30063 Matematica Applicata

Esercizi di probabilit`a
Francesca Beccacece, Marzia De Donno, Fabrizio Iozzi

Universita' Bocconi

1 Funzioni B-misurabili

Ex. 1 Si consideri lo spazio di probabilit`a = {1 , 2 , 3 , 4 , 5 } munito dellalgebra

A = {, {1 , 2 }, {3 , 4 }, {5 }, {1 , 2 , 3 , 4 }, {1 , 2 , 5 }, {3 , 4 , 5 }, }

Dire quali delle seguenti funzioni definite su sono numeri aleatori:

1. X(1 ) = 1 X(2 ) = 0 X(3 ) = 1 X(4 ) = 2 X(5 ) = 2
2. Y (1 ) = Y (2 ) = 1 Y (3 ) = 0 Y (4 ) = Y (5 ) = 2
3. Z(1 ) = Z(2 ) = 100 Z(3 ) = Z(4 ) = 1 Z(5 ) = 0
4. U (1 ) = U (2 ) = 12 U (3 ) = U (4 ) = U (5 ) = 0
5. V (1 ) = V (2 ) = V (3 ) = V (4 ) = V (5 ) = 1

2 Numeri aleatori discreti

Ex. 2 Si vuole dare una previsione del prezzo Y di un titolo a fine mese, relativamente
allandamento del (tasso di) rendimento dei BOT sullo stesso orizzonte temporale. Per il
rendimento dei BOT si prevedono tre possibili scenari (risultati elementari):
1 ={Il tasso aumenta}
2 ={Il tasso rimane costante}
3 ={Il tasso diminuisce}.
1. Detto lo spazio degli eventi elementari, si costruisca la massima algebra A (la
famiglia di tutti i possibili sottoinsiemi di , ovvero linsieme delle parti);
2. Si supponga, dora in poi, che le probabilit`a assegnate ai tre risultati elementari siano
p1 = 0, 4; p2 = 0, 2; p3 = 0, 4, e che il prezzo del titolo Y assuma rispettivamente
i valori 100, 120, 140. Si costruisca la pi` u piccola algebra rispetto a cui Y risulta
misurabile;

1
 3. Si provi che Y non `e misurabile rispetto allalgebra A1 = {, , {1 , 3 } , 2 } .
4. Si calcoli e rappresenti graficamente la funzione di probabilit`a e la funzione di ripar-
tizione di Y .

Ex. 3 Il sig. Rossi ha acquistato un contratto secondo il quale alla scadenza egli ricever`a
una somma pari a 100 euro se il prezzo di un certo titolo finanziario supera una soglia pre-
fissata e niente altrimenti. La probabilit`a che il titolo in questione superi la soglia prefissata
`e pari a 0.6.
1. Quali determinazioni pu`o assumere il numero aleatorio X che rappresenta la somma
ricevuta dal sig. Rossi allo scadere del contratto?
2. Qual `e la funzione di probabilit`a di X?
3. Calcolare la probabilit`a che il sig. Rossi non riceva niente.
4. Calcolare il valore atteso di X.
5. Calcolare la varianza e lo scarto quadratico medio di X.

Ex. 4 Si consideri lesperimento che consiste nel lanciare per 2 volte una moneta equi-
librata. Sia X il numero aleatorio che esprime il numero di teste che sono uscite.
1. Quali sono le determinazioni di X?
2. Si determini la funzione di probabilit`a di X.
3. Si calcoli la probabilit`a che X 1.
4. Si calcoli il valore atteso di X.
5. Si calcolino la varianza e lo scarto quadratico medio di X.
6. Si consideri la scommessa che consiste nel vincere 5 euro per ogni lancio in cui esce
testa (0 se esce croce) e sia Y il numero aleatorio che denota la vincita. Si calcolino
valore atteso, varianza e scarto quadratico medio di Y .

Ex. 5 Un numero aleatorio X pu`o assumere le determinazioni 1, 0, 1 con probabilit`a

rispettivamente 81 , p , 81 .
1. Determinare p.
2. Calcolare la probabilit`a che il numero aleatorio assuma valori non negativi.
3. Determinare la funzione di ripartizione di X.
4. Calcolare valore atteso, varianza e scarto quadratico medio di X.
5. Sia Y = 2X + 2. Calcolare valore atteso, varianza e scarto quadratico medio di Y .
6. Calcolare la funzione di probabilit`a e la funzione di ripartizione di Y .

Ex. 6 Sia X un numero aleatorio discreto avente come insieme delle determinazioni

2
{-2, 0 ,2} e con le seguenti propabilit`a:

P (X = 2) = p P (X = 0) = 3p P (X = 2) = p.

1. Determinare p.
2. Determinare il valore atteso di X.
3. Sia Y = |X| 1. Si trovi la funzione di probabilit`a di Y .
4. Calcolare P (X 0|Y 0).

Ex. 7 Si consideri la funzione

1
p(k) = q k1 per k 1
4
con q (0, 1).
1. Si determini q in modo che p(k) sia la funzione di probabilit`a di un numero aleatorio
discreto.
2. Sia X un numero aleatorio con funzione di probabilit`a p(k). Si calcoli P (X > k).
3. Calcolare P (X > 6|X > 2).

Ex. 8 Il numero di persone che ogni giorno acquistano una certa rivista ad una data
edicola `e un numero aleatorio di Poisson con parametro = 5.
1. In media quante persone acquisteranno la rivista domani in quelledicola?
2. Si calcoli la probabilit`a che almeno 3 persone acquisteranno la rivista nella giornata
di domani in quelledicola.
3. Si calcoli la probabilit`a che al pi
u 5 persone acquisteranno la rivista in quelledicola
nella giornata di domani, sapendo che almeno 3 persone lo compreranno sicuramente.

3 Numeri aleatori continui

Ex. 9 Sia un numero reale positivo. Si consideri un numero aleatorio X con densit`a
di probabilit`a:
x per 1 x 3
f (x) =
0 altrimenti
1. Determinare .
2. Calcolare la probabilit`a che X sia minore o uguale a 2.
3. Calcolare il valore atteso di X.
4. Calcolare il valore atteso di X 2 .
5. Calcolare la varianza di X.

3
 6. Calcolare valore atteso e varianza del numero aleatorio Y = 3X 2.

Ex. 10 Sia un numero reale positivo. Si consideri un numero aleatorio X con densit`a
di probabilit`a:
x3

per 0 x 1
f (x) =
0 altrimenti
1. Determinare .
2. Calcolare la probabilit`a che X sia maggiore di 12 .
3. Calcolare la probabilit`a che X assuma un valore compreso tra 41 e 12 .
4. Calcolare la funzione di ripartizione di X.
5. Ricalcolare le probabilit`a dei punti 2 e 3 usando la funzione di ripartizione.
6. Calcolare il valore atteso di X.

Ex. 11 Sia X un numero aleatorio continuo con funzione di ripartizione F :

0 per x < 1
3
F (x) = a(x + x ) + b per 1 x < 2
1 per x 2

con a, b R.
1. Determinare a, b.
2. Calcolare la probabilit`a che X sia compreso tra 0 e 1.
3. Calcolare P (X 1|X 0).
4. Determinare la densit`a di X.
5. Calcolare valore atteso, varianza e scarto quadratico medio di X.
6. Calcolare il momento del terzo ordine (rispetto allorigine) di X.

Ex. 12 Sia X un numero aleatorio con densit`a esponenziale di parametro = 2.

1. Calcolare il valore atteso di X.
2. Calcolare P (X 3), P (X > 3), P (3 < X 3.5).
3. Calcolare x in modo che P (X x) = 21 .

Ex. 13 Si consideri un numero aleatorio continuo X con densit`a di probabilit`a

4x
per 0 x 4
f (x) = 8
0 altrimenti

1. Calcolare P (1 X 3) e P (X 1|X 3).

2. Trovare il valore atteso e la varianza di X.

4
 3. Sia Y = 4 X. Trovare valore atteso e varianza di Y .
4. Calcolare P (Y 3|X 3).
5. Determinare la densit`a di probabilit`a di Y .

Ex. 14 Si consideri la seguente funzione:

(
1 xk2 per x 1
F (x) =
0 altrimenti

1. Per quale valore di k la funzione F `e la funzione di ripartizione di un numero aleatorio

continuo?
2. Fissato il valore di k determinato al punto precedente, sia X un numero aleatorio
continuo con funzione di ripartizione F . Si determini la densit`a di probabilit`a di X.
3. Il numero aleatorio X ha valore atteso finito? in caso affermativo lo si calcoli. Si
mostri inoltre che X non ha varianza finita.
4. Trovare x R tale che P (X x) = 0.2.
5. Sia Y = ln X. Si trovi P (Y y) per ogni y R.
6. Si calcoli P (X 2|Y 2).

5
Answer (ex. 1) 1. X non `e un numero aleatorio. Infatti linsieme { |X()
0} = {2 , 3 , 5 } non `e un evento
2. Y non `e un numero aleatorio. Infatti linsieme { |Y () 1} = {1 , 2 , 3 } non
`e un evento
3. Z `e un numero aleatorio. Si consideri linsieme Ax = { |Z() x} al variare
di x. Se x `e minore di 0, Ax = ; se 0 x < 1, allora Ax = {5 } che `e un evento;
se 1 x < 100, allora Ax = {5 , 3 , 4 } che `e un evento; infine, se x 100, allora
Ax = che `e un evento. Poiche Ax `e un evento per ogni x, Z `e un numero aleatorio.
4. U `e un numero aleatorio. Si consideri linsieme Ax = { |U () x} al variare
di x. Se x `e minore di 0, Ax = ; se 0 x < 12, allora Ax = {5 , 3 , 4 } che `e un
evento; infine, se x 12, allora Ax = che `e un evento. Poiche Ax `e un evento per
ogni x, U `e un numero aleatorio.
5. V `e un numero aleatorio. Si consideri linsieme Ax = { |U () x} al variare di
x. Se x `e minore di 1, Ax = ; se x 1, allora Ax = che `e un evento. Poiche Ax `e
un evento per ogni x, V `e un numero aleatorio.

Answer (ex. 2) 1. Poiche ha 3 elementi, linsieme delle parti di ha 23 :

P = {, {1 }, {2 }, {3 }, {1 , 2 }, {1 , 3 }, {2 3 }, {}}

2. Perche un numero aleatorio Y sia misurabile occorre che comunque si fissi x i sottoin-
siemi formati dagli tali che Y () x appartengano allalgebra. I dati del problema
forniscono Y (1 ) = 100, Y (2 ) = 120, Y (3 ) = 140, quindi se x `e maggiore o uguale
a 140, il sottoinsieme `e tutto , se 120 x < 140 il sottoinsieme `e {1 , 2 }, se
100 x < 120 il sottoinsieme `e {1 }, se infine x < 100 il sottoinsieme `e vuoto. La pi
piccola algebra deve quindi contenere, oltre ad e a , i sottoinsiemi {1 } e {1 , 2 }.
Per le condizioni sullalgebra, oltre a questi sottoinsiemi ci devono essere anche i loro
complementari e quindi rispettivamente {2 , 3 } e {3 }; inoltre, sempre per le con-
dizioni sullalgebra, essa deve contenere anche le unioni di sottoinsiemi dellalgebra e
quindi anche {1 , 3 } (unione di 1 e 3 ) e il suo complementare che `e 2 : pertanto,
lalgebra richiesta coincide con A.
3. Per mostrare che Y non `e misurabile rispetto allalgebra A1 , dobbiamo mostrare
che per almeno un valore x il sottoinsieme degli per cui Y () x non appartiene
allalgebra. Si prenda x = 130; il sottoinsieme di per cui Y () 130 `e costituito da
1 e 2 ma tale sottoinsieme non appartiene allalgebra considerata e quindi, rispetto
ad essa il numero aleatorio Y non `e misurabile.
4. La distribuzione di probabilit`a `e una funzione p(x) costantemente uguale a 0 escluso
per i valori p(100) = 0.4, p(120) = 0.2 e p(140) = 0.4. La funzione di ripartizione `e
data da

0 per x < 100

0.4 per 100 x < 120
F (x) = P ( |Y () x) =


0.6 per 120 x < 140
1 per x 140

6
 ed `e rappresentata in figura 1

Figure 1: Funzione di ripartizione

Answer (ex. 3) 1. Il numero aleatorio X assume le determinazioni x1 = 0 e x2 =

100.
2. La funzione di probabilit`a di X prende i valori p2 = P (X = 100) = 0.6, p1 = 1 p2 =
0.4.
3. La probabilit`a che il sig. Rossi non riceva niente `e P (X = 0) = p1 = 0.4
4. Il valore atteso di X `e

E[X] = 0 0.4 + 100 0.6 = 60.

5. Il valore atteso di X 2 `e

E[X 2 ] = 02 0.4 + 1002 0.6 = 6000,

quindi la varianza `e

2 (X) = E[X 2 ] E[X]2 = 6000 602 = 6000 3600 = 2400,

mentre lo scarto quadratico medio `e

(X) = 2400 = 48.99.

Answer (ex. 4) 1. Le determinazioni di X sono x0 = 0, x1 = 1, x2 = 2

2. X prende la determinazione 0 se entrambi i lanci danno croce: si tratta di un unico
risultato favorevole ( (C,C)) sui quattro possibili ((T,T), (T,C), (C, T), (T,T)) quindi
p0 = P (X = 0) = 14 . In modo analogo, si verifica che X prende la determinazione 2
solo nel caso del risultato (T,T), quindi p2 = P (X = 2) = 14 . Infine, dalla relazione
p0 + p1 + p2 = 1, si ricava p1 = 1 41 14 = 21

7
 1 1 3
3. P (X 1) = p0 + p1 = + =
4 2 4
1 1 1 1
4. E[X] = 0 p0 + 1 p1 + 2 p2 = + 2 = + = 1.
2 4 2 2
5. Per calcolare la varianza, calcoliamo prima il valore atteso di X 2 . Si ha:
1 1 1 3
E[X 2 ] = 02 p0 + 12 p1 + 22 p2 = +4 = +1=
2 4 2 2
quindi
3 3 1
2 (X) = E[X 2 ] E[X]2 = 12 = 1 =
2 2 2
q
Lo scarto quadratico medio `e (X) = 12 = 12
6. La vincita `e data da Y = 5X. Per le propriet`a di valore atteso e varianza, si ottiene:

E[Y ] = E[5X] = 5E[X] = 5

1 25
2 [Y ] = 2 [5X] = 52 2 [X] = 25
=
2 2
1 5
[Y ] = [5X] = |5| 2 [X] = 5 =
2 2

Answer (ex. 5) 1. Poiche la somma delle probabilit`a deve essere 1, si ha 1/8 +

p + 1/8 = 1 da cui p = 3/4
2. Si vuole calcolare P (X 0). Si ha P (X 0) = P (X = 0)+P (X = 1) = 3/4+1/8 =
7/8.
3. Distinguiamo i 4 casi: (i) x < 1; (ii) 1 x < 0; (iii) 0 x < 1; (iv) x 1. Si ha
allora
(i) per x < 1, (X x) = quindi banalmente F (x) = 0;
(ii) per 1 x < 0,
1
F (x) = P (X = 1) = ;
8
(iii) per 0 x < 1,
1 3 7
F (x) = P (X = 1) + P (X = 0) = + = ;
8 4 8
(iv) per x 1, (X x) = quindi banalmente F (x) = 1.
4. Si ha
1 3 1
E(X) = 1 +0 +1 =0
8 4 8
1 3 1 1
2 (X) = E(X 2 ) [E(X)]2 = 1 + 0 + 1 02 =
8 4 8 4
p 1
(X) = 2 (X) =
2

8
 5. Dalle propriet`a di valore atteso e varianza ricaviamo:

E(Y ) = E(2X + 2) = 2E(X) + 2 = 2

1
2 (Y ) = 2 (2X + 2) = 22 2 (X) = 4 = 1
4
p
(Y ) = 2 (Y ) = 1.
6. Il numero aleatorio Y prende le determinazioni 0, 2, 4. In particolare, si avr`a:
1
P (Y = 0) = P (2X + 2 = 0) = P (X = 1) =
8
3
P (Y = 2) = P (2X + 2 = 2) = P (X = 0) =
4
1
P (Y = 4) = P (2X + 2 = 4) = P (X = 1) = .
8
La sua funzione di ripartizione G(y) `e quindi definita a tratti sugli intervalli (i) y < 0;
(ii) 0 y < 2; (iii) 2 y < 4; (iv) y 4 e si ha:
(i) per y < 0, G(y) = 0
(ii) per 0 y < 2, G(y) = P (Y = 0) = 18
(iii) per 2 y < 4, G(y) = P (Y = 0) + P (Y = 2) = 87
(iv) per y 4, G(y) = P (Y = 0) + P (Y = 2) + P (Y = 4) = 1.

Answer (ex. 6) 1. La probabilit`a p deve soddisfare la condizione

p + 3p + p = 0
1
da cui ricaviamo p = .
5
2. Dalla formula per il calcolo del valore atteso, abbiamo

E(X) = 2 P (X = 2) + 0 P (X = 0) + 2 P (X = 2) = 2p + 2p = 0.

3. Poiche le determinazioni di X sono -2,0,2, Y potr`a assumere solo i valori -1,1. (Se
X = 0, allora Y = 0 1 = 1, mentre se X = 2, allora Y = 2 1 = 1.) In
particolare
3
P (Y = 1) = P (|X| 1 = 1) = P (|X| = 0) = P (X = 0) =
5

P (Y = 1) = P (|X| 1 = 1) = P (|X| = 2) =
= P ((X = 2) (X = 2)) =
2
= P (X = 2) + P (X = 2) = .
5

9
 4. Si pu`o subito osservare che (Y 0) = (Y = 1) = (X = 0) e quindi

P (X 0|Y 0) = P (X 0|X = 0) = 1.

In maniera alternativa, sfruttando la definizione di probabilit`a condizionata, si trova:

P (X 0, Y 0)
P (X 0|Y 0) = .
P (Y 0)

Calcoliamo P (Y 0) = P (Y = 1) = 53 . Inoltre, poiche

(X 0) = (X = 0) (X = 2)

e
(Y 0) = (Y = 1) = (X = 0)
lintersezione (X 0, Y 0) concide con (X = 0) e quindi
1
P (X 0, Y 0) = P (X = 0) = .
5
Ne segue che:
1
5
P (X 0|Y 0) = 1 = 1.
5

Answer (ex. 7) 1. Affinche p(k) sia una funzione di probabilit`a deve soddisfare la
condizione di normalizzazione
+
X
p(k) = 1.
k=1

Si ha
+ + +
X X 1 1 X k1
p(k) = q k1 = q
k=1 k=1
4 4 k=1
+
1 X 1 1
= qh =
4 h=0
4 1q
1
da cui ricaviamo 1 q = 4
e quindi q = 34 .
2. Si ha
+ + h1 + h1
X X 1 3 1 X 3
P (X > k) = P (X = h) = = .
h=k+1 h=k+1
4 4 4 h=k+1 4

Ponendo m = h k 1 (quindi h = m + k + 1) riscriviamo la serie nella forma:

+ h1 + m+k + m
k X k k
X 3 X 3 3 3 3 1 3
= = = 3 =4 .
h=k+1
4 m=0
4 4 m=0 4 4 1 4
4

10
 Otteniamo quindi:
k k
1 3 3
P (X > k) = 4 = .
4 4 4

Alternativamente P (X > k) = 1 P (X k) dove

k k h1 k h1
X X 1 3 1X 3
P (X k) = P (X = h) = = .
h=1 h=1
4 4 4 h=1 4
k1 j k k
1X 3 1 1 34 3
= = 3 =1 .
4 j=0 4 4 1 4 4

3. Si ha
3 6 4
P (X > 6, X > 2) P (X > 6) 3
P (X > 6|X > 2) = = = 4 2 = .
P (X > 2) P (X > 2) 3 4
4

Answer (ex. 8) 1. Il numero aleatorio X = numero di persone che acquistano la

rivista domani ha distribuzione di Poisson di parametro = 5. Il numero medio di
persone che acquisteranno la rivista domani e pari a E[X] = = 5.
2. Dobbiamo calcolare P (X 3):

P (X 3) = 1 P (X 2) = 1 P (X = 0) P (X = 1) P (X = 2)
k
e poiche P (X = k) = e5 5k! otteniamo

50 51 52
P (X 3) = 1 e5 e5 e5
0! 1! 2!
25
= 1 e5 5e5 e5 = 0.8753.
2
3. Dobbiamo calcolare P (X 5|X 3):

P (X 5, X 3) P (3 X 5)
P (X 5|X 3) = =
P (X 3) P (X 3)
3 4 5
P (X = 3) + P (X = 4) + P (X = 5) e5 53! + e5 54! e5 55!
= =
P (X 3) 0.8753
0.4913
= = 0.5613.
0.8753

11
Answer (ex. 9) 1. Perche f sia una densit`a di probabilit`a `e necessario che valga
la relazione
Z+
f (x)dx = 1

Lintegrale improprio `e semplice poiche f (x) = 0 esclusi i valori compresi tra 1 e 3.

Si ha quindi
Z+ Z3 3
x2

9 1
f (x)dx = xdx = = = 4
2 1 2 2
1

e perche esso sia uguale a 1 deve essere = 1/4. La funzione densit`a `e quindi
x
per 1 x 3
f (x) = 4
0 altrimenti

2. Per definizione di densit`a di probabilit`a, la probabilit`a che X sia minore o uguale a

2 `e uguale a
Z2 Z2 2
x x2 3
f (x)dx = dx = =
4 8 1 8

1

3. Il valore atteso di X, E(X) `e, per definizione,

Z+ Z3 3
x x3 27 1 13
xf (x)dx = x dx = = =
4 12 1 12 12
6
1

4. Il valore atteso di X 2 , E(X 2 ) `e, per definizione,

Z+ Z3 3
2 2x x4 81 1
x f (x)dx = x dx = = =5
4 16 1 16 16

1

5. La varianza di X `e
169 11
2 (X) = E(X 2 ) E 2 (X) = 5 =
36 36
6. Il legame tra i numeri aleatori Y e X `e lineare. Pertanto si ha
13 9
E(Y ) = 3E(X) 2 = 3 2=
6 2
e
11 11
2 (Y ) = 32 2 (X) = 9 =
36 4

12
Answer (ex. 10) 1. Perche f sia una densit`a di probabilit`a `e necessario che valga
la relazione
Z+
f (x)dx = 1

Lintegrale improprio `e semplice poiche f (x) = 0 esclusi i valori compresi tra 0 e 1.

Si ha quindi
Z+ Z1 1
x4

3 1
f (x)dx = x dx = = 0 =
4 0 4 4
0

e perche esso sia uguale a 1 deve essere = 4. La funzione densit`a `e quindi

3
4x per 0 x 1
f (x) =
0 altrimenti
1
2. La probabilit`a che X sia maggiore di 2
`e P (X > 1/2) = 1 P (X 1/2) e il secondo
addendo `e uguale per definizione a
1 1
Z2 Z2
1 1
f (x)dx = 4x3 dx = x4 02 = 0
16
0

e quindi la probabilit`a richiesta `e P (X > 1/2) = 1 1/16 = 15/16

1
3. Analogamente al caso precedente, la probabilit`a che X assuma valori compresi tra 4
e 21 `e data da
1
Z2
1 1 1 15
f (x)dx = x4 21 = =
4 16 256 256
1
4

4. La funzione di ripartizione di X `e la funzione integrale

Zx Zx
F (x) = f (t)dt = 4t3 dt

e ha una semplice espressione analitica:

0
per x < 0
F (x) = x4 per 0 x < 1

1 per x 1

5. Poiche F (x) = P (X x) si ha

1 1 15
P (X > 1/2) = 1 P (X 1/2) = 1 F =1 =
2 16 16
e
1 1 1 1 1 1 15
P <X< =F F = =
4 2 2 4 16 256 256

13
 6. Il valore atteso di X `e per definizione
Z+ Z1 1
44 4x5 4
xf (x)dx = x dx = =
x 5 0 5

0

Answer (ex. 11) 1. Affinche X sia un numero aleatorio continuo, la sua funzione
di ripartizione deve essere continua. In particolare, dobbiamo richiedere che

lim F (x) = F (1) e lim F (x) = F (2).

x1 x2

Ricaviamo allora le due condizioni:

0 = 2a + b

10a + b = 1
ossia
1 1
a= b= .
12 6
Si ottiene dunque

0 per x < 1
x+x3 1
F (x) = 12
+ 6
per 1 x < 2
1 per x 2

2.
1+1 1 1 1
P (0 X 1) = F (1) F (0) = + = .
12 6 6 6
3.
1
P ((X 1) (X 0)) P (0 X 1) F (1) F (0) 6 1
P (X 1|X 0) = = = = 5 = .
P (X 0) P (X 0) 1 F (0) 6
5
4. Poiche F `e derivabile in ogni x R tale che x 6= 1, x 6= 2, la funzione densit`a f di
X in quei punti coincide con la derivata di X, dunque
1+3x2
per 1 < x < 2
f (x) = 12
0 altrimenti

(ricordiamo che il valore di f nei soli punti x = 1 e x = 2 non `e rilevante ai fini del
calcolo della funzione di ripartizione).
5. Il valore atteso di X `e dato da
Z + Z 2
x + 3x3
E(X) = xf (x)dx = dx
1 12
2
1 x2 x4

51 17
= +3 = = = 1.0625.
12 2 4 1 48 16

14
 Il momento del secondo ordine `e dato da
Z + 2
x2 + 3x4
Z
2 2
E(X ) = x f (x)dx = dx
1 12
3 5
2
1 x x 19
= +3 = = 1.9
12 3 5 1 10
quindi la varianza di X sar`a
2
2 2 19 2 17 987
(X) = E(X ) E(X) = = = 0.7711
10 16 1280
e lo scarto quadratico medio
r
987
(X) = = 0.8781.
1280
6. Il momento di ordine 3 `e dato da
Z + 2
x3 + 3x5
Z
3 3
E(X ) = x f (x)dx = dx
1 12
4 6
2
1 x x 141 47
= +3 = = = 2.9735.
12 4 6 1 48 16

Answer (ex. 12) 1. Per un numero aleatorio esponenziale, il valore atteso coincide
con il reciproco del parametro, quindi E[X] = 1 = 21 .
2. Ricordando che la funzione di ripartizione di X `e

1 e2x per x 0
F (x) =
0 per x < 0
ricaviamo
P (X 3) = F (3) = 1 e23 = 1 e6 = 0.9975
P (X > 3) = 1 P (X 3) = 1 0.9975 = 0.0025

P (3 < X 3.5) = F (3.5) F (3) = (1 e23.5 ) (1 e23 )

= e6 e7 = 0.0025 0.0009 = 0.0016.
Alternativamente, si possono calcolare le probabilit`a richieste risolvendo i seguenti
integrali: Z 3 Z 3
P (X 3) = f (x)dx = 2e2x dx
0
Z + Z +
P (X > 3) = f (x)dx = 2e2x dx
3 3
Z 3.5 Z 3.5
P (3 < X 3.5) = f (x)dx = 2e2x dx
3 3

15
 3. Usando la funzione di ripartizione, lequazione P (X x) = 1/2 viene riscritta come:
1
1 e2x = .
2
La risolviamo:
1
e2x = 1
2
1
e2x =
2

1
2x = ln
2
2x = 0.693
x = 0.3465.

Answer (ex. 13) 1. La prima probabilit`a richiesta `e:

Z 3 Z 3
4x
P (1 X 3) = f (x)dx = dx
1 1 8
3
x2

1 1 9 1 1
= 4x = 12 4 + = .
8 2 1 8 2 2 2

Per trovare P (X 1|X 3), scriviamo la definizione di probabilit`a condizionata:

P ((X 1) (X 3)) P (1 X 3)
P (X 1|X 3) = = .
P (X 3) P (X 3)

Poiche
3 3
4x
Z Z
P (X 3) = f (x)dx = dx
0 8
3
x2

1 1 9 15
= 4x = 12 = .
8 2 0 8 2 16

si ottiene
1
2 8
P (X 1|X 3) = 15 = .
16
15
2. La densit`a di X `e continua e limitata su un intervallo limitato, quindi il numero
aleatorio X ha sicuramente valore atteso e varianza finiti. Per trovare il valore atteso
Z + Z 4
4x x2
E(X) = xf (x)dx = dx
0 8
4
1 x2 x3

1 16 64 4
= 4 = 4 = .
8 2 3 0 8 2 3 3

16
 Per trovare la varianza Var(X) = E(X 2 ) E(X 2 ), calcoliamo prima
Z + Z 4 2
2 2 4x x3
E(X ) = x f (x)dx = dx
0 8
4
1 x3 x4

1 64 256 8
= 4 = 4 = .
8 3 4 0 8 3 4 3
da cui ricaviamo 2
8 4 8
Var(X) = = .
3 3 9
3. Dalle propriet`a di valore atteso e varianza otteniamo
4 8
E(Y ) = E(4 X) = 4 E(X) = 4 = ;
3 3
8
Var(Y ) = Var(4 X) = Var(X) = (1)2 Var(X) = Var(X) = .
9
4. Per calcolare P (Y 3|X 3), osserviamo che
Y 3 4 X 3 X 1
e quindi
8
P (Y 3|X 3) = P (X 1|X 3) = .
15
5. Per calcolare la densit`a di probabilit`a di Y , calcoliamone prima la funzione di ripar-
tizione. Poiche P (0 X 4) = 1 e X = 4 Y ricaviamo che
1 = P (0 X 4) = P (0 4 Y 4) = P (0 Y 4) = 1.
Quindi, denotando con G(y) = P (Y y) la funzione di ripartizione di Y si pu`o
subito concludere che G(y) = 0 per y < 0 e G(y) = 1 per y 4. Per 0 y < 4,
scriviamo:

G(y) = P (Y y) = P (4 X y) = P (X 4 y)
Z 4 4
x2

4x 1
= dx = 4x
4y 8 8 2 4y
(4 y)2 y2

1 16
= 16 4(4 y) + = .
8 2 2 16
Quindi il numero aleatorio Y ha funzione di ripartizione

0 per y < 0
y2
G(y) = per 0 y 4
16
1 per y > 4
e densit`a di probablit`a

0 per y < 0, y > 4
g(y) = G (y) = y
8
per 0 y 4

17
Answer (ex. 14) 1. Per essere la funzione di ripartizione di un numero aleatorio
continuo F deve essere continua. Lunico punto in cui potrebbe esserci una eventuale
discontinuit`a`e x = 1. Si ha

F (1) = lim+ F (x) = 1 k e lim F (x) = 0

x1 x1

quindi F `e continua se e solo se

0=1k
ovvero k = 1.
2. La densit`a di X `e:
2

x3
per x 1
f (x) = F (x) =
0 altrimenti
3. La funzione g(x) = x x23 = x22 `e integrabile sullintervallo [1, +) quindi X ha valore
atteso finito dato da:
Z + Z + Z +
2
E[X] = xf (x)dx = x 3 dx = 2 x2 dx
1 x 1
Z c
2
1
c 1
= 2 lim x dx = 2 lim x 1 = 2 lim 1 = 2.
c+ 1 c+ c+ c

Daltra parte, la funzione h(x) = x2 x23 = 2

x
non `e integrabile sullintervallo [1, +)
quindi X non ha varianza finita.
4. Si ha (
1
x2
per x 1
P (X x) = 1 F (x) =
1 altrimenti
quindi la condizione richiesta pu`o essere soddisfatta solo da x 1 tale che 1/x2 = 0.2
o equivalentemente
x2 = 5. Lunica radice che soddisfa tale equazione e il vincolo
x 1 `e x = 5.
5. Sia Y = ln X. Poiche il logaritmo `e una funzione strettamente crescente

P (Y y) = P (ln X y) = P (X ey ) = F (ey ).

Se y < 0, allora ey < 1 e F (ey ) = 0. Se invece y > 0 si ha ey > 1 e quindi:

1
P (Y y) = 1 = 1 e2y .
(ey )2

Riassumendo: (
1 e2y per y 0
P (Y y) =
0 altrimenti
che `e la funzione di ripartizione di una distribuzione esponenziale di parametro 2.

18
6. Dalla definizione di probabilit`a condizionata ricaviamo

P (X 2, Y 2) P (X 2, ln X 2)
P (X 2|Y 2) = =
P (Y 2) P (Y 2)
2 2
P (2 X e ) F (e ) F (2)
= =
P (Y 2) 1 e22
1 1
1 e4 (1 4 ) 4
e4
= = = 0.236.
1 e4 1 e4

19