Antonio Pacifico

apacifico[at]luiss[dot]it

Metodi Quantitativi per l’Economia

Practice - Linear Algebra, Probability, Statistical Inference
A.A. 2020/2021

Esercizio 1
Data la seguente matrice An∗m ∈ Mn∗m :
 
2 3
An∗m =
−3 −4

Svolgere i seguenti quesiti:

a. Calcolare il determinante di A.

Solution: |A| = +1

b. Definire se la matrice A è invertibile.

Solution: Sì

c. Definire il rango della matrice A.

Solution: rank(A) = 2

d. Calcolare la trasposta di A.

 
0 2 −3
Solution: Am∗n =
3 −4
 0
e. Calcolare la matrice C data dalla somma di A + A .

 
4 0
Solution: C =
0 −8

0
f. Calcolare la matrice D data dal prodotto di A ∗ A e definire la dimensione. Le matrici sono
conformabili?

 
13 −18
Solution: Dn∗n =
−18 +25

g. Dimostrare se la matrice A è idempotente.

Solution: No

h. Calcolare gli autovalori di A. Definire, quindi, le radici e la molteplicità algebrica (ma ).

Solution:
λ1 = λ2 = −1 → radici reali e coincidenti
ma (−1) = 2

i. Calcolare gli autovettori di A e la molteplicità geometrica (mg )

Solution:
0 0
v = (1, −1) and u = (1, −2/3) dove u è funzione di v
mg = 1

Page 2
Esercizio 2
Data la seguente distribuzione doppia delle variabili casuali e discrete Y e X:

Y
X 0 1 2 Totale
0 0.33 0.22 0.05 0.60
1 0.15 0.15 0.10 0.40
Totale 0.48 0.37 0.15 1.0

Rispondere ai seguenti quesiti:

a. Calcolare il valore atteso e la varianza marginali di Y e X.

Solution:

– Valore Atteso:

2
X
E(Y ) = yj · P r(Y = yj ) = 0.67
j=0

1
X
E(X) = xi · P r(X = xi ) = 0.40
i=0

– Varianza:

2 
X 2
V ar(Y ) = yj − E(Y ) · P r(Y = yj ) = 0.52
j=0

1 
X 2
V ar(X) = xj − E(X) · P r(X = xi ) = 0.24
i=0

b. Calcolare il valore atteso e la varianza di Y dato X (condizionate).

Solution:

– Valore Atteso:

2
X
E(Y = yj |X = 0) = yj · P r(Y = yj |X = 0) = 0.53
j=0

Page 3
 2
X
E(Y = yj |X = 1) = yj · P r(Y = yj |X = 1) = 0.875
j=0

– Varianza:

2 
X 2
V ar(Y = yj |X = 0) = yj − E(Y = yj |X = 0) · P r(Y = yj |X = 0) = 0.4091
j=0

2 
X 2
V ar(Y = yj |X = 1) = yj − E(Y = yj |X = 1) · P r(Y = yj |X = 1) = 0.6094
j=0

c. Definire se le variabili sono indipendenti ed indipendenti in media con opportune formule.

Solution:
Indipendenza: P (Yj |Xi ) = P (Yj ) → No
Indipendenza in media: E(Yj |Xi ) = E(Yj ) → No

d. Calcolare la covarianza e la correlazione tra le variabili X e Y . Commentare.

Solution:

– Covarianza:

h i h i
Cov(X, Y ) = σXY ¯ =
= E X − E(X) · Y − E(Y ) = E(XY ) − XY
1 X
X 2   
= ¯ =
xi · yj · P r X = xi , Y = yj − XY
i=0 j=0

= 0.082

– Correlazione:

σXY
ρ= = 0.23
σX · σY

Page 4
Esercizio 3
Il preside di una scuola elementare sospetta che i suoi studenti abbiano un Quoziente di Intelligenza
(QI) diversa dalla media nazionale. Dopo aver selezionato casualmente 15 bambini tra i suoi studenti
e misurato il loro QI, il preside riscontra un valore medio di 28.5. Supponiamo che il QI di uno
studente della scuola elementare sia una variabile aleatoria normale con varianza s2 = 16. Si
supponga, inoltre, che il valore medio nazionale sia 25.

Solution: NB: La varianza s2 è da supporsi stimata (poiché non nota)

• Ipotesi:

H0 : µ = 25 ; H1 : µ 6= 25

• Statistica Test:

X̄ − µ0 28.5 − 25
tratio = √ ∼ tn−1 ⇒ tratio = √ = 3.39
σ̂/ n 4/ 15
• Valore Critico:

t α2 ,n−1 = t2.5%,14 = 2.145 con α = 5%

• Regola di Decisione e Scelta d’Ipotesi:

tratio (= 3.39) > t2.5%,14 (= 2.145) ⇒ H1

Esercizio 4
Considerando l’Esercizio 3, si ipotizza che la variabile aleatoria – indicando il QI – non sia
distribuita come una normale (con varianza incognita) e che il campione casuale di studenti scelto
sia pari a 35. Testare l’ipotesi che il valore medio del QI sia diverso dalla media nazionale.

Solution:

• Statistica Test:

X̄ − µ0 28.5 − 25
z= √ ∼ N (0, 1) ⇒ z= √ = 5.18
σ̂/ n 4/ 35
• Valore Critico:

z α2 = z2.5% = 1.96 con α = 5%

Page 5
• Regola di Decisione e Scelta d’Ipotesi:

z(= 5.18) > z2.5% (= 1.96) ⇒ H1

Page 6