Esercitazione 11 - 21/4/21

Esercizio 1 Sia X una V.A. assolutamente continua con funzione di distribuzione F X (x)
data da:
0 x < -1
F X ( x) = �(x + 1) -1 ⩽ x < 1
1 1⩽x
a determinare il valore di �
b disegnare il grafico della funzione di distribuzione F X (x) , x ∈ R
c determinare la distribuzione di probabilità della V.A. Y = X + 1
d determinare EX, EY, VarX, VarY, Cov(X, Y)
2
X+1
e determinare la distribuzione di probabilità di Z =
2
Soluzione
a
Guardiamo la nostra funzione di distribuzione.
Essa ci dice che il supporto è ⊆ [-1, 1] perchè per valori più piccoli di -1 la funzione di
distribuzione è 0, mentre per valori superiori a 1 essa non aumenta.
Perciò la densità di X è:
f X (x) = �1 (-1,1) (x)
Quindi essa è costante in un intervallo ed è quindi una uniforme:
X ∼ Unif((-1, 1))
Adesso noi dobbiamo determinare �:
1
1 = ∫ f X (x) dx = ∫ �1 (-1,1) (x) dx = �∫ dx = 2�
R R -1

Cioè il valore di � corretto che rende f X una misura di densità viene ad essere:
1
�=
2
Perciò:
1
f X (x) = 1 (-1,1) (x) , x ∈ R
2
b
0 x < -1
1
F X ( x) = (x + 1) -1 ⩽ x < 1
2
1 1⩽x
 F X ( x)

1
2

-1 0 1

c
Mi rendo subito conto che se:
X ∼ Unif((-1, 1))
Allora:
Y ∼ Unif((0, 2))
Di conseguenza il supporto di Y:
S Y = (0, 2)
Devo capire cosa succede per y ∈ (0, 2)
F Y (y) = P(y ⩽ Y) = P(X + 1 ⩽ y) = P(X ⩽ y - 1)
Quindi:

0 y<0 0 y<0
y
F Y ( y) = F X ( x) = F X ( y + 1) 0 ⩽ y < 2 = 0⩽y<2
2
1 2⩽y 1 2⩽y
d
1
1 1 1 x2 1 1 1
EX = ∫-1 x dx = = - =0
2 2 2 -1 2 2 2
EY = EX + 1
Il che è ragionevole perchè la distribuzione è simmetrica intorno all'1.

Ora siccome il momento primo è zero.

1
1 1 1 x3 1 1 1 1
VarX = EX 2 = ∫-1 x 2 dx = = + =
2 2 3 -1 2 3 3 3
 1
VarY = Var(X + 1) = VarX =
⏠⏣⏣⏣⏣ ⏡⏣⏣⏣⏣ 3
Proprietà della varianza ⏢
2
1 1 1 y3 1 8 4
EY 2 = ∫-1 y 2 dx = = -0 =
2 2 3 0 2 3 3
4 1
VarY = EY 2 - (EY) 2 = -1 =
3 3
1
Cov(X, Y) = E(XY) - EX EY = E(X(X + 1)) = EX 2 - EX =
⏠⏣⏣
⏡⏣⏣
=0
⏢ ⏠⏣⏣
⏡⏣⏣
=0
⏢ 3
⏠⏣⏣
⏡⏣⏣
=0
⏢

Visto che la Cov(X, Y) ≠ 0 allora X e Y sono VV.AA. dipendenti.

e
X+1
W=
2
Noi sappiamo qual è il supporto di Y = X + 1 che è (0, 2), siccome qua divido per due:
S W = (0, 1)
Per w ∈ (0, 1) dobbiamo calcolare quanto vale la funzione di distribuzione:
F W (w) = P(W ⩽ w) = P(X ⩽ 2w - 1) =
Andiamo a sostituire il valore della funzione di distribuzione della X
1
= 2w - 1 + 1 = w
2
Quindi:
W ∼ Unif((0, 1))
Adesso il nostro risultato finale sarà:
Z = W2
S Z = (0, 1)
Per z ∈ (0, 1):

F Z (z) = P(Z ⩽ z) = P W 2 ⩽ z = P W ⩽ z = FW z =
Siccome è uniforme in (0,1) essa varrà il valore della variabile:

= z
Cioè:
0 y<0
F X ( x) = z 0⩽y<1
1 1<y
Proviamo a disegnarla:
 F Z ( z)

0 1

Esercizio 2 un dado bilanciato viene lanciato n volte.

Definiamo le seguenti VV.AA.
X = "numero di 1 ottenuti"
Y = "numero di 6 ottenuti"
a Quale è la distribuzione di probabilità di X?
Quale quella di Y?
b X e Y sono dipendenti? Sono identicamente distribuite?
c Determinare la distribuzione di probabilità della Y condizionata all'evento { X = n - 1 }
Soluzione
a
Sto contando quante voilte otteniamo 1.
1
La variabile aleatoria è una Binomiale, ma con una probabilità di successo di
6
1
X ∼ Bin n,
6
⏦
esca 1 in
P
una prova

Similmente:

1
Y ∼ Bin n,
6
⏨⏨
NB
X e Y sono identicamente distribuite
Questo è il classico esempio di VV.AA. identicamente distribuite, ma non uguali

b
La seconda parte del punto è già stata risolta.
Vediamo se sono dipendenti o meno.
P(X = k, Y = j) , k ∈ { 1, … , n } , j ∈ { 1, … , n }
Se fossero indipendenti dovrei avere la fattorizzazione di questa probabilità in qualunque
caso.
Fisso il caso k = j = n, cioè:
P(X = n , Y = n)
Ma è impossibile che esca sempre 1 e sempre 6, quindi:
P(X = n , Y = n) = 0
Però
1
P(X = n) =
6n
1
P(Y = n) =
6n
E quindi sono dipendenti.
c
P(Y = k|X = n - 1)
Beh ovviamente questa probabilità vale 0 per ogni k > 1
Perchè in tutti i lanci tranne uno esce ⚀, perciò ho solo un lancio libero nel quale possa
uscire ⚅
Vedo quindi subito che il supporto:
S (Y|X=n-1) = { 0, 1 }
A questo punto la probabilità nei due punti del supporto:
casi favorevoli
nel lancio non ⚁⚂⚃⚄
esce ⚅ ⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞ 4
P Y = 0 |X = n - 1 =
5
⏦
casi totali
⚁⚂⚃⚄⚅
Conto come se fosse un dado a 5 facce perché stiamo condizionando il fatto che in quel
caso non esca ⚀
casi favorevoli
nel lancio ⚅
esce ⚅ ⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
⏜⏟⏟
⏝⏟⏟
⏞ 1
P Y = 1 |X = n - 1 =
5
⏦
casi totali
⚁⚂⚃⚄⚅
Quindi

1
Y|X = n - 1 ∼ Be
5
Esercizio 3 Sia Z una V.A. assolutamente continua con la seguente funzione di densità:
f Z (x) = k(1 - |x|) , x ∈ (-1, 1)
1 Determinare il valore della costante
1 1
2 Calcolare P Z > , P Z > |Z > 0
2 2
3 Determinare media e varianza di Z.
Soluzione
1

1 = ∫ f Z (x) dx = ∫ k(1 - |x|) dx = 2∫ k(1 - x) dx =

1 1

R -1 0
⏠⏣⏣⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣⏣⏣
perchè la funzione e pari ⏢
1
1 y2 1
= 2k∫ y dy = 2k = 2k = k
⏠⏣⏣
⏡⏣⏣
⏢
1-|x|=y
0 2 0 2
Cioè
f Z (x) = (1 - |x|)1 (-1,1) (x)
2
1 +∞ 1 1 2
P Z> =∫ f Z (x) dx = ∫ (1 - x) dx = ∫ y dy =
2 1
2
1
2 ⏠⏣⏣
1-x=y
⏡⏣⏣
⏢ 0
1
2
y2 1
= =
2 0 8
1 1 1
P Z> , Z>0 P Z>
1 2 2 8 1
P Z > |Z > 0 = = = =
2 P(Z > 0) P(Z > 0) 1 4
2
⏦
densità simmetrica
rispetto allo 0
Queesto condizionamento ha aumentato la probabilità, il che è sensato perché sapere
che Z
1
è positivo aumenta la probabilità che Z sia maggiore di
2
3
integrale su R di una funzione dispari
⏜⏟⏟⏟⏟⏟
funzione ⏝⏟⏟⏟⏟⏟
⏞
dispari

EX = ∫ ⏜⏟⏟
x⏝⏟⏟
⏞ f
Z ( x) dx = 0
R
⏠⏣⏣
⏡⏣⏣
⏢
simmetrica
rispetto allo 0
⏠⏣⏣⏣⏣ ⏡⏣⏣⏣⏣
funzione dispari ⏢
 1 1
VarZ = EX 2 - (EX) 2 = 2∫ x 2 (1 - x) dx = 2∫ x 2 - x 3 dx
0 0
1 1
1 1 x3 x4 1 1
= 2∫ x 2 dx - 2∫ x 3 dx = 2 -2 = 2⋅ -2⋅ =
0 0 3 0 4 0 3 4
2 1 1
= - =
3 2 6
Per completezza disegniamo la funzione di densità:
f X ( x)

-1 0 1