ESERCIZI DI CALCOLO PROBABILIT`A DISTRIBUZIONI DOPPIE E
Transcript
ESERCIZI DI CALCOLO PROBABILIT`A DISTRIBUZIONI DOPPIE E
ESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI – Variabili bidimensionali – 1) Siano X1 e X2 due variabili casuali indipendenti che possono assumere valori 0, 1 e 3 rispettivamente con probabilità 1/2, 1/4 ed 1/4. Sia Z = X1 + X2 . Si determinino E[Z], V[Z] e pZ . Si consideri poi la variabile bidimensionale (X1 , Z). a) Le variabili X1 e Z sono indipendenti? b) Si esprima (con una tabella a doppia entrata) la distribuzione congiunta pX1 ,Z . c) Si determini P(Z = 4|X1 = 3). d) Si determini P(X1 = 3|Z = 4). 2) Utilizzando le note propietà dei valori attesi dimostrare che per due variabili casuali X ed Y non indipendenti vale V[X + Y ] = V[X] + V[Y ] + 2Cov[X, Y ]. 3) Sia (X, Y ) una variabile casuale bidimensionale discreta la cui distribuzione è data da: 0, 1 se (t, s) ∈ {(1, 2), 3, 1), (3, 3)} 0, 2 se (t, s) ∈ {(1, 1), (2, 3)} pXY (t, s) = 0, 3 se (t, s) = (2, 2) 0 altrimenti a) Dire se le due variabili X ed Y sono indipendenti e/o incorrelate. b) Calcolare le distribuzioni condizionate pX|Y (i|j) = P(X = i|Y = j), per j = 1, 2, 3. c) Calcolare i valori attesi condizionati E[X|Y = j], j = 1, 2, 3. e) Calcolare P(“almeno una tra X ed Y assume un valore ≤ 2”). f) Calcolare P(X + Y ≥ 5). 4) Ci sono due monete indistinguibili. Una è equilibrata, e lanciandola escono testa o croce rispettivamente con probabilità 1/2. La seconda è truccata; lanciandola esce testa con probabilità 1/3 e croce con probabilità 2/3. Si estragga una moneta a caso, e la si lanci due volte. Siano X1 ed X2 due variabili che assumono valore 1 se esce testa (al primo ed al secondo lancio rispettivamente), e zero altrimenti. a) Si espliciti la distribuzione discreta di probabilità di (X1 , X2 ). b) Si determinino i valori attesi delle due variabili. c) X1 ed X2 sono indipendenti e/o incorrelate? 5) Si inventi un esempio di coppia di variabili X ed Y che sono incorrelate ma non indipendenti. 6) Si lanci 4 volte ina moneta. designamo con X il numero di teste e con Y la più lunga sequenza di teste. 1 a) Si determini la distribuzione congiunta pX,Y . b) Si calcoli Cov[X, Y ]. – Distribuzioni notevoli – 7) (Binomiale) Un esame scritto consiste in 10 domande con 3 possibili risposte ciascuna (di cui una sola giusta). Sia X = numero di risposte esatte date da uno studente che risponde a caso. a) Determinare valore atteso e varianza di X. [ 10 3 , 29] b) Se per ottenere la sufficienza occorrono almeno 5 risposte esatte, determinare la probabilità che lo studente la raggiunga. [0, 408] 8) (Binomiale) Mediamente 10 diodi su 100 tra quelli prodotti da una determinata fabbrica funzionano. a) Se una scatola di diodi ne contiene 20, qual è la probabilità che esattamente uno di questi sia non funzionante? [18 · 10−19 ] b) Se una scatola di diodi ne contiene 20, qual è la probabilità che almeno due di questi siano non funzionanti? [1 − 18 · 10−19 − 10−20 ] c) Su 20 diodi, qual è il numero medio di difettosi? [2] 9) (Binomiale) Una variabile casuale X è distribuita binomialmente con valore atteso µ = 2 e varianza σ 2 = 3/2. Calcolare la probabilità che X assuma un valore compreso nell’intervallo [3,5] 3 (estremi inclusi). [ 438 770] 10) (Poisson) Indichiamo con Fλ la funzione di ripartizione di una variabile casuale di Poisson di parametro λ. Mostrare che, per ogni t fissato, la funzione λ −→ Fλ (t) è decrescente in λ. [svolta in aula] 11) (Poisson) Il numero di auto usate vendute quotidianamente da un rivenditore è una variabile casuale con distribuzione di Poisson di parametro λ = 1/giorno. Calcolare: a) Valore atteso e varianza di auto vendute in due giorni consecutivi; [2, 2] b) la probabilità che siano effettuate tre vendite in un periodo di 2 giorni consecutivi; c) la probabilità che trascorrano 2 giorni consecutivi senza che si abbiano vendite. [ 43 e−2 ] [e−2 ] 12) (Poisson) Una pagina a stampa di un testo contiene 3500 caratteri. Si supponga che un tipografo commette in media un errore ogni 5000 caratteri. Assumendo che il numero X di errori per pagina sia poissoniano, si determini: a) la probabilità che una pagina scelta a caso sia senza errori; b) la probabilità che un capitolo di 20 pagine contenga 5 errori. c) il valore atteso e la varianza di errori in 20 pagine. 7 [e− 10 ] 5 −14 ] [ 14 5! e [14, 14] 13) (Poisson) Un centralino telefonico riceve chiamate ad un tasso orario pari a λ. Nell’ipotesi che il numero di chiamate sia una variabile casuale distribuita secondo Poisson, determinare: 2 3 λ a) la probabilità di avere 3 chiamate in 5 minuti; [ 12λ3 3! e 12 ] λ b) la probabilità che in 5 minuti arrivi almeno una chiamata; [1 − e 12 ] λ λ λ 4 1 c) la probabilità che in 5 minuti arrivino non meno di 5 chiamate. [1 − e 12 [1 + 12 + . . . + ( 12 ) 4! ] ] 14) (Geometrica) Supponendo che la vostra squadra di calcio vinca una partita con probabilità 0.35, si calcoli a) la probabilità che vinca per la prima volta alla terza partita; [0, 148] b) il valore atteso e la varianza di partite che deve giocare prima di vincere. [1, 857; 5, 306] 15) (Geometrica) Un giocatore lancia un dado ripetutamente fino a quando non esce un numero ≤ 4. si determini: a) la distribuzione di probabilità del numero X di lanci effettuati; b) la probabilità che risulti X ≤ 3. [P [T = k] = ( 13 )k−1 23 ] 26 [ 27 ] 16) (Uniforme) Si supponga che il tempo di attesa di un viaggiatore in una stazione della metropolitana sia una variabile casuale distribuita uniformemente. Si calcoli la probabilità che il tempo di attesa sia non inferiore a 5 minuti nell’ipotesi che i convogli giungano in stazione ogni 10 minuti. [ 12 ] 17) (Uniforme) Su di un segmento AB di lunghezza a e punto medio C si sceglie a caso un punto D. Supponendo che la distanza X di D da A sia una variabile casuale a distribuzione uniforme in (0, a), si calcoli la probabilità q che i segmenti AD, BD e AC possano utilizzarsi per costruire un triangolo. [ 21 ] 18) (Uniforme) Si scelgano n punti a caso su di un segmento di lunghezza unitaria. Supponendo che la distanza di ciascun punto da un estremo del segmento sia una variabile casuale uniforme, calcolare la probabilità che almeno uno degli n punti disti meno di 0.25 da un estremo del segmento. Si determini poi il valore atteso di punti che distano meno di 0.25 da un estremo del segmento. [1 − 0.75n ; 0.75n] 19) (Uniforme) Si determini la distribuzione di probabilità dell’area di un cerchio la lunghezza del cui diametro è una variabile casuale uniformemente distribuita nell’intervallo (a, b). 20) (Esponenziale) Un componente elettronico contiene due sottocomponenti i cui tempi di funzionamento sono aleatori, indipendenti e distribuiti esponenzialmente di media 1 anno. a) Determinare la probabilità che entrambi i sottocomponenti siano funzionanti dopo sei mesi. [e−1 ] b) Determinare la probabilità che almeno uno di essi continui a funzionare dopo due anni. [2e−2 − e−4 ] 21) (Esponenziale) Un elettrodomestico richiede in media una revisione ogni 4 anni. Nell’ipotesi che l’intervallo di tempo tra due successive revisioni sia una variabile casuale con distribuzione esponenziale, si calcoli 3 a) la probabilità che esso funzioni correttamente per almeno sei anni. b) la probabilità che esso si guasti prima dei sei mesi di funzionamento. 4 [e− 6 ] 1 [1 − e− 8 ] 22) (Gamma) Disponiamo di due dispositivi elettronici il cui tempo di vita aleatorio è distribuito esponenzialmente di media 15 giorni. Si mette in funzione il primo, e quando si rompe lo si rimpiazza con il secondo (a “riposo” fino a quel momento). Sia T = tempo totale di funzionamento. Si determini la probabilità che T sia maggiore o uguale a 30 gg. 23) (Gamma) Determinare i parametri di una distribuzione Gamma di media 5 e varianza 10. 24) (Gamma) Si supponga che il consumo giornaliero di energia elettrica (in milioni di Kw/h) sia una variabile casuale con distribuzione Gamma di parametri α = 2 e λ = 4, che l’impianto di erogazione cittadino abbia capacità di erogazione giornaliera di 16 milioni di KW/h. Calcolare la probabilità che l’energia erogata in un determinato giorno risulti insufficiente. 25) (Normale) Sia X una variabile casuale con distribuzione normale standard. Si calcolino: a) P(X < 1.4); [0.919] b) P(X < −0.2); [0.421] c) P(−0.2 < X ≤ 0.2); [0.158] d) P(|X − 0.4| ≥ 0.5); [0.644] e) P(0.2 < X < 1.5). [0.354] 26) (Normale) Sia X una variabile casuale con distribuzione normale di media µ = 1 e deviazione standard σ = 2. Si calcolino: a) P(X < 4.4); [0.955] b) P(X < 0.2); [0.345] c) P(−0.2 < X ≤ 2.2); [0.45] d) P(|X − 1| ≥ 0.8); [0.69] e) P(1.2 < X < 2.0). [0.151] 27) (Normale) Sia X una variabile casuale normale standard. Stabilire quale dei due eventi {X ≤ 0.4} e {X ≥ 0.4} ha probabilità maggiore di occorrenza. 28) (Normale) Sia α la probabilità che una variabile casuale normale standard assuma un valore superiore a zα . Determinare zα per i seguenti valori di α: 0.0314; 0.0080; 0.0120; 0.5910. [1.86; 2.41; 2.26; -0.23] 29) (Normale) Una variabile casuale normale a media nulla assume con probabilità 0.7 un valore nell’intervallo (−10, 10). Valutare la sua varianza. [9.612 ] 30) (Normale) Calcolare la probabilità che il discostamento di una variabile casuale normale N (m; 1) dal suo valore atteso sia in valore assoluto minore di 1/2. [0.38] 4 31) (Normale) In una data regione si verifica una precipitazione annuale media di 52.3 cm con deviazione standard di 15.1 cm. Si calcoli in quanti anni di uno stesso secolo c’è da attendersi una precipitazione annuale compresa tra 41 cm e 62 cm nell’approssimazione in cui la precipitazione annuale sia una variabile casuale normale. [51, ottenuto facendo uso anche di una distrbuzione binomiale] 32) (Chi–quadro) In un esperimento di tiro al bersaglio gli scostamenti orizzontali e verticali del proiettile (ossia l’ascissa e l’ordinata del punto colpito in un sistema di assi cartesiani ortogonali con origine nel centro del bersaglio) siano due variabili casuali con distribuzione normale standard. Sia D = distanza tra il punto colpito dal bersaglio e centro del bersaglio. Determinare il valore d tale che: a) P(D ≤ d) = 0.05; b) P(D > d) = 0.99; a) P(D > d) = 0.05. – Riassuntivi – 33) Una certa somma S0 si denaro può essere investita in un titolo a reddito fisso oppure in azioni. Dopo un giorno la somma S0 , se investita a reddito fisso, diventa α · S0 . Se invece viene investita in azioni essa diventa una quantità aleatoria S1 che assume valore 1.2 · S0 con probabilità 0.6, oppure 0.9 · S0 con probabilità 0.4. a) Calcolare valore atteso e varianza di S1 . b) Determinare α in modo che E[S1 ] = αS0 . Dopo n giorni la somma S0 , se investita a reddito fisso, diventa αn · S0 . Invece se investita in azioni diventa Sn = Xn · Xn−1 · . . . · X2 · X1 · S0 dove ogni Xi è una variabile casuale con P(Xi = 1.2) = 0.6 e P(Xi = 0.9) = 0.4. Supponendo le Xi indipendenti, c) calcolare E[Sn ] e V[Sn ]; d) determinare P(S1 = 1.2 · S0 |S3 = (1.2)2 · 0.9 · S0 ) e) Provare a descrivere la generica P(Sn = (1.2)k · (0.9)n−k · S0 ) (Suggerimento: ricondursi ad una binomiale usando delle variabili casuali Zi definite come Zi = 1 se Xi = 0.9 e Zi = 0 se Xi = 1.2.) 34) Il collegamento tra una città e la sua zona industriale è realizzato mediante una linea di autobus. Sia n il numero di cittadini che lavorano nella zona industriale. Ogni mattina ciascuno di tali lavoratori decide, indipendentemente dagli altri, se prendere l’autobus o andare con auto propria. Sia pi la probabilità che l’i–esimo lavoratore decida di prendere l’autobus. Sia X = numero di lavoratori che una fissata mattina prendono l’autobus. Detta Yi la variabile casuale che assume valore 1 se l’i–esimo lavoratore prende l’autobus e 0 altrimenti, a) dire come è distribuita la Yi ; b) scrivere la variabile casuale X come funzione delle Yi ; 5 c) calcolare E[X] in funzione dei valori pi ; d) calcolare V[X] in funzione dei valori pi . Si supponga ora che tutte le pi abbiano lo stesso valore p. e) Come è distribuita X sotto tale ipotesi? Il collegamento è realizzato mediante due autobus, ciascuno dei quali dispone di s posti. Ognuno di essi è soggetto a guasti. Per a = 1, 2 sia Sa la distanza che l’autobus a percorre prima di guastarsi. Supponiamo che tali variabili casuali seguano leggi esponenziali di media µa , e supponiamole indipendenti. I due autobus partono in coppia e, appena uno si guasta, i suoi passeggeri passano sull’altro, se ancora funzionante e con posti disponibili. Sia d la distanza tra la città e la zona industriale. f) Qual è la probabilità che entrambi gli autobus arrivino a destinazione? g) Qual è la probabilità che esattamente un autobus arrivi a destinazione? h) Qual è la probabilità che tutti i lavoratori presentatiti alla partenza riescano a raggiungere il lavoro? (Suggerimento: conviene scrivere tale evento in termini degli eventi: A = entrambi gli autobus arrivano a destinazione B = esattamente un autobus arriva a destinazione C = {X > 2s} D = {s < X ≤ 2s} E = {X ≤ s} .) 35) Siano X ed Y due variabili casuali indipendenti. X è distribuita come una normarle standardizzata, mentre Y è tale che P(Y = 1) = P(Y = −1) = 1/2. Poniamo Z = XY . a) Qual è la distribuzione di Z? Z ed X sono indipendenti? b) Calcolare la funzione di ripartizione di X + Z. c) Mostrare che X e Z sono incorrelate. 36) Una moneta dà testa con probabilità p e viene lanciata N volte, dove N è una variabile casuale di Poisson di parametro λ. Indichiamo con X ed Y il numero di teste e di croci ottenute rispettivamente. a) Calcolare la distribuzione congiunta di (X, Y ) e le due marginali. b) Dimostrare che X ed Y sono indipendenti. 6