Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.
|
|
- Enrico Arena
- 4 anni fa
- Visualizzazioni
Transcript
1 Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008
2 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio n-dimensionale) è una funzione X : Ω R n tale che ogni sua componente X i, i = 1,..., n sia una v.a. Si dice funzione di ripartizione congiunta del vettore aleatorio la funzione con (x 1,..., x n) R n. F X (x 1,..., x n) = P({X 1 x 1 }... {X n x n}) = = P({X 1 x 1 },..., {X n x n}), Si dicono invece funzioni di ripartizione marginali della v.a. (X 1,..., X n), le funzioni F Xi (a) = P(X 1, X 2,..., X i a,..., X n ), i = 1,..., n; Per due v.a. X 1, X 2, si dice momento misto di ordine r = r 1 + r 2 il numero h i µ r1,r 2 = E X r 1 1 X r 2 2 = X x r 1 1 x r 2 2 f X (x 1, x 2 ) (x 1,x 2 )
3 Richiami di teoria Come si calcolano le densità marginali Esercizi Nota la densità congiunta di un vettore aleatorio f X (x 1,..., x n) p X (k 1,..., k n) continua discreta le densità marginali si calcolano con Z + Z + f Xi (s) =... f X (t 1,..., t i 1, s, t i+1, t n) dt 1... dt i 1 dt i+1... dt n, nel caso continuo, e con p Xi (s) = + X X... p X (k 1,..., k i 1, s, k i+1, k n), nel caso discreto. k 1 = k n=
4 Richiami di teoria Come si calcolano le densità marginali Esercizi Vengono scelte a caso 3 palline da un urna contenente 3 palline rosse, 4 bianche e 5 blu. Se denotiamo con X ed Y rispettivamente il numero di palline rosse e bianche scelte, ricavare la densità congiunta di X ed Y.
5 Richiami di teoria Come si calcolano le densità marginali Esercizi Vengono scelte a caso 3 palline da un urna contenente 3 palline rosse, 4 bianche e 5 blu. Se denotiamo con X ed Y rispettivamente il numero di palline rosse e bianche scelte, ricavare la densità congiunta di X ed Y. Soluzione: bisogna ricavare p(i, j) = P(X = i, Y = j), i = 1,..., 3; j = 1,..., 3.
6 Richiami di teoria Come si calcolano le densità marginali Esercizi Vengono scelte a caso 3 palline da un urna contenente 3 palline rosse, 4 bianche e 5 blu. Se denotiamo con X ed Y rispettivamente il numero di palline rosse e bianche scelte, ricavare la densità congiunta di X ed Y. Soluzione: bisogna ricavare p(i, j) = P(X = i, Y = j), i = 1,..., 3; j = 1,..., 3. Si ha allora che `5 3 p(0, 0) = `12 = 10 `3 `4 ` p(1, 1) = 220 `12 = `4 `5 1 2 p(0, 1) = `12 = 40 `3 `4 1 2 p(1, 2) = 220 `12 = `3 `5 1 2 p(1, 0) = `12 = 30 `3 3 p(3, 0) = 220 `12 =
7 Richiami di teoria Come si calcolano le densità marginali Esercizi Quindi abbiamo j i P(X = i) 0 10/220 40/220 30/220 4/220 84/ /220 60/220 18/ / /220 12/ / / /220 P(Y = j) 56/ /220 48/220 4/220 1
8 Richiami di teoria Come si calcolano le densità marginali Esercizi Il 15% delle famiglie in una certa comunità non ha bambini; il 20% ne ha uno, il 35% ne ha due, il 30% ne ha tre. Supponiamo che in ogni famiglia, ogni figlio sia maschio o femmina con uguale probabilità e in maniera indipendente. Scelta a caso una delle famiglie, ricavare la densità (discreta) del numero di figli.
9 Richiami di teoria Come si calcolano le densità marginali Esercizi Il 15% delle famiglie in una certa comunità non ha bambini; il 20% ne ha uno, il 35% ne ha due, il 30% ne ha tre. Supponiamo che in ogni famiglia, ogni figlio sia maschio o femmina con uguale probabilità e in maniera indipendente. Scelta a caso una delle famiglie, ricavare la densità (discreta) del numero di figli. Soluzione: sia M il numero dei maschi, ed F il numero delle femmine nella famiglia scelta a caso; vanno pertanto calcolate le quantità
10 Richiami di teoria Come si calcolano le densità marginali Esercizi Il 15% delle famiglie in una certa comunità non ha bambini; il 20% ne ha uno, il 35% ne ha due, il 30% ne ha tre. Supponiamo che in ogni famiglia, ogni figlio sia maschio o femmina con uguale probabilità e in maniera indipendente. Scelta a caso una delle famiglie, ricavare la densità (discreta) del numero di figli. Soluzione: sia M il numero dei maschi, ed F il numero delle femmine nella famiglia scelta a caso; vanno pertanto calcolate le quantità P(M = 0, F = 0) = P(senza figli) = 0.15 P(M = 0, F = 1) = P(1 femmina e in totale un figlio) = P(F = 1 1 figlio)p(1 figlio) = = 1/2 0.2 P(M = 0, F = 2) = P(2 femmine e in totale due figli) = P(F = 2 2 figli)p(2 figli) =... = (1/2) ottenendo la seguente tabella di probabilità congiunte:
11 Richiami di teoria Come si calcolano le densità marginali Esercizi j i
12 Richiami di teoria Come si calcolano le densità marginali Esercizi La densità congiunta di X ed Y è data da ( 2e x e 2y 0 < x <, 0 < y < f (x, y) = 0 altrimenti Si calcolino P(X > 1, Y < 1), P(X < Y ), P(X < a)
13 Richiami di teoria Come si calcolano le densità marginali Esercizi La densità congiunta di X ed Y è data da ( 2e x e 2y 0 < x <, 0 < y < f (x, y) = 0 altrimenti Si calcolino P(X > 1, Y < 1), P(X < Y ), P(X < a) Soluzione: vale che Z 1 Z + Z 1 P(X > 1, Y < 1) = 2e x e 2y 2y x + dxdy = 2e ˆ e = Z 1 = e 1 2e 2y dy = e 1 1 e 2. 0
14 Richiami di teoria Come si calcolano le densità marginali Esercizi Inoltre ZZ Z + Z y P(X < Y ) = 2e x e 2y dxdy = 2e x e 2y dxdy = {(x,y):x<y} 0 0 Z + = 2e 2y `1 e y Z + Z + dy = 2e 2y dy 2e 3y dy = = = 1 3. "! Quindi: Z a Z y Z a P(X < a) = 2e 2y e x dydx = e x dx = 1 e a
15 Richiami di teoria Come si calcolano le densità marginali Esercizi Si consideri un cerchio di raggio R e supponiamo di scegliere a caso un punto dentro al cerchio in modo tale che tutte le regioni di uguale area interne al cerchio abbiano uguale probabilità di contenere il punto (cioè il punto è uniformemente distribuito dentro al cerchio). Fissando il centro del cerchio come origine di un sistema di assi cartesiani e ponendo X ed Y le coordinate del punto scelto, segue che essendo (X, Y ) un punto scelto a caso e in modo uniforme, la densità congiunta di X ed Y è data da ( c se x 2 + y 2 R 2 f (x, y) = 0 se x 2 + y 2 > R 2 per qualche c. Si determini la costante c; si determinino le densità marginali di X ed Y ; Si calcoli la probabilità che D, la distanza dall origine del punto selezionato, sia minore od uguale ad a; Si calcoli E(D).
16 Richiami di teoria Come si calcolano le densità marginali Esercizi Soluzione: poiché vale che R + R + f (x, y) dxdy = 1 segue che c RR x 2 +y 2 R 2 dxdy = 1, ed osservando che l integrale doppio rappresenta l area del cerchio, si ottiene che c = 1 πr 2 Vale inoltre che p con c = R 2 x 2, Z + f X (x) = f (x, y) dy = 1 Z πr 2 dy = 1 Z c x 2 +y 2 R 2 πr 2 dy = c = 2 πr 2 p R 2 x 2, per x 2 R 2. e 0 altrove (cioè per x 2 > R 2 ). Similmente per simmetria ( 2 p f Y (y) = πr R 2 y 2 per y 2 R 2, 2 0 per y 2 > R 2
17 Richiami di teoria Come si calcolano le densità marginali Esercizi Per la funzione di distribuzione di D = p X 2 + Y 2, la distanza dall origine, si ottiene quanto segue: per 0 a R p F D (a) = P X 2 + Y 2 a = P X 2 + Y 2 a 2 ZZ = f (x, y) dxdy = x 2 +y 2 a 2 = 1 ZZx2+y2 a2 πr 2 dxdy = πa2 πr 2 = a2 R 2. Pertanto la densità di D è e dunque è facile ora calcolare la media f D (a) = 2a R 2, 0 a R, E(D) = 2 Z R R 2 a 2 da = 2R 0 3.
18 Richiami di teoria Come si calcolano le densità marginali Esercizi La densità congiunta di X ed Y è data da ( e (x+y), 0 < x < +, 0 < y < + f (x, y) = 0 altrimenti Si determini la densità della variabile X/Y.
19 Richiami di teoria Come si calcolano le densità marginali Esercizi La densità congiunta di X ed Y è data da ( e (x+y), 0 < x < +, 0 < y < + f (x, y) = 0 altrimenti Si determini la densità della variabile X/Y. Soluzione: iniziamo calcolando la funzione di distribuzione di X/Y. Per a > 0, «ZZ Z X + Z ay F X/Y (a) = P Y a = e (x+y) dxdy = e (x+y) dxdy = {x/y a} 0 0 Z " # + + = (1 e ay )e y dy = e y + e (a+1)y = 0 a = 1 1 a + 1. Differenziando, si ottiene la densità di X/Y, che quindi è data da f X/Y (a) = 1, per 0 < a < +. (a + 1) 2
20 Richiami di teoria Come si calcolano le densità marginali Esercizi La densità congiunta di X ed Y è data da f (x, y) = c(x 2 y 2 )e y, y x y, 0 < y < + a) Determinare il valore di c; b) Si determinino le densità marginali; c) Si calcoli E(X). La densità congiunta di X ed Y è data da f (x, y) = 6 7 x 2 + xy 2, 0 < x < 1, 0 < y < 2; a) Si verifichi che è effettivamente una densità di probabilità; b) Si calcoli la densità marginale di X; c) Si calcoli P(X > Y ); d) Si calcoli P(Y > 1/2 X < 1/2); e) Si calcolino E(X) ed E(Y ). Un uomo e una donna si danno appuntamento davanti a un cinema alle Se l uomo arriva ad un istante uniformemente distribuito tra le e le e la donna, indipendentemente dall uomo, arriva in un istante uniformemente distribuito tra le 12 e le 13, si determini la probabilità che il primo che arriva attenda l altro per non più di 5 minuti. Qual è la probabilità che l uomo arrivi per primo?
21 Richiami di teoria Come si calcolano le densità marginali Esercizi Se X è una v.a. uniforme sull intervallo (0, 1) ed Y una v.a. esponenziale di parametro 1, si determini la distribuzione di a) Z = X + Y ; b) Z = X/Y. Le v.a. X ed Y hanno distribuzione congiunta data da e zero altrove. a) Si calcolino E(X) ed E(Y ); b) Si calcolino Var(X) e Var(Y ). f (x, y) = 12xy(1 x), 0 < x < 1, 0 < y < 1
22 Richiami sulla matrice di covarianza Normale bivariata: richiami Dato un vettore aleatorio (X, Y ), quando X ed Y sono indipendenti? Quando X ed Y sono non correlate? Che relazioni ci sono fra questi due tipi di indipendenza? Giustificate la risposta.
23 Richiami sulla matrice di covarianza Normale bivariata: richiami Dato un vettore aleatorio (X, Y ), quando X ed Y sono indipendenti? Quando X ed Y sono non correlate? Che relazioni ci sono fra questi due tipi di indipendenza? Giustificate la risposta. Soluzione: due v.a. X ed Y sono indipendenti se vale F (x, y) = F X (x)f Y (y), per ogni (x, y) R 2 dove F è la funzione di ripartizione congiunta, ed F X, F Y sono le funzioni di ripartizione marginali.
24 Richiami sulla matrice di covarianza Normale bivariata: richiami Dato un vettore aleatorio (X, Y ), quando X ed Y sono indipendenti? Quando X ed Y sono non correlate? Che relazioni ci sono fra questi due tipi di indipendenza? Giustificate la risposta. Soluzione: due v.a. X ed Y sono indipendenti se vale F (x, y) = F X (x)f Y (y), per ogni (x, y) R 2 dove F è la funzione di ripartizione congiunta, ed F X, F Y sono le funzioni di ripartizione marginali. Due v.a. sono non correlate se la loro covarianza è nulla (analogamente sono correlate positivamente se la covarianza è positiva, negativamente viceversa).
25 Richiami sulla matrice di covarianza Normale bivariata: richiami Dato un vettore aleatorio (X, Y ), quando X ed Y sono indipendenti? Quando X ed Y sono non correlate? Che relazioni ci sono fra questi due tipi di indipendenza? Giustificate la risposta. Soluzione: due v.a. X ed Y sono indipendenti se vale F (x, y) = F X (x)f Y (y), per ogni (x, y) R 2 dove F è la funzione di ripartizione congiunta, ed F X, F Y sono le funzioni di ripartizione marginali. Due v.a. sono non correlate se la loro covarianza è nulla (analogamente sono correlate positivamente se la covarianza è positiva, negativamente viceversa). L indipendenza implica la non correlazione, ma non vale viceversa, cioè se due v.a. sono non correlate, allora non è detto che siano indipendenti
26 Richiami sulla matrice di covarianza Normale bivariata: richiami Mostriamo che l indipendenza implica la non correlazione: E(XY ) = X X xyf (X,Y ) (x, y) = X X xyf X (x)f Y (y) = x y x y = X x xf X (x) X y yf Y (y) = E(X)E(Y ). Poiché la covarianza è Cov(X, Y ) = E [(X E(X))(Y E(Y ))] = E [XY XE(Y ) YE(X) + E(X)E(Y )] = = E(XY ) E(Y )E(X) E(X)E(Y ) + E(Y )E(X) = E(XY ) E(X)E(Y ) si ha subito che se due v.a sono indipendenti, allora sono anche non correlate.
27 Richiami sulla matrice di covarianza Normale bivariata: richiami Sia Y una v.a. di Bernoulli con probabilità di successo pari a 0.2. Sia X la seguente v.a.: ( 2 p(2) = 0.7 X = 3 p(3) = 0.3 Supponiamo che X ed Y siano indipendenti. a) Fornire la distribuzione di Z = 2Y + X + 1; b) Determinare la covarianza fra Y e Z ; c) Determinare la covarianza fra Z ed Y ;
28 Richiami sulla matrice di covarianza Normale bivariata: richiami Soluzione: a) Occorre anzitutto determinare la funzione di densità di Y : ( 1 p(1) = 0.2 Y = 0 p(0) = 0.8 e, sapendo che X ed Y sono indipendenti, possiamo costruire la tabella a doppia entrata della distribuzione congiunta di (X, Y ), per determinare i possibili valori che la Z può assumere: Y X 0 1 p X (Z = 3) 0.14 (Z = 5) (Z = 4) 0.06 (Z = 6) 0.3 p Y
29 Richiami sulla matrice di covarianza Normale bivariata: richiami Quindi la distribuzione della v.a. Z sarà data da 8 3 p(3) = 0.56 >< 4 p(4) = 0.24 Z = 5 p(5) = 0.14 >: 6 p(6) = 0.06 b) Calcoliamo la covarianza tra Y e Z : Cov(Y, Z ) = Cov(Y, 2Y + X + 1) = E(YZ ) E(Y )E(Z ) = = E[Y (2Y + X + 1)] E(Y )E[2Y + X + 1] = = E(2Y 2 ) + E(XY ) + E(Y ) E(Y )[E(2Y ) + E(X) + 1] = = 2E(Y 2 ) + E(XY ) + E(Y ) 2E(Y ) 2 E(X)E(Y ) E(Y ) = = 2[E(Y 2 ) E(Y ) 2 ] + E(XY ) E(X)E(Y ) = = 2Var(Y ) + Cov(X, Y ) = 2Var(Y ). c) Poiché la covarianza è un operatore simmetrico, abbiamo che Cov(Y, Z ) = Cov(Z, Y ).
30 Richiami sulla matrice di covarianza Normale bivariata: richiami Data la seguente matrice di probabilità congiunte Y X /10 3/ /5 1/10 2 1/10 0 1/5 Calcolare Cov(X, Y ) ed il coefficiente di correlazione. Soluzione: sommando per righe e per colonne, otteniamo rispettivamente le distribuzioni marginali di Y e di X come p Y (j) = (2/5, 3/10, 3/10), p X (i) = (1/5, 1/2, 3/10), i, j = 0, 1, 2. in questo modo possiamo calcolare Cov(X, Y ) = E(XY ) E(X)E(Y ) E(XY ) = 1 1/ / /5 = 6/5; E(X) = 1 1/ /10 = 11/10; E(Y ) = 1 3/ /10 = 9/10 Cov(X, Y ) = =
31 Richiami sulla matrice di covarianza Normale bivariata: richiami Il coefficiente di correlazione è dato da ρ = Cov(X, Y ) σ X σ Y ; Pertanto è necessario calcolare le varianze di X ed Y e da esse estrarre le radici per ottenere le deviazioni standard. Vale che Var(X) = E(X 2 ) E(X) 2 e poiché E(X 2 ) = 1 2 1/ /10 = 17/10, Var(X) = 17/10 121/100 = 49/100 Analogamente si ricava che Var(Y ) = 69/100, e quindi σ X = r = 7 r , σ Y = 100 = 10 e dunque ρ = = = 23.
32 Richiami sulla matrice di covarianza Normale bivariata: richiami La matrice di covarianza C di un vettore aleatorio (X, Y ) con vettore delle medie (E(X), E(Y )), è la matrice 2 2 formata dai momenti centrali del secondo ordine, cioè» Var(X) Cov(X, Y ) C = C X,Y = Cov(X, Y ) Var(Y ) Nel caso n dimensionale, la matrice di covarianza C di un vettore X = (X 1,..., X n) è una matrice n n data da C = C Xi,X j = ˆCov(X i, X j ), 1 i, j n. La matrice di covarianza è evidentemente simmetrica.
33 Richiami sulla matrice di covarianza Normale bivariata: richiami Indicare i valori di verità corretti riguardanti la matrice di covarianza È costituita esclusivamente da quantità positive o nulle V F Le quantità positive o nulle sono sulla diagonale principale, mentre fuori dalla diagonale ci possono essere V F quantità di segno qualunque È costituita da quantità positive o nulle salvo che sulla diagonale principale V F È costituita da elementi tra loro uguali se sono in posizione simmetrica rispetto alla diagonale principale V F Esiste per ogni vettore aleatorio con un numero finito di determinazioni V F È costituita da elementi tutti strettamente maggiori di 0 V F Se ha gli elementi sulla diagonale principale tutti nulli allora ha tutti nulli anche gli altri elementi V F
34 Richiami sulla matrice di covarianza Normale bivariata: richiami Sia f (x, y) = (x + y)i [0,1] [0,1] (x, y) la densità congiunta di due variabili aleatorie X ed Y. Dopo aver calcolato le due densità marginali, verificare se a) f X (x)f Y (y) = f (X,Y ) (x, y); b) X ed Y sono correlate; c) Y ha varianza finita; d) X non possiede funzione generatrice dei momenti.
35 Richiami sulla matrice di covarianza Normale bivariata: richiami Sia f (x, y) = (x + y)i [0,1] [0,1] (x, y) la densità congiunta di due variabili aleatorie X ed Y. Dopo aver calcolato le due densità marginali, verificare se a) f X (x)f Y (y) = f (X,Y ) (x, y); b) X ed Y sono correlate; c) Y ha varianza finita; d) X non possiede funzione generatrice dei momenti. Soluzione: cominciamo col calcolare le marginali di X ed Y : Z 1 f X (x) = (x + y) dy =»xy + y 2 1 = x e per la simmetria con cui le variabili compaiono nel problema, anche f Y (y) = y + 1/2. Vale pertanto che f X (x)f Y (y) = (x + 1/2) (y + 1/2) x + y = f (X,Y ) (x, y).
36 Richiami sulla matrice di covarianza Normale bivariata: richiami Va ora calcolata la correlazione. Per fare ciò basta calcolare la covarianza. Poiché Z 1 E(X) = (x 2 + (1/2)x)dx = 7/12, E(Y ) = 7/12, 0 ed inoltre Z 1 Z 1 E(XY ) = xy(x + y)dxdy =... = 1/3, 0 0 si calcola che Cov(X, Y ) = 1/3 7/12 7/12 = 1/144, da cui deduciamo che X ed Y sono correlate negativamente. Ora la varianza di Y ; manca da calcolare E(Y 2 ): Z 1 y E(Y 2 2 «) = y 3 dy = 5 12 dunque Var(Y ) = 5/12 49/144 = 11/144 <, visto che E(Y ) = E(X) per simmetria.
37 Richiami sulla matrice di covarianza Normale bivariata: richiami Calcoliamo infine la funzione generatrice dei momenti di X, se è possibile: Z 1 «1 m X (t) = e tx x dx = et 2t 1 2t + et et t t t 2 che esiste per qualunque t 0.
38 Richiami sulla matrice di covarianza Normale bivariata: richiami L espressione della densità di un vettore aleatorio normale bivariato è data da» 1 x µx 2 2ρ (x µ 1 X )(y µ Y ) y µy 2 f (x, y) = p 2πσ X σ e 2(1 ρ 2 + ) σ X σ X σ Y σ Y Y 1 ρ 2 dove µ X, µ Y, σ X, σ Y sono rispettivamente le medie e deviazioni standard delle distribuzioni marginali di X e di Y. Il coefficiente ρ è legato alla covarianza σ XY : ρ = σ XY σ X σ Y Si vede subito che l espressione della densità ha senso solo per ρ < 1.
39 Richiami sulla matrice di covarianza Normale bivariata: richiami Una v.a. bidimensionale (X, Y ) ha distribuzione normale bivariata. Si sa che le due componenti X ed Y sono concentrate (cioè hanno media nulla) e hanno varianza pari rispettivamente ad 1 e 4. La covarianza è incognita. a) Convincersi che la covarianza σ XY può assumere solo valori compresi fra 2 e 2; b) Determinare la funzione generatrice dei momenti per (X, Y ) in funzione del parametro σ XY.
40 Richiami sulla matrice di covarianza Normale bivariata: richiami Una v.a. bidimensionale (X, Y ) ha distribuzione normale bivariata. Si sa che le due componenti X ed Y sono concentrate (cioè hanno media nulla) e hanno varianza pari rispettivamente ad 1 e 4. La covarianza è incognita. a) Convincersi che la covarianza σ XY può assumere solo valori compresi fra 2 e 2; b) Determinare la funzione generatrice dei momenti per (X, Y ) in funzione del parametro σ XY. Soluzione: introduciamo la matrice di covarianza e a sua inversa:» σ 2 C = X σ XY σ XY σy 2 C 1 = 1» 1/σ 2 X ρ/σ X σ Y 1 ρ 2 ρ/σ X σ Y 1/σY 2 ed i vettori z = (x, y) e µ = (µ X, µ Y ); possiamo allora scrivere più agevolmente la densità come 1 f (x, y) = 2π p C e 1 T 2 (z µ) C 1 (z µ)
41 Richiami sulla matrice di covarianza Normale bivariata: richiami Essendo il coefficiente di correlazione in modulo minore o uguale ad 1 si ottiene subito che la covarianza deve essere minore o uguale a 2: ρ = σ XY σ X σ 1 σ XY 1 σ XY 2 Y 1 2 Per calcolare la funzione generatrice dei momenti introduciamo il vettore t = (t X, t Y ); si ha che h G(t) = E e tzi = e tt µ+(1/2)t T Ct ; nel nostro caso, con medie nulle e deviazioni standard rispettivamente uguali ad 1 e 4, si ha: h G(t) = E e tzi = e 1 t 2 2 X +2ρt X t Y +4t2 Y ;
42 Richiami sulla matrice di covarianza Normale bivariata: richiami Una v.a. bidimensionale discreta ha funzione di densità data dalla formula f (x, y) = k(2x + y)i x,y {1,2} (x, y) dove k è una costante; determnare il valore di k, calcolare le disribuzioni marginali e dire se X ed Y sono indipendenti. La funzione di ripartizione di una v.a. bidimensionale è data da F (x, y) = (1 e αx )(1 e βy )I {x 0,y 0} (x, y) Calcolare le funzioni di ripartizione di X ed Y ; X ed Y sono indipendenti? Correlate? Calcolare P(X < 1), P(X < 1, Y < 1), P(X > x, Y > y).
43 Richiami teorici per voi per voi Dato uno spazio di probabilità (Ω, F, P) ed una v.a. X : Ω R, sia l insieme D X = {x Rt.c. per almeno unω Ω, X(ω) = x}. Sia h(x) : D X R una funzione reale misurabile. Allora la variabile Y = h(x) : Ω R è ancora una v.a. Con le analoghe estensioni lo stesso discorso può essere ripetuto per un vettore aleatorio n dimensionale: se X : Ω R n, D X è definito come sopra ed h(x) = h(x 1,..., x n) : Ω R allora Y = h(x) : Ω R è una variabile aleatoria. Come trovo la distribuzione (densità) di Y? Ci sono tre possibilità
44 Richiami teorici per voi per voi Tramite funzione di ripartizione Cioè determinando quanto vale P(Y y), ovvero la regione dello spazio R n tale che h(x 1,..., x n) y. Se f (x 1,..., x n) è la densità di X allora la funzione di ripartizione di Y è Z f (x 1,..., x n)dx 1... dx n. Θ(y) Derivando, ovviamente si ottiene la densità di Y. Tramite trasformazione Si può applicare quando X è monodimensionale e la funzione h( ) è invertibile. Allora vale che P(Y y) = P(X h 1 (y)) cioè F Y (y) = F X (h 1 (y)). Tramite f.g.m. Cioè sfruttando la sua unicità.
45 Richiami teorici per voi per voi Data una v.a. di Poisson di parametro λ = 3, calcolare la densità di Y = min(3, X).
46 Richiami teorici per voi per voi Data una v.a. di Poisson di parametro λ = 3, calcolare la densità di Y = min(3, X). Soluzione: come si ragiona? P(Y = k) = P (min(3, X) = k), k = 0, 1, 2,... se k = 3 vuol dire che X 3 pertanto P(Y = 3) = P(X 3) = 1 P(X < 3) = 1 [P(X = 0) + P(X = 1) + P(X = 2)] = = 1 e 3 + 3e «e 3 = e 3. se k = 0, 1, 2 vale che se k > 3 vale che P(Y = k) = P(X = k) = 3 k e 3 k! P(Y = k) = 0 perché il minimo fra 3 ed X non può essere maggiore di 3.
47 Richiami teorici per voi per voi Sia X una v.a. gaussiana standard ed M = max(0, X). Quanto valgono P(M 0) e P(M < 0)? Determinare la funzione di ripartizione di M. N.B.: sul vostro libro a pag.192 viene illustrato come calcolare la funzione di ripartizione e la densità delle v.a. max e min tra due (n) v.a. indipendenti: in questo esercizio e nel precedente non ci troviamo nella stessa situazione.
48 Richiami teorici per voi per voi Sia X una v.a. assolutamente continua con densità uniforme sull intervallo ( π/2, π/2); qual è la funzione di ripartizione di Y = tan X? Qual è la sua densità? La v.a. Y ammette media?
49 Richiami teorici per voi per voi Sia X una v.a. assolutamente continua con densità uniforme sull intervallo ( π/2, π/2); qual è la funzione di ripartizione di Y = tan X? Qual è la sua densità? La v.a. Y ammette media? Soluzione: se X è uniforme come nel testo, significa che ha densità e ripartizione rispettivamente uguali a 8 f X (x) = 1 >< 0 x π/2 π I ( π/2,π/2)(x), F X (x) = x/π + 1/2 π/2 x π/2 >: 1 x > π/2 Dunque, poiché Y = tan X è strettamente crescente sull intervallo di definizione della X, e quindi invertibile, vale che F Y (y) = P(tan X y) = P(X arctan(y)) = = arctan(y) π Derivando otteniamo la densità di Y. + 1, per ogni y R 2
50 Richiami teorici per voi per voi f Y (y) = d arctan(y) + 1 dy π 2 «= 1 π(1 + y 2, per ogni y R. ) la precedente densità è detta densità di Cauchy; vediamo se ammette media; deve essere finito il seguente integrale: Z + Z y + π(1 + y 2 ) dy = 2 0 Z + = 1 π 0 y π(1 + y 2 ) dy = 2 Z + (1/2) d `1 dy + y 2 π y 2 dy = d `1 dy + y y 2 dy = 1 π h i + log(1 + y 2 ) = +. 0 La densità di Cauchy è un esempio di densità continua che non ammette momenti di ordine n per ogni n.
51 Richiami teorici per voi per voi Sia U una v.a. uniforme sull intervallo (0, 1). Determinate le funzioni di densità, media e varianza delle seguenti v.a.: Y 1 = U 1/2; Y 2 = U 1/2 ; Y 3 = (U 1/2) 3 ; Y 4 = 1 U+1/2 ; Y 5 = ln U, dove λ > 0; λ
52 Richiami teorici per voi per voi Due numeri X ed Y vengono scelti a caso e indipendentemente con distribuzione uniforme su [0, 1]. Qual è la probabilità che essi differiscano per più di 1/2? Indicando con Z la distanza tra X ed Y, qual è la densità di Z? Qual è la distanza media fra X ed Y?
53 Richiami teorici per voi per voi Due numeri X ed Y vengono scelti a caso e indipendentemente con distribuzione uniforme su [0, 1]. Qual è la probabilità che essi differiscano per più di 1/2? Indicando con Z la distanza tra X ed Y, qual è la densità di Z? Qual è la distanza media fra X ed Y? Soluzione: X ed Y hanno distribuzione congiunta uniforme sul quadrato [0, 1] [0, 1]. La probabilità richiesta è P[(X, Y ) A] dove A R 2 è la regione di piano i cui punti (x, y) sono tali che x y > 1/2, e la cui area vale 1/4.!!"# $!"#!
54 Richiami teorici per voi per voi Dunque P( X Y > 1/2)=1/4. Calcoliamo la funzione di ripartizione di Z. Se 0 t 1 allora P(Z > t) = P( X Y > t) altro non è che l probabilità che il punto (X, Y ) si trovi in una regione simile alla precedente, dove, questa volta, al posto di 1/2 c è t. Dunque, sempre per t 1 tale probabilità è uguale di nuovo all area della regione, cioè, in questo caso, (1 t) 2. Allora la funzione di ripartizione di Z è ( 1 (1 z) 2 0 z 1 F Z (z) = 1 P(Z > z) = 0 altrove per cui la densità è f Z (z) = 2(1 z), per 0 z 1. La distanza media tra X ed Y è dunque Z 1 E(Z ) = 2 z(1 z) dz =
55 Richiami teorici per voi per voi Sia X una v.a esponenziale di parametro λ ed Y = X, dove la funzione g(x) = x rappresenta la parte intera di x. Calcolare la densità di Y.
56 Richiami teorici per voi per voi Sia X una v.a esponenziale di parametro λ ed Y = X, dove la funzione g(x) = x rappresenta la parte intera di x. Calcolare la densità di Y. Soluzione: ricordiamo preliminarmente che la funzione g(x) = x ha come grafico il seguente g(x)=[x] x La variabile Y ha dunque valori interi nell insieme dei numeri naturali, e pertanto è una v.a. discreta (mentre la X era continua).
57 Richiami teorici per voi per voi Dunque bisogna calcolare Z k+1 P(Y = k) = P(k X < k + 1) = λe λt dt = e λk e λ(k+1) = k = e λk (1 e λ ). Ponendo p = 1 e λ si riconosce la densità discreta di una geometrica di parametro p.
58 Richiami teorici per voi per voi Sia X una v.a assolutamente continua con densità f X (x) = ce x, x R; Determinare la costante; Calcolare media e varianza di X; Calcolare P( 1 < X < 1); Determinare la densità di Y = X 2.
59 Richiami teorici per voi per voi Sia X una v.a assolutamente continua con densità f X (x) = ce x, x R; Determinare la costante; Calcolare media e varianza di X; Calcolare P( 1 < X < 1); Determinare la densità di Y = X 2. Soluzione: deve valere che Z Z Z + 1 = f X (x) dx = ce x dx = 2c e x dx = 2c, R R 0 da cui c = 1/2.
60 Richiami teorici per voi per voi Poiché vale che E(X) = 1 Z + xe x dx = 0, 2 Var(X) = E(X 2 ) = 1 Z + Z + x 2 e x dx = x 2 e x dx = La probabilità richiesta è P( 1 < X < 1) = 1 Z 1 Z 1 e x dx = e x dx = 1 e Inoltre si ha che P(X 2 (0, + )) = 1, cioè X 2 è a valori positivi; pertanto la densità è F X 2 (x) = P(X 2 x) = P( x X x) = F X ( x) F X ( x), f X 2 (x) = f X ( x) d x fx ( x) d dx dx ( x) = f X ( x) + f X ( x) 2, x ovviamente per x > 0.
61 Richiami teorici per voi per voi Consideriamo la funzione f (x) = ( cx (λ+1) se x > r 0 se x < r con λ, r > 0. Determinare c in modo che la funzione sia una densità. Sia X una v.a. con densità f (x): per quali valori di λ, X ha media finita? Per quali valori ha varianza finita? Qual è la distribuzione di Y = log(x/r)? Se X è una v.a tale che P(X > x) = ( 1 se x < 1 x λ se x 1, λ > 0 qual è la funzione di ripartizione di Y = log X? E la sua densità?
62 Richiami teorici per voi per voi Consideriamo la funzione f (x) = ( cx (λ+1) se x > r 0 se x < r con λ, r > 0. Determinare c in modo che la funzione sia una densità. Sia X una v.a. con densità f (x): per quali valori di λ, X ha media finita? Per quali valori ha varianza finita? Qual è la distribuzione di Y = log(x/r)? Se X è una v.a tale che P(X > x) = ( 1 se x < 1 x λ se x 1, λ > 0 qual è la funzione di ripartizione di Y = log X? E la sua densità? Fine.
Variabili 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
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
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
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
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
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
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliFoglio di esercizi 4-12 Aprile 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella
Esercizio. Foglio di esercizi 4 - Aprile 9 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Un punto viene scelto a caso uniformemente nel cerchio di raggio 3 centrato nell origine. Dette
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
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
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.
DettagliEsercitazione del 30/05/2018 Istituzioni di Calcolo delle Probabilità
Esercitazione del /5/8 Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Somma di variabili aleatorie indipendenti. Caso discreto. Siano X e Y due variabili aletaroie discrete
DettagliCP110 Probabilità: Esame 4 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 202-3, II semestre 4 giugno, 203 CP0 Probabilità: Esame 4 giugno 203 Testo e soluzione . (6 pts) Un urna contiene inizialmente pallina rossa e 0 palline
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
DettagliEsercitazione del 06/03/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/3/ Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio. E la notte di San Lorenzo, Alessandra decide di andare a vedere le stelle cadenti. Osserverà
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliX Vincita (in euro) Tabella 1: Vincite
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 9 Giugno 1 CdS in STAD, SIGAD - docente: G. Sanfilippo Motivare dettagliatamente
DettagliVariabili casuali multidimensionali
Variabili casuali multidimensionali Variabili casuali multidimensionali: k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità X = (X 1,..., X k ) Funzione di
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
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
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.
DettagliLeggi congiunte di variabili aleatorie
eggi congiunte di variabili aleatorie CAPIT 6 6. FUNZINI DI DISTRIBUZINE CNGIUNTE Fino a ora abbiamo considerato unicamente le leggi di singole variabili aleatorie. Tuttavia, siamo spesso interessati a
DettagliLa funzione di ripartizione caratterizza la v.a. Ad ogni funzione di ripartizione corrisponde una ed una sola distribuzione.
Funzione di ripartizione X v.a. a valori in IR F X (x) = P (X x), x IR Indice X omesso quando chiaro Proprietà funzione di ripartizione F (i) F X (x) ; x (ii) è non decrescente Sia a < b P (a < X b) =
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
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
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
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
DettagliSOLUZIONI DEL TEST DI PREPARAZIONE ALLA 2 a PROVA INTERMEDIA
SOLUZIONI DEL TEST DI PREPARAZIONE ALLA a PROVA INTERMEDIA Esercizio. Le v.c. X e Y possono assumere solo i valori e (ad es. ingresso ed uscita di un canale di comunicazione binario). Sapendo che X è una
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
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,
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 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
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
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
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
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
DettagliCP110 Probabilità: Esame 5 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 5 giugno, 212 CP11 Probabilità: Esame 5 giugno 212 Testo e soluzione 1. (6 pts) Sette biglietti numerati da 1 a 7 vengono distribuiti
DettagliVariabili aleatorie multiple. X = (X 1,..., X n ) vettore aleatorio
Variabili aleatorie multiple X = (X 1,..., X n ) vettore aleatorio F X (x 1,..., x n ) = P(X 1 x 1,..., X n x n ) caso particolare n = 2 (variabile doppia) F X,Y (x, y) = P(X x, Y y) V.a. discreta: (X,
DettagliEsercizio 1. Un punto viene scelto a caso nel cerchio di raggio R > 0 con distribuzione uniforme.
Esercizi settimana 8 Esercizi applicati Esercizio. Un punto viene scelto a caso nel cerchio di raggio R > con distribuzione uniforme. (i) qual è la probabilità che il punto disti dall'origine più di r,
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
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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliI VETTORI GAUSSIANI E. DI NARDO
I VETTOI GAUSSIANI E. DI NADO. L importanza della distribuzione gaussiana I vettori di v.a. gaussiane sono senza dubbio uno degli strumenti più utili in statistica. Nell analisi multivariata, per esempio,
DettagliCalcolo delle Probabilità
Esercitazione 6 maggio 04 Calcolo delle Probabilità Davide Petturiti e-mail: davide.petturiti@sbai.uniroma.it web: https://sites.google.com/site/davidepetturiti Esercizio. Siano X e Y due variabili aleatorie
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
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
DettagliDistribuzione normale multidimensionale
Capitolo 2 Distribuzione normale multidimensionale La funzione di densità normale undimensionale ha la forma seguente Anderson, 1984 fx ce 1 2 Ax b2 ce 1 2 x bax b La costante di normalizzazione c è data
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
DettagliCalcolo delle Probabilità 16 Giugno 2016, C.d.L. STAD, UNIPA
Calcolo delle Probabilità 6 Giugno 206, C.d.L. STAD, UNIPA Prova intera esercizi, 2, 3, 4, 5, 6. Tempo 2 h 45 minuti. Esercizio risolto correttamente vale 5.5 punti. Seconda Prova in itinere esercizi 4,
DettagliEsercitazione 4. Aprile 2019
Esercitazione Aprile ALCUNE NOTE Versione aggiornata! Dal momento che questa esercitazione è stata svolta a più puntate, vi prego (soprattutto chi non ha potuto partecipare alle ore supplementari) di prestare
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
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
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2013/2014 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 13/14 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Ancona, 13 gennaio 14 1. In una data università, le studentesse
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
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
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
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
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)
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
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
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
Dettagli(iii) sia Y := X 2, si trovi la distribuzione di Y. (i) anché (0.1) sia una densità di probabilità deve vericarsi. 1 = Cxe x2. 2 1[0, ] (x)dx = Cxe x2
1 Esercizi settimana 6 Esercizi applicati Esercizio 1. Sia X una variabile aleatoria assolutamente continua (VAAC) con densità Si calcoli: f X (x) = Cxe x2 2 1[, ] (x), x, C >. (.1) (i) la costante C >
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
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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2010/11
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 00/ Prova scritta del /0/0 Esercizio Due variabili aleatorie indipendenti, X e Y, verificano la relazione X Y. ) Si provi che F Y (x) F X (x) per ogni numero
DettagliEsercizi su leggi condizionali e aspettazione condizionale
Esercizi su leggi condizionali e aspettazione condizionale. Siano X, Y, Z v.a. a valori in uno spazio misurabile (E, E) e tali che le coppie (X, Y ) e (Z, Y ) abbiano la stessa legge (in particolare anche
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 =
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
DettagliEsercitazione del 16/04/2019 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/04/09 Istituzioni di Calcolo delle Probabilità David Barbato Nozioni di riepilogo con esercizi Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliCorso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1
Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica 28/10/09 Gruppo H-Z Programma ed esercizi svolti
) Statistica 8/1/9 Gruppo H-Z Programma ed esercizi svolti Coppie ( X, Y di variabili aleatorie (v.a.) X e Y considerate congiuntamente pag. 1 Rappresentazioni grafiche di una coppia ( X, Y ) di v.a. pag.
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
DettagliProbabilità 1, laurea triennale in Matematica Prova scritta sessione invernale a.a. 2008/09 del 26/01/2010
Probabilità 1, laurea triennale in Matematica Prova scritta sessione invernale a.a. 2008/09 del 26/01/2010 1. Nello scaffale di un negozio vi sono 20 CD-Rom di software, di cui 2 di grafica e gli altri
DettagliEventi numerici e variabili aleatorie
Capitolo Eventi numerici e variabili aleatorie. Probabilità di eventi numerici Nel capitolo precedente si sono considerate le nozioni di esperimento, risultato, evento. Un evento è individuato dai risultati
DettagliCP110 Probabilità: esame del 4 febbraio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 20-2, II semestre 4 febbraio, 203 CP0 Probabilità: esame del 4 febbraio 203 Testo e soluzione . (6 pts) In un triangolo rettangolo i cateti X e Y sono
DettagliL assegnazione è coerente? SÌ NO. A e B sono stocasticamente indipendenti? SÌ NO
CALCOLO DELLE PROBABILITÀ - gennaio 00 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati Nuovo Ordinamento esercizi -4. Vecchio Ordinamento esercizi -6..
DettagliRisultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1
Esercizio 1 Determinare la distribuzione di probabilità e la funzione di ripartizione della v.c. discreta X = numero di croci in 3 lanci di una moneta. Calcolare F(-1), F(1.5), F(300). Risultati X P(X)
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
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
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
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
DettagliCAPITOLO 9. Vettori Aleatori
CAPITOLO 9 Vettori Aleatori 9 9 Vettori Aleatori 3 9 Vettori Aleatori In molti esperimenti aleatori, indicando con Ω l insieme dei possibili risultati, al generico risultato dell esperimento, ω Ω, sono
DettagliEsercizi su leggi Gaussiane
Esercizi su leggi Gaussiane. Siano X e Y v.a. indipendenti e con distribuzione normale standard. Trovare le densità di X, X +Y e X, X. Mostrare che queste due variabili aleatorie bidimensionali hanno le
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
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 =
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gioco del
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
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
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliE (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente
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
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
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
Dettagli