Probabilità e Statistica – Foglio 8

Prof. Claudio Durastanti

Variabili aleatorie congiunte e indipendenza

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

(a) Si calcolino le funzioni di massa marginali di X e di Y

(b) Si calcolino E (X), E (Y ) e Cov (X, Y )
(c) Si dia la definizione di indipendenza tra due variabili aleatorie. Si definisca il valore della
covarianza tra due variabili aleatorie indipendenti. Si dica infine se X e Y sono indipendenti.

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

(a) Si calcolino le funzioni di massa marginali di X e di Y e si calcolino E (X), E (Y ).

(b) Si calcoli Var (X + Y )
(c) Si dia la definizione di indipendenza per due variabili aleatorie. Si dimostri che X e Y NON sono
indipendenti.

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

(a) Calcolare le densità marginali di X e di Y

(b) Calcolare Var (X + Y )
(c) Dare un nome alla distribuzione di X e a quella di Y . Dare la definizione di indipendenza tra due
variabili aleatorie e verificare che X e Y lo siano.

4. Siano X e Y due variabili aleatorie caratterizzate dalla seguente densità congiunta


kx 0 ≤ x ≤ 1, 0 ≤ y ≤ 1 − x
f (x, y) =
0 altrimenti

(a) Si determini il corretto valore della costante k

(b) Si dia la definizione di densità marginale e si calcolino le densità marginali di X e di Y
(c) Si calcolino E (X) e E (Y ).
Soluzioni. HAI PROVATO PRIMA A RISOLVERE DA SOLO/A?

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

(b) Sappiamo che

Var (X + Y ) = Var (X) + Var (Y ) + 2 Cov (X, Y )

2
Cominciamo con le varianze. Ricordiamo che Var (X) = E X 2 − E (X) e calcoliamo
X 3 5 23
E X2 = x2 · P (X = x) = 1 · P (X = −1) + 4 · P (X = 2) = 1 ·


+4· =
8 8 8
x:P (X=x)>0

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

Per calcolare la densità marginale di Y dobbiamo integrale la densità congiunta rispetto a d x.

Volevo scrivere direttamente il risultato, data la sua trivialità ma siete proprio fortunelli: il mio
aereo è in ritardo quindi per ingannare il tempo descriverò minuziosamente anche questo integrale.
Per x ≥ 0
Z ∞
fY (y) = f (x, y) d x
−∞
Z ∞
1 3 −(x+2y)
= x e dy
0 3
Z ∞
1
= e−2y x3 e−x d x
3 0
1 −2y
= e Γ (4)
3
3!
= e−2y
3
=2e−2y ,

mentre per y < 0 fY (y) = 0. Combinando insieme queste informazioni, otteniamo

 −2y
2e y≥0
fY (y) =
0 altrimenti
(b) Qui possiamo seguire due strade: la prima è la strada dei muli, con testardaggine e dedizione
applichiamo la definizione per vedere che
Var (X + Y ) = Var (X) + Var (Y ) + 2 Cov (X, Y ) .
Calcolo quindi le varianze e la covarianza e in un buon quarto d’ora arrivo al risultato corretto....
OPPURE prendo la strada delle volpi e risolvo prima il punto tre. Mi accorgo con furbizia che
X ∼ Gamma (4, 1) ; Y ∼ Exp (2) ,
e che f (x, y) = fX (x) f˙Y (y). Ne segue che le due variabili sono indipendenti (e quindi la
covarianza è zero) e che
Var (X) = 4; Var (Y ) = 1/4;
pertanto troviamo
17
Var (X + Y ) = Var (X) + Var (Y ) =
4
(c) Abbiamo già risposto a questo punto nella soluzione del punto precedente

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.
−∞

Calcolare la marginale di X è facile. Infatti, abbiamo

Z 1−x
fX (x) = 6x d y = 6x (1 − x) ,
0

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

0.0 0.2 0.4 0.6 0.8 1.0

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.