Sei sulla pagina 1di 41

Calcolo delle Probabilità e Statistica 2019/2020

Scheda di esercizi 1 - Spazi di probabilità

Esercizio 1. Si osservano i risultati del lancio di una moneta e di un dado. Determinare uno spazio
campionario Ω che descriva tutti gli esiti dell’esperimento.

Esercizio 2. Chiara e Marco acquistano insieme uno dei 50 biglietti di una pesca di beneficenza.
Ci sono 50 premi di cui 7 piacciono a Chiara, 5 a Marco e 1 solo ad entrambi.
1. Determinare uno spazio campionario che descriva i possibili esiti della pesca di beneficenza.
2. Si considerino gli eventi:
• C = “il premio piacerà a Chiara”,
• M = “il premio piacerà a Marco”.
Scrivere in termini di C ed M gli eventi:
(a) il premio piacerà a entrambi,
(b) il premio piacerà ad almeno uno dei due,
(c) a nessuno dei due piacerà il premio,
(d) il premio piacerà a uno solo dei due.

Esercizio 3. Sia Ω uno spazio campionario e siano A, B e C tre eventi. Tradurre in formule i seguenti
eventi associati ad A, B e C:
(1) almeno un evento si verifica,
(2) al più un evento si verifica,
(3) nessun evento si verifica,
(4) tutti gli eventi si verificano,
(5) si verifica esattamente un evento,
(6) due eventi su tre si verificano.
Tradurre in termini probabilistici le seguenti affermazioni:
(7) A e C si escludono a vicenda,
(8) almeno un evento fra B e C si verifica certamente.

Esercizio 4. Una moneta viene lanciata due volte. Alessandro vince se al primo lancio esce testa mentre
Bernardo vince se al secondo lancio esce croce. Indichiamo con A e B questi due eventi.
1. Determinare uno spazio campionario che descriva tutti i possibili esiti dell’esperimento.
2. Esprimere i seguenti eventi in termini di A e B:
(a) Alessandro non vince,
(b) Bernardo non vince,
(c) Alessandro e Bernardo vincono entrambi,
(d) vince Alessandro ma non Bernardo,
(e) vince Bernardo ma non Alessandro,

1
(f) almeno uno dei due vince,
(g) nessuno dei due vince,
(h) vince soltanto uno dei due,
(i) esce testa al primo lancio ed esce croce al primo lancio,
(j) esce testa o croce al secondo lancio.

Esercizio 5. Sia Ω uno spazio campionario e siano A, B, C e D quattro eventi. Tradurre in formule i
seguenti eventi associati ad A, B, C e D.
1. Esattamente tre eventi su quattro si verificano.
2. Si verifica solo C.
3. Si verifica solo C oppure si verifica solo D.
4. Almeno un evento si verifica.

Esercizio 6. Si consideri Ω = {0, 1}5 , lo spazio degli esiti di cinque prove di Bernoulli1 . Si considerino
gli eventi
En = “successo alla prova n”, per ogni n = 1, . . . , 5.
Scrivere in termini di E1 , E2 , E3 , E4 , E5 oppure come sottoinsiemi di Ω i seguenti eventi:
1. solo insuccessi,
2. solo la terza prova dà un successo,
3. nelle prove dispari ci sono solo successi,
4. solo un successo.

Esercizio 7. Una ditta riceve richieste di forniture, che possono essere urgenti oppure no, e richiedere la
consegna in città oppure fuori città. Per una data richiesta è noto che:
(i) la probabilità che sia una consegna fuori città è 0.4,
(ii) la probabilità che sia una consegna urgente è 0.3,
(iii) la probabilità che sia una consegna non urgente in città è 0.4.
Calcolare:
(a) la probabilità che sia una consegna urgente fuori città,
(b) la probabilità che sia una consegna urgente in città.

Esercizio 8. Sia (Ω, P) uno spazio di probabilità e siano A e B due eventi con probabilità P(A) = 0.4 e
P(B) = 0.7, rispettivamente. Date le seguenti affermazioni dire quali sono sicuramente false, quali sono
sicuramente vere, quali possono essere vere o false:
1. P(A ∪ B) = 0.4,
2. P(A ∪ B) = 0.7,
3. P(A ∪ B) ≥ 0.7,
4. P(A ∪ B) = 1.1,
1 Una prova di Bernoulli è un esperimento aleatorio con solo due esiti possibili, che vengono generalmente indicati con

0 e 1 e chiamati rispettivamente “insuccesso” e “successo”.

2
5. P(A ∩ B) = 0.28,
6. P(B ∩ Ac ) ≥ 0.3,
7. P(A ∩ B c ) ≤ 0.3.

Esercizio 9. Si consideri Ω = {1 . . . , 6}4 , lo spazio degli esiti di quattro lanci di un dado. Per ` = 1, . . . , 6
ed n = 1, 2, 3, 4 si considerino gli eventi

En` = “faccia ` al lancio n”.

Determinare i seguenti eventi:


(a) esce sempre 1,
(b) esce sempre 5,
(c) solo il terzo lancio dà un 3,

(d) solo un 4.

3
Risultati

Esercizio 1. Ω = {T, C} × {1, . . . , 6}, quindi



Ω = (T, 1), (T, 2), (T, 3), (T, 4), (T, 5), (T, 6), (C, 1), (C, 2), (C, 3), (C, 4), (C, 5), (C, 6) .

Esercizio 2.
1. Ω = {1, . . . , 50}
2. (a) C ∩ M
(b) C ∪ M
(c) (C ∪ M )c
(d) (C ∪ M )\(C ∩ M )

Esercizio 3.
(1) A ∪ B ∪ C
(2) (A ∩ B c ∩ C c ) ∪ (Ac ∩ B ∩ C c ) ∪ (Ac ∩ B c ∩ C) ∪ (Ac ∩ B c ∩ C c )
(3) (Ac ∩ B c ∩ C c )
(4) (A ∩ B ∩ C)
(5) (A ∩ B c ∩ C c ) ∪ (Ac ∩ B ∩ C c ) ∪ (Ac ∩ B c ∩ C)
(6) (Ac ∩ B ∩ C) ∪ (A ∩ B c ∩ C) ∪ (A ∩ B ∩ C c )
(7) P(A ∩ C) = 0
(8) P(B ∪ C) = 1

Esercizio 4.
1. Ω = {(T, T ), (T, C), (C, T ), (C, C)}
2. (a) Ac
(b) B c
(c) A ∩ B = {(T, C)}
(d) A ∩ B c
(e) Ac ∩ B
(f) A ∪ B
(g) Ac ∩ B c = {(C, T )}
(h) (A ∩ B c ) ∪ (Ac ∩ B) = {(T, T ), (C, C)}
(i) ∅
(j) Ω

Esercizio 5.
1. (A ∩ B ∩ C ∩ Dc ) ∪ (A ∩ B ∩ C c ∩ D) ∪ (A ∩ B c ∩ C ∩ D) ∪ (Ac ∩ B ∩ C ∩ D)
2. Ac ∩ B c ∩ C ∩ Dc

4
3. (Ac ∩ B c ∩ C ∩ Dc ) ∪ (Ac ∩ B c ∩ C c ∩ D)
4. A ∪ B ∪ C ∪ D

Esercizio 6.

(a) ∩5n=1 Enc = {(0, 0, 0, 0, 0)}



(b) E3 ∩ ∩n6=3 Enc = {(0, 0, 1, 0, 0)}
(c) E1 ∩ E3 ∩ E5 = {(1, 0, 1, 0, 1), (1, 1, 1, 0, 1), (1, 0, 1, 1, 1), (1, 1, 1, 1, 1)}

(d) {(1, 0, 0, 0, 0), (0, 1, 0, 0, 0), (0, 0, 1, 0, 0), (0, 0, 0, 1, 0), (0, 0, 0, 0, 1)}

Esercizio 7.
(a) 0.1

(b) 0.2

Esercizio 8.
1. F

2. V/F
3. V
4. F
5. V/F

6. V
7. V

Esercizio 9.

(a) E11 ∩ E21 ∩ E31 ∩ E41 = {(1, 1, 1, 1)},


(b) E15 ∩ E25 ∩ E35 ∩ E45 = {(5, 5, 5, 5)},
(c) (E13 )c ∩ (E23 )c ∩ E33 ∩ (E43 )c ,
  
(d) E14 ∩ (E24 )c ∩ (E34 )c∩ (E44 )c ∪ (E14 )c ∩ E24 ∩ (E34 )c ∩ (E44 )c ∪ (E14 )c ∩ (E24 )c ∩ E34 ∩ (E44 )c ∪ (E14 )c ∩
(E24 )c ∩ (E34 )c ∩ E44 .

5
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 2 - Probabilità condizionale e indipendenza

Esercizio 1. Una roulette semplificata è formata da 12 numeri che sono ”rosso” (R) e ”nero” (N) in
base allo schema seguente:

1 2 3 4 5 6 7 8 9 10 11 12
R R N N R N N R N N R R

(a) Determinare uno spazio di probabilità che descriva l’esperimento aleatorio.


Siano
• A = “esce un numero pari”,
• B = “esce un numero rosso”,
• C = “esce un numero ≤ 3”,
• D = “esce un numero ≤ 6”,
• E = “esce un numero ≤ 8”,
• F = “esce un numero dispari ≤ 3”.
Calcolare le seguenti probabilità condizionali:
(b) P(A|C), P(C|A), P(B|C), P(A|F ), P(D|F ), P(A|B), P(B|A).
Stabilire quindi se:
(c) gli eventi A, B e D sono a 2 a 2 indipendenti;
(d) A, B, D costituiscono una famiglia di eventi indipendenti;
(e) A, B, E costituiscono una famiglia di eventi indipendenti;
(f) A, C, E costituiscono una famiglia di eventi indipendenti;
(g) F è indipendente da A e da D.

Esercizio 2. Si consideri l’esperimento di lanciare due volte un dado.


(a) Determinare uno spazio di probabilità che descriva l’esperimento aleatorio.
(b) Si considerino i seguenti eventi:
• A = “numero dispari sul primo dado”,
• B = “numero dispari sul secondo dado”,
• C = “la somma dei due risultati è dispari”.
Gli eventi A, B e C sono indipendenti?
(c) Si considerino ora gli eventi:
• E = “il risultato del secondo lancio è 1, 2 o 5”,
• F = “il risultato del secondo lancio è 4, 5 o 6”,
• G = “la somma dei due risultati è 9”.
Gli eventi E, F e G sono indipendenti?

1
Esercizio 3. I componenti prodotti da una ditta possono avere due tipi di difetti con percentuali del 3% e
del 7% rispettivamente e in modo indipendente l’uno dall’altro. Qual è la probabilità che un componente
scelto a caso
(a) presenti entrambi i difetti?

(b) sia difettoso?


(c) presenti il primo difetto, sapendo che è difettoso?
(d) presenti uno solo dei difetti, sapendo che è difettoso?

Esercizio 4. Un’urna contiene r palline rosse e b palline bianche. Si eseguono due estrazioni senza
reimmissione.
(a) Determinare uno spazio di probabilità che descriva l’esperimento aleatorio.
Si calcolino le probabilità che:

(b) la prima pallina estratta sia rossa,


(c) la prima pallina estratta sia rossa e la seconda bianca,
(d) le due palline estratte abbiano colore diverso,
(e) la seconda pallina estratta sia rossa.

Esercizio 5. Ci sono quattro dadi: due non truccati, i rimanenti invece sono truccati in quanto hanno
tre facce che indicano il numero 6 e le altre tre il numero 5. Si lancia una moneta (non truccata). Se
viene testa si lanciano i primi due dadi, mentre se viene croce si lanciano i dadi truccati.
(a) Calcolare la probabilità che la somma dei due dadi sia 11.

(b) Sapendo di aver ottenuto un 11 lanciando i due dadi, calcolare la probabilità di aver ottenuto croce
lanciando la moneta.

Esercizio 6 (Urna di Pólya). Supponiamo che un’urna contenga 1 pallina rossa e 1 pallina bianca.
Una pallina è estratta e se ne guarda il colore. Essa viene poi rimessa nell’urna insieme ad una pallina
dello stesso colore (estrazione con rinforzo). Sia Ri l’evento “all’i-esima estrazione viene estratta una
pallina rossa” e sia Bi l’evento “all’i-esima estrazione viene estratta una pallina bianca”. Si calcolino:
(a) P(R2 ),
(b) sapendo che la seconda estratta è rossa, è più probabile che la prima pallina estratta sia stata rossa
o bianca?

Esercizio 7. Si consideri una popolazione in cui una persona su 100 abbia una certa malattia. Un test
è disponibile per diagnosticare tale malattia. Si supponga che il test non sia perfetto, in quanto esso
risulta positivo (ovvero indica la presenza della malattia) nel 5% dei casi quando è effettuato su persone
sane, mentre risulta negativo (indicando l’assenza della malattia) nel 2% dei casi quando è effettuato su
persone malate. Si calcolino le probabilità che
(a) il test risulti positivo quando effettuato su una persona malata,
(b) il test risulti positivo,

(c) una persona sia malata se il test risulta positivo.

2
Risultati

Esercizio 1.
(a) (Ω, P) con Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} e P probabilità uniforme, quindi

no di eventi elementari che compongono A


P(A) = , ∀ A ⊂ Ω.
12

(b) 1/3, 1/6, 2/3, 0, 1, 1/2, 1/2.


(c) sı̀
(d) no
(e) sı̀
(f) no
(g) no e no

Esercizio 2.
(a) (Ω, P) con Ω = {1, 2, 3, 4, 5, 6}2 , quindi

Ω = (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),

(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) ,

e P probabilità uniforme, perciò


no di eventi elementari che compongono A
P(A) = , ∀ A ⊂ Ω.
36

(b) no
(c) no

Esercizio 3. L’esperimento aleatorio consiste nel scegliere a caso un componente e osservare quali difetti
possiede. Introduciamo gli eventi:

A = “il componente possiede il primo tipo di difetto”,


B = “il componente possiede il secondo tipo di difetto”.

Dal testo dell’esercizio sappiamo che

P(A) = 3%,
P(B) = 7%.

Si sa inoltre che gli eventi A e B sono indipendenti.


(a) 0.0021
(b) 0.0979

3
(c) 0.3064
(d) 0.9785

Esercizio 4.

(a) È utile distinguere tra loro le palline dello stesso colore. A tale scopo, etichettiamo le r palline rosse
in questo modo:
rossa1 , rossa2 , rossa3 , · · · rossar .
Facciamo lo stesso per le palline di colore bianco:

bianca1 , bianca2 , bianca3 , ··· biancab .

Come spazio campionario Ω consideriamo l’insieme di tutte le coppie ordinate di palline distinte tra
loro (in quanto l’estrazione è senza reimmissione):

Ω = (x1 , x2 ) : x1 e x2 sono elementi distinti dell’insieme {rossa1 , . . . , rossar , bianca1 , . . . , biancab } .

Si noti che
|Ω| = (b + r)(b + r − 1).
Per come si svolge l’esperimento aleatorio, ogni coppia ha la stessa probabilità di essere estratta di
qualsiasi altra, quindi P è la probabilità uniforme. Questo segue infatti dalla regola della catena:

P({(x1 , x2 )}) = P(“seconda estratta è x2 ” | “prima estratta è x1 ”) P(“prima estratta è x1 ”)


1 1
= ,
b+r−1b+r
per qualunque coppia (x1 , x2 ) ∈ Ω.
(b) r/(b + r)
(c) rb/(b + r)(b + r − 1)

(d) 2rb/(b + r)(b + r − 1)


(e) r/(b + r)

Esercizio 5. In questo esercizio non conviene determinare uno spazio di probabilità (Ω, P) per descrivere
l’esperimento aleatorio. Conviene invece lavorare direttamente con gli eventi. Siano

T = “l’esito del lancio della moneta è testa”,


C = “l’esito del lancio della moneta è croce” = T c ,
A = “la somma fa 11”.

Sappiamo che P(T ) = P(C) = 12 . Sappiamo anche che

2 1
P(A|T ) = =
↑ 36 18
dadi non truccati

e
18 1
P(A|C) = = .
↑ 36 2
dadi truccati

1 1 11
(a) 2 18 + 22 ' 0.2778
1 1
(b) 1 1
2 2
1 1 = 0.9
2 18 + 2 2

4
Esercizio 6.
(a) 0.5
(b) rossa

Esercizio 7.
(a) 0.98
(b) 0.01 · 0.98 + 0.99 · 0.05 = 0.0593
0.98·0.01
(c) 0.0593 ' 0.1653

5
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 3 - Calcolo combinatorio

Esercizio 1. Quante password di otto caratteri, ognuno dei quali scelto tra trentasei valori alfanumerici,
possono essere generate?

Esercizio 2. Trovate una 24h chiusa con combinazione di 6 cifre. Con quale probabilità riuscirete ad
aprirla al primo tentativo? E se la combinazione fosse di 6 lettere scelte fra X, Y, Z e W?

Esercizio 3. Scommetto sui primi 5 classificati di una gara con 40 concorrenti, senza conoscerli. Qual è
la probabilità di vincere? E se scommettessi sui nomi dei primi cinque, senza precisarne l’ordine?

Esercizio 4. Tre amici si danno appuntamento nel bar della piazza centrale della città senza sapere che
ci sono quattro bar. Qual è la probabilità che scelgano lo stesso bar? Tre bar differenti?

Esercizio 5. Si calcoli la probabilità di ottenere 2 palline rosse estraendone 4 da un’urna che contiene
3 palline rosse e 7 bianche. Si confrontino i casi di estrazioni con reimmissione, senza reimmissione e
simultanea.

Esercizio 6. Si estraggono (con reimmissione, senza reimmissione, simultaneamente) 7 palline da un’urna


contenente 4 palline bianche e 8 rosse. Qual è la probabilità di estrarne esattamente 3 bianche?

Esercizio 7. Giocate 6 numeri al Superenalotto. Verranno estratti 6 numeri senza ripetizione dai primi 90
naturali, seguiti dall’estrazione di un 7◦ numero jolly, diverso quindi dai precedenti. Qual è la probabilità
di fare 5+1 (indovinare 5 dei primi 6 numeri estratti e in più il numero jolly)?

Esercizio 8. Supponiamo di giocare a poker con un mazzo da 52 carte, identificate dal seme (cuori ♥,
quadri ♦, fiori ♣, picche ♠) e dal tipo (un numero da 2 a 10 oppure J, Q, K, A). Si calcolino:
(a) la probabilità di avere una scala reale massima, ovvero le 5 carte 10, J, Q, K, A dello stesso seme;

(b) la probabilità di avere una scala reale, ovvero una qualsiasi scala di 5 carte dello stesso seme
(ricordiamo che con l’asso possiamo fare la scala A, 2, 3, 4, 5 ma anche 10, J, Q, K, A);
(c) la probabilità di avere una scala, ovvero una qualsiasi scala di 5 carte non necessariamente dello
stesso seme;
(d) la probabilità di avere colore, ovvero un sottoinsieme di 5 carte dello stesso seme;

(e) la probabilità di avere poker, ovvero un sottoinsieme di 5 carte in cui ci sono 4 carte dello stesso tipo;
(f) la probabilità di avere un tris, ovvero un sottoinsieme di 5 carte in cui ci sono 3 carte dello stesso
tipo e le altre due di tipo diverso tra loro e dalle prime tre;
(g) la probabilità di avere una coppia, ovvero un sottoinsieme di 5 carte in cui ci sono 2 carte dello stesso
tipo e le altre tre di tipo diverso tra loro e dalle prime due.

Esercizio 9. Un mazzo di carte da scopone scientifico è costituito da 40 carte, identificate dal seme
(spade, coppe, bastoni, denari) e dal tipo (asso, 2, 3, 4, 5, 6, 7, fante, cavallo, re). Supponendo di pescare
10 carte dal mazzo, calcolare la probabilità di estrarre:

(a) l’asso di bastoni,


(b) l’asso di spade e l’asso di coppe.

1
Risultati

Esercizio 1. 368 ' 2.82 · 1012

Esercizio 2. 10−6 e 4−6 = 0.00024


1 5!
Esercizio 3. = 1.3 · 10−8 ; 1
= 40 = 1.5 · 10−6
40 · 39 · 38 · 37 · 36 40 · 39 · 38 · 37 · 36 (5)

4 4·3·2
Esercizio 4. 3
= 0.0625 e = 0.375
4 43
Esercizio 5.
4

2 ·3·3·7·7
• con reimmissione: = 0.2646
104
4

2 ·3·2·7·6
• senza reimmissione: = 0.3
10 · 9 · 8 · 7
3
 7
2
• simultanea: 10
2 = 0.3
4

Esercizio 6.
7

· 43 · 84
3
• con reimmissione: = 0.2561
127
7

3 ·4·3·2·8·7·6·5
• senza reimmissione: = 0.3535
12 · 11 · 10 · 9 · 8 · 7 · 6
4 8
 
3
• simultanea: 12
4 = 0.3535
7

6 · 6! · 84
Esercizio 7. = 9.6 · 10−9
90 · 89 · 88 · 87 · 86 · 85 · 84
Esercizio 8.
4
(a) 52
 = 1.5 · 10−6 ;
5

40 −5
(b) 52 = 1.5 · 10 ;

5

10240
(c) 52
 = 0.0039;
5

5148
(d) 52 = 0.00198;

5

624
(e) 52 = 0.00024;

5

54912
(f) 52
 = 0.0211;
5

1098240
(g) 52
 = 0.4226.
5

2
Esercizio 9.
39

9
(a) 40
 = 0.25,
10
38

8
(b) 40
 = 0.0577.
10

3
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 4 - Variabili aleatorie discrete

Esercizio 1. Sia X una v.a. con funzione di ripartizione




 0, x < 0,

1/2, 0 ≤ x < 1,
FX (x) =


 3/4, 1 ≤ x < 4,
1, x ≥ 4.

(a) X è una v.a. discreta?


(b) Determinare supporto e densità discreta di X.
(c) Calcolare P(X < 4), P(X ≤ 3) e P(X = 1).
(d) Qual è il valore atteso di X?

Esercizio 2. Sia X una variabile aleatoria discreta con supporto SX = {0, 3, 7, 21} e densità discreta
data da
X 0 3 7 21
pX α α/3 1/5 2/5
Determinare il valore di α.

Esercizio 3. Sia X una variabile aleatoria discreta, con densità discreta data da

X 1 2 3 4 5 6 7
pX 0.02 0.03 0.09 0.25 0.40 0.16 0.05

(a) Determinare supporto e funzione di ripartizione di X.


(b) Qual è la probabilità che X sia compresa tra 3 e 6, estremi esclusi?
(c) Calcolare valore atteso e deviazione standard di X.

Esercizio 4. Si consideri una v.a.d. X con funzione di ripartizione




0, x < 0,

1/3, 0 ≤ x < 1,
FX (x) =


 5/6, 1 ≤ x < 3,
1, x ≥ 3.

(a) Determinare supporto e densità discreta pX di X.


(b) Calcolare il valore atteso di X.

(c) Si consideri la variabile aleatoria Y = X. Determinare supporto e densità discreta pY di Y .
(d) Calcolare il valore atteso di Y .

Esercizio 5. Si supponga di avere un mazzo di 5 chiavi diverse. Dovendo aprire una serratura (la cui
chiave è nel mazzo), si provano a caso le 5 chiavi, mettendo da parte quelle già provate, fino a che non si
è trovata la chiave giusta. Sia X il numero di chiavi che devo provare per aprire la serratura.
(a) Qual è la legge di X?

1
(b) Qual è il numero atteso di tentativi da fare?
(c) Quanto vale la probabilità di controllare almeno 4 chiavi?
(d) Sapendo che al primo tentativo non ho trovato la chiave giusta, con quale probabilità non la trovo
neanche al secondo?

Esercizio 6. In una certa provincia montuosa si può supporre che il numero X di frane al mese sia una
variabile aleatoria con legge di Poisson, ovvero

λk
P(X = k) = e−λ , per ogni k = 0, 1, 2, . . .
k!
di parametro λ = 2.3.

(a) Calcolare la probabilità che ci siano almeno due frane in un dato mese.
(b) Quanto deve valere il parametro λ affinché la probabilità che in un mese non ci siano frane sia
superiore a 1/2?
(c) Sapendo che c’è stata almeno una frana, qual è la probabilità che ci siano state esattamente due
frane?

Esercizio 7. Data una variabile aleatoria X di Poisson, ovvero

λk
P(X = k) = e−λ , per ogni k = 0, 1, 2, . . .
k!
di parametro λ = 3, si considerino

Y = min(3, X), W = eX/3 .

Si mostri che Y e W sono variabili aleatorie discrete. Si trovino supporto e densità di entrambe.

Esercizio 8. Data una variabile aleatoria X con distribuzione geometrica modificata, ovvero

P(X = k) = p (1 − p)k−1 , per ogni k = 1, 2, . . . ,

di parametro p = 1/3, si considerino

Y = min(3, X), W = eX/3 .

Si mostri che Y e W sono variabili aleatorie discrete. Si trovino supporto e densità di entrambe.

Esercizio 9. Nel gioco del lotto ad ogni estrazione settimanale 5 numeri vengono estratti simultaneamente
da un’urna che contiene 90 palline numerate da 1 a 90. Fissato un numero, ad esempio il 67, sia p la
probabilità che esca in una singola estrazione.

(a) Quanto vale p?


Si considerino ora più estrazioni settimanali e siano Ei gli eventi dati da

Ei = “esce il 67 all’i-esima estrazione”, per ogni i = 1, 2, . . .

Siano inoltre Xi le variabili aleatorie indicatrici date da

Xi = 1Ei , per ogni i = 1, 2, . . .

(b) Qual è la legge di Xi ?

2
Sia
Y = “numero di volte in cui esce il 67 nelle prime 50 estrazioni”.
Sapendo che Y ha legge binomiale di parametri n = 50 e p (Y ∼ B(50, p)), ovvero
 
50 k
P(Y = k) = p (1 − p)50−k , per ogni k = 0, 1, 2, . . . , 50,
k

(c) determinare la probabilità che esca 6 volte nelle prime 50 estrazioni?


Sia infine
Z = “prima estrazione in cui esce il 67”.
Sapendo che Z ha legge geometrica modificata di parametro p, ovvero

P(Z = k) = p (1 − p)k−1 , per ogni k = 1, 2, . . . ,

(d) determinare la probabilità che il 67 non esca nelle prime 2 estrazioni?

Esercizio 10. Un’urna contiene una pallina magenta ed una carminio. Una pallina viene estratta a
caso. Se è carminio il gioco termina. Se è magenta la pallina viene rimessa nell’urna insieme ad un’altra
magenta. Supponiamo che questa procedura venga ripetuta fino ad aver fatto 4 estrazioni o alla prima
estrazione di una pallina carminio, se si presenta prima della quarta estrazione. Sia

X = “numero di estrazioni effettuate”.

(a) Determinare supporto e densità discreta di X.


(b) Qual è il valore atteso di X?

3
Risultati

Esercizio 1.
(a) Sı̀, infatti FX è una funzione costante a tratti.
(b) SX = {0, 1, 4}.
X 0 1 4
pX 1/2 1/4 1/4

(c)
3
P(X < 4) = pX (0) + pX (1) = ,
4
3
P(X ≤ 3) = FX (3) = ,
4
1
P(X = 1) = pX (1) = .
4

(d) E[X] = 5/4 = 1.25.

Esercizio 2. Si deve avere:


• 0 ≤ pX (xi ) ≤ 1, per ogni xi ∈ SX = {0, 3, 7, 21},
P
• i pX (xi ) = 1.

Quindi
α α 1 2
0 ≤ α ≤ 1, 0 ≤ ≤ 1, α+ + + = 1,
3 3 5 5
da cui otteniamo α = 3/10.

Esercizio 3.
(a) SX = {1, 2, 3, 4, 5, 6, 7}. 

 0, x < 1,

0.02, 1 ≤ x < 2,





0.05, 2 ≤ x < 3,





0.14, 3 ≤ x < 4,
FX (x) =


 0.39, 4 ≤ x < 5,
0.79, 5 ≤ x < 6,




0.95, 6 ≤ x < 7,





1, x ≥ 7.

(b) P(3 < X < 6) = pX (4) + pX (5) = 0.65.


p p
(c) E[X] = 4.66 e σX = Var(X) = E[X 2 ] − E[X]2 = 1.20, dato che E[X 2 ] = 23.16.

Esercizio 4.
(a) SX = {0, 1, 3}.
X 0 1 3
pX 1/3 1/2 1/6

(b) E[X] = 1.

4

(c) SY = {0, 1, 3}. √
Y 0 1 3
pY 1/3 1/2 1/6

(d) E[Y ] = E[ X] = 0.7887.

Esercizio 5.

(a) X ∼ Unif ({1, 2, 3, 4, 5}) (distribuzione uniforme su {1, 2, 3, 4, 5}), ovvero

X 1 2 3 4 5
1 1 1 1 1
pX 5 5 5 5 5

(b) E[X] = 3.

(c) P(X ≥ 4) = pX (4) + pX (5) = 0.4.


(d)
P({X > 2} ∩ {X > 1}) P(X > 2) 3/5
P(X > 2|X > 1) = = = = 0.75.
P(X > 1) P(X > 1) 4/5

Esercizio 6.
(a) P(X ≥ 2) = 1 − P(X < 2) = 1 − pX (0) − pX (1) ' 0.6691.
(b) P(X = 0) > 1/2 ⇐⇒ λ < log 2 ' 0.6931.

(c)
P({X = 2} ∩ {X ≥ 1}) P(X = 2) pX (2)
P(X = 2|X ≥ 1) = = = ' 0.2947.
P(X ≥ 1) 1 − P(X = 0) 1 − pX (0)

Esercizio 7. Y e W sono v.a.d. dato che il loro supporto è rispettivamente finito (per quanto riguarda
Y ) e numerabile (per quanto riguarda Z). Più precisamente, SY = {0, 1, 2, 3} e

Y 0 1 2 3
pY e−3 3 e−3 9
2 e−3 1 − e−3 − 3 e−3 − 9
2 e−3

SW = {1, e1/3 , e2/3 , e3/3 , e4/3 , . . .} e

3k
pW ek/3 = e−3

, per ogni k = 0, 1, 2, . . .
k!

Esercizio 8. Y e W sono v.a.d. dato che il loro supporto è rispettivamente finito (per quanto riguarda
Y ) e numerabile (per quanto riguarda Z). Più precisamente, SY = {1, 2, 3} e

Y 1 2 3
1 2 4
pY 3 9 9

SW = {e1/3 , e2/3 , e3/3 , e4/3 , . . .} e

pW ek/3 = p (1 − p)k−1 ,

per ogni k = 1, 2, . . .

5
Esercizio 9.
(89
4) 1
(a) p = = 18 .
(90
5)

(b) Xi ∼ B(1/18) (distribuzione di Bernoulli di parametro p = 1/18).


 1 6 17 44
(c) P(Y = 6) = 50
6 18 18 ' 0.0378.
(d) P(Z > 2) = 1 − pZ (1) − pZ (2) = (1 − p)2 ' 0.8920.

Esercizio 10.

(a) SX = {1, 2, 3, 4},


X 1 2 3 4
1 1 1 1
pX 2 6 12 4

25
(b) E[X] = 12 ' 2.0833.

6
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 5 - Variabili aleatorie continue

Esercizio 1. Il raggio R di un certo tipo di particella inquinante, espresso in micron, è una variabile
aleatoria continua con densità
( 2
c x e−x , per x > 0,
fR (x) =
0, per x ≤ 0.

(a) Trovare il valore della costante c.


(b) Determinare la funzione di ripartizione di R.
2 √
(c) Calcolare la media di R. Si usi che 0+∞ e−x dx =
 R π

2

(d) Calcolare la probabilità che una particella abbia un raggio superiore a 2 micron.
Sia ora X la variabile aleatoria che vale 1 se R < 2 e 0 altrimenti.
(e) Mostrare che X è una variabile aleatoria discreta. Determinarne supporto e densità discreta.

Esercizio 2. Sia X una v.a.c. con densità



0,
 |x| ≥ 1,
fX (x) = 1/4, −1 < x < 0,

a (1 − x3 ), 0 ≤ x < 1,

(a) Si trovi il valore del parametro a.


(b) Calcolare le seguenti quantità:

P(X ≤ 1/2), P(−1/4 ≤ X ≤ 1/4), P(X = 0), P(X ≤ 3), E[X], Var(X).

(c) Determinare la funzione di ripartizione di X.

Esercizio 3. Sia X una variabile aleatoria continua con funzione di ripartizione


(
0, x < 0,
FX (x) = −x 2
(1 − e ) , x ≥ 0.

Determinare:
(a) la densità di X,
(b) P(X > 1),
(c) P(1 < X < 2).

Esercizio 4. Sia X una variabile aleatoria continua con funzione di ripartizione


(
0, x < 1,
FX (x) = 1−x
1−e , x ≥ 1.

(a) Determinare la densità di X.


(b) Calcolare media e varianza di X.

1
(c) Qual è la densità continua della variabile aleatoria Y = eX ?

Esercizio 5. Sia X una variabile aleatoria continua con densità


(
2x −x2 /λ
fX (x) = λ e , per x > 0,
0, per x ≤ 0.

Determinare i possibili valori di λ.

Esercizio 6. Si consideri una v.a.c. X con densità


(
λ e−(x−λ) , x > λ,
fX (x) =
0, x ≤ λ.

(a) Determinare λ.
(b) Calcolare la funzione di ripartizione di X.
(c) Si calcoli P(X > 3) e P(X 3 > 27).

(d) Si calcoli la media di 3X 2 − 1.

Esercizio 7. Sia X una v.a.c. con densità


(
3 2
2x , −k < x < k,
fX (x) =
0, altrimenti.

(a) Si trovi il valore del parametro k.


(b) Determinare la funzione di ripartizione di X.

(c) Calcolare media e varianza di X.

Esercizio 8. Sia X la variabile aleatoria che misura il tempo di vita di una lampadina ad incandescenza
(in ore). Supponiamo che X abbia legge esponenziale di parametro λ = 0.001 (X ∼ Exp (0.001)), ovvero
X è una v.a.c. con densità (
0, x < 0,
fX (x) = −0.001 x
0.001 e , x ≥ 0.

(a) Calcolare la probabilità che una lampadina acquistata a inizio marzo non debba essere cambiata per
tutto il mese.
(b) Si sa che le lampadine alogene, invece, hanno un tempo di vita Y = 5X. Determinare la densità
continua di Y .
(c) Il tempo di vita di un nuovo tipo di lampadina è Z = eX/2500 . Qual è la densità continua di Z?

Esercizio 9. Un’industria produce su commissione delle sbarre d’acciaio cilindriche, il cui diametro
dovrebbe essere di 4 cm, ma che tuttavia sono accettabili se hanno diametro compreso fra 3.95 cm e 4.05
cm. Supponiamo che X sia variabile aleatoria normale X (X ∼ N (µ, σ 2 )), ovvero che X sia una v.a.c.
con densità
1 1 (x−µ)
2

fX (x) = √ e− 2 σ2 , per ogni x ∈ R.


σ 2π
(a) Sapendo che X ha media 4 e varianza 0.09, determinare la probabilità che il diametro sia accettabile.
[Si esprima il risultato nella forma Φ(x) − Φ(−x), per qualche x > 0]

2
(b) Sapendo che X ha media 4 e varianza 0.09, determinare la probabilità che il diametro sia inferiore a
4.
(c) Supponiamo ora di non conoscere µ e σ, ma di sapere, da un controllo accurato, che il 5% delle sbarre
ha diametro inferiore al minimo tollerato, mentre il 12% superiore al massimo tollerato. Determinare
media e deviazione standard di X. [Si usi che Φ−1 (0.05) ' −1.645 e Φ−1 (0.88) ' 1.175, dove Φ−1 denota
la funzione inversa di Φ]

Esercizio 10. Un apparecchio dosatore riempie delle provette da 10 cl. Assumiamo che la quantità di
liquido versata in una provetta (misurata in cl), indicata con X, abbia una distribuzione N (9.99, (0.012)2 ),
ovvero X è una v.a.c. con densità
(x−9.99)2
1 −1
fX (x) = √ e 2 (0.012)2 , per ogni x ∈ R.
0.012 2π
(a) Trovare la percentuale di provette fatte traboccare dal dosatore. [Si esprima il risultato nella forma
1 − Φ(x), per qualche x > 0]

(b) Determinare ` in modo tale che la percentuale di provette che contengono una quantità di liquido
inferiore a ` sia pari al 10% delle provette. [Si usi che Φ−1 (0.1) ' −1.282, dove Φ−1 denota la funzione
inversa di Φ]

3
Risultati

Esercizio 1.
(a) 2
(
0, x < 0,
(b) FR (x) = −x2
1−e , x ≥ 0.

π
(c) E[R] = 2 ' 0.8862.
(d) P(R > 2) = 1 − FR (2) ' 0.0183.
(e) X è una v.a.d. con SX = {0, 1} e
X 0 1
pX 1−p p
dove p = P(R < 2) = P(R ≤ 2) = 1 − P(R > 2) ' 1 − 0.0183 = 0.9817. Quindi X ha distribuzione di
Bernoulli di parametro p ' 0.9817, cioè X ∼ B(0.9817).

Esercizio 2.
(a) Notiamo che fX (x) ≥ 0 per ogni x se e solo se a ≥ 0. Inoltre
Z +∞ Z 0 Z 1
1
1 = fX (x) dx = dx + a (1 − x3 ) dx,
−∞ −1 4 0

da cui si ottiene a = 1.
(b)
Z 1/2 Z 0 Z 1/2
1 1 1 1 47
P(X ≤ 1
2) = fX (x) dx = dx + (1 − x3 ) dx = + − = ,
−∞ −1 4 0 4 2 64 64
319
P(− 14 ≤X≤ 1
4)
= ,
1024
P(X = 0) = 0,
P(X ≤ 3) = 1.

Inoltre
Z +∞ Z 0 Z 1
x 7
E[X] = xfX (x) dx = dx + x(1 − x3 ) dx = ,
−∞ −1 4 0 40
+∞ 0 1
x2
Z Z Z
3
E[X 2 ] = x2 f (x) dx = dx + x2 (1 − x3 ) dx = ,
−∞ −1 4 0 12
quindi
 2
3 7
Var(X) = E[X 2 ] − E[X]2 = − ' 0.2194.
12 40

(c)


 0, t < −1,
Z t 
t/4 + 1/4, −1 ≤ t < 0,
FX (t) = fX (x) dx =
−∞ 

 1/4 + t − t4 /4, 0 ≤ t < 1,
1, t ≥ 1.

Esercizio 3.

4
(
0, x ≤ 0,
(a) fX (x) = −x −2x
2(e − e ), x > 0.

(b) 0.6
(c) 0.348

Esercizio 4.
(
0, x < 1,
(a) fX (x) =
e1−x , x ≥ 1.

(b)
Z +∞ Z +∞ +∞
Z +∞
x e1−x dx = − xe1−x 1 + e1−x dx

E[X] = x fX (x) dx =
−∞ 1 1
+∞
= 1 − e1−x 1

= 2,

Z +∞ Z +∞
E[X 2 ] = x2 fX (x) dx = x2 e1−x dx
−∞ 1
+∞
Z +∞
= − x2 e1−x 1 + 2x e1−x dx = 1 + 2 E[X] = 5,

1

Var(X) = E[X 2 ] − E[X]2 = 5 − 4 = 1.

(c) (
0, y ≤ e,
fY (y) = e
y2 , y > e.

Esercizio 5. λ > 0

Esercizio 6.

(a) λ = 1
(
0, x < 1,
(b) FX (x) =
1 − e−(x−1) , x ≥ 1.

(c) e−2
(d) 14

Esercizio 7
(a)
Z +∞ Z +k  +k
3 2 1 3
fX (x) dx = x dx = x = k3 ,
−∞ −k 2 2 −k

da cui si ottiene k = 1.

5
(b) 

 0, t < −1,


 3
t +1
FX (t) = , −1 ≤ t < 1,


 2

1, t ≥ 1.

(c) E[X] = 0 and Var(X) = E[X 2 ] = 3/5.

Esercizio 8.
R +∞
(a) P(X > 744) = 744 0.001 e−0.001 x dx = e−0.744 ' 0.4752.
(
0, y < 0,
(b) fY (y) = −0.0002 y
0.0002 e , y ≥ 0.
(
0, z < 1,
(c) fZ (z) =
2.5 z −3.5 , z ≥ 1.

Esercizio 9.
(a) Il risultato è Φ(0.167) − Φ(−0.167) ' 0.1326. Infatti, si noti che “il diametro è accettabile” =
{3.95 ≤ X ≤ 4.05}. Si noti inoltre che la v.a.

X −4
Z =
0.3
ha legge normale standard. Quindi
 
3.95 − 4 X −4 4.05 − 4
P(3.95 ≤ X ≤ 4.05) = P ≤ ≤
↑ 0.3 0.3 0.3
standardizzazione
= P(−0.167 ≤ Z ≤ 0.167) = Φ(0.167) − Φ(−0.167) ' 0.1326.

(b) 1/2
(c) Sappiamo che
P(X < 3.95) = 0.05, P(X > 4.05) = 0.12.
Sappiamo inoltre che
X −µ
Z =
σ
ha legge normale standard. Quindi standardizzando possiamo riscrivere le due uguaglianze riportate
sopra in termini di Z:
   
3.95 − µ 4.05 − µ
P Z< = 0.05, P Z> = 0.12.
σ σ

Esprimiamo ora queste due uguaglianze in termini di Φ, la funzione di ripartizione di Z. Poiché


       
3.95 − µ 3.95 − µ 4.05 − µ 4.05 − µ
Φ = P Z< , Φ = 1−P Z > ,
σ σ σ σ

abbiamo che    
3.95 − µ 4.05 − µ
Φ = 0.05, Φ = 0.88.
σ σ

6
Quindi
3.95 − µ 4.05 − µ
= Φ−1 (0.05) ' −1.645, = Φ−1 (0.88) ' 1.175.
σ σ
Per cui, risolvendo il sistema lineare nelle incognite µ e σ:
(
3.95 − µ = −1.645 σ
4.05 − µ = 1.175 σ

si ottiene µ = 4.0083 e σ = 0.0355.

Esercizio 10.

(a) 1 − Φ(0.833) ' 20.24%.


(b) ` ' 9.9746.

7
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 6 - Vettori aleatori discreti

Esercizio 1. Siano X e Y due variabili aleatorie discrete con densità discreta congiunta parzialmente
data da: aa Y
X a a 0 1 2 pX
2 0.1
4 0.1 0.6
pY 0.3 0.4 1
(a) Completare la tabella.
(b) X ed Y sono indipendenti?
(c) Calcolare P(XY ≤ 3).

Esercizio 2. Sia X una variabile aleatoria discreta con legge uniforme sull’insieme {−1, 1}, quindi
X ∼ U nif ({−1, 1}).
(a) Determinare la densità discreta di X.
Sia ora Y un’altra variabile aleatoria discreta, indipendente da X, ma con la stessa legge di X. Sia inoltre
Z = XY .
(b) Trovare la densità discreta congiunta di X e Z e le densità marginali.

(c) X e Z sono indipendenti?

Esercizio 3. Un dispositivo elettronico genera una coppia di numeri casuali X1 e X2 con densità discreta
congiunta
aaX2
X1 a a −1 0 1
−1 p 2 2p(1−p) (1−p)2
2 5 2
2p(1−p) 2p(1−p) 2p(1−p)
0 5 5 5

1 (1−p)2 2p(1−p) p2
2 5 2

dove il parametro p può essere regolato a piacere.


(a) Determinare i valori ammissibili per il parametro p.
Un secondo dispositivo elettronico elabora i numeri casuali X1 e X2 per ottenerne il prodotto M .
(b) Calcolare valore atteso e varianza di M .
(c) Determinare la densità discreta di M .

Esercizio 4. Un perito elettrotecnico deve costruire un sistema costituito da tre componenti in serie.
Egli pesca i tre componenti da una scatola in cui vi sono tre componenti nuovi, due usati ma funzionanti
e due difettosi. Siano

X = “numero di componenti nuovi pescati dalla scatola”,


Y = “numero di componenti usati ma funzionanti pescati dalla scatola”.

(a) Determinare la densità discreta congiunta di X ed Y e le densità marginali.


(b) Le variabili X ed Y sono indipendenti?

1
(c) Calcolare E[X], E[Y ], Var(X), Var(Y ), E[XY ], Cov(X, Y ).
(d) Calcolare la densità discreta, il valore atteso e la varianza del numero di componenti pescati
funzionanti.
(e) Calcolare la probabilità che l’apparecchio funzioni.

Esercizio 5. Sia D il risultato del lancio di un dado a tre facce. Sulla base del risultato si lancino D
monete. Sia T il numero di teste cosı̀ ottenuto.
(a) Trovare la densità discreta congiunta di D e T e le densità marginali.

(b) Qual è il valore atteso di T ?

Esercizio 6∗ . Siano X e Y variabili aleatorie discrete con Var(X) > 0 e Var(Y ) > 0. Indichiamo E[X] e
2
E[Y ] rispettivamente con µX e µY . Analogamente, indichiamo Var(X) e Var(Y ) rispettivamente con σX
2
e σY . Sia infine ρX,Y il coefficiente di correlazione, dato da

Cov(X, Y )
ρX,Y = .
σX σY
Si mostri che
ρX,Y = ±1 ⇐⇒ Y = aX + b, per qualche a 6= 0 e b ∈ R.

2
Risultati

Esercizio 1.
(a)
aa Y
X a a 0 1 2 pX
2 0.2 0.1 0.1 0.4
4 0.1 0.3 0.2 0.6
pY 0.3 0.4 0.3 1
(b) X ed Y non sono indipendenti, infatti, ad esempio, p(X,Y ) (2, 0) 6= pX (2)pY (0).
(c)
X
P(XY ≤ 3) = p(X,Y ) (xi , yj )
(xi ,yj ) : xi yj ≤3

= p(X,Y ) (2, 0) + p(X,Y ) (2, 1) + p(X,Y ) (4, 0) = 0.4.

Esercizio 2.
(a)
X −1 1
pX 1/2 1/2
(b)
aa Z
X a a −1 1 pX
−1 1/4 1/4 1/2
1 1/4 1/4 1/2
pZ 1/2 1/2 1
(c) Sı̀

Esercizio 3.
(a) Il risultato è 0 ≤ p ≤ 1. Infatti, affinché p(X1 ,X2 ) sia effettivamente una densità discreta, devono
valere le seguenti condizioni:
• 0 ≤ p(X1 ,X2 ) (i, j) ≤ 1, per ogni i, j = −1, 0, 1;
P
• i,j p(X1 ,X2 ) (i, j) = 1.

In altri termini, deve valere che


 2


 0 ≤ p2 ≤ 1
0 ≤ 2p(1−p) ≤ 1

5
(1−p)2


 0 ≤ 2 ≤ 1
p2 + 2p(1 − p) + (1 − p)2 = 1

L’uguaglianza vale sempre, qualunque sia il valore del parametro p. Le disuguaglianze sono tutte
simultaneamente verificate se e solo se 0 ≤ p ≤ 1.
(b) Dato che M è una funzione di X1 e X2 , infatti M = X1 X2 , possiamo calcolare valore atteso e varianza
tramite le seguenti formule:
X
E[M ] = i j p(X1 ,X2 ) (i, j),
i,j=−1,0,1
X
Var(M ) = i2 j 2 p(X1 ,X2 ) (i, j) − (E[M ])2 .
i,j=−1,0,1

Otteniamo E[M ] = 2p − 1 e Var(M ) = 2p(1 − p).

3
(c)
M −1 0 1
pM (1 − p)2 2p(1 − p) p2

Esercizio 4.
(a)
aa Y
X a a 0 1 2 pX
0 0 2/35 2/35 4/35
1 3/35 12/35 3/35 18/35
2 6/35 6/35 0 12/35
3 1/35 0 0 1/35
pY 10/35 20/35 5/35 1

(b) No, infatti, ad esempio, p(X,Y ) (0, 0) 6= pX (0)pY (0).


(c) E[X] = 45/35, E[Y ] = 30/35, Var(X) = 24/49, Var(Y ) = 20/49, E[XY ] = 30/35, Cov(X, Y ) =
−12/49.
(d) Sia
Z = “numero di componenti funzionanti pescati dalla scatola”.
Allora Z = X + Y . Inoltre Z è una v.a. discreta, infatti il suo supporto è un insieme finito ed è dato
da SZ = {1, 2, 3}.
Z 1 2 3
pZ 1/7 4/7 2/7
Infine
75
E[Z] = E[X + Y ] = E[X] + E[Y ] = ,
35
20
Var(Z) = Var(X + Y ) = Var(X) + Var(Y ) + 2 Cov(X, Y ) = .
49

(e) P(Z = 3) = pZ (3) = 2/7.

Esercizio 5.
(a) Si noti che per determinare p(D,T ) (n, k) = P({D = n} ∩ {T = k}), conviene utilizzare la regola della
catena:
P({D = n} ∩ {T = k}) = P(T = k|D = n) P(D = n).
Si noti inoltre che pD (n) = P(D = n) = 1/3, per ogni n = 1, 2, 3; mentre P(T = k|D = n) è la
probabilità di ottenere k teste sapendo di aver lanciato n monete, ovvero di ottenere k successi in n
prove di Bernoulli tutte con probabilità di successo p = 1/2, quindi
 
n 1
P(T = k|D = n) = .
k 2n
aa T
D aa 0 1 2 3 pD
11 1 1 1 1 1
1 23 = 6 2 3 = 6 0 0 3
11 1 1 1 1 11 1 1
2 4 3 = 12 2 3 = 6 43 = 12 0 3
11 1 3 1 1 31 1 11 1 1
3 8 3 = 24 8 3 = 8 83 = 8 83 = 24 3
7 11 5 1
pT 24 24 24 24 1

(b) E[T ] = 1.

4
Esercizio 6∗ . Dimostriamo che
ρX,Y σY µY σX − ρX,Y σY µX
ρX,Y = ±1 ⇐⇒ Y = X+ ,
σX σX
ρ σ µ σ −ρX,Y σY µX
da cui segue il risultato richiesto con a = X,Y
σX
Y
e b = Y X σX . A tale scopo, è sufficiente
mostrare che la variabile aleatoria
1 ρX,Y
Z = Y − X
σY σX
è costante. Ricordiamo ora che una variabile aleatoria è costante se e solo se ha varianza nulla. Calcoliamo
dunque la varianza della variabile aleatoria Z. Si ottiene
       
1 ρX,Y 1 ρX,Y 1 ρX,Y
Var Y − X = Var Y + Var − X + 2 Cov Y, − X
σY σX σY σX σY σX
2
1 ρX,Y ρX,Y
= 2 Var(Y ) + 2 Var(X) − 2 Cov(Y, X) = 1 − ρ2X,Y = 0.
σY σX σX σY

5
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 7 - Teorema centrale del limite

Esercizio 1. Nel gioco della roulette ci sono 37 numeri, da 0 a 36, colorati alternativamente di rosso o
nero, tranne il numero 0 che è colorato di verde. Si supponga di puntare 50 volte sull’uscita di un numero
rosso. Qual è la probabilità di vincere almeno 5 volte? Si calcoli tale probabilità in modo approssimato,
facendo uso del Teorema centrale del limite. [Si esprima il risultato nella forma 1 − Φ(−x), per qualche x > 0]

Esercizio 2. Una lampadina a LED ha un tempo di vita (espresso in anni) descritto da una variabile
aleatoria continua X con distribuzione esponenziale di parametro λ = 0.2, quindi
(
0, x < 0,
fX (x) =
0.2 e−0.2 x , x ≥ 0.

Non appena una lampadina smette di funzionare, essa viene sostituita con un’altra identica lampadina
a LED. Qual è la probabilità che 64 lampadine a LED siano sufficienti per 16 anni? Si calcoli tale
probabilità in modo approssimato, facendo uso del Teorema centrale del limite. [Si esprima il risultato
nella forma 1 − Φ(−x), per qualche x > 0]

1
Risultati

Esercizio 1. Il risultato è 1−Φ(−5.4677) ' 1. Infatti, indichiamo con Xn la v.a. che vale 1 se all’n-esimo
lancio esce un numero, zero altrimenti. Allora Xn ∼ B(p) di parametro p = 18/37, quindi
18 18 · 19
µ = E[Xn ] = p = , σ 2 = Var(Xn ) = p (1 − p) = .
37 372
Inoltre (Xn )n è una successione di variabili aleatorie i.i.d., tutte aventi legge B(18/37). L’esercizio chiede
di calcolare (in modo approssimato) la seguente probabilità:

P(X1 + · · · + X50 ≥ 5).

Siano
X1 + · · · + Xn
X̄n = ,
n
X̄n − µ
Z̄n = √ .
σ/ n

Dal Teorema centrale del limite sappiamo che Z̄n ha approssimativamente distribuzione normale standard
(cioè X̄n ha approssimativamente distribuzione normale di media µ = 18/37 e varianza σ 2 /n = 18 ·
19/(372 n)). Quindi
 
 0.1 − µ
P(X1 + · · · + X50 ≥ 5) = P X̄50 ≥ 0.1 = P Z̄50 ≥ √
↑ σ/ 50
standardizzazione
 
0.1 − 18/37 
= P Z̄50 ≥ √ √ ' P Z̄50 ≥ −5.4677 = 1 − Φ(−5.4677) ' 1.
18 · 19/(37 50)

Esercizio 2. Il risultato è 1 − Φ(−7.6) ' 1. Infatti, indichiamo con Xn la v.a. che indica il tempo di
vita dell’n-esima lampadina. Allora Xn ∼ Exp (λ) di parametro λ = 0.2, quindi
1 1
µ = E[Xn ] = = 5, σ 2 = Var(Xn ) = = 25.
λ λ2
Inoltre (Xn )n è una successione di variabili aleatorie i.i.d., tutte aventi legge Exp (0.2). L’esercizio chiede
di calcolare (in modo approssimato) la seguente probabilità:

P(X1 + · · · + X64 ≥ 16).

Siano
X1 + · · · + Xn
X̄n = ,
n
X̄n − µ
Z̄n = √ .
σ/ n

Dal Teorema centrale del limite sappiamo che Z̄n ha approssimativamente distribuzione normale standard
(cioè X̄n ha approssimativamente distribuzione normale di media µ = 5 e varianza σ 2 /n = 25/n). Quindi
 
 0.25 − µ
P(X1 + · · · + X64 ≥ 16) = P X̄64 ≥ 0.25 = P Z̄64 ≥ √
↑ σ/ 64
standardizzazione
 
0.25 − 5
= P Z̄64 ≥ = P(Z̄64 ≥ −7.6) = 1 − P(Z̄64 ≤ −7.6) = 1 − Φ(−7.6) ' 1.
5/8

2
Calcolo delle Probabilità e Statistica 2019/2020
Scheda di esercizi 8 - Catene di Markov

Esercizio 1. Si consideri una catena di Markov (Xn )n con spazio degli stati S = {1, 2, 3, 4, 5, 6} e matrice
di transizione  
1/2 1/2 0 0 0 0
 0 0 1 0 0 0 
 
 1/3 0 0 1/3 1/3 0 
Π =   .
 0 0 0 1/2 1/2 0  
 0 0 0 0 0 1 
0 0 0 0 1 0

(a) Rappresentare graficamente la catena di Markov tramite un grafo orientato.

(b) Determinare le classi comunicanti.


(4)
(c) Calcolare π12 .
(d) Calcolare P(X3 = 2) sapendo che la densità discreta di X1 è data da

X1 1 2 3 4 5 6
pX1 1/2 1/4 0 0 0 1/4

Esercizio 2. Si consideri una catena di Markov (Xn )n con spazio degli stati S = {1, 2, 3, 4, 5} e matrice
di transizione  
1/2 0 0 0 1/2
 0 1/2 0 1/2 0 
 
Π =   0 0 1 0 0 .
 0 1/4 1/4 1/4 1/4 
1/2 0 0 0 1/2

(a) Rappresentare graficamente la catena di Markov tramite un grafo orientato.


(b) Determinare le classi comunicanti.
(3)
(c) Calcolare π45 .
(d) Calcolare P(X2 = 4) sapendo che la densità discreta di X1 è data da

X1 1 2 3 4 5
pX1 1/3 0 1/3 1/3 0

Esercizio 3. Si consideri una catena di Markov (Xn )n con spazio degli stati S = {1, 2, 3, 4, 5} e matrice
di transizione  
1/3 0 1/12 1/4 1/3
 0 1/4 0 0 3/4 
 
Π =  1/3 1/12 1/2
 0 1/12  .
 0 1/3 0 1/4 5/12 
0 1 0 0 0

(a) Rappresentare graficamente la catena di Markov tramite un grafo orientato.


(b) Determinare le classi comunicanti.
(3)
(c) Calcolare π32 .

1
(d) Calcolare P(X3 = 5) sapendo che la densità discreta di X1 è data da

X1 1 2 3 4 5
pX1 1/5 0 0 2/5 2/5

Esercizio 4. Si consideri una catena di Markov (Xn )n con spazio degli stati S = {1, 2, 3, 4} e matrice di
transizione  
0 1 0 0
 1/2 0 1/4 1/4 
Π =   1/2 1/2 0
.
0 
0 0 1 0

(a) Rappresentare graficamente la catena di Markov tramite un grafo orientato.


(b) La catena di Markov è irriducibile?
(3)
(c) Calcolare π34 .
(d) Calcolare P(X2 = 1) sapendo che la densità discreta di X1 è data da

X1 1 2 3 4
pX1 1/2 0 1/2 0

Esercizio 5. Si consideri una catena di Markov (Xn )n con spazio degli stati S = {1, 2, 3, 4, 5, 6},
rappresentata dal seguente grafo orientato:

1/3 4/5

2 4

1/6 1/6
1/6

2/3 2/3 6 3/4 1/5

1/6 1/6

1/3 1 3 1/4
1/4 1/6

1/4 1/4

1/4

(a) Qual è la matrice di transizione di (Xn )n ?


(b) Determinare le classi comunicanti.

2
Esercizio 6. Si consideri una versione semplificata del web, descritta dal seguente grafo orientato, in cui
ogni nodo corrisponde ad una pagina, mentre le frecce rappresentano i link tra le pagine:

3 2 1

Supponiamo di partire dalla pagina numero 1 e di effettuare una passeggiata aleatoria nel web, scegliendo
ad ogni passo un link a caso dalla pagina in cui ci troviamo (più precisamente, si suppongano equiprobabili
tra loro i link uscenti da una data pagina). Sia (Xn )n la catena di Markov che descrive tale passeggiata
aleatoria.
(a) Qual è la distribuzione iniziale della catena di Markov, ovvero qual è la densità discreta di X1 ?
(b) Si rappresenti graficamente la catena di Markov tramite un grafo orientato.
(c) Qual è la matrice di transizione di (Xn )n ?
(d) Determinare le classi comunicanti.

Esercizio 7. Si consideri una versione semplificata del web, descritta dal seguente grafo orientato, in cui
ogni nodo corrisponde ad una pagina, mentre le frecce rappresentano i link tra le pagine:

1 2 6 7

5 4

Supponiamo di partire dalla pagina numero 3 e di effettuare una passeggiata aleatoria nel web, scegliendo
ad ogni passo un link a caso dalla pagina in cui ci troviamo (più precisamente, si suppongano equiprobabili
tra loro i link uscenti da una data pagina). Sia (Xn )n la catena di Markov che descrive tale passeggiata
aleatoria.
(a) Qual è la distribuzione iniziale della catena di Markov, ovvero qual è la densità discreta di X1 ?
(b) Si rappresenti graficamente la catena di Markov tramite un grafo orientato.
(c) Qual è la matrice di transizione di (Xn )n ?
(d) Determinare le classi comunicanti.

3
Risultati

Esercizio 1.
(a) Il grafo orientato associato alla catena di Markov è il seguente:

1/2 1/2

1 4
1/3 1/3

1/2 3 1/2

1 1/3 1
2 5 6
1

(b) Le classi comunicanti sono: {1, 2, 3}, {4}, {5, 6}.


(4) (4)
(c) π12 si può calcolare in due modi. Infatti, π12 è l’elemento nella riga 1 e colonna 2 della matrice Π4 .
Alternativamente, utilizzando il grafo osserviamo che ci sono solo due cammini per andare dal nodo
1 al nodo 2 in quattro passi: 1 → 1 → 1 → 1 → 2 e 1 → 2 → 3 → 1 → 2. Quindi

(4) 1 1 1 1 1 1 1 7
π12 = · · · + ·1· · = .
| 2 {z 2 2}
2 2
| {z3 2} 48
prob. cammino 1→1→1→1→2 prob. cammino 1→2→3→1→2

#» = p
(d) P(X3 = 2) è il secondo elemento del vettore riga p #» Π2 . Quindi
X3 X1

6
X (2) 1 (2) 1 (2) 1 (2)
P(X3 = 2) = pX1 (i) πi2 = π + π22 + π62 .
i=1
2 12 4 4

Procedendo come nel punto (c), otteniamo

(2) 1 1 1
π12 = · = ,
|2 {z 2} 4
prob. cammino 1→1→2
(2)
π22 = 0,
(2)
π62 = 0.

Quindi P(X3 = 2) = 81 .

Esercizio 2.
(a) Il grafo orientato associato alla catena di Markov è il seguente:

4
1/2

1/2 1/4 1/2


1/4 1/4
5 4 3 1

1/2 1/2 1/4

1/2

(b) Le classi comunicanti sono: {1, 5}, {2, 4}, {3}.


(c)
(3) 1 1 1 1 1 1 1 1 1
π45 = · · + · · + · ·
4
| 4 4}
{z 4
| {z 2}
4 |4 {z 2}
2
prob. cammino 4→4→4→5 prob. cammino 4→4→5→5 prob. cammino 4→5→5→5
1 1 1 1 1 1 13
+ · · + · · = .
|4 {z 2}
2 |4 {z 4}
2 64
prob. cammino 4→5→1→5 prob. cammino 4→2→4→5

#» = p
(d) P(X2 = 4) è il quarto elemento del vettore riga p #» Π, quindi
X2 X1
5
X 1 1 1 1 1 1 1 1
P(X2 = 4) = pX1 (i) πi4 = π14 + π34 + π44 = 0+ 0+ = .
i=1
3 3 3 3 3 3 4 12

Esercizio 3.
(a) Il grafo orientato associato alla catena di Markov è il seguente:

1/3

1/12 1/4
1/3 1/3

1/2 3 5 4 1/4
1/12 5/12

3/4 1
1/12 1/3

1/4

5
(b) Le classi comunicanti sono: {1, 3}, {2, 5}, {4}.
(c)

(3) 1 1 1 1 1 1 1 1 1
π32 = · · + · · + · ·
| 2{z 12}
2 |2 12
{z 4} 12
| {z4 4}
prob. cammino 3→3→3→2 prob. cammino 3→3→2→2 prob. cammino 3→2→2→2
1 1 1 1 1 3
+ · ·1 + ·1· + · ·1
2
| {z12 } | {z 4}
12 12
| {z4 }
prob. cammino 3→3→5→2 prob. cammino 3→5→2→2 prob. cammino 3→2→5→2
1 1 1 1 1 1 1 1 523
+ · ·1 + · · + · · = ' 0.3027.
|3 3 }
{z 3
| 4 3}
{z |3 12
{z 12} 1728
prob. cammino 3→1→5→2 prob. cammino 3→1→4→2 prob. cammino 3→1→3→2

#» = p
(d) P(X3 = 5) è il quinto elemento del vettore riga p #» Π2 , quindi
X3 X1

5
X (2) 1 (2) 2 (2) 2 (2)
P(X3 = 5) = pX1 (i) πi5 = π + π45 + π55 .
i=1
5 15 5 5

Si ha che
(2) 1 1 1 1 1 5 2
π15 = · + · + · = ,
|3 {z 3} |12 {z 12} |4 {z12} 9
prob. cammino 1→1→5 prob. cammino 1→3→5 prob. cammino 1→4→5

(2) 1 3 1 5 17
π45 = · + · = ,
|3 {z 4} |4 {z12} 48
prob. cammino 4→2→5 prob. cammino 4→4→5

(2) 3 3
π55 = 1· = .
4
|{z} 4
prob. cammino 5→2→5

35
Quindi P(X3 = 5) = 72 .

Esercizio 4.
(a) Il grafo orientato associato alla catena di Markov è il seguente:

1/2
1 1/2
1/4

2 3

1/2
1/4 1

(b) Sı̀, in quanto S = {1, 2, 3, 4} è l’unica classe comunicante.

6
(c)
(3) 1 1 1
π34 = ·1· = .
| {z 4}
2 8
prob. cammino 3→1→2→4

#» = p
(d) P(X2 = 1) è il primo elemento del vettore riga p #» Π, quindi
X2 X1

4
X 1 1 1 1 1 1
P(X2 = 1) = pX1 (i) πi1 = π11 + π31 = 0+ = .
i=1
2 2 2 2 2 4

Esercizio 5.
(a) La matrice di transizione è data da:
 
1/3 2/3 0 0 0 0

 2/3 1/3 0 0 0 0 

 0 0 1/4 3/4 0 0 
Π =  .

 0 0 1/5 4/5 0 0 

 1/4 0 1/4 0 1/4 1/4 
1/6 1/6 1/6 1/6 1/6 1/6

(b) Le classi comunicanti sono: {1, 2}, {3, 4}, {5, 6}.

Esercizio 6.
(a)
X1 1 2 3 4
pX1 1 0 0 0

(b) Il grafo orientato associato alla catena di Markov è il seguente:

1/2

3 2 1
1/3 1/3

1 1/3
1 1/2

(c) La matrice di transizione è data da:


 
0 1/2 0 1/2
 1/3 0 1/3 1/3 
Π = 
 .
0 0 0 1 
0 1 0 0

(d) Esiste un’unica classe comunicante, che è quindi data da S = {1, 2, 3, 4}.

7
Esercizio 7.
(a)
X1 1 2 3 4 5 6 7
pX1 0 0 1 0 0 0 0

(b) Il grafo orientato associato alla catena di Markov è il seguente:

1/2 3 1/2

1/4
1/2
1/2 1/2
1

1 2 6 7

1/4 1/4 1/2


1/2 1/3
1/4 1/3

1/3
5 4
1/2

(c) La matrice di transizione è data da:


 
0 1/2 1/2 0 0 0 0
 1/4 0 1/4 1/4 1/4 0 0 
 
 0 1/2 0 0 0 1/2 0 
 
Π =   0 1/3 0 0 0 1/3 1/3 
.
 1/2 0 0 1/2 0 0 0 
 
 0 0 0 0 0 0 1 
0 0 1/2 0 0 1/2 0

(d) Esiste un’unica classe comunicante, che è quindi data da S = {1, 2, 3, 4, 5, 6, 7}.