Esercitazione 9 - 14/04/21

Esercizio 1 Siano X 1 , X 2 due VV.AA. indipendenti e distribuite esponenzialmente con

stesso parametro �. Determinare la funzione di distribuzione e la funzione di densità di:
Z = MAX(X1 , X2 )
V = MIN(X1 , X2 )
Soluzione
Molti studenti dicono "il massimo di due VV.AA. coincide con una delle due variabili
aleatorie".
Questo è molto sbagliatio.
evento esattamente uguale a
={ X1 ⩽z , X 2 ⩽z }
⏜⏟⏟⏟⏟
⏝⏟⏟⏟⏟
⏞
F Z (z) = P MAX(X1 , X2 ) ⩽ z z⩾0
= P(X1 ⩽ z , X2 ⩽ z)
= P(X1 ⩽ z)P(X2 ⩽ z) = W ∼ N(0, 1)
siccome sono identicamentedistribuite le probabilità
1
sono uguale, anche se non sono uguali gli eventi, P W> =
come abbiamo scritto nello specchietto
2
Quindi posso prendere una delle due ed elevarla al 1
=P Q>
quadrato: 2
= [P(X1 ⩽ z)] 2 = Q ∼ N(0, 1)
2 Le probabilità sono
= [F X1 (z)] 2 = 1 - e -�z
uguali, ma gli eventi
Perciò la mia funzione di distribuzione è fatta sono diversi
così: Eventi che sono
0 , z<0 completamente
F Z ( z) = -�z 2
1-e , z⩾0 indipendenti
Determiniamo ora la densità:

f Z (z) = 2 1 - e -�z �e -�z 1 (0,+∞) (z)

Andiamo adesso al minimo, alla V.A. V
probabilità evento complementare

⏜⏟⏟⏟⏟⏟
⏝⏟⏟⏟⏟⏟
⏞
F V (z) = P(MIN(X1 , X2 ) ⩽ v) = 1 - P(MIN(X1 , X2 ) > v) =
= 1 - P(X1 > v , X2 > v) = 1 - P(X1 > v) P(X2 > v) =
⏠⏣⏣⏣
1-F⏡⏣⏣⏣
X (v)
⏢ ⏠⏣⏣⏣
1-F⏡⏣⏣⏣
X (v)
⏢
1 2

⏠⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣ ⏢
Uguali per identica distribuizione di X 1 , X 2
2
= 1 - [1 - F X1 (v)] 2 = 1 - 1 - 1 - e -�v = v>0
Siccome le nostre VV.AA. sono positive anche il minimo sarà positivo.
2
= 1 - e -�v = 1 - e -2�v
Quindi:

1 - e -2�v , v > 0
F V ( v) =
0 , v⩽0
Cioè
V ∼ Exp(2�)
Cioè

F V ( v)
1

F X 1 ( v) = F X 2 ( v)

0 2.5

Quindi la V.A. V sarà più concentrata.

Esercizio 2 Sia X una V.A. discreta con supporto S X = { 0, 1, 2 } con funzione di densità
di
probabilità discreta:
1
, x=0
3
1
, x=1
P(X = x) = 3
1
, x=2
3
0 , altrove
a determinare la funzione caratteristica
b determinare la varianza della variabile VarX tramite la funzione caratteristica
a
� X (t) = Ee itX =
Qui abbiamo una funzione di una V.A., noi conosciamo un teorema per scrivere il valore
attesso di funzioni di V.A.
PX (x)
2
= ∑ e itx P(X = x) = e it⋅0 PX (0) + e it⋅1 PX (1)e it⋅2 P X (2) =
⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
x=0
 1
= 1 + e it + e 2it
3
Adesso devo calcolare il momento primo e secondo con le derivate della funzione
caratteristica e mediante di essi potrò poi calcolarmi la funzione caratteristica.
1 dn
EX n = n n
Ee itX | t=0
i dt
1 d 1 d
EX = Ee itX | t=0 = 1 + e it + e 2it | t=0 =
i dt 3i dt
1 it 1
= ie + 2ie 2it | t=0 = (i + 2i) = 1
3i 3i
Essendo la X a valori reali si deve cancellare perchè il valore atteso non può che essere
reale.

2 1 d2 1 d
EX = 2 2
Ee itX | t=0 = 2
ie it + 2ie 2it | t=0 =
i dt 3i dt
1 5
= i 2 e it + 2i 2 e 2it | t=0 =
3i 2 3
b
5 2
VarX = - 12 =
3 3
Esercizio 3 Sia X una V.A. assolutamente continua e distribuita uniformemente
nell'intervallo reale [l, u] , l < u.
Determinare: EX, VarX, la funzione generatrice dei momenti e la funzione
caratteristica.

Soluzione
Il supporto è illimitato quindi esisteranno tutti i momenti
Iniziamo a calcolare la funzione generatrice dei momenti e con essa calcoleremo tutto il
resto.

NB
1
, x ∈ [l, u]
f X ( x) = u-l
0 , altrove
1
m X (t) = Ee tX = ∫ e tx f X (x) dx = ∫ e tx 1 [l,u] (x) dx =
R R u-l
t≠0 u
1 u 1 e tx 1
= ∫l e tx dx ⏥
= = e tu - e tl , t ≠ 0
u-l u-l t l t(u - l)
Per t = 0
m X ( 0) = 1
per questo punto tutto coincide, anche usando l'integrale
 1 u 1 u-l
m X (t)| t=0 = ∫l dx = |x| lu = =1
u-l u-l u-l
Posso controllare che c'è continuità:
e tu - e tl ue tu - le tl u-l
lim = lim = =1
t→0 t(u - l) ⏠⏣⏣
⏡⏣⏣
⏢
De L'Hopital
t→0 u-l u-l
Adesso ci calcoliamo il momenti:
dn
EX n = n
Ee tX | t=0
dt
tu tl tu tl
d e tu - e tl 1 ue - le t - e - e
EX = | t=0 = ⎸ t=0 =
dt t(u - l) u-l t2
De L'Hopital
⏜⏟⏟
⏝⏟⏟
⏞ 1 t u 2 e tu - l 2 e tl + ue tu - le tl - ue tu - le tl
= lim =
t→0 ( u - e) 2t
2 tu 2 tl
1 t u -e -l e u2 - l2 u+l
= lim = =
u - l t→0 2t w(u - l) 2
Adesso calcoliamo il momento secondo:

d 1
EX 2 = t -1 ue tu - le tl - t -2 e tu - e tl =
dt u - l t=0
1
= -t -2 ue tu - le tl + t -1 u 2 e tu - l 2 e tl + 2t -3 e tu - e tl - t -2 ue tu - le tl =
u-l t=0
usiamo De l'Hopital
1
= -(2t) -1 u 2 e tu - l 2 e tl + u 3 e tu - l 3 e tl + 2 ⋅ 3 -1 t -2 ue tu - le tl - (2t) -1 u 2 e t u - ol 2 e tl
u-l t=0

usiamo di nuovo De L'Hopital, ma solo nel 1 e terzo termine

1 u 3 e tu + l 3 e tl
= -2 + u 3 e tu - l 3 e tl + 2(6t) -1 u 2 e tu - l 2 e tl
u-l 2 t=0
usiamo di nuovo De L'Hopital

1 u 3 e tu - l 3 e tl 1 u 3 e tu - l 3 e tl 1 u3 - l3
= 2 = = ⋅ =
u-l 6 t=0 u-l 3 t=0 3 u-l
2 2
1 (u - l) u + ul + l u + ul + l 2
2
= =
3 (u - l) 3
 NB
in questo caso sarebbe stato più semplice il calcolo diretto, ma in altri casi è più utile usare
la funzione generatrice dei momenti come abbiamo fatto qui.
u
u 1 1 x3 1 1
EX 2 = ∫ x 2 f X (x) dx = ∫ x 2 dx = = u3 - l3 =
R l u-l u-l 3 l u-l 3
1
= u 2 + ul + l 2
3
Avendo momento primo e momento secondo possiamo calcolare la varianza:
2
u 2 + ul + l 2 u+l
VarX = EX 2 - (EX) 2 = - =
3 2
4u 2 + 4ul + 4l 2 - 3(u + l) 2 4u 2 + 4ul + 4l 2 - 3u 2 - 3l 2 - 6ul
= = =
12 12
u 2 + l 2 - 2ul (u - l) 2
= =
12 12
Calcoliamoci anche la funzione caratteristica:
u 1
� X (t) = Ee itX = ∫ e itx f X (x) dx = ∫ e itx dx =
R l u-l
u
1 e itx 1
= = e iut - e ilt
u-l it l it(u - l)
Quindi:

e iut - e ilt
� X (t) = , t≠0 =
it(u - l)
1 , t=0
cos ut + i sin ut - cos lt - i sin lt
, t≠0 =
= it(u - l)
1 , t=0
[cos ut - cos lt] + i[sin ut - sin lt]
, t≠0 =
= it(u - l)
1 , t=0
i [cos ut - cos lt] + i[sin ut - sin lt]
, t≠0 =
= i it(u - l)
1 , t=0
i[cos ut - cos lt] - [sin ut - sin lt]
, t≠0 =
= -t(u - l)
1 , t=0
 a + ib
⏜⏟⏟⏟⏟⏟⏟⏟ ⏝⏟⏟⏟⏟⏟⏟⏟ ⏞
[sin ut - sin lt] i[cos ut - cos lt]
= - , t≠0
t(u - l) t(u - l)
1 , t=0