Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
"numero scritto
Xi = sulla pallina alla , i = 1, … , k
i-esima estrazione"
k
T = ∑ Xi
i=1
T e la V.A. somma di tutti i risultati.
k k
ET = E∑ Xi = ∑ EXi (1)
i=1 i=1
⏠⏣⏣⏣⏣ ⏡⏣⏣⏣⏣
sviluppiamo ⏢
il quadrato
NB
Z �Z (B)
∑ P(X = xi )
i/xi ∈B
FZ
a
Z = X+Y
Calcolo il supporto di Z come prima cosa:
{ -1, 0, 1 }
Quindi calcolo densità discreta per ognuno di questi valori:
P(Z = -1) = P(X = -1, Y = 0)
Uso ora la indipendenza tra X e Y
1 1 1
P(X = 1)P(Y = 0) = · =
2 2 4
Procedo con gli altri punti del supporto:
1 1 1
P(Z = 1) = P(X = 0, Y = 1) = P(X = 1)P(Y = 0) = · =
⏠⏣⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣⏣ 2 2 4
sono letteralmente lo stesso evento ⏢
P(Z = 0)
Siccome è un po' più complicata, posso usare il fatto che la somma delle probabilità di
tutti i
punti del supporto somma ad 1.
Questo mi permette di usare le probabilità degli altri punti per calcolare l'ultima che mi
manca.
1 1 1
P(Z = 0) = 1 - P(Z = -1) - P(Z = 1) = 1 - - =
4 4 2
Il fatto che le VV.AA. non siano indipendenti non ci dice a priori che la Covarianza sia
diversa
da 0.
Usiamo la formula:
Cov(Y, Z) = E[(Y - òEY)(Z - EZ)] = E[YZ - ZEY - YEZ + EYEZ] =
= EYZ - EZEY - EYEZ + EYEZ = EYZ - EZ EY
⏠⏣⏣
⏡⏣⏣
⏢
=0
NB
1 1 1
EY = 0 ⋅ +1⋅ =
2 2 2
1 1 1
EX = - 1 ⋅ +0⋅ = -
2 2 2
1 1
EZ = EX + EY = - + =0
2 2
Quindi la covarianza coincide con il momento misto.
EYZ = E[Y(X + Y)] = EXY + EY 2 = EXEY + EY 2 =
⏠⏣⏣⏣
Essendo⏡⏣⏣⏣ ⏢
che X,Y
sono indipendenti
mi riporto ad esse
1 1 1 1 1 1 1
= - ⋅ + 02 ⋅ + 12 ⋅ = - + =
2 2 2 2 4 2 4
Cioè:
1
Cov(Y, Z) =
4
E quindi le variabili non sono indipendenti.
Esercizio 3 si consideri il vettore aleatorio (X,Y) con densità discreta congiunta:
� j � k � jk
P(X = j, Y = k) = c , j, k = 0, 1, 2, …
j!k!
con � > 0, � > 0, � ∈ (0, 1] , c costante
a determinare le densità discrete marginali delle due VV.AA.
b far vedere se � = 1 le VV.AA. X e Y sono indipendenti.
c determinare
P(X = j|Y = k) , j = 0, 1, 2, …
a
∞ ∞ j k jk
�� �
P(X = j) = ∑ P(X = j, Y = k) = ∑ c =
k=0 k=0 j!k!
k
�j ∞ �� j �j j
=c ∑ =c e �� , j = 0, 1, 2, …
j! k=0 k! j!
⏠⏣⏣⏣ ⏡⏣⏣⏣ ⏢
esponenziale
∞ ∞
� j � k � jk
P(Y = k) = ∑ P(X = j, Y = k) = ∑ c =
j=0 j=0 j!k!
k
� k
=c e �� , k = 0, 1, 2, …
k!
b
La prima cosa che viene in mente è che � è un parametro nella densità discreta.
Per quanto riguarda il concetto di indipendenza, noi sappiamo che se � = 1 le VV.AA.
sono
indipendenti quindi il concetto di dipendenza è determinato dalla misura di probabilità.
Comunque cosa succede per � = 1?
� j � k � jk
P(X = j|Y = k) = c (4)
j!k!
Dobbiamo far vedere che il prodotto delle marginali è uguale a (4)
Dobbiamo capere come sia fatto c.
NB
c è quella variabile che normalizza la misura di probabilità quindi io la posso
scrivere in un altro modo :
1
c= perchè deve far sì che la somma delle densità discrete di tutti
� j � k � jk
∑∑
j!k!
j k
i punti dia proprio 1.
Però nel caso � = 1 :
-1
1 �j �k
c= = ∑ ∑ = e -� e �
-1
= e -� e -�
∑∑ � �
j k jk
�
j j! k k!
j!k!
j k