Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Esercizi
1. (Forse un po’ troppo “calcoloso” ma sicuramente istruttivo) Si considerino due variabili aleatorie di-
screte, le cui probabilità congiunte sono date dalla seguente tabella:
↓ X\Y → 2 4 6 8
1 1/12 1/12 1/24 1/4
2 1/4 1/12 0 1/12
3 1/12 0 1/24 0
2. (con meno calcoli, quindi mi aspetto la PERFEZIONE) Si considerino due variabili aleatorie discrete,
le cui probabilità congiunte sono date dalla seguente tabella:
↓ X\Y → -2 0 2
-1 1/8 1/8 1/8
2 1/8 3/8 1/8
3. Siano X e Y due variabili aleatorie continue con la seguente funzione di densità congiunta
1 3 −(x+2y)
x e x, y ≥ 0
f (x, y) = 3
0 altrimenti
Esercizio 1. Ci serve innanzitutto ricordarci come ricavare funzioni di massa marginali da quella
congiunta.
(a) Per poter calcolare le funzioni di massa marginali di X e y a partire dalla tabella data, basta
sommare rispetto tutte le righe per trovare la funzione di massa marginale di X e rispetto a tutte
le colonne per trovare quella di Y , ossia
↓ X\Y → 2 4 6 8 marg X
1 1/12 1/12 1/24 1/4 11/24
2 1/4 1/12 0 1/12 5/12
3 1/12 0 1/24 0 1/8
marg Y 5/12 1/6 1/12 1/3
NOTA: Come controllare che ho calcolato bene le marginali? Basta verificare la somma di ciascuna
delle funzioni di massa marginali ci dia 1! Si verifica facilmente infatti che 11/245/12 + 3/24 = 1
cosı̀ come 5/12 + 1/6 + 1/12 + 1/3 = 1 = 1. Questa cosa ci è molto molto utile per evitare stupidi
errori di calcolo che ci farebbero sbagliare anche il punto successivo!
(b) A meno di sconsiderati errori di calcolo (vedi la nota al punto sopra), abbiamo in mano tutto quel
che ci serve.
X
E (X) = x · P (X = x) = 1 · P (X = 1) + 2 · P (X = 2) + 3 · P (X = 3)
x:P (X=x)>0
11 5 1 5
=1 · +2· +3· =
24 12 8 3
X
E (Y ) = y · P (Y = y) = 2 · P (Y = 2) + 4 · P (Y = 4) + 6 · P (Y = 6) + 8 · P (Y = 8)
y:P (Y =y)>0
5 1 1 1 14
=2 · +4· +6· +8· = .
12 6 12 3 3
Infine, la covarianza si calcola come segue
X
Cov (X, Y ) =E [(X − E (X)) (Y − E (Y ))] = (x − E (X)) (y − E (Y )) P (X = x, Y = y)
x,y
5 14 1 5 14 1 5 14 1
= 1− 2− · + 1− 4− · + 1− 6− ·
3 3 12 3 3 12 3 3 24
5 14 1 5 14 1 5 14 1
+ 1− 8− · 2− 2− · + 2− 4− ·
3 3 4 3 3 4 3 3 12
5 14 5 14 1 5 14 1
+ 2− 6− ·0+ 2− 8− · + 3− 2− ·
3 3 3 3 12 3 3 12
5 14 5 14 1 5 14
+ 3− 4− ·0+ 3− 6− · + 3− 8− ·0
3 3 3 3 12 3 3
7
=−
9
(c) Due variabili aleatorie si dicono indipendenti se per ogni coppia di sottoinsiemi di R A e B
P (X ∈ A, Y ∈ B) = P (X ∈ A) P (Y ∈ B) .
Se due variabili aleatorie sono indipendenti, allora sono anche incorrelate. In questo caso, Cov (X, Y ) =
0. Le variabili aleatorie da noi considerate in questo esercizio NON sono incorrelate e, di con-
seguenza, non possono essere indipendenti (la loro covarianza non è nulla). NOTA: se le cova-
rianza fosse stata nulla, non sarebbe stato sufficiente per provare l’indipendenza (vedi esercizio
successivo).
Esercizio 2. Come sopra, dobbiamo anzitutto ricordarci come ricavare funzioni di massa marginali da
quella congiunta.
(a) Per calcolare le funzioni di massa marginali di X e y a partire dalla tabella data, sommiamo
rispetto tutte le righe per trovare la funzione di massa marginale di X e rispetto a tutte le
colonne per trovare quella di Y , ossia
↓ X\Y → -2 0 2 marg X
-1 1/8 1/8 1/8 3/8
2 1/8 3/8 1/8 5/8
marg Y 1/4 1/2 1/4
Usando le marginali, troviamo i valori attesi.
X 3 5 7
E (X) = x · P (X = x) = −1 · P (X = −1) + 2 · P (X = 2) = −1 · +2· =
8 8 8
x:P (X=x)>0
X
E (Y ) = y · P (Y = y) = −2 · P (Y = −2) + 0 · P (Y = 0) + 2 · P (Y = 2)
y:P (Y =y)>0
1 1
=−2· + 2 · = 0.
8 8
Quindi Var (X) = 23/8 − 49/64 = 135/64. Nel caso di Y , poiché questa variabile aleatoria é
centrata e quindi E (Y ) = 0, sappiamo che Var (X) = E Y 2 , che calcoliamo come segue
X
E Y2 = y 2 · P (Y = y) = 4 · P (Y = −2) + 0 · P (Y = 0) + 4 · P (Y = 2)
y:P (Y =y)>0
1 1
=4 · + 4 · = 2.
4 4
Infine, calcoliamo la covarianza come segue
X
7 7
Cov (X, Y ) =E X − Y = x−− yP (X = x, Y = y)
8 x,y
8
7 1 7 1 7 1
= −1 − · −2 · + −1 − · 0 · + −1 − ·2·
8 8 8 8 8 8
7 1 7 3 7 1
+ 2− · −2 · + 2 − ·0· + 2− ·2·
8 8 8 8 8 8
=0
263
Le due variabili aleatorie sono quindi incorrelate e Var (X + Y ) = Var (X) + Var (Y ) = 64 .
(c) Due variabili aleatorie si dicono indipendenti se per ogni coppia di sottoinsiemi di R A e B
P (X ∈ A, Y ∈ B) = P (X ∈ A) P (Y ∈ B) .
Nel nostro caso, sono incorrelate quindi non possiamo usare la correlazione per dimostrarne la
dipendenza. Dobbiamo quindi usare direttamente la probabilità. Si vede ad esempio che
31 3 1
P (X = −1) · P (Y = −2) = = 6= = P (X = −1, Y = −2) .
84 32 8
Quindi X e Y sono dipendenti.
Esercizio 3. Eccoci al primo problema sulle variabile aleatorie congiunte di tipo continuo.
(a) Questo è semplice semplice. Devo semplicemente ricordarmi la formula generale e ricordarmi che
se integro rispetto ad una variabile, l’altra si comporta come una costante. Quindi, per x ≥ 0
Z ∞
fX (x) = f (x, y) d y
−∞
Z ∞
1 3 −(x+2y)
= x e dy
0 3
Z ∞
1
= x3 e−x e−2y d y
3 0
1 3 −x −2y ∞
= x e e |y=0
6
1
= x3 e−x ,
6
mentre per x < 0 fX (x) = 0. Combinando insieme queste informazioni, otteniamo
1 3 −x
x e x≥0
fX (x) = 6
0 altrimenti
Esercizio 4. Anzitutto qui dobbiamo riflettere sulla della funzione di densità, che è non nulla nella
regione messa in evidenza in figura con il colore rosso. Nel testo, la regione è descritta come x, y : 0 ≤
x ≤ 1; 0 ≤ y ≤ 1 − x, ma noterete tutti che possiamo descrivere la stessa regione come x, y : 0 ≤ y ≤
1; 0 ≤ x ≤ 1 − y, ossia esprimendo x in dipendenza da y. Questo (come già discusso a lezione) ci torna
molto comodo per calcolare le densità marginali.
(a) Sappiamo dalla teoria che
Z ∞ Z ∞
f (x, y) d x d y = 1.
−∞ −∞
Come sempre, consideriamo l’integrale solo nella regione in cui la densità è non nulla e troviamo
Z 1 Z 1−x Z 1 Z 1−x Z 1 Z 1−x Z 1
f (x, y) d x d y = kx d x d y = k xdx dy = k x (1 − x) d x
0 0 0 0 0 0 0
Z 1 Z 1
1 1 k
=k xdx − x2 d x = k − =
0 0 2 3 6
e quindi k = 6.
(b) (Se non avete notato, questa volta la parte teorica è la domanda 2.) Le densità marginali di X e
Y sono date da
Z ∞
fX (x) = f (x, y) d y
−∞
Z ∞
fY (y) = f (x, y) d x.
−∞
per 0 ≤ x ≤ 1 (0 altrimenti). Un pochino più laborioso risulta essere il calcolo della marginale di
Y . Ma mi ricordo dell’altra possibile notazione per la regione in cui la densità è non nulla (che è
specificato all’inizio della soluzione di questo esercizio) trovo
Z 1−y
2
fY (y) = 6x d x = 3x2 |1−y
0 = 3 (1 − y) ,
0
per 0 ≤ y ≤ 1 (0 altrimenti).
1.0
0.8
0.6
Y
0.4
0.2
0.0
X
(c) Siamo quasi giunti alla fine. Dobbiamo calcolare gli ultimi due integrali.
Z 1 Z 1
1
E (X) = xfX (x) d x = 6x2 (1 − x) d x =
0 0 2
Z 1 Z 1
2 1
E (Y ) = yfY (y) d y = 3y (1 − y) d y = ,
0 0 4
ed abbiamo finito.