Sei sulla pagina 1di 3

Probabilità e Statistica – Foglio 7

Prof. Claudio Durastanti


Variabili aleatorie Gaussiane

Esercizi
1. Dai risultati di un esperimento, emerge che il peso di un lemure dalla coda ad anelli è una variabile
aleatoria Gaussiana X con parametri µ = 2.2 kg e σ 2 = 0.0625 kg2 (si noti che 0.0625 = 0.252 ).
(a) Calcolare valore atteso e varianza del peso di un lemure della coda ad anelli e scrivere la corri-
spondente variabile aleatoria standardizzata Z.
(b) Calcolare la probabilità che un lemure dalla coda ad anelli pesi più di 2.7 kg.
(c) Se il peso di un lemure cucciolo è dato dalla variabile aleatoria Y = 41 X + 12 , come è distribuita
Y ? Si enunci il risultato generale qui applicato.
2. In una nota serie televisiva del passato, un gruppo di 70 sopravvissuti ad un incidente aereo deve
sopravvivere su una misteriosa isola apparentemente deserta. Su un’isola deserta, si stima che la
probabilità che un sopravvissuto arrivi a fine serie è 2/5. Sia S la variabile aleatoria che indica il
numero di sopravvissuti ancora vivi alla fine della serie.
(a) Come si distribuisce S? Scrivere la formula esatta della probabilità che più di 50 persone
sopravvivano fino alla fine della serie (NOTA: BASTA SOLO LA FORMULA).
(b) Si stabilisca la corretta approssimazione (verificandone le condizioni) e si calcoli la giusta appros-
simazione della probabilità richiesta nel punto precedente.
(c) Si enunci la definizione di correzione di continuità.
3. Allo zoo di Colonia si possono ammirare splendidi ippopotami che fanno il bagno. Purtroppo, gli
ippopotami sono animali maestosi ma pigri, che amano oziare sulla battigia. Sappiamo quindi che il
tempo di attesa X per assistere al bagno degli ippopotami è distribuito come una variabile aleatoria
esponenziale, ossia X ∼ exp (λ). Inoltre il tempo medio di attesa è di 20 minuti.
(a) Quanto vale λ? Quanto vale Var (X)?
(b) Quanto vale la probabilità che il tempo di attesa sia compreso tra 10 e 30 minuti?
(c) Dato che il tempo di attesa già trascorso è di 15 minuti, quanto vale la probabilità di dover
attendere in totale almeno 20 minuti?
Si enunci inoltre la proprietà di assenza di memoria.
Soluzioni. HAI PROVATO PRIMA A RISOLVERE DA SOLO/A?

Esercizio 1. Chiamiamo X la variabile aleatoria che misura il peso dei lemuri dalla coda ad anelli.
(a) Sappiamo dalla lezione che media e varianza di una v.a. Gaussiana coincidono rispettivamente
con µ e σ 2 . Quindi E [X] = µ = 2.2 e Var (X) = σ 2 = 0.252 . In generale, potremmo anche
calcolarci i corrispettivi integrali e ottenere gli stessi valori, ma in questo caso, da un lato si tratta
di integrali non estremamente triviali e, dall’altro, non sopporterei facilmente una dimenticanza
su una proprietà cosı́ cruciale delle Gaussiane. Quindi in sede di orale investigherei molto accu-
ratamente sulle vostre conoscenze delle variabili aleatorie Gaussiane, al punto che conviene al più
tardi IMPARARE QUESTA COSA ORA.
La variabile aleatoria standard viene ottenuta sottraendo ad X la sua media e dividendo rispetto
la deviazione standard. Nel nostro caso:
X − 2.2
Z= .
0.25
Ricordiamo che Z ∼ N (0, 1).
(b) Abbiamo che
 
X − 2.2 2.7 − 2.2
P (X > 2.7) = P > = P (Z > 2) = 1 − P (Z ≤ 2)
0.25 0.25
= 1 − Φ (2) = 1 − 0.98 = 0.02.

(c) Il risultato generale


 è il seguente. 
Sia X ∼ N µ, σ 2 . Per α 6= 0 e β ∈ R, se Y = αX + β, allora Y ∼ N αµ + β, α2 σ 2 .
Nel nostro caso, α = 41 , β = 12 . Ne segue che Y ∼ N µ/4 + 1/2, σ 2 /16 = N (1.05, 0.004).

2

Esercizio 2. Dal testo si evince che S ∼ B n = 70, p = 5 , con valore atteso E (S) = np = 28 e
varianza np (1 − p) ' 16.8.
(a) Abbiamo che
70    k  70−k
X 70 2 3
P (S > 50) = .
k 5 5
k=51

(b) Vediamo che approssimazione vale. n è abbastanza grande. Se p fosse molto piccolo, potremmo
applicare l’approssimazione di Poisson, ma p = 2/5 e quindi np = 28 non ci soddisfano. Con-
trolliamo la varianza: 16.8 > 10, quindi possiamo applicare l’approssimazione ad una normale.
Prima di calcolare l’approssimazione, nel passaggio da v.a. discreta a continua, necessitiamo della
correzione di continuita. Quindi poi usiamo la nostra approssimazione:
P (S > 50) = P (S > 50.5) ' P (X > 50.5) ,
dove X ∼ N (np, np (1 − p)). La corrispondente variabile aleatoria Gaussiana standard è ottenuta
sottraendo il valore atteso e dividendo per la deviazione standard.
X − np
Z=p , Z ∼ N (0, 1) .
np (1 − p)
Quindi, ne segue che
 
X − 28 50.5 − 28
P (S > 50) ' P (X > 50.5) = P √ > √ = P (Z > 5.5) = 1 − Φ (5.5) ' 0, ,
16.8 16.8
perchè per x > 3, Φ (x) ' 1.
(c) Per a < b e S ∼ B (n, p), si ha che
 
1 1
P (a < S < b) ' P a− <S <b+ ,
2 2

dove X ∼ N (np, np (1 − p))

Esercizio 3. Questo esercizio è estremamente facile se ricordo quanto discusso in classe riguardo le
variabili aleatorie esponenziali.
1 1
(a) Sappiamo che λ = E[X] , ossia λ = 20 . La varianza invece corrisponde a 1/λ2 , ossia Var (X) = 400.
(b) Abbiamo che

P (10 < X < 30) = FX (30) − FX (10) ,

dove FX è la funzione di ripartizione data da



0 x<0
FX (x) .
1 − e−λx x≥0

Quindi troviamo che


30
 10
 1 3
P (10 < X < 30) = FX (30) − FX (10) = 1 − e− 20 − 1 − e− 20 = e− 2 − e− 2 .

(c) La proprietà di assenza di memoria si formalizza come segue. Siano t, s due reali tali che s < t e
sia X una v.a. che gode della proprietà di assenza di memoria. Allora vale che

P (X > s + t|X > s) = P (X > t) ,

che per una variabile esponenziale diventa Nel nostro caso,


1
P (X > 20|X > 15) = P (X > 5) = e− 4 .

Potrebbero piacerti anche