 91149 91309 91466 91621 91774
1.40 91924 92073 92220 92364 92507 92647 92785 92922 93056 93189
1.50 93319 93448 93574 93699 93822 93943 94062 94179 94295 94408
1.60 94520 94630 94738 94845 94950 95053 95154 95254 95352 95449
1.70 95543 95637 95728 95818 95907 95994 96080 96164 96246 96327
1.80 96407 96485 96562 96638 96712 96784 96856 96926 96995 97062
1.90 97128 97193 97257 97320 97381 97441 97500 97558 97615 97670
2.00 97725 97778 97831 97882 97932 97982 98030 98077 98124 98169
2.10 98214 98257 98300 98341 98382 98422 98461 98500 98537 98574
2.20 98610 98645 98679 98713 98745 98778 98809 98840 98870 98899
2.30 98928 98956 98983 99010 99036 99061 99086 99111 99134 99158
2.40 99180 99202 99224 99245 99266 99286 99305 99324 99343 99361
2.50 99379 99396 99413 99430 99446 99461 99477 99492 99506 99520
2.60 99534 99547 99560 99573 99585 99598 99609 99621 99632 99643
2.70 99653 99664 99674 99683 99693 99702 99711 99720 99728 99736
2.80 99744 99752 99760 99767 99774 99781 99788 99795 99801 99807
2.90 99813 99819 99825 99831 99836 99841 99846 99851 99856 99861
3.00 99865 99869 99874 99878 99882 99886 99889 99893 99896 99900
3.10 99903 99906 99910 99913 99916 99918 99921 99924 99926 99929
3.20 99931 99934 99936 99938 99940 99942 99944 99946 99948 99950
3.30 99952 99953 99955 99957 99958 99960 99961 99962 99964 99965
3.40 99966 99968 99969 99970 99971 99972 99973 99974 99975 99976
72
TAVOLA II - Quantili della legge t-Student.
StudentHtÈΝ L
FHt0 L
HtL
0 t0
∫ t0
Figure 9: F (t0 ) = P(T < t0 ) = −∞
Student(t|ν)dt.
F (t0 ) → 0.85 0.9 0.95 0.975 0.99 0.995 0.999 0.9995

ν ↓
1 1.9626 3.0777 6.3138 12.7062 31.8205 63.6567 318.3088 636.6192
2 1.3862 1.8856 2.9200 4.3027 6.9646 9.9248 22.3271 31.5991
3 1.2498 1.6377 2.3534 3.1824 4.5407 5.8409 10.2145 12.9240
4 1.1896 1.5332 2.1318 2.7764 3.7469 4.6041 7.1732 8.6103
5 1.1558 1.4759 2.0150 2.5706 3.3649 4.0321 5.8934 6.8688
6 1.1342 1.4398 1.9432 2.4469 3.1427 3.7074 5.2076 5.9588
7 1.1192 1.4149 1.8946 2.3646 2.9980 3.4995 4.7853 5.4079
8 1.1081 1.3968 1.8595 2.3060 2.8965 3.3554 4.5008 5.0413
9 1.0997 1.3830 1.8331 2.2622 2.8214 3.2498 4.2968 4.7809
10 1.0931 1.3722 1.8125 2.2281 2.7638 3.1693 4.1437 4.5869
11 1.0877 1.3634 1.7959 2.2010 2.7181 3.1058 4.0247 4.4370
12 1.0832 1.3562 1.7823 2.1788 2.6810 3.0545 3.9296 4.3178
13 1.0795 1.3502 1.7709 2.1604 2.6503 3.0123 3.8520 4.2208
14 1.0763 1.3450 1.7613 2.1448 2.6245 2.9768 3.7874 4.1405
15 1.0735 1.3406 1.7531 2.1314 2.6025 2.9467 3.7328 4.0728
16 1.0711 1.3368 1.7459 2.1199 2.5835 2.9208 3.6862 4.0150
17 1.0690 1.3334 1.7396 2.1098 2.5669 2.8982 3.6458 3.9651
18 1.0672 1.3304 1.7341 2.1009 2.5524 2.8784 3.6105 3.9216
19 1.0655 1.3277 1.7291 2.0930 2.5395 2.8609 3.5794 3.8834
20 1.0640 1.3253 1.7247 2.0860 2.5280 2.8453 3.5518 3.8495
21 1.0627 1.3232 1.7207 2.0796 2.5176 2.8314 3.5272 3.8193
22 1.0614 1.3212 1.7171 2.0739 2.5083 2.8188 3.5050 3.7921
23 1.0603 1.3195 1.7139 2.0687 2.4999 2.8073 3.4850 3.7676
24 1.0593 1.3178 1.7109 2.0639 2.4922 2.7969 3.4668 3.7454
25 1.0584 1.3163 1.7081 2.0595 2.4851 2.7874 3.4502 3.7251
26 1.0575 1.3150 1.7056 2.0555 2.4786 2.7787 3.4350 3.7066
27 1.0567 1.3137 1.7033 2.0518 2.4727 2.7707 3.4210 3.6896
28 1.0560 1.3125 1.7011 2.0484 2.4671 2.7633 3.4082 3.6739
29 1.0553 1.3114 1.6991 2.0452 2.4620 2.7564 3.3962 3.6594
30 1.0547 1.3104 1.6973 2.0423 2.4573 2.7500 3.3852 3.6460
31 1.0541 1.3095 1.6955 2.0395 2.4528 2.7440 3.3749 3.6335
32 1.0535 1.3086 1.6939 2.0369 2.4487 2.7385 3.3653 3.6218
33 1.0530 1.3077 1.6924 2.0345 2.4448 2.7333 3.3563 3.6109
34 1.0525 1.3070 1.6909 2.0322 2.4411 2.7284 3.3479 3.6007
35 1.0520 1.3062 1.6896 2.0301 2.4377 2.7238 3.3400 3.5911
36 1.0516 1.3055 1.6883 2.0281 2.4345 2.7195 3.3326 3.5821
37 1.0512 1.3049 1.6871 2.0262 2.4314 2.7154 3.3256 3.5737
38 1.0508 1.3042 1.6860 2.0244 2.4286 2.7116 3.3190 3.5657
39 1.0504 1.3036 1.6849 2.0227 2.4258 2.7079 3.3128 3.5581
40 1.0500 1.3031 1.6839 2.0211 2.4233 2.7045 3.3069 3.5510
45 1.0485 1.3006 1.6794 2.0141 2.4121 2.6896 3.2815 3.5203
50 1.0473 1.2987 1.6759 2.0086 2.4033 2.6778 3.2614 3.4960
55 1.0463 1.2971 1.6730 2.0040 2.3961 2.6682 3.2451 3.4764
60 1.0455 1.2958 1.6706 2.0003 2.3901 2.6603 3.2317 3.4602
65 1.0448 1.2947 1.6686 1.9971 2.3851 2.6536 3.2204 3.4466
70 1.0442 1.2938 1.6669 1.9944 2.3808 2.6479 3.2108 3.4350
75 1.0436 1.2929 1.6654 1.9921 2.3771 2.6430 3.2025 3.4250
80 1.0432 1.2922 1.6641 1.9901 2.3739 2.6387 3.1953 3.4163
85 1.0428 1.2916 1.6630 1.9883 2.3710 2.6349 3.1889 3.4087
90 1.0424 1.2910 1.6620 1.9867 2.3685 2.6316 3.1833 3.4019
95 1.0421 1.2905 1.6611 1.9853 2.3662 2.6286 3.1782 3.3959
100 1.0418 1.2901 1.6602 1.9840 2.3642 2.6259 3.1737 3.3905
150 1.0400 1.2872 1.6551 1.9759 2.3515 2.6090 3.1455 3.3566
200 1.0391 1.2858 1.6525 1.9719 2.3451 2.6006 3.1315 3.3398
73
TAVOLA III - Quantili della legge Chi2.
Chi2HyÈΝ L
FHy0 L
HyL
0 y0
∫ y0
Figure 10: F (y0 ) = P(Y < y0 ) = 0
Chi2(y|ν)dy.
F (y0 ) → 0.005 0.01 0.025 0.05 0.1 0.9 0.95 0.975 0.99 0.995
ν ↓
1 0.0000 0.0002 0.0010 0.0039 0.0158 2.7055 3.8415 5.0239 6.6349 7.8794
2 0.0100 0.0201 0.0506 0.1026 0.2107 4.6052 5.9915 7.3778 9.2103 10.5966
3 0.0717 0.1148 0.2158 0.3518 0.5844 6.2514 7.8147 9.3484 11.3449 12.8382
4 0.2070 0.2971 0.4844 0.7107 1.0636 7.7794 9.4877 11.1433 13.2767 14.8603
5 0.4117 0.5543 0.8312 1.1455 1.6103 9.2364 11.0705 12.8325 15.0863 16.7496
6 0.6757 0.8721 1.2373 1.6354 2.2041 10.6446 12.5916 14.4494 16.8119 18.5476
7 0.9893 1.2390 1.6899 2.1673 2.8331 12.0170 14.0671 16.0128 18.4753 20.2777
8 1.3444 1.6465 2.1797 2.7326 3.4895 13.3616 15.5073 17.5345 20.0902 21.9550
9 1.7349 2.0879 2.7004 3.3251 4.1682 14.6837 16.9190 19.0228 21.6660 23.5894
10 2.1559 2.5582 3.2470 3.9403 4.8652 15.9872 18.3070 20.4832 23.2093 25.1882
11 2.6032 3.0535 3.8157 4.5748 5.5778 17.2750 19.6751 21.9200 24.7250 26.7568
12 3.0738 3.5706 4.4038 5.2260 6.3038 18.5493 21.0261 23.3367 26.2170 28.2995
13 3.5650 4.1069 5.0088 5.8919 7.0415 19.8119 22.3620 24.7356 27.6882 29.8195
14 4.0747 4.6604 5.6287 6.5706 7.7895 21.0641 23.6848 26.1189 29.1412 31.3193
15 4.6009 5.2293 6.2621 7.2609 8.5468 22.3071 24.9958 27.4884 30.5779 32.8013
16 5.1422 5.8122 6.9077 7.9616 9.3122 23.5418 26.2962 28.8454 31.9999 34.2672
17 5.6972 6.4078 7.5642 8.6718 10.0852 24.7690 27.5871 30.1910 33.4087 35.7185
18 6.2648 7.0149 8.2307 9.3905 10.8649 25.9894 28.8693 31.5264 34.8053 37.1565
19 6.8440 7.6327 8.9065 10.1170 11.6509 27.2036 30.1435 32.8523 36.1909 38.5823
20 7.4338 8.2604 9.5908 10.8508 12.4426 28.4120 31.4104 34.1696 37.5662 39.9968
21 8.0337 8.8972 10.2829 11.5913 13.2396 29.6151 32.6706 35.4789 38.9322 41.4011
22 8.6427 9.5425 10.9823 12.3380 14.0415 30.8133 33.9244 36.7807 40.2894 42.7957
23 9.2604 10.1957 11.6886 13.0905 14.8480 32.0069 35.1725 38.0756 41.6384 44.1813
24 9.8862 10.8564 12.4012 13.8484 15.6587 33.1962 36.4150 39.3641 42.9798 45.5585
25 10.5197 11.5240 13.1197 14.6114 16.4734 34.3816 37.6525 40.6465 44.3141 46.9279
26 11.1602 12.1981 13.8439 15.3792 17.2919 35.5632 38.8851 41.9232 45.6417 48.2899
27 11.8076 12.8785 14.5734 16.1514 18.1139 36.7412 40.1133 43.1945 46.9629 49.6449
28 12.4613 13.5647 15.3079 16.9279 18.9392 37.9159 41.3371 44.4608 48.2782 50.9934
29 13.1211 14.2565 16.0471 17.7084 19.7677 39.0875 42.5570 45.7223 49.5879 52.3356
30 13.7867 14.9535 16.7908 18.4927 20.5992 40.2560 43.7730 46.9792 50.8922 53.6720
31 14.4578 15.6555 17.5387 19.2806 21.4336 41.4217 44.9853 48.2319 52.1914 55.0027
32 15.1340 16.3622 18.2908 20.0719 22.2706 42.5847 46.1943 49.4804 53.4858 56.3281
33 15.8153 17.0735 19.0467 20.8665 23.1102 43.7452 47.3999 50.7251 54.7755 57.6484
34 16.5013 17.7891 19.8063 21.6643 23.9523 44.9032 48.6024 51.9660 56.0609 58.9639
35 17.1918 18.5089 20.5694 22.4650 24.7967 46.0588 49.8018 53.2033 57.3421 60.2748
36 17.8867 19.2327 21.3359 23.2686 25.6433 47.2122 50.9985 54.4373 58.6192 61.5812
37 18.5858 19.9602 22.1056 24.0749 26.4921 48.3634 52.1923 55.6680 59.8925 62.8833
38 19.2889 20.6914 22.8785 24.8839 27.3430 49.5126 53.3835 56.8955 61.1621 64.1814
39 19.9959 21.4262 23.6543 25.6954 28.1958 50.6598 54.5722 58.1201 62.4281 65.4756
40 20.7065 22.1643 24.4330 26.5093 29.0505 51.8051 55.7585 59.3417 63.6907 66.7660
45 24.3110 25.9013 28.3662 30.6123 33.3504 57.5053 61.6562 65.4102 69.9568 73.1661
50 27.9907 29.7067 32.3574 34.7643 37.6886 63.1671 67.5048 71.4202 76.1539 79.4900
55 31.7348 33.5705 36.3981 38.9580 42.0596 68.7962 73.3115 77.3805 82.2921 85.7490
60 35.5345 37.4849 40.4817 43.1880 46.4589 74.3970 79.0819 83.2977 88.3794 91.9517
65 39.3831 41.4436 44.6030 47.4496 50.8829 79.9730 84.8206 89.1771 94.4221 98.1051
70 43.2752 45.4417 48.7576 51.7393 55.3289 85.5270 90.5312 95.0232 100.4252 104.2149
75 47.2060 49.4750 52.9419 56.0541 59.7946 91.0615 96.2167 100.8393 106.3929 110.2856
80 51.1719 53.5401 57.1532 60.3915 64.2778 96.5782 101.8795 106.6286 112.3288 116.3211
85 55.1696 57.6339 61.3888 64.7494 68.7772 102.0789 107.5217 112.3934 118.2357 122.3246
90 59.1963 61.7541 65.6466 69.1260 73.2911 107.5650 113.1453 118.1359 124.1163 128.2989
100 67.3276 70.0649 74.2219 77.9295 82.3581 118.4980 124.3421 129.5612 135.8067 140.1695
200 152.2410 156.4320 162.7280 168.2786 174.8353 226.0210 233.9943 241.0579 249.4451 255.2642
74

ESERCIZIprob PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

ESERCIZIprob PDF

Caricato da

Copyright:

Formati disponibili

Esempi, complementi, tavole

(Versione del 11 settembre 2015)

Se lei si spiega con un esempio non

Il capitolo che segue propone esempi ed esercizi. In taluni casi è necessario

1− 1− . La v.a. U = i=1 Yi , numero aleatorio di coppie che

P(B) = 1 − P(B̄) = 0.6187. Newton concluse che P(A) > P(B).

Figure 1: - Istogrammi del giuoco con due e tre dadi (zara).

Tale sequenza (ordinata) ha probabilità θ(νL (1 −)θ)j . Poiché le sequenze che

Tav.1.2 - Tavola per la divisione della posta.

Se per vincere a Leo e ad Ugo manca lo stesso numero di partite, la posta S va

Figure 2: Metodo dell’ago di Buﬀon.

( Se )la prova è casuale, allora le v.a. Z e Y sono indipendenti ed uniformi in

inﬁlare le 3 noci e 3! = 6 sono le permutazioni di 3 oggetti).

Stato di natura (−) (+)

Per rispondere al quesito si ricorre al teorema di Bayes

Figure 3: - Problema dell’incontro. Casi favorevoli e casi possibili.

0.15 Θ = 12 0.15 Θ = 14

Figure 5: - Approssimazione della binomiale mediante la legge normale.

df yp1 yp2 ypa1 ypa2

3.1 Il TLC e la formula di Stirling (*)

Il est aisé à voir. . . (Pierre Simon Laplace)

◃ Esercizio 7. Ivo, Pio e Ugo hanno in tasca rispettivamente 18, 10 e 8 monete, 7,

= Exp(u|λ)du = 1 − exp{−λ · tα0 } ∼ = 0.1576. Caso (a), qa = P(X > 3) =

la costante k; (ii ) la speranza matematica

Fn (w) = P(Wn < w) =

= P(max(X1 , X2 , . . . , Xn ) < w) = P(X1 < w, X2 < w, . . . , Xn < w) =

WeibullHxÈΑ,Θ-Α L WeibullHxÈΑ,Θ-Α L Α = 4.72

Figure 6: - F.d.p. della legge di Weibull; (a) α = 6, θ = 5, (b) α = 4.72, θ = 7.96.

Se dunque λ rappresenta il numero medio di uova deposte da una quaglia, θ·λ è

con ν = 2n e y0 = 2 t0 · θ−1 , da cui t0 = 12 y0 · θ.

◃ Esercizio 54. Siano X1 , X2 , X3 v.a.iid centrate, sia X̄ la loro media aritmetica,

◃ Esercizio 61. Data la v.a. Y ∼ e−2|y| , Y ∈ R, si determini la f.r. della v.a.

◃ Esercizio 75. La f.d.p. della v.a. X condizionata a Z = z è X|z ∼ N (x|z, 1).

◃ Esercizio 91. L’urna U1 contiene 3 biglie di color B, R, N (bianca, rossa, nera),

◃ Esercizio 95. Le aﬀermazioni: (a) se P(A) = P(B) = p, allora P(A ∩ B) ≤ p2 ;

◃ Esercizio 97. Sia X ∼ N (x|µ, σ 2 ), con µ = 50 e σ 2 = 16. Se X > µ si pone

N (t|µ, σ 2 )dt = 12 µ − 2πσ2

µ − µ π . Dunque E(Y 2 ) = 2 σ 2 + µ2 − µ π . Inﬁne: E(Y ) = 46.81, E(Y 2 ) =

Erlang(·|n, 1), con E(Un ) = V ar(Un ) = n, ed ancora E − log Pn = n E(Un ) = 1,

◃ Esercizio 101. Siano Xi , i = 1, 2, 3, v.a.iid esponenziali di parametro noto λ.

Tenuto conto che 61 n = 20, si ha P(U +V > 40) ∼

E(X|Y = y) = 12 y, E(Y |X = x) = 12 (x + 1).

E(Area2 ) = π 2 E(R4 ) = 31 π 2 , V ar(R) = 12 1 2

R. Si ha E(X) = E(Y ) = E(Z) = 0, V ar(X) = 31 , V ar(Y ) = 6, V ar(Z) ( = 1; ergo

= 3.367, si ha P(|Un | > 100) ∼

◃ Esercizio 127. Date le v.a.iid gaussiane X e Y , con E(X) = 0 e V ar(X) = σ 2 ,

◃ Esercizio 129. Da una tombola regolare costituita da 90 bussolotti, numerati da

legge X ∼ p(x) ∈ 36 , 36 , 36 , 36 , 36 ; (ii) P(X = 1 ∪ X = 3) = 2 .

◃ Esercizio 143. Siano X, Y , Z v.a.iid uniformi in (0, 1). Si calcoli la probabilità

pazienza si conclude che P(X ≤ Y ·Z) = 41 , donde P(X > Y ·Z) = 43 .

t ∈ R+ , e g(y) = h · |y|, con y ∈ {∓1, ∓2, . . . , ∓10}, sono leggi di probabilità? In

◃ Esercizio 151. Si sa che il 98 % dei neonati sopravvive al parto; percentuale che

E(Yn ) = 21 E(Yn |T ) + E(Yn |C) = 20 1

stesso modo si ha V ar(Y ) = 32 .

e una f.r.? In caso aﬀermativo calcolare la speranza matematica e la varianza.

e con (R, T ) ∈ (−1, 1) × R+ . Dopo facili passaggi si ha R ∼ u(r| − 1, 1). Donde

◃ Esercizio 171. Per quale reale k la funzione, deﬁnita ∀x ∈ R, ψ(x) = k ·

R. La legge della v.a. X è è una f.d.p. triangolare centrata nell’origine

Per n → ∞: (i) la v.a. Xn converge, e in che senso, a qualche v.a. X? e, se

è f (y) = y − 2 1(4,∞) (y). La moda è M o(Y ) = 0. La mediana M e(Y ) è soluzione

dell’equazione F (y) = 12 , cioè 1 − √2y = 12 , donde M e(Y ) = 8. I momenti E(Y ) e

E(Y ) = 4, V ar(X) = 61 , V ar(Y ) = 32 , Cov(X, Y, ) = 0.

◃ Esercizio 186. Sia U = 2 · X + Y , con X e Y v.a.iid e X ∼ Exp(x|ϕ). Calcolare

0.15 Θ = 12 0.15 Θ = 14