I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
|
|
- Gianluca Rostagno
- 5 anni fa
- Visualizzazioni
Transcript
1 I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare tutti i risultati visti a lezione (compresi quelli di cui non è stata fornita la dimostrazione) Esercizio Ho una moneta A regolare e una moneta B per cui la probabilità di ottenere testa vale 3 Scelgo una moneta a caso, con uguale probabilità, e la lancio ripetutamente (a) Qual è la probabilità p che in un lancio esca testa? E la probabilità p n che in n lanci escano n teste? (b) Se in n lanci escano n teste, qual è la probabilità che la moneta scelta sia A? Che cosa succede nel limite n? Soluzione (a) Introduciamo gli eventi A := scelgo la moneta A e T i := esce testa all i-esimo lancio Si ha P(A) =, P(T i A c ) = 3, P(T i A) =, dunque la probabilità che in un lancio esca una testa vale p = P(T i A)P(A) + P(T i A c )P(A c ) = ( 3 + ) = 5 8 Introduciamo ora l evento B n := in n lanci escono n teste Per costruzione, gli eventi (T i ) i N sono indipendenti rispetto alle probabilità condizionali P( A) e P( A c ) Dato che B n = T T T n, si ottiene da cui P(B n A) = P(T A) n = n, P(B n A c ) = P(T A c ) n = p n = P(B n ) = P(B n A)P(A) + P(B n A c )P(A c ) = (b) Per la formula di Bayes P(A B n ) = P(B n A)P(A) P(B n ) Si noti che P(A B n ) ( 3) n per n = n + ( 3 n ) n = ( n + + ( ) 3 n ( ) 3 n, ( ) 3 n )
2 Esercizio Siano X U(, ) e Y Geo(p) variabili aleatorie indipendenti Sia Z := Y X (a) Si dica se sono ben definite e, nel caso, si determinino E[Z], Var[Z], Cov[Z, Y ] (b) Si fissi n N Qual è la distribuzione della variabile aleatoria W n := n X? (c) Dato m N, si calcoli la funzione di ripartizione F Z (z) per ogni z [m, m] [Sugg Si considerino gli eventi {Y < m}, {Y = m}, {Y > m}] (d) Si mostri che P(Z = z) = per ogni z Soluzione (a) È noto che X, Y L, dunque anche Z L, quindi valore medio, varianza e covarianza sono ben definiti È noto che E[X] =, Var[X] =, E[Y ] = p, Var[Y ] = p p, quindi per linearità E[Z] = E[Y ] E[X] = p = p p ; per proprietà della varianza della somma di va indipendenti (essendo Cov[X, Y ] = ) Var[Z] = Var[Y ] + Var[X] = p p + = p p + p ; per la bilinearità della covarianza Cov[Z, Y ] = Cov[Y, Y ] Cov[X, Y ] = Var[Y ] = p p (b) Dato che X (, ), si ha W n (n, n), pertanto F Wn (w) = se w n mentre F Wn (w) = se w n Nel regime interessante n < w < n si ha F Wn (w) = P(W n w) = P(X n w) = (n w) = w (n ), dato che P(X x) = x per < x < In definitiva se w n F Wn (w) = w (n ) se n < w < n se w n È facile riconoscere la funzione di ripartizione di una va W n U(n, n) In alternativa, essendo F Wn di classe C a tratti, W n è assolutamente continua con densità f Wn (w) = F W n (w) = (n,n) (w), da cui W n U(n, n) (c) Per la formula di disintegrazione, se m z < m, F Z (z) = P(Z z) = P(Z z, Y < m) + P(Z z, Y = m) + P(Z z, Y > m) Se Y < m, ossia Y m, allora anche Z m, pertanto automaticamente Z z, quindi P(Z z, Y < m) = P(Y < m) = P(Y m ) Viceversa, se Y > m, ossia Y m +, allora Z m, pertanto non si può avere Z z, quindi P(Z z, Y > m) = In definitiva F Z (z) = P(Y m ) + P(Z z, Y = m) = P(Y > m ) + P(m X z, Y = m) = ( p) m + P(W m z)p(y = m) = ( p) m + (z (m ))p( p) m
3 3 (d) Dal punto precedente si può notare che la funzione F Z è continua in ogni punto z (infatti F Z (z) = per z < e F Z (m ) = F Z (m) per m N) Pertanto P(Z = z) = F Z (z) F Z (z ) = (In effetti, la funzione F Z è C a tratti, dunque la va Z è assolutamente continua, con densità f Z (z) = P(Y = m) = p( p) m se m z m) In alternativa, in modo più diretto, disintegrando rispetto ai valori assunti da Y, si ha P(Z = z) = n N P(Z = z, Y = n) = n N P(n X = z, Y = n) = n N P(X = n z)p(y = n) =, dove l ultima uguaglianza segue dal fatto che P(X = x) = per ogni x, essendo X assolutamente continua
4 Esercizio 3 Siano X, Y variabili aleatorie reali con densità congiunta f (X,Y ) (x, y) = se (x, y) D D(x, y) =, altrimenti avendo posto (a) Si calcolino le densità marginali di X e Y D := {(x, y) : < x <, < y < x } (b) Le variabili aleatorie X e Y sono indipendenti? (c) Si definisca la variabile aleatoria Z := XY e si dica per quali p (, ) si ha Z L p (d) Si calcoli per ogni t, z [, ] la probabilità P(X t, Z z) Le variabili aleatorie X e Z hanno la stessa legge? Sono indipendenti? Soluzione 3 (a) Si noti che f X (x) = se x (, ), perché in tal caso f (X,Y ) (x, y) = per ogni y Per x (, ) x f X (x) = f (X,Y ) (x, y) dy = dy = x Analogamente, f Y (y) = se y (, ) Conviene considerare separatamente i regime y (, ) e y (, ], dal momento che Dunque per y > D = { < y, < x < } { < y <, x < y } f Y (y) = mentre per < y f Y (y) = f (X,Y ) (x, y) dx = f (X,Y ) (x, y) dx = y dx = y, dx = (b) Le variabili aleatorie X e Y non sono indipendenti perché la densità congiunta f (X,Y ) (x, y) si annulla sull aperto { < x <, y > x } mentre il prodotto delle densità marginali f X (x)f Y (y) è strettamente positivo su tale aperto, dunque non si può avere f (X,Y ) (x, y) = f X (x)f Y (y) per Leb-qo (x, y) (c) Si noti che P((X, Y ) D) =, perché la densità f (X,Y ) (x, y) si annulla al di fuori di D Dunque < X < e < Y < / X qc, da cui segue che < XY <, ossia < Z < Ciò mostra che Z è limitata, dunque Z L p per ogni p (, ) In alternativa, basta calcolare E[ Z p ] = E[X p Y p ] = x p y p f (X,Y ) (x, y) dx dy = = x p dx = (p + )x p+ (p + ) ( x p x ) y p dy dx x dx = p + <
5 5 (d) Si noti che {X t, Z z} = {X t, XY z} = {(X, Y ) A} dove z A = {(x, y) : x t, y } x Di conseguenza, per t, z [, ], P(X t, Z z) = f (X,Y ) (x, y) dx dy = = A {<x t, <y z x } = z x dx dy = A D t dx dy ( z x ) t dy dx = z x dx Ponendo t = si ottiene P(Z z) = z per z Dunque Z è assolutamente continua con densità f Z (z) = F Z (z) = z (,)(z), la stessa densità di X Abbiamo mostrato che P(X A, Z B) = P(X A)P(Z B) per ogni semiretta A = (, t] e B = (, z] Dato che le semirette sono una base dei boreliani, segue che X e Z sono indipendenti
6 6 Esercizio Sia X, X, una successione di variabili aleatorie iid con leggi Exp(λ) Definiamo la successione Y, Y, ponendo Y i := X i Si osservi che le variabili aleatorie Y, Y, sono indipendenti e identicamente distribuite (perché?) (a) Si determini la legge di Y, mostrando che è assolutamente continua (b) Per quali p (, ) si ha Y L p? (c) Definiamo per n Λ n := min{y,, Y n }, W n := (log n) Λ n Si mostri che W n converge in distribuzione e si identifichi il limite Soluzione Le variabili aleatorie Y i sono indipendenti per conservazione dell indipendenza (funzioni di va indipendenti) e identicamente distribuite per conservazione della legge (la stessa funzione applicata a va identicamente distribuite) (a) Chiaramente F Y (y) = se y, perché Y > qc Per y > F Y (y) = P(Y y) = P(X /y) = e λ y, perché P(X x) = e λx se X Exp(λ) e x Dato che e λ y per y, la funzione è C a tratti, dunque la va Y è assolutamente continua con densità F Y (b) Usando la densità ricavata λ f Y (y) = F Y (y) = λ e y y (, )(y) E[ Y p ] = E[Y p ] = y p f Y (y) dy = λ λ e y dy y p La funzione integranda è continua, dunque integrabile (perché misurabile e limitata) in ogni intervallo compatto [a, b] (, ) esta da studiare la finitezza dell integrale in un intorno di zero o infinito Per y non ci sono problemi di integrabilità, grazie all esponenziale: la funzione integranda ha limite zero per y, quindi è limitata (dunque integrabile) Per y si ha e λ y λ, dunque l integranda è asintotica a, quindi è integrabile se e solo y p se p >, ossia p < In definitiva, Y L p se e solo se p < Le stesse conclusioni si possono ottenere a partire dalla legge di X, in quanto E[Y p ] = E [ X p ] = x p λ e λx dx, che è finito se e solo se p < (questa volta i possibili problemi sono solo per x ) (c) Essendo Λ n > qc, si ha F Λn (z) = per z, mentre per z > F Λn (z) = P(Λ n > z) = P(Y > z,, Y n > z) = P(Y > z) n = ( F Y (z)) n = ( e λ z ) n Di conseguenza si ha F Wn (w) = per w, mentre per w > F Wn (w) = P(W n w) = P(Λ n w log n ) = F Λ n ( w log n ) = ( e λ w log n) ( n = ) n n λ w
7 7 Per valutare il limite di questa espressione, conviene ricordare che log( + x) = x( + o()) per x Posto per brevità a := λ w, possiamo scrivere log [( n ) n ] a = n log ( n ) ( a = n n ) a ( + o()) se a < = n a ( + o()) se a = n se a > Di conseguenza, per ogni w, lim F e se w > λ se w > λ limn log[( W n n (w) = e n λ/w )n ] = G(w) := e se w = λ = e e se w = λ se w < λ se w < λ La funzione G(w) non è una funzione di ripartizione, perché non è continua da destra nel punto w = λ Tuttavia, modificando il valore della funzione in tale punto, ossia ponendo { se w λ H(w) := se w < λ, si ottiene una funzione di ripartizione, più precisamente la funzione di ripartizione di una va costante W = λ qc Abbiamo dunque mostrato che lim n F W n (w) = H(w) = F W (w) w λ Dato che w = λ è l unico punto di discontinuità della funzione di ripartizione H = F W, abbiamo mostrato che W n converge in distribuzione verso la costante W = λ
8 8 Esercizio 5 È facoltativo giustificare il seguente integrale: x tx e t : e dx = e t ( ) π Diremo che una variabile aleatoria reale X ha distribuzione log-normale di parametro β, e scriveremo X LN(β), se dove d = significa ha la stessa distribuzione di (a) Data X LN(β), si mostri che E[X] = X = d β βz e, con Z N(, ), Siano X, X,, X n variabili aleatorie indipendenti log-normali di parametro β (b) Si mostri che la seguente variabile aleatoria T n := X X X n ha distribuzione log-normale, determinandone il parametro Si osservi che E[T n ] = D ora in avanti poniamo β = (c) Si mostri che lim P(T n > e n ) = n (d) Si mostri che T n in probabilità Si dica se T n converge in L Soluzione 5 Per calcolare l integrale basta completare il quadrato scrivendo tx x = t (x t) Oppure, basta dividere ambo i membri per e t, ottenendo x tx e e (x t) e dx = dx =, π π e t dove l ultima uguaglianza segue dal fatto che l integranda è la densità di una N(t, ) (a) Usando l integrale ( ) con t = β β βz E[X] = E[e ] = e β e x βx e π dx = e β e β = (b) Siano Z,, Z n va iid N(, ) Allora X,, X n hanno la stessa legge congiunta rispettivamente di e βz β β βzn,, e Segue che T n d = e βz β e βz β e βz n β = e β(z ++Z n) n β d Dato che Z + + Z n N(, n), possiamo scrivere Z + + Z n = nz con Z N(, ), pertanto d T n = e (β n)z (β n), ossia T n LN(β n) Per il punto precedente, si ha E[T n ] = Questo valore si può anche calcolare direttamente, usando l indipendenza delle va X i : E[T n ] = E[X ]E[X ] E[X n ] = d (c) Usando la rappresentazione T n = e (β n)z (β n) = e nz n, si ha P(T n > e n ) = P(e nz n > e n ) = P( nz n > n) = P(Z > n ) n
9 9 (d) Per ogni ε > fissato, si ha ε > e n per n sufficientemente grande, da cui P( T n > ε) = P(T n > ε) P(T n > e n ) n, dunque T n in probabilità Se T n convergesse in L, si dovrebbe avere T n in L, in particolare E[T n ] E[] =, ma così non è, dato che E[T n ] = per ogni n N; dunque T n non ha limite in L
10 Esercizio 6 Sia X = (X n ) n una catena di Markov sull insieme E = {,, 3,, 5} con il seguente grafo di transizione: Indichiamo come al solito P i ( ) := P( X = i) (a) Si scriva la matrice di transizione, si classifichino gli stati (transitori, ricorrenti positivi, ricorrenti nulli) e se ne determini il periodo (b) Partendo dallo stato, qual è la probabilità di raggiungere prima o poi lo stato 3? (c) (*) Quanto valgono lim n P (X n = 3) e lim n P (X n = 5)? Soluzione 6 (a) Si ha 3 3 p = Chiaramente {3} e {5} sono classi di comunicazione chiuse e finite, dunque ricorrenti positive, mentre {,, } è una classe di comunicazione (infatti ) non chiusa (in quanto 3), quindi transitoria Gli stati 3 e 5 hanno periodo, in quanto p 33 = p 33 > e p 55 = p 55 > Anche gli stati,, hanno periodo, in quanto p = p > (gli stati di una classe di comunicazione hanno lo stesso periodo) (b) Sia σ = σ {3} := min{n : X n = 3} Le probabilià di assorbimento h i = h {3} i := P i (σ < ) soddisfano il sistema h 3 = h 5 = h i = j E p ijh j se i =,, Dunque h = 3 h + 3 h h = h + h + h = h + h La seconda relazine dà 3 h = h + ossia h = 3 h + 3 Sostituendo nelle altre relazioni { 7 9 h = h si ha { h = 9 h h h = h + 3 h + 6 h = 7 h + 6
11 Sostituendo la seconda relazione nella prima si ottiene infine 7 9 h = h h = h = 9 7 (c) Per il punto precedente si ha lim n P (X n = 3) = 7 Infatti gli eventi A n := {X n = 3} sono crescenti, ossia A n A n+ per ogni n N (questo perché, una volta raggiunto lo stato 3, non lo si lascia più), e vale che n N A n = {σ {3} < }, quindi per continuità dal basso della probabilità h = P (σ {3} < ) = lim n P (A n ) = lim n P (X n = 3) D altro canto lim n P (X n = i) = per i =,,, perché tali stati sono transitori Dato che 5 i= P (X n = i) =, segue che lim n P (X n = 5) = 3 7
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 24/5 Nome: 7 gennaio 26 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 14 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 14/15 Nome: 14 luglio 15 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliIII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2018/19
III Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 8/9 Martedì luglio 9 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliCalcolo delle Probabilità 2017/18 Foglio di esercizi 8
Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito
DettagliII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 20 febbraio
II Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 3/4 Nome: febbraio 4 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 30 gennaio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica /3 Nome: 3 gennaio 3 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 202/ Nome: 8 ottobre 20 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliI Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 23 Giugno
I Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 014/15 Nome: 3 Giugno 015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliI Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. 2012/ Giugno 2013
I Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. / 9 Giugno Recupero I esonero o prova scritta di Probabilità da 5 cfu o di Probabilità e Statistica da cfu: esercizio ; esercizio
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliCP210 Introduzione alla Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 218-19, II semestre 4 giugno, 219 CP21 Introduzione alla Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 6 febbraio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 03/4 Nome: 6 febbraio 04 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliCP410: Esame 2, 3 febbraio 2015
Dipartimento di Matematica, Roma Tre Pietro Caputo 2014-15, I semestre 3 febbraio, 2015 CP410: Esame 2, 3 febbraio 2015 Cognome Nome Matricola Firma 1. Sia (Ω, F, P) lo spazio di probabilità definito da
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 PBaldi appello, 23 giugno 29 Corso di Laurea in Matematica Esercizio Per α 2 consideriamo la catena di Markov su {, 2, 3} associata alla matrice
DettagliStudente: Matricola: Soluzione. V usando la disuguaglianza di Chebyschev, per n sucientemente grande segue,
Es Es 2 Es 3 Es 4 Tot Secondo appello luglio Calcolo delle probabilità 2 luglio 29 Studente: Matricola: Vero o falso Esercizio ( pti). Si dica, motivando la propria risposta, se le seguenti aermazioni
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 29-2, II semestre 25 maggio, 2 CP Probabilità: Esonero 2 Testo e soluzione . (7 pt) Siano T, T 2 variabili esponenziali indipendenti, di parametri λ =
DettagliAppello febbraio. Vero o falso. Es 1 Es 2 Es 3 Es 4 Tot
Es Es 2 Es 3 Es 4 Tot Appello febbraio Calcolo delle probabilità 5 febbraio 208 Studente: Matricola: Vero o falso Esercizio (0 pti). Si dica, motivando la propria risposta, se le seguenti affermazioni
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
DettagliEsame di Calcolo delle Probabilità del 12 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 2 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. 4 Somma Voto parziale Prima
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 25 febbraio 2013 Matricola: ESERCIZIO 1. Si mostri la seguente formula di disintegrazione per la probabilità condizionata:
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliEsercizi: fascicolo 4
Esercizi: fascicolo 4 Esercizio 1 Dimostrare le seguenti proprietà (1), (2) e (3): (1) X 1 = 0 X 0; (2) X L 1 (Ω, P ), λ R λx 1 = λ X 1 ; (3) X, Y L 1 (Ω, P ) X + Y 1 X 1 + Y 1. Esercizio 2 Si estraggono
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità (docenti G. Nappo, F. Spizzichino prova scritta giugno 5 (tempo a disposizione: ore La prova scritta consiste nello svolgimento
Dettagli(a) Qual è la probabilità che un neonato sopravviva al primo anno?
II Appello di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 2 luglio 2009 Matricola: ESERCIZIO. Per una certa specie africana di uccelli, i neonati hanno indipendentemente l uno dal l altro
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliTraccia della soluzione degli esercizi del Capitolo 4
Traccia della soluzione degli esercizi del Capitolo 4 Esercizio 6 Sia X una v.c. uniformenente distribuita nell intervallo ( π, π ), cioè f X (x) = π ( π, π ) (x). Posto Y = cos(x), trovare la distribuzione
DettagliEsercizi di Calcolo delle Probabilità Foglio 3
Esercizi di Calcolo delle Probabilità Foglio David Barbato Esercizio. (6-ese- s) Sia (X, Y ) un vettore aleatorio con densità: { αy (x, y) D f (X,Y ) (x, y) (x, y) / D Dove D {(x, y) R : x
DettagliCP110 Probabilità: Esame 4 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 4 luglio, 2012 CP110 Probabilità: Esame 4 luglio 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline numerate da 1
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliCP110 Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 22-3, II semestre 23 maggio, 23 CP Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una penna
DettagliESERCIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2
ESECIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2 1. Una σ algebra è chiusa rispetto a intersezioni finite e numerabili, e rispetto a differenze e differenze simmetriche. 2. Una σ algebra è anche un algebra,
DettagliCorso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 2018/19 - Esercitazione
Corso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (55AA) A.A. 28/9 - Esercitazione 28--9 La durata della prova è di due ore e mezzo. Le risposte devono essere
DettagliEs.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci X\Y 0 1 2 0 1/8 1/8 0 1/4 1 1/8 1/4 1/8 1/2 2 0 1/8 1/8 1/4 1/4 1/2 1/4 1 X e Y non sono indip. Se
DettagliEsame di Calcolo delle Probabilità del 4 luglio 2006 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 4 luglio 26 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliSessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.
Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio
DettagliEsercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliCP410: Esonero 1, 31 ottobre 2013
Dipartimento di Matematica, Roma Tre Pietro Caputo 2013-14, I semestre 31 ottobre, 2013 CP410: Esonero 1, 31 ottobre 2013 Cognome Nome Matricola Firma 1. Fare un esempio di successione di variabili aleatorie
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prova del
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) AA 06/7 - Prova del 07-04-07 La durata della prova è di tre ore Le risposte devono essere adeguatamente giustificate Problema
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2019
Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2019 COGNOME e NOME... N. MATRICOLA... Esercizio 1. Costruire, se esiste, un esempio con le seguenti proprietà 1. {F n }
DettagliProbabilità 1, laurea triennale in Matematica II prova di valutazione in itinere a.a. 2008/09
robabilità, laurea triennale in Matematica II prova di valutazione in itinere a.a. 008/09. Francesco lancia ripetutamente due dadi non truccati: sia T il numero di lanci necessario ad ottenere per la prima
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
Dettagli1 Richiami di algebra lineare
1 Richiami di algebra lineare Definizione 11 (matrici e vettori) Una matrice A e un insieme di numeri A hk, h = 1,, m, k = 1,, n, ordinati in base alla coppia di indici h e k nel modo seguente A 1 A n
DettagliEsercitazione del 28/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 8/0/01 Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio 1. Sia X una v.a. aleatoria assolutamente continua con densità f X data da { 0 x < 0 f X
DettagliCP410: Esonero 1, 7 novembre, 2018
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, I semestre 7 novembre, 2018 CP410: Esonero 1, 7 novembre, 2018 Cognome Nome Matricola Firma 1. Sia X una variabile aleatoria su uno spazio di
DettagliNome e cognome:... Matricola...
Nome e cognome:................................................... Matricola................. CALCOLO DELLE PROBABILITA - 0/07/008 CdS in Economia e Finanza - Cds in Informatica - Cds SIGAD Motivare dettagliatamente
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 28 giugno 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 8 giugno 01 Matricola: ESERCIZIO 1. Sia (A n n una successione di eventi indipendenti, tali che P (A n 1 1 n. Sia B := + n=
DettagliCP110 Probabilità: Esame 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2010-11, II semestre 30 gennaio, 2012 CP110 Probabilità: Esame 30 gennaio 2012 Testo e soluzione 1. (5 pts) Un gioco consiste in n prove ripetute, tali
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
Dettagli! X (92) X n. P ( X n X ) =0 (94)
Convergenza in robabilità Definizione 2 Data una successione X 1,X 2,...,X n,... di numeri aleatori e un numero aleatorio X diremo che X n tende in probabilità a X escriveremo X n! X (92) se fissati comunque
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliCalcolo delle Probabilità: esercitazione 11
Argomento: Distribuzioni bivariate discrete (pag. 44 e seguenti) e covarianza (pag 45 e seguenti). Distribuzione bivariate assolutamente continue (pag. 48 e seguenti del libro di testo). La v.c. trinomiale
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliEsercizi - Fascicolo V
Esercizi - Fascicolo V Esercizio Sia X una v.c. uniformenente distribuita nell intervallo ( π 2, π 2 ), cioè f X (x) = π ( π 2, π 2 ) (x). Posto Y = cos(x), trovare la distribuzione di Y. Esercizio 2 Si
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 17-18, I semestre Settembre 18 Scritto del - 9-18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliEsercitazione del 19/02/2013 Istituzioni di Calcolo delle Probabilità
Esercitazione del 19/0/013 Istituzioni di Calcolo delle Probabilità David Barbato Variabili aleatorie esponenziali. Minimo di v.a. esponenziali indipendenti. Ricordiamo innanzitutto che due variabili aleatorie
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ o modulo - PROVA d esame del 9/02/200 - Laurea Quadriennale in Matematica - Prof. Nappo Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 23 maggio, 213 CP11 Probabilità: Esonero 2 Testo e soluzione 1. (7 punti) Una scatola contiene 1 palline, 5 bianche e 5 nere. Ne vengono
DettagliTutorato V Probabilità e Statistica a.a. 2015/2016
Tutorato V Probabilità e Statistica a.a. 05/06 Argomenti: momenti; varianza e covarianza; interpretazione della media condizionale; retta di regressione. Esercizio. Sia (Ω, F, P) uno spazio di probabilià.
DettagliX n = αx n 1 + Y n. Si dimostri che. Usando la precedente relazione si dimostri che. e che. e si determini il limite di media e varianza quando n +.
Problema 1. Siano X, Y 1, Y,... variabili aleatorie indipendenti. Si supponga che X abbia media m e varianza σ e che le Y i abbiano distribuzione gaussiana con media µ e varianza σ. Dato α in (, 1, si
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliEsercitazione del 21/10/2011 Calcolo delle probabilità
Esercitazione del /0/0 Calcolo delle probabilità Funzione di ripartizione Sia F X una funzione da R in R. consideriamo le seguenti condizioni: F X è non decrescente ( ) x F X (x) x F X (x) 0 F X è continua
Dettagli5. Distribuzioni. Corso di Simulazione. Anno accademico 2009/10
Anno accademico 2009/10 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliCP110 Probabilità: esame del 20 luglio 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 2016-17, II semestre 20 luglio, 2017 CP110 Probabilità: esame del 20 luglio 2017 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si puo usare durante
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliEsercizi - Fascicolo III
Esercizi - Fascicolo III Esercizio 1 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo, indipendentemente
DettagliEsercizi - Fascicolo IV
Esercizi - Fascicolo IV Esercizio Una compagnia di assicurazioni emette una polizza che pagherà n euro se l evento E si verificherà entro un anno. Se la compagnia stima che l evento E si verificherà entro
DettagliEsame di Calcolo delle Probabilità del 11 dicembre 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del dicembre 27 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. Es. 4 Somma Voto finale Attenzione:
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
Dettagli1 Serie temporali. 1.1 Processi MA
1 Serie temporali Un processo stocastico 1 {X t, t T }, dove T = N o T = Z, si dice stazionario se (X 1,..., X n ) e (X k+1,...,x k+n ) hanno la stessa distribuzione per ogni n 1 e per ogni k T. Un processo
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliCALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno 2006 Motivare dettagliatamente le risposte su fogli allegati 1.- Sia X un numero aleatorio a valori { α, 0, α}, con α > 0 e P (X = α) = P (X
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Prova scritta
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 7/8 - Prova scritta 8-7-3 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliTutorato VI Probabilità e Statistica a.a. 2015/2016
Tutorato VI Probabilità e Statistica a.a. 25/26 Argomenti: disuguaglianza di Chebycev e legge dei grandi numeri; v.a. assolutamente continue: densità congiunte e marginali; indipendenza; calcoli con densità.
DettagliTeoria delle Probabilità e Applicazioni programma 2004/05
Teoria delle Probabilità e Applicazioni programma 2004/05 Capitolo 1: esempio guida Lezioni: 8/3, 9/3 (5h) 1. Come modellizzare l esperimento infiniti lanci di una moneta equilibrata oppure l esperimento
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCP110 Probabilità: Esame del 15 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 15 settembre, 2010 CP110 Probabilità: Esame del 15 settembre 2010 Testo e soluzione 1. (6 pts) 10 carte numerate da 1 a 10 vengono
Dettagli