Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
21/22
2. Un dado a sei facce è truccato in modo da aumentare la probabilità di dare 1 o 5. Sia Xi la variabile
aleatoria che rappresenta il risultato dell’i-esimo lancio di tale dado. La distribuzione di Xi , per ogni
i, è data da
x 1 2 3 4 5 6
Assumiamo che il dado è lanciato n volte e sia X̄n la media del risultato degli n lanci (Cioè, dopo aver
lanciato il dado n volte, X̄n è il numero ottenuto sommando il risultato di tutti i lanci e dividendo per
n).
(a) Il dado viene lanciato 6 volte. Calcolare la probabilità di ottenere almeno 5 volte un valore in {1, 5}
P ({1, 5}) = 2/3 quindi
P (almeno 5 volte {1, 5}) = P (esattamente 6 volte {1, 5}) + P (esattamente 5 volte {1, 5})
2 6 6 2 5 1
=( ) + ( ) ( )
3 5 3 3
1 per esempio, per la sequenza “rossa,blu,blu,rossa” abbiamo N = 4, mentre per “blu,blu,blu,blu,rossa” abbiamo N = 5.
1
Statistica I Prova scritta 161AA, a.a. 21/22
(b) Si calcoli E(X1 ), SD(X1 ), E(X̄n ) e SD(X̄n ). (Le risposte possono dipendere da n)
(a) Discutere brevemente il metodo di integrazione di Monte Carlo e come può essere applicato per
l’approssimazione di questo integrale.
(b) Scrivere i comandi in R la cui esecuzione restituisce, per il metodo discusso sopra, un valore
approssimativo di questo integrale.
x < −rnorm(10000,
p mean = 4, sd = p
2)
cos(x)/ (pi)/log(x4̂ + 2 + sin(x)) ∗ (2 ∗ pi ∗ 4)
Nota: potrebbero essere utili i comandi sin(·) (il seno), log(·) (il logaritmo naturale) e sqrt(·)
(la radice quadrata).
4. Una ditta vuole confrontare la performance di due dei suoi call center situati in due città diverse (Milano
e Roma) sulla base del numero di tickets risolti in un giorno. I dati ottenuti dalla ditta per i due call
center sull’arco di una settimana lavorativa sono i seguenti.
Si assuma che in entrambi i casi la distribuzione del numero di ticket risolti in un giorno sia normale
(Milano N (µ1 , σ12 ), Roma N (µ2 , σ22 )).
(a) Assumiamo che σ1 sia sconosciuta. Si calcoli l’intervallo di confidenza bilaterale al 99% per lo
stimatore di µ1 dato dalla media empirica.
(b) Si definiscano l’ipotesi nulla H0 e l’ipotesi alternativa H1 per il test che ha come obbiettivo quello
di dimostrare che il call center di Roma ha una performance migliore di quello di Milano.
H0 : µ1 ≥ µ2 H1 : µ1 < µ2
2
Statistica I Prova scritta 161AA, a.a. 21/22
(c) Assumiamo ora di conoscere σ1 = 20, σ2 = 25. Si testi l’ipotesi nulla formulata al punto precen-
dente al livello di significatività del 5%. Che tipo di conclusione ci permette di trarre il risultato
del test?
Si tratta di un test con statistica t (siccome la varianza non è nota) con due campioni.
(d) Calcolare il valore p per il test disucsso al punto b).
5. Definiamo la funzione di densità
dove cθ > 0 e 1(0,∞) (x) rappresenta la funzione indicatrice sull’insieme (0, ∞).
(a) Per
R ogni θ > 0, calcolare il valore di 5cθ perché fX sia una densità di probabilità.
0
∞fX (x|θ)dx = 1 ⇒ cθ = 1/(24 · θ )
(b) Determinare lo stimatore di massima verosimiglianza θ̂ di θ per un campione {x1 , . . . , xn } con
densità fX (x|θ).
Scriviamo la funzione di verosimiglianza
Y 1 5 n Y 4 − Pi xi /θ 1 Y P
L({xi }|θ) = fX (xi |θ) = ( θ ) ( xi )e = ( )n ( x4i )e−5n log θ− i xi /θ
i
24 i
24 i
Deriviamo l’esponente (siccome il resto non dipende da θ) e uguagliamo a 0. Nota che questo
puo essere fatto solo in assenza di discontinuita della funzione di verosimiglianza (al contrario per
esepio del caso in cui c’è una funzione indicatrice che dipende da θ).
Derivando otteniamo
1 1 X 1 X
−5n + 2 xi = 0 quindi θ̂ = xi
θ θ i 5n i
Formule utili:
Z ∞
Per ogni n ∈ N: xn e−x/θ dx = n! θn+1
0