Calcolo delle Probabilità,

canale 2, Prof. Nappo e Prof. Piccioni

FOGLIO DI ESERCIZI n.8 (in forma ridotta), 3 dicembre 2018

Dopo aver svolto l’Esercizio preliminare, svolgere i seguenti esercizi di verifica della Lezione 11 degli appunti
di Spizzichino, Nappo [SN]:
Esercizio preliminare (la verifica dei risultati verrà svolta a lezione Una popolazione contiene M oggetti (M numero noto),
alcuni di tipo A ed altri di tipo B. Supponiamo che il numero complessivo di quelli di tipo A sia una variabile aleatoria R = RA ,
con distribuzione di probabilità Bin(M, ϑ), per un qualche valore 0 < ϑ < 1, ossia
 
M r
pR (r) = P(R = r) = ϑ (1 − ϑ)M−r , r = 0, 1, ..., M.
r
Si effettua un campionamento senza reinserimento di n(≤ M) individui, ossia n estrazioni senza reinserimento, dalla
popolazione. Sia S = SnA il numero degli individui di tipo A estratti, ossia
r M−r



s n−s
P(S = s|R = r) = M

, s tale che 0 ≤ s ≤ r, 0 ≤ n − s ≤ M − r.
n

(a) Mostrare che S ha distribuzione di probabilità Bin(n, ϑ), ossia che

 
n
pS (s) = P(S = s) = ϑs (1 − ϑ)n−s , s = 0, 1, ..., n.
s
(b) Mostrare che  
M−n
pR (r|S = s) = ϑr−s (1 − ϑ)M−n−(r−s) , r = s, s + 1, ..., M.
r−s
(c) Posto T = R − S il numero degli individui di tipo A tra gli M − n non estratti, mostrare che, condizionatamente ad S = j,
la variabile aleatoria T ha distribuzione di probabilità Bin(M − n, ϑ), ossia che
 
M−n
pT (t|S = j) = P(T = t|S = j) = ϑt (1 − ϑ)M−n−t , t = 0, 1, ..., M − n.
t
e quindi S e T sono variabili aleatorie indipendenti.
(d) Mostrare che E(R|S = j) = j + (M − n) ϑ e che Var(R|S = j) = (M − n) ϑ(1 − ϑ), (calcolare la varianza condizionata significa
calcolare la varianza rispetto alla probabilità condizionata all’evento {S = j}, ossia rispetto alla distribuzione condizionata di R dato {S = j}).
A lezione, senza fare i conti espliciti, è stato osservato che, l’ipotesi che la distribuzione di R è Bin(M, ϑ), è equivalente a supporre che ogni indivi-
duo sia di tipo A con probabilità ϑ, indipendentemente dagli altri, e quindi S e T sono variabili aleaatorie indipendenti di distribuzione Bin(n, ϑ) e
Bin(M − n, ϑ), rispettivamente. I conti si trovano a pagina 126 del file degli Appunti di Spizzichino e Nappo, sezione 11.2 che riportiamo alla fine di
questo foglio, per comodità.

Esercizio 11.7 Una popolazione, composta da 100 elementi, contiene

3

R elementi di tipo A e 100 − R elementi di tipo B,
essendo R una variabile con una distribuzione binomiale Bin 100, 4 .
Da tale popolazione si eseguono cinquanta estrazioni casuali senza reinserimento ed indichiamo con S il numero di elementi
di tipo A fra quelli estratti.
(a) Trovare la distribuzione di probabilità di S
(b) Trovare la distribuzione di probabilità condizionata di R dato {S = 40}
(c) Calcolare il valore atteso condizionato di R dato {S = 40}
(d) Calcolare la varianza della distribuzione condizionata di R dato {S = 40} e, pensando ad R come la somma di S + (R − S)
calcolare la minorazione fornita dalla diseguaglianza di Chebyshev per P({70 ≤ R ≤ 100}|{S = 40})

Esercizio 11.8 Una popolazione, composta da 6 elementi, contiene R elementi di tipo A e 6 − R elementi di tipo B, dove R
è una variabile con una distribuzione uniforme su {0, 1, 2, ..., 6}: P({R = r}) = 71 , r = 0, 1, ..., 6. Da tale popolazione si
eseguono tre estrazioni casuali senza reinserimento ed indichiamo con S il numero di elementi di tipo A fra i tre estratti.
(a) Trovare la distribuzione di probabilità di S
(b) Trovare la distribuzione di probabilità condizionata di R dato {S = 1}
(c) Calcolare il valore atteso condizionato di R dato {S = 1}.

1
Esercizio 11.4 Indichiamo con R il numero di pezzi difettosi un lotto di 20 pezzi e facciamo la seguente valutazione di
probabilità:
P(R = 0) = 0.5, P(R = 10) = 0.4, P(R = 20) = 0.1.
Qual è la probabilità di avere entrambi i pezzi difettosi, scegliendo a caso senza reinserimento due pezzi dal lotto?

Esercizio 11.2 (la verifica dei risultati verrà svolta a lezione dopo aver parlato delle distribuzioni multinomiali) Una pianta
produce R semi, dove R è una variabile aleatoria binomiale con parametri n e p. Supponiamo inoltre che ciascun seme, fra
gli R prodotti, germogli con probabilità ϑ, indipendentemente dagli altri. Sia S il numero dei germogli risultanti.
(a) Scrivere l’espressione di P(S = j|R = i) e P(S = j, R = i).
(sugg: condizionatamente a sapere che R = j la variabile aleatoria segue una distribuzione Bin(i, ϑ)) e quindi
P(S = j, R = i) = P(R = i)P(S = j|R = i) = ni pi (1 − p)n−i ij ϑ j (1 − ϑ)i− j , 0 ≤ j ≤ i )

(b) Calcolare P(S = j).

(sugg: dal ragionamento ”euristico” si evince che S ∼ Bin(n, pϑ): infatti S conta i successi su n eventi, dove ”successo” significa nascita di un seme e
successiva nascita di un germoglio, sdi modo che un ”successo” ha probabilità pϑ )
(c) Calcolare P(R = i|S = j).
p(1−ϑ)
(sugg: dal ragionamento ”euristico” si evince che, posto T = R − S, dato che S = j, T ∼ Bin(n − j, q), dove q = 1−pϑ , ossia q è la probabilità
condizionata che sia nato un seme, ma non abbia germogliato, sapendo che non è si è verificato l’evento {è nato un seme ed è germogliato}: infatti
la probabilità del’evento complementare di {è nato un seme ed è germogliato} vale 1 − pϑ = (1 − p) + p(1 − ϑ) e quindi la probabilità condizionata
che sia nato un seme, sapendo che non c’è nessun germoglio vale appunto q. Inoltre sapendo che S = j sappiamo che T conta il numero dei ”successi”
sulle n − j prove rimaste, dove ”successo” significa che sia nato un seme, ma tenendo conto non abbia germogliato)
(d) Calcolare E(R|S = j).
(sugg: Tenendo conto che R = S + T , sapendo che S = j e che, per il punto precedente, condisionatamente a S = j la variabile aleatoria T segue una
p(1−ϑ)
distribuzione Bin(n − j, q), si ha E(R|S = j) = E(S + T |S = j) = E( j + T |S = j) = j + E(T |S = j) = j + (n − j)q = j + (n − j) 1−pϑ )

Esercizio 11.3 Il testo di esame scritto consiste di quattro esercizi. Ogni esercizio può contenere un errore con probabi-
lità 0.1, indipendentemente dagli altri. Supponiamo che, dopo aver redatto il testo, ciascun esercizio venga ricontrollato e
che la presenza di un eventuale errore sia rilevata con probabilità 0.8. Gli errori inizialmente presenti e poi rilevati vengono
corretti.
(a) Determinare la probabilità che, dopo il controllo, non vi siano più esercizi contenenti errori
(b) Condizionatamente al fatto che non vi siano più esercizi contenenti errori dopo il controllo, qual è la probabilità che non
vi fossero errori neanche prima del controllo?

Esercizio 11.1 Due urne, U1 e U2 , contengono 10 palline ciascuna. L’urna U1 contiene 10 palline blu, mentre l’urna U2
ne contiene 5 blu e 5 verdi. Viene scelta a caso una delle due urne (non sappiamo quale) e da tale urna eseguiamo due
successive estrazioni casuali con reinserimento, ottenendo ciascuna volta pallina blu.
Condizionatamente a tale evento, qual è la probabilità che sia stata scelta l’urna U1 ?

Esercizio 11.5 Si hanno m esemplari di un certo tipo di telecomando (TC) per televisore; ciascun TC ha bisogno di due
batterie per il suo funzionamento. Si hanno a disposizione 2m batterie, di cui alcune possono essere scariche. Da tale gruppo
di batterie vengono costituite in modo casuale m coppie, che vengono inserite negli m TC.
Indichiamo con R il numero complessivo delle batterie cariche; supponiamo che ciascuna batteria sia carica con probabilità 12
ed indipendentemente da quello che accade alle altre.
(a) Calcolare la probabilità che un fissato TC abbia entrambe le batterie cariche.
(b) Sia S il numero complessivo dei TC con entrambe le batterie cariche. Calcolare E (S) .

Esercizio 11.6 Abbiamo un dado di cui non siamo certi se è regolare oppure se è truccato. Truccato qui significa che esso
fornisce il risultato “sei” con probabilità doppia rispetto a quella di tutti gli altri risultati. Attribuiamo probabilità 0.9 all’ipo-
tesi che esso sia regolare e probabilità 0.1 all’ipotesi che invece sia truccato. Viene eseguito un lancio del dado e si ottiene
il risultato “sei”.
(a) Condizionatamente a questo risultato, qual è la probabilità che il dado sia truccato?
(b) Condizionatamente a questo risultato, qual è la probabilità che si ottenga il risultato “sei” anche in un secondo lancio?

2
 SOLUZIONE DEll’ESERCIZIO PRELIMINARE

(a) Calcoli per la distribuzione di S dell’Esercizio preliminare

r M−r



M−n+s  
M r M−r s n−s
pS (s) = ∑ ϑ (1 − ϑ) · M


r=s r n
s+k M−(s+k)



M−n  
M s+k M−(s+k) s n−s
= ∑ ϑ (1 − ϑ) · M


k=0 s + k n
M−n  
n−s M (k + s)! n! (M − n)! (M − k − s)!
s
= ϑ (1 − ϑ) ∑ s + k ϑk (1 − ϑ)M−n−k · s! k! M! (n − s)! (M − n − k)!
k=0

riordinando i seguenti termini

(k + s)! n! (M − n)! (M − k − s)! (M − n)! n! (M − k − s)! (k + s)!
=
s! k! M! (n − s)! (M − n − k)! k! (M − n − k)! (n − s)! s! M!
si ottiene
  M−n   
n s n−s M M−n (k + s)! (M − k − s)!
= ϑ (1 − ϑ) ∑ ϑk (1 − ϑ)M−n−k ·
s k=0 s + k k M!
  M−n  
n M−n
= ϑs (1 − ϑ)n−s ∑ ϑk (1 − ϑ)M−n−k
s k=0 k
 
n
M−n
= ϑs (1 − ϑ)n−s ϑ + (1 − ϑ)
s
 
n
= ϑs (1 − ϑ)n−s ;
s
(b) Calcoli per la distribuzione condizionata di R dato S = s dell’Esercizio preliminare
M

r M−r r
M−r

r ϑ (1 − ϑ) · s n−s
pR (r|S = s) = n

n−s M
r = s, s + 1, ..., M − (n − s)
s
s ϑ (1 − ϑ) · n
M! r! (M − r)! s! (n − s)! n! (M − n)!
= ϑr−s (1 − ϑ)M−n−(r−s)
r! (M − r)! s! (r − s)! (n − s)! [(M − r) − (n − s)]! n! M!
(M − n)!
= ϑr−s (1 − ϑ)M−n−(r−s)
(r − s)! [(M − r) − (n − s)]!
 
M−n
== · ϑr−s (1 − ϑ)M−n−(r−s) .
r−s
(c) Infine per ricavare che la distribuzione condizionata di T , dato S = s è sempre Bin(M − n, ϑ), basta osservare che
P({R − S = t}|{S = s}) = P({R = s + t}|{S = s}),
come è intuitivo, e come si deduce con i seguenti semplici passaggi:
P({R − S = t} ∩ {S = s})
P({R − S = t}|{S = s}) = ,
P({S = s})
inoltre {R − S = t} ∩ {S = s} = {R − s = t} ∩ {S = s}, e quindi
P({R − s = t} ∩ {S = s})
P({R − S = t}|{S = s}) = = P({R = s + t}|{S = s}).
P({S = s})
(d) Essendo R = S + T si ottiene che
E(R|{S = s}) = E(S + T |{S = s}) = E(s + T |{S = s}) = s + E(T |{S = s}) = s + (M − n)ϑ.
e utilizzando la proprietà che Var(X + a) = Var(X) e che la distribuzione condizinata di T dato S = s è Bin(M − n, ϑ), si
ottiene anche che
Var(R|{S = s}) = Var(S + T |{S = s}) = Var(s + T |{S = s}) = Var(T |S = s) = (M − n)ϑ (1 − ϑ).