Sei sulla pagina 1di 8

UNIVERSITÀ DI BOLOGNA

SCUOLA DI ECONOMIA, MANAGEMENT E STATISTICA


Esercizi di Calcolo delle Probabilità
Esercizio 1
Supponiamo che in una certa popolazione il numero X di figli delle coppie si conformi alla
seguente distribuzione di probabilità:
x 0 1 2
p(x) 1/2 k k/2
Calcolare:
(a) il valore di k affinchè la suddetta distribuzione di probabilità sia ben definita;
(b) la probabilità che una coppia abbia almeno un figlio.
(c) valore atteso e varianza del numero di figli.
Esercizio 2
Il Servizio Meteorologico dell’Aeronautica comunica le previsioni del tempo con un giorno di
anticipo. In una particolare regione italiana nel trimestre Marzo-Aprile-Maggio ha piovuto il
34% dei giorni, ed in quella regione il Servizio Metereologico ha previsto la pioggia nell’83%
dei giorni di pioggia, mentre nell’83% dei giorni asciutti la pioggia non era stata prevista.
(a) Scegliendo un giorno a caso nel trimestre, qual è la probabilità che il Servizio Mete-
reologico per quel giorno abbia previsto pioggia?
(b) Qual è la probabilità che in un dato giorno piova, se il Servizio Metereologico ha
previsto pioggia?
Esercizio 3
Dalle rilevazioni statistico-sanitarie di carattere nazionale è noto che il peso dei bambini alla
nascita segue una distribuzione normale con media 3,3 kg e deviazione standard di 0,4 kg.
(a) Calcolare la probabilità che un bambino alla nascita pesi meno di 4 kg.
(b) Qual è il peso al di sopra del quale troviamo il 90% dei bambini?
Durante i primi giorni di vita, ciascun neonato ha un calo ponderale che è approssimativa-
mente pari al 10% del peso corporeo alla nascita.
(c) Calcolare valore atteso e deviazione standard del calo ponderale dei neonati.
(d) Calcolare la probabilità che, al termine del calo, il peso sia compreso tra 3 e 4 kg.
Esercizio 4
È noto che il 59, 2% degli studenti della Facoltà di Economia proviene da un liceo, il 21, 8%
da ragioneria ed il restante 19% ha conseguito la maturità in altri istituti (tecnici, professio-
nali...). Inoltre, il 40% dei liceali possiede buone conoscenze informatiche e tale percentuale
aumenta al 55% sia per gli studenti provenienti da ragioneria che dagli altri istituti.
(a) Calcolare la probabilità che uno studente scelto a caso provenga dal liceo ed abbia
buone conoscenze informatiche.
(b) Se lo studente scelto non possiede buone conoscenze informatiche, qual è la probabilità
che la sua scuola di provenienza sia ragioneria?
(c) Calcolare la probabilità che, in un gruppo di 40 studenti provenienti dal liceo, non più
di 15 sappiano usare il computer.
Esercizio 5
Un appassionato di fiori vuole piantare nel suo giardino delle piante esotiche, pur sapendo
che il 30% di esse muore durante il periodo invernale.
(a) Se costui decide di piantarne 12, calcolare
(a1) la probabilità che tutte le piante sopravvivano durante l’inverno;
(a2) la probabilità che muoiano al più 3 piante.

(b) Qual è il numero minimo di piante affinché, in media, almeno 9 sopravvivano?


(c) Vengono piantate 40 piante: qual è la probabilità che almeno l’80% di esse sopravviva?

Esercizio 6
Il quantitativo settimanale (in quintali) di gelato venduto da una gelateria può essere
descritto attraverso una variabile casuale continua con densità di probabilità
 1
− 36 (x2 − 10x + 16), 2 ≤ x ≤ 8
f (x) =
0, altrove

(a) Calcolare la probabilità che in una settimana vengano venduti meno di 4 quintali di
gelato.
(b) Calcolare valore atteso e varianza della quantità di gelato venduta settimanalmente.

Esercizio 7
Avendo mal di testa il sig. Rossi va a rovistare nella dispensa dei medicinali, dove sa di avere
una confezione di analgesico. Originariamente questa scatola conteneva 6 pillole tuttavia,
essendo stata acquistata il mese scorso, non è noto quante pastiglie siano attualmente pre-
senti nella confezione. Supponendo che il numero di pillole X a disposizione possa assumere
ciascun valore tra 0 (scatola vuota) e 6 con la stessa probabilità,
(a) calcolare la probabilità che la scatola di medicinali sia ancora piena;
(b) calcolare la probabilità che vi siano almeno due pillole a disposizione;
(c) calcolare valore atteso e varianza del numero di pillole presenti nella confezione;
(d) ricavare la distribuzione di probabilità della versione standardizzata Z della v.c. X.

Esercizio 8
Sia X una variabile aleatoria con distribuzione di probabilità data da:

 a, x = −1;
Pr(X = x) = 1/2, x = 0;

a, x = 1.

(a) Calcolare il valore della costante a affinchè la distribuzione di probabilità sia ben
definita.
(b) Calcolare la probabilità che X sia diversa da 0.
(c) Ricavare la distribuzione di ripartizione F (x) di X e rappresentarla graficamente.
(d) Calcolare valore atteso e varianza di X.
(e) Ricavare la distribuzione di probabilità della variabile Y = X 2 e calcolare E[Y ].
Esercizio 9
Gli impiegati di un esercizio commerciale sostengono che il loro fornitore consegna spesso la
merce al di fuori dei tempi concordati. In particolare, il 20% degli ordini viene consegnato
in ritardo.

Se l’esercizio commerciale effettua quattro ordini,


(a) calcolare la probabilità che nessuno arrivi in ritardo;
(b) qual è la probabilità che almeno 3 degli ordini arrivino in ritardo?

Il direttore dell’esercizio commerciale in questione decide di far pagare al fornitore una


penale pari a 10 euro per ciascun ritardo nella consegna. Se in un dato periodo l’esercizio
ha effettuato 100 ordini,

(c) calcolare il valore atteso e la varianza della penale subita dal fornitore causata dalla
consegna al di fuori dei tempi previsti;
(d) qual è la probabilità che la penale sia inferiore a 240 euro?

Esercizio 10
Supponiamo che la durata di un colloquio di selezione segua una distribuzione normale con
media 15 minuti e deviazione standard 3 minuti.
(a) Qual è la probabilità che un candidato affronti un colloquio di oltre 21 minuti?
(b) Calcolare la durata mediana di un colloquio.
Effettuando 10 colloqui e supponendo le durate dei candidati tra loro indipendenti,
(c) ricavare la distribuzione della variabile durata complessiva della selezione;
(d) calcolare la probabilità che la selezione duri complessivamente meno di 2 ore.

Esercizio 11
Un’azienda ritiene che la percentuale di clienti insolventi sia pari a 1%.
(a) Se in un giorno l’azienda ha concluso affari con 5 clienti, quale è la probabilità che
almeno uno dei 5 non paghi quanto dovuto?
(b) Nell’arco di 4 mesi, l’azienda ha concluso affari con 600 clienti; quale è la probabilità
che più di 10 risultino insolventi.
Esercizio 12
Un individuo possiede due bar, A e B. Gli utili mensili di A possono essere descritti
attraverso una normale di media 14000 euro e deviazione standard 6000 euro.
(a) Calcolare la probabilità che gli utili del bar A siano superiori a 20000 euro.
Del bar B è noto che, mensilmente, l’utile mediano è 15000 euro e la probabilità che l’utile
sia negativo è pari al 5%. Assumendo di poter descrivere tale fenomeno attraverso una
normale,
(b) calcolare valore atteso e varianza dell’utile mensile del bar B.
Supponendo che gli utili dei due bar siano tra loro indipendenti,
(c) calcolare la probabilità che in un mese almeno uno dei due vada in perdita;
Soluzioni
Esercizio 1
(a) Dobbiamo calcolare il valore della costante k affinchè la suddetta distribuzione di
probabilità soddisfi i tre assiomi, e pertanto avremo che
1 k
k≥0 ed inoltre +k+ =1
2 2
da cui segue che k = 1/3 e pertanto la distribuzione di probabilità di X è

x 0 1 2
p(x) 1/2 1/3 1/6

(b) Pr(X ≥ 1) = 1 − Pr(X = 0) = 1 − 1/2 = 1/2, ossia il 50%.


(c) E(X) = 0 · 1/2 + 1 · 1/3 + 2 · 1/6 = 2/3, M (X 2 ) = 02 · 1/2 + 12 · 1/3 + 22 · 1/6 = 1, da
cui V (X) = 1 − (2/3)2 = 5/9.

Esercizio 2
Indichiamo con P = “pioggia”, A = “asciutto”, prP = “previsione di pioggia” prA =
“previsione di asciutto”, dal testo sappiamo che:

Pr(P ) = 0, 34 Pr(prP |P ) = 0, 83 Pr(prA|A) = 0, 83


¯ allora
Inoltre poichè P = Ā e prP = prA

Pr(A) = 0, 66 Pr(prA | P ) = 0, 17 Pr(prP | A) = 0, 17.

(a) Dobbiamo calcolare Pr(prP ). Per il teorema delle probabilità totali

Pr(prP ) = Pr(prP |A) Pr(A) + Pr(prP |P ) Pr(P ) = 0, 17 · 0, 66 + 0, 83 · 0, 34 = 0, 39

(b) Dobbiamo calcolare Pr(P |prP ) ed applicando il Teorema di Bayes


Pr(prP |P ) Pr(P ) 0, 83 · 0, 34
Pr(P |prP ) = = = 0, 72
Pr(prP ) 0, 39

Esercizio 3
(a) Indicando con PN la variabile casuale che descrive il peso alla nascita dei neonati, dal
testo sappiamo che PN ∼ N (3, 3 ; (0, 4)2 ) e dobbiamo calcolare Pr(PN < 4). Allora
 
4 − 3, 3
Pr(PN < 4) = Φ = Φ(1, 75) = 0, 9599 .
0, 4

(b) Dobbiamo calcolare il peso x∗ oltre il quale troviamo il 90% dei neonati, ossia al di
sotto del quale si colloca il 10% dei bambini. Pertanto Pr(PN < x∗ ) = 0, 10 implica
che  
x∗ − 3, 3
Pr Z < = 0, 10
0, 4

da cui segue che x 0,4
−3,3
è il quantile di livello 10% di una normale standard. Dato che
z0,10 = −z0,90 = −1, 28, allora
x∗ − 3, 3
= −1, 28 ⇒ x∗ = 2, 788 kg .
0, 4

(c) Indicando con C la variabile casuale che descrive il calo ponderale dei neonati, abbiamo
1 2
che C = PN × 10 . Pertanto, E[C] = E[PN ]/10 = 0, 33 kg e V ar[C] = (1/10) ×
p
V ar[PN ] = 0, 01×(0, 4)2 = 0, 0016 kg2 , da cui segue che SD[C] = V ar[C] = 0, 04 kg.
(d) Sia PF la variabile che descrive il peso dei neonati dopo il calo ponderale, allora
1 9
PF = PN − PN × = PN × .
10 10
Per le proprietà della normale, segue direttamente che anche PF si distribuisce nor-
malmente con valore atteso E[PF ] = 0, 9 × 3, 3 = 2, 97 kg e V ar[PF ] = 0, 81 × 0, 16 =
0, 1296 kg2 . Pertanto PF ≃ N (2, 97 ; 0, 1296) da cui
   
4 − 2, 97 3 − 2, 97
Pr(3 < PF < 4) = Φ √ −Φ √ = 0, 9979 − 0, 5319 = 0, 466 .
0, 1296 0, 1296

Esercizio 4
Indicando con L = “liceo”, R = “ragioneria”, A = “altri istituti”, I = “lo studente possiede
buone conoscenze informatiche”, dal testo sappiamo che:

Pr(L) = 0, 592 Pr(R) = 0, 218 Pr(A) = 0, 19

Pr(I | L) = 0, 4 Pr(I | R) = 0, 55 Pr(I | A) = 0, 55.


(a) Dobbiamo calcolare Pr(L ∩ I). Sfruttando la definizione di probabilità condizionata si
ha che:

Pr(L ∩ I) = Pr(I ∩ L) = Pr(I | L) · Pr(L) = 0, 4 · 0, 592 = 0, 2368 .

(b) Dobbiamo calcolare Pr(R | I). Applicando il teorema di Bayes si ha che

Pr(I | R) · Pr(R)
Pr(R | I) =
Pr(I)

dove Pr(I | R) = 1 − Pr(I | R) = 1 − 0, 55 = 0, 45.


Inoltre, Pr(I) = 1 − Pr(I) e dal teorema delle probabilita’ totali si ha

Pr(I) = Pr(I | L) · Pr(L) + Pr(I | R) · Pr(R) + Pr(I | A) · Pr(A) .

Allora
Pr(I) = 0, 4 · 0, 592 + 0, 55 · 0, 218 + 0, 55 · 0, 19 = 0, 4612
da cui Pr(I) = 1 − 0, 4612 = 0, 5388 e pertanto
0, 45 · 0, 218
Pr(R | I) = = 0, 1821 .
0, 5388

(c) Indicando con N la v.a. che conta quanti dei 40 studenti provenienti dal liceo sanno
usare il computer, allora N ∼ Bin(40 ; 0, 4). Visto che 40 × 0, 4 = 16 > 5 e 40 ×
0, 6 = 24 > 5, possiamo applicare il teorema centrale del limite, approssimando N
attraverso una normale con valore atteso dato da E[N ] = 40 × 0, 4 = 16 e varianza
V [E] = 40 · 0, 4 · 0, 6 = 9, 4. Pertanto N ≃ N (16 ; 9, 6) e quindi
 
15 − 16
Pr(N ≤ 15) ≃ Φ √ = Φ(−0, 32) = 1 − Φ(0, 32) = 1 − 0, 6255 = 0, 3745.
9, 6

Esercizio 5
Sia S la v.c. che descrive il numero di piante sopravvissute all’inverno ed M il numero di
quelle destinate a morire, allora S ∼ Bin(n; 0, 7) e M ∼ Bin(n; 0, 3).
(a1) Dal testo sappiamo che n = 12 e pertanto la probabilità richiesta è
 
12
Pr(M = 0) = Pr(S = 12) = 0, 712 · 0, 30 = 0, 0138 .
12
(a2) La probabilità che muoiano al più 3 piante è data da

Pr(S ≥ 9) = Pr(M ≤ 3) = Pr(M = 0) + Pr(M = 1) + Pr(M = 2) + Pr(M = 3)


   
12 1 11 12 2 10 12
= 0, 7 + 12 · 0, 3 · 0, 7 + 0, 3 · 0, 7 + 0, 33 · 0, 79 = 0, 4925 .
2 3

(b) Si deve calcolare il numero minimo di piante n tale che E(S) = n · 0, 7 ≥ 9. Risolvendo
la disequazione si ottiene n ≥ 13.
(c) In questo caso S ∼ Bin(40; 0, 7) per cui E(S) = 40 · 0, 7 = 28 e V (S) = 40 · 0, 7 · 0, 3 =
8, 4. Per calcolare la probabilità richiesta, ossia Pr(S ≥ 32), (essendo soddisfatte
le condizioni in quanto 40 · 0.7 = 28 e 40 · 0.3 = 12 sono entrambi maggiori di 5)
applichiamo il Teorema Centrale del Limite:
 
32 − 28
Pr(S ≥ 32) ≃ Pr Z ≥ √ = Pr(Z ≥ 1, 38) = 1 − Pr(Z ≤ 1, 38)
8, 4
=1 − Φ(1, 38) = 1 − 0, 9162 = 0, 0838 .

Esercizio 6
(a) Indicando con X la variabile casuale che descrive il quantitativo in quintali di gelato
venduto, dobbiamo calcolare
Z 4 Z 4
1
P (X < 4) = f (x)dx = − (x2 − 10x + 16)dx
−∞ 2 36
 3 2
4
1 x x 7
=− − 10 + 16x = .
36 3 2 2 27

(b) Calcoliamo ora il valore atteso di X:


Z Z 8
1
E(X) = x · f (x)dx = − x(x2 − 10x + 16)dx
R 36 2
 8
1 x4 x3 x2
=− − 10 + 16 = 5.
36 4 3 2 2

Inoltre,
Z Z 8
1
E(X 2 ) = x2 · f (x)dx = − (x4 − 10x3 + 16x2 )dx
R 36 2
 8
1 x5 x4 x3
=− − 10 + 16 = 26, 8
36 5 4 3 2

e pertanto V (X) = 26, 8 − 52 = 1, 8.


Esercizio 7
Indicando con X il numero di pillole attualmente presenti nella confezione, dal testo abbiamo
che Pr(X = k) = 1/7 per ogni k = 0, 1, . . . , 6.
(a) La probabilità che la scatola sia piena è data da Pr(X = 6) = 1/7.
P6 P6
(b) Pr(X ≥ 2) = k=2 Pr(X = k) = k=2 1/7 = 5/7.
P6
(c) Il valore atteso è E[X] = k=0 k · Pr(X = k) = (0 + 1 + 2 + . . . + 6)/7 = 3. Inoltre
6
X
2
E[X ] = k 2 · Pr(X = k) = (0 + 1 + 4 . . . + 36)/7 = 91/7
k=0

da cui V [X] = E[X 2 ] − (E[X])2 = 91/7 − 9 = 4.


(d) La variabile standardizzata Z è data da:

X − E[X] X −3
Z= p = ,
V [X] 2

pertanto Z può assumere i valori {− 23 , −1, − 21 , 0, 12 , 1, 23 } ciascuno con probabilità 1/7.


Esercizio 8
(a) Affinchè siano soddisfatti gli assiomi della probabilità, la costante a deve essere non
negativa ed inoltre a + 0.5 + a = 1, da cui si ricava a = 1/4.
(b) Pr(X 6= 0) = 1 − Pr(X = 0) = 1 − 0.5 = 0.5.
(c) Dato che la distribuzione di probabilità di X è
 1
 4 , x = −1;
1
Pr(X = x) = , x = 0;
 12
4 , x = 1.

la distribuzione di ripartizione è la funzione a gradini descritta come segue:




 0, x < −1;
 1
F (x) = 4 , −1 ≤ x < 0;
 34 , 0 ≤ x < 1;


1, 1 ≤ x.

1 1 1
(d) E[X] = (−1) · 4 +0· 2 +1· 4 =0e

1 1 1 1
V [X] = E[X 2 ] − {E[X]2 } = E[X 2 ] = (−1)2 · + 02 · + 12 · = .
4 2 4 2

(e) Dato che X assume i valori −1, 0 ed 1, allora Y = X 2 potrà assumere come valori 0 ed
1, con probabilità Pr(Y = 0) = Pr(X 2 = 0) = Pr(X = 0) = 21 e Pr(Y = 1) = Pr(X 2 =
1) = Pr(X = −1) + Pr(X = 1) = 21 . Pertanto Y ∼ B 21 e quindi E[Y ] = 1/2.
Esercizio 9
(a) Se indichiamo con N la variabile “numero di ordini consegnati nei tempi concordati”,
allora N ∼ Bin (4; 0, 8). Pertanto
 
4
Pr (N = 4) = · 0, 84 · 0, 20 = 0, 4096.
4

In alternativa, si può fare riferimento alla variabile N e “numero di ordini consegnati in


e
ritardo” per la quale abbiamo che N ∼Bin (4; 0, 2). In questo caso si ha che
  4
e
Pr N = 0 = · 0, 20 · 0, 84 = 0, 4096.
0

(b) La probabilità richiesta è data da


   
Pr N e ≥ 3 = Pr(N e = 3) + Pr Ne = 4 = 0, 0256 + 0, 0016 = 0, 0272.

(c) Se indichiamo con X la v.c. “numero di ordini consegnati in ritardo su un totale di


100”, allora X ∼ Bin (100; 0, 2) e, per quanto riguarda la variabile “penale causata
dalla consegna della merce in ritardo”, si ha che P = 10 · X. Di conseguenza,

E(P ) = E(10 · X) = 10 · E(X) = 10 · (100 · 0, 2) = 200 euro

e
V (P ) = V (10 · X) = 102 · V (X) = 100 · (100 · 0, 2 · 0, 8) = 1600 euro2 .
(d) Utilizzando il teorema centrale del limite si ottiene che
X ∼. N (20, 16)
e, siccome P = 10 · X, la probabilità richiesta è data da
 
24 − 20
Pr(10 · X < 240) = Pr(X < 24) = Φ = Φ(1) = 0, 8413.
4
Esercizio 10
(a) Sia D la variabile casuale che descrive la durata di un colloquio, dove D ∼ N (15, 9).
Pr(D > 21) = 1 − Pr(D ≤ 21) = 1 − Φ( 21−15 3 ) = 1 − Φ(2) = 1 − 0, 9772 = 0, 0228.

(b) Dato che per la normale media e mediana coincidono, la durata mediana dei colloqui
è 15 minuti.
(c) Indicando con D1 , . . . , D10 le durate dei 10 colloqui in questione, data la normalita
distributiva e l’indipendenza si ha che la durata complessiva Dc = D1 + . . . + D10 si
distribuisce anch’essa come una normale dove E[Dc ] = E[D1 +. . .+D10 ] = 10·15 = 150
minuti e V [Dc ] = V [D1 + . . . + D10 ] = 10 · 9 = 90 ossia Dc ∼ N (150; 90).
(d) Pr(Dc < 120) = Φ( 120−150

90
) = Φ(−3, 16) = 1 − Φ(3, 16) = 1 − 0, 9992 = 0, 0008.

Esercizio 11
(a) Sia N la variabile casuale che descrive il numero di clienti insolventi tra i 5. Allora,
N ∼Bin(5, 0, 01), dove la probabilità di successo della binomiale p = 0, 01 è ottenuta
dalla percentuale di clienti insolventi. La probabilità cercata è quindi
 
5
P (N ≥ 1) = 1 − P (N = 0) = 1 − 0, 010 (1 − 0, 01)5 = 0, 049.
0
(b) Sia M la variabile casuale che descrive il numero di clienti insolventi tra i 600 clienti.
Allora, M ∼Bin(600, 0, 01). Poiché np e nq sono entrambi maggiori di 5, possiamo
usare il teorema del limite centrale per approssimare la distribuzione di M con la
distribuzione gaussiana. Più precisamente, M ∼ ·
N (600 · 0, 01, 600 · 0, 01 · (1 − 0, 01)).
Pertanto la probabilità cercata, P (M > 10), può essere approssimata con
!
10 − 600 · 0, 01
P (M > 10) =1 − Φ p
·
= 1 − Φ(1, 64) = 0, 05.
600 · 0, 01 · (1 − 0, 01)

Esercizio 12
(a) Se indichiamo con XA gli utili mensili del bar A, abbiamo che XA ∼ N (14; 36) (dati
espressi in migliaia di euro). La probabilità richiesta è data da
 
20 − 14
Pr (XA > 20) = 1 − Pr(XA ≤ 20) = 1 − Φ = 1 − Φ (1) = 0, 1587.
6
2
(b) Se indichiamo con XB gli utili mensili del bar B, allora XB ∼ N (15; σB ) (dato che
2
media e mediana coincidono nella normale), e σB deve essere determinato sapendo
che Pr (XB < 0) = 0, 05. Dato che Pr (XB < 0) = Pr (Z < −15/σB ) = 0, 05 allora
−15/σB = z0,05 , ossia tale quantità rappresenta il quantile di livello 5% di una normale
2
standard. Pertanto −15/σB = −1, 64, da cui σB = 83, 66.
(c) Definendo gli eventi EA =”il bar A va in perdita” ed EB =”il bar B va in perdita”,
allora si ha che:
Pr(EA ∪ EB ) = Pr(EA ) + Pr(EB ) − Pr(EA ∩ EB )
e per l’indipendenza Pr(EA ∩ EB ) = Pr(EA ) · Pr(EB ). Dato che Pr(EB ) = 0, 05 e
Pr(EA ) = Pr(XA < 0) = Φ(−14/6) = Φ(−2, 33) = 1 − Φ(2, 33) = 0, 01
allora
Pr(EA ∪ EB ) = 0, 01 + 0, 05 − 0, 01 · 0, 05 = 0, 0595.

Potrebbero piacerti anche