Marco 

Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

Capitolo 8
Richiami di teoria della probabilità
SOLUZIONI DEGLI ESERCIZI

1 Soluzione dell’esercizio 8.2

Si definiscano i seguenti eventi

{M } = {la persona scelta è malata}

{S } = {la persona scelta è sana}
{TP} = {il test è positivo}
{TN } = {il test è negativo}
Poichè l’affidabilità del test è pari all’80% risulta
Pr {TP / M } = Pr {TN / S } = 0,8

Si ha, inoltre, che

Pr {M } = 0, 01
Pr {S } = 1 − Pr {M } = 0,99

La traccia richiede il calcolo della la probabilità Pr {M / TP} . Applicando il teorema di

Bayes tale probabilità può essere calcolata mediante la relazione
Pr {M } Pr {TP / M }
Pr {M / TP} = (∗)
Pr {TP}

Essendo, per il teorema della probabilità totale,

Pr {TP} = Pr {TP / M } Pr {M } + Pr {TP / S } Pr {S }
= 0,8 ⋅ 0, 01 + 0, 2 ⋅ 0.99 = 0.206

dalla (∗) si ricava immediatamente che

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

0, 01⋅ 0,8
Pr {M / TP} = ≅ 0.039
0, 206

Utilizzando la stessa procedura si ricava che

Pr {M / TP} = 0, 01

se l’affidabilità del test è del 50%. Pertanto, in tal caso il test è da ritenersi del tutto
inaffidabile, cosicché l’informazione da esso fornita non migliora le nostre conoscenze
sullo stato di malattia della persona in esame. Se invece il test è affidabile al 100%,
risulta
Pr {TP / M } = 1
per ovvie ragioni.

2 Soluzione dell’esercizio 8.3

Si definiscano i seguenti eventi

{ A} = {XYZ ha studiato davvero}

{B} = {XYZ ha scelto la risposta esatta}

La traccia richiede il calcolo della probabilità Pr { A / B} , la quale, se si applica il teorema

di Bayes, può essere valutata mediante la relazione

Pr { B / A} Pr { A}
Pr { A / B} =
Pr { B}
Essendo

Pr { B / A} = 1
Pr { A} = p
Pr { B} = Pr { B / A} Pr { A} + Pr { A} Pr { B / A}
1
= 1⋅ p + (1 − p)
m

si può scrivere che

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

p
Pr { A / B} =
1
p + (1 − p )
m

Si osservi che, se m → ∞ , Pr { A / B} → 1 . Questo risultato può essere interpretato nel

modo seguente: se m è molto grande e la risposta è esatta, allora XYZ ha studiato
certamente.

3 Soluzione dell’esercizio 8.4

La trasformazione y = g ( x ) alla quale viene sottoposta la variabile aleatoria X per

generare Y è illustrate nella figura seguente. Da questa figura si evince immediatamente
che la densità di probabilità fY ( y ) assume un valore nullo quando la variabile y assume
un valore esterno all’intervallo ( −1,1) . Per determinare, invece, l’espressione di fY ( y )
nell’intervallo ( −1,1) si può utilizzare il cosiddetto teorema fondamentale, distinguendo,
nella sua applicazione, i due casi indicati di seguito.

1 2 3 x

−1

Caso 1: si assume che sia 0 ≤ y < 1 . In questo caso le soluzioni dell’equazione y = g ( x )

sono espresse dalla relazione
xi = y + 2i i = 0,1,....
Risulta, inoltre,
y '( xi ) = 1

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

Pertanto, applicando il suddetto teorema fondamentale, si ricava che

+∞ +∞
e− y
fY ( y ) = ∑ e − ( y + 2i ) =e − y ∑ ( e −2 ) =
i

i =0 i =0 1 − e −2

Caso 2: si assume che sia −1 < y < 0 . In questo caso le soluzioni dell’equazione
y = g ( x ) sono espresse dalla relazione
xi = 1 − y + 2i i = 0,1,....
Essendo, inoltre,
y '( xi ) = 1
l’applicazione del teorema fondamentale produce
+∞
1 ey e −1
fY ( y ) = ∑ e − (1− y + 2i ) = e −1+ y = = e y

i =0 1 − e −2 e − e −1 1 − e −2

Verifichiamo ora, per esercizio, che la condizione di normalizzazione sia verificata dalla
densità fY ( y ) che abbiamo appena ricavato. Si ha che
e −1
1 1 0
1
∫ 1 − e −2 ∫0 ∫ e dy
−y
f Y ( y ) dy = e dy + y

−1
1 − e −2 −1
−1
1 e (1 − e −1 )(1 + e −1 )
= ⎡1 − e −1
⎤ + ⎡1 − e −1
⎤ = =1
1 − e −2 ⎣ ⎦ 1 − e −2 ⎣ ⎦ 1 − e −2
c.v.d.

4 Soluzione dell’esercizio 8.8

Si deve calcolare

⎧ ⎫
Pr { T1 − T2 < 20 min} = Pr ⎨ T1 − T2 < ora ⎬
1
⎩ 3 ⎭
dove
T1 = istante di arrivo del primo amico
T2 = istante di arrivo del secondo amico

La densità di probabilità congiunta delle variabili aleatorie T1 e T2 è diversa da zero (ed,

in particolare, assume valore unitario) solo nella regione quadrata [0,1] × [0,1] del piano

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

cartesiano t1 − t2 rappresentato nella Figura seguente. Nella stessa Figura viene anche
⎧ 1 ⎫
indicata una regione ombreggiata associata all’evento ⎨ T1 − T2 < ora ⎬ .
⎩ 3 ⎭

t2 (ore)

2
3

1
3

1 2 1 t1 (ore)
3 3

Risulta, allora,
⎧ 1 ⎫
Pr ⎨ T1 − T2 < ora ⎬
⎩ 3 ⎭
= area della regione ombreggiata
2
⎛2⎞ 5
=1 − ⎜ ⎟ =
⎝ 3⎠ 9

5 Soluzione dell’esercizio 8.12

Per risolvere il problema in esame è utile far riferimento alla Figura riportata di seguito.
Si osservi che le variabili aleatorie X ed Y sono uniformemente distribuite
sull’intervallo [0, l ] e che, essendo indipendenti, la loro densità di probabilità congiunta
assume valore costante (e pari a 1/ l 2 ) sul dominio [0, l ] × [0, l ] .

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

l
A
X
Y B

Occorre calcolare

⎧ XY l 2 ⎫ ⎧ l2 ⎫
Pr ⎨ < ⎬ = Pr ⎨ XY < ⎬
⎩ 2 8⎭ ⎩ 4⎭

L’evento { XY < l 2 / 4} individua, in un piano cartesiano, una regione che è delimitata

dalla iperbole xy = l 2 / 4 , dai due assi cartesiani, e dalle rette x = l ed y = l (si veda la
figura seguente). Tale regione, evidenziata da una ombreggiatura nella Figura seguente, è
data dall’unione di un rettangolo di lati l ed l / 4 (e, quindi, di area l 2 / 4 ) con la regione
sottesa dall’arco di iperbole compreso fra le ascisse x = l / 4 ed x = l .

l2
iperbole xy =
4
l/4

l/4 l

Da queste considerazioni si evince immediatamente che

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

⎧ XY l 2 ⎫ 1 l 2 1 l l2 / 4 x
1 1
l
l2
Pr ⎨
⎩ 2
< ⎬= 2 + 2
8⎭ l 4 l ∫ ∫
x =l / 4 y = 0
dx = + 2
4 l ∫ 4 x dx
l/4
l
1 1 1 1 1
= + ∫ dx = + ln 4 ≅ 0,596
4 4 l/4 x 4 4
6 Soluzione dell’esercizio 8.13

Indichiamo con N A ( N B ) il numero della pagina aperta nel libro A (B). Le variabili
aleatorie N A ed N B sono indipendenti e possono assumere, con la stessa probabilità,
soltanto valori interi appartenenti rispettivamente agli intervalli [1, 200] e [1, 300] .
Pertanto la loro massa di probabilità congiunta è espressa dalla relazione

1
Pr {N A = n A , N B = nB } =
300 ⋅ 200
per n A ∈ [1, 200] ed nB ∈ [1,300] , ed è nulla altrove. Fatte queste premesse, possiamo
scrivere che
200 n A −1
1 1 200 1 ⎡ 200(200 + 1) ⎤
Pr {N A > N B } = ∑ ∑ = 4 ∑
( n A − 1) = 4 ⎢
− 200⎥
n A =1 nB =1 6 ⋅ 10 6 ⋅ 10 nA =1 6 ⋅ 10 ⎣ ⎦
4
2
1 ⎡ (200 + 1) ⎤ 199 1
= − 1⎥ = ≅ ≅ 0,33
300 ⎢⎣ 2 ⎦ 600 3

7 Soluzione dell’esercizio 8.15

Essendo le variabili aleatorie X ed Y indipendenti ed uniformemente distribuite

nell’intervallo [0,1] , nel piano cartesiano x − y la loro densità di probabilità congiunta
f XY ( x, y ) assume valori non nulli soltanto nel quadrato [0,1] × [0,1] (ove risulta, inoltre,
f XY ( x, y ) = 1 ). Si noti, inoltre, che la variabile aleatoria Z = max ( XY , Y / X ) non può
assumere valori negativi, cosicché la sua densità di probabilità f Z ( z ) è nulla per z < 0 .
Per determinare, invece, la funzione f Z ( z ) per z > 0 è utile valutare innanzitutto la sua
funzione di distribuzione FZ ( z ) , esaminando separatamente i due casi considerati di
seguito.

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

Caso 1: si assume 0 ≤ z ≤ 1 . Per determinare FZ ( z ) è utile considerare la Figura riportata

di seguito.

1 y = zx
z
xy = z

1 x

Da questa figura si evince facilmente che

FZ ( z ) = Pr {Z ≤ z} = Pr { XY ≤ z, Y / X ≤ z}
z
= area della regione ombreggiata =
2

Caso 2: si assume z > 1 . Come nel caso precedente, per determinare FZ ( z ) è utile fornire
una rappresentazione grafica dell’evento di cui si deve calcolare la probabilità (vedi la
Figura seguente).

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

y = zx

z
P
1
xy = z

1 x

Da questa figura si evince facilmente che

FZ ( z ) = Pr {Z ≤ z} = Pr { XY ≤ z, Y / X ≤ z}
1
= area della regione ombreggiata = 1 −
2z

Calcolando, quindi, la derivata prima di FZ ( z ) , si ricava la densità di probabilità

⎧ 0 per z < 0
⎪
f Z ( z ) = ⎨ 1/ 2 per 0 ≤ z ≤ 1
⎪ (1/ 2 z 2 ) per z > 1
⎩

8 Soluzione dell’esercizio 8.16

Definiamo, per comodità, gli eventi

A = {x1 + x2 + ... + xn −1 ≤ 5}
e
B = {x1 + x2 + ... + xn > 5}
ed osserviamo che la loro intersezione è rappresentata dall’evento

{x1 + x2 + ... + xn −1 = 5, xn = 1}

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

Notiamo, inoltre, che gli eventi {x1 + x2 + ... + xn−1 = 5} e {xn = 1} sono mutuamente
indipendenti in quanto di riferiscono a variabili aleatorie diverse ed indipendenti per
ipotesi. Risulta, quindi,

Pr { AB} = Pr {x1 + x2 + ... + xn −1 = 5, xn = 1}

= Pr {x1 + x2 + ... + xn −1 = 5} Pr {xn = 1}

Risulta, inoltre,
1
Pr { xn = 1} =
2

e
( n −1) −5
⎛ n − 1⎞ ⎛ 1 ⎞ ⎛ 1 ⎞
5

Pr { x1 + x2 + ...xn −1 = 5} = ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ 5 ⎠⎝ 2 ⎠ ⎝ 2 ⎠
n −1
⎛ n − 1⎞ ⎛ 1 ⎞
=⎜ ⎟⎜ ⎟
⎝ 5 ⎠⎝ 2 ⎠

se n − 1 ≥ 5 (cioè se n ≥ 6 ), e
Pr { x1 + x2 + ...xn −1 = 5} = 0

altrimenti. Pertanto, si ha che

⎧⎛ n − 1⎞ ⎛ 1 ⎞ n
⎪ se n ≥ 6
Pr { AB} = ⎨⎜⎝ 5 ⎟⎠ ⎜⎝ 2 ⎟⎠
⎪
⎩ 0 altrimenti

9 Soluzione dell’esercizio 8.17

Con semplici considerazioni geometriche si può dimostrare che lo spostamento è

espresso dal prodotto
S = d ⋅Z
ove
X
Z
Y

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

è una variabile aleatoria che può assumere valori non negativi. Se determiniamo, quindi,
la densità di probabilità f Z ( z ) della variabile aleatoria Z , possiamo ricavare la densità
f S ( s ) di S , utilizzando il teorema fondamentale relativo alla trasformazione di una
variabile aleatoria. Per ricavare f Z ( z ) , determiniamo prima la funzione di distribuzione
FZ ( z ) , che è data da
⎧X ⎫
FZ ( z ) = Pr {Z ≤ z} = Pr ⎨ ≤ z ⎬
⎩Y ⎭
Assumendo sia X che Y valori non negativi, possiamo allora scrivere che

FZ ( z ) = Pr { X ≤ zY }
x =+∞ +∞
= ∫ ∫
x =0 y = x / z
f X ( x ) fY ( y )dxdy

Quindi, sostituendo le espressioni delle densità di probabilità di X e di Y nell’integrale

dell’ultima relazione, si ottiene che
+∞
1
x =+∞ −
x +∞ −
y
1
x =+∞ −
x
⎡ −ηy ⎤
∫ ∫ ∫
η
FZ ( z ) = 2 e e η dydx = e η
⎢e ⎥ dx
y x =0 y= x / z
η x =0 ⎣⎢ ⎦⎥ y = x / z
x =+∞ x y x =+∞ x⎛ 1⎞
1 − − 1 − ⎜ 1+ ⎟

∫ ∫
η ηz η⎝ z ⎠
= e e dx = e dx
η x =0
η x =0
+∞
x⎛ 1⎞
1 − ⎜ 1+ ⎟ 1 z 1
η⎝ z ⎠
= e = = = 1−
1+
1
1+
1 z +1 1+ z
0
z z

espressione valida per z > 0 , assumendo Z valori non negative. Si ha, quindi, che
z ⎡ 1 ⎤
FZ ( z ) = u[ z ] = ⎢1 − u[ z ]
1+ z ⎣ 1 + z ⎥⎦
espressione da cui si deduce che
d 1
f Z ( z ) = FZ ( z ) = u[ z ]
dz (1 + z ) 2
Infine, essendo S = d ⋅ Z , si può scrivere che
1 ⎛s⎞
f S ( s) = fZ ⎜ ⎟
d ⎝d ⎠
Risulta, dunque,

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

1 1 d
f S ( s) = u[ s ] = u[ s ]
d⎛ s⎞
2
(d + s )2
⎜1 + ⎟
⎝ d⎠

10 Soluzione dell’esercizio 8.18

La funzione di distribuzione condizionata FZ / A ( Z / A) è espressa dalla relazione

Pr {Z ≤ z , A}
FZ / A ( Z / A) =
Pr { A}
Per valutarla occorre determinare, quindi, le probabilità Pr {Z ≤ z, A} e Pr { A} . Per
quanto riguarda il calcolo di Pr { A} , osserviamo che, nel piano cartesiano x − y ,
l’evento A individua la regione ombreggiata che viene rappresentata nella Figura
riportata di seguito. Essendo X ed Y variabili aleatorie indipendenti ed uniformemente
distribuite nell’intervallo [0,1], la loro densità di probabilità congiunta assume valore
unitario sul quadrato [0,1] × [0,1] ed è nulla altrove. Pertanto, risulta
1
Pr { A} =
2

1 x + y =1

x + y =1

−z z 1 x

Per quanto riguarda il calcolo di P {Z ≤ z , A} , occorre distinguere i quattro casi analizzati

di seguito.

Caso 1: si assume z ≤ −1 . Allora, risulta (vedi la Figura precedente)

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

Pr {Z ≤ z, A} = 0
essendo {Z ≤ z, A} un evento impossibile.

Caso 2: si assume −1 < z ≤ 0 . In tal caso l’evento {Z ≤ z, A} individua la regione

ombreggiata della Figura seguente. Risulta, quindi,

P {Z ≤ z , A} = Area della regione ombreggiata =

1+ z 1 1
= (1 + z ) = (1 + z ) 2
2 2 4
y

1
⎛1+ z 1− z ⎞
P⎜ , ⎟
⎝ 2 2 ⎠
z
−z
1 x

Caso 3: si assume 0 < z ≤ 1 . In tal caso l’evento {Z ≤ z, A} individua la regione

ombreggiata della Figura seguente. Si ha, quindi, che

P {Z ≤ z , A} = Area della regione ombreggiata =

1 1− z 1 1 1
= − (1 − z ) = − ⎡⎣1 + z 2 − 2 z ⎤⎦
2 2 2 2 4
1
= ⎡⎣1 + 2 z − z 2 ⎤⎦
4

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill
 Marco Luise ‐ Giorgio M. Vitetta 
con il contributo di  
G. Bacci e F. Zuccardi Merli 
 
Teoria dei segnali 
terza edizione 

⎛1− z 1+ z ⎞
P=⎜ , ⎟
⎝ 2 2 ⎠

z 1
−z x

Caso 4: si assume z > 1 . In tal caso, l’evento {Z ≤ z, A} coincide con A e, quindi, si ha

che
1
Pr {Z ≤ z , A} = Pr { A} =
2
I risultati acquisiti nei 4 casi esaminati permettono di scrivere che
⎧0 z ≤ −1
⎪1
⎪ (1 + z ) 2 -1 < z ≤ 0
⎪2
FZ / A ( Z / A) = ⎨
⎪ 1 (1 + 2 z − z 2 ) 0 < z ≤ 1
⎪2
⎪1 z >1
⎩

espressione dalla quale si ottiene, infine, che

⎧0 z ≤ −1
⎪
d ⎪1 + z −1 < z ≤ 0
f Z / A ( Z / A) = FZ / A ( Z / A) = ⎨
dz ⎪1 − z 0 < z ≤1
⎪⎩0 z >1

Marco Luise – Giorgio M. Vitetta, Teoria dei segnali, 3 ed, © 2009 McGraw-Hill