Calcolo delle Probabilità 2016/17 – Foglio di esercizi 5† Variabili aleatorie: valore medio e varianza Esercizi “teorici” Esercizio 1. Sia X una variabile aleatoria definita su (Ω, A, P) a valori in [0, +∞]. (a) Si mostri che la funzione ϕ : [0, ∞] × Ω → R definita da ϕ(t, ω) := 1{X(ω)≥t} è misurabile (rispetto alla σ-algebra prodotto B([0, ∞]) ⊗ A). (b) Applicando opportunamente il teorema di Fubini-Tonelli alla funzione ϕ, si mostri che Z ∞ E(X) = P(X ≥ t) dt . 0 (c) Nel caso in cui X assuma valori in N0 = {0, 1, . . .} ∪ {+∞}, si deduca che ∞ ∞ X X P(X ≥ n) = P(X > m) . E(X) = n=1 m=0 Esercizio 2 (Caratterizzazione variazionale di valore medio e varianza). Date due variabili poniamo dL2 (X, Y ) := p aleatorie reali X, Y definite sullo stesso spazio di probabilità, 2 2 E[|X − Y | ]. Si mostri che, per ogni variabile aleatoria X ∈ L , si ha Var[X] = min{dL2 (X, c)2 : c ∈ R} , e il minimo è assunto se e solo se c = E[X]. Esercizi “pratici” Esercizio 3 (Media e varianza di variabili aleatorie notevoli). (a) Sia X ∼ Bin(n, p). Si mostri che E[X] = np e Var[X] = np(1 − p). [Sugg.: Si sfruttino le proprietà di valore medio e varianza.] (b) Sia X ∼ Pois(λ). Si mostri che E[X] = Var[X] = λ. [Sugg.: Si calcolino E[X] e E[X(X − 1)].] (c) Sia X ∼ Geo(p). Si mostri che E[X] = 1 p e Var[X] = bp+1 −ap+1 a+b (p+1)(b−a) da cui E[X] = 2 E[X] = αλ e Var[X] = λα2 . (d) Sia X ∼ U (a, b). Si mostri che E[X p ] = (e) Sia X ∼ Gamma(α, λ). Si mostri che 1−p . p2 e Var[X] = (b−a)2 12 . Esercizio 4 (Continuazione dell’esercizio 2 del foglio 4 bis). Siano X, Z, W variabili aleatorie indipendenti con X ∼ Be(p), Z ∼ Pois(λ), W ∼ Pois(λ) e definiamo Y := XZ + W . In un esercizio precedente è stato mostrato che Y ha densità discreta (2λ)n λn pY (n) = P(Y = n) = pe−2λ + (1 − p)e−λ , ∀n ∈ N0 . n! n! (a) Calcolare E(Y ) e Var(Y ) utilizzando la densità pY . † Ultima modifica: 14 novembre 2016. 2 (b) Calcolare E(Y ) e Var(Y ) senza utilizzare pY . (c) Calcolare Cov[X, Y ] e dire se X e Y sono indipendenti. Esercizio 5 (Continuazione dell’esercizio 8 del foglio 4). Due variabili aleatorie X, N a valori in N0 = {0, 1, 2, . . .} hanno densità discreta congiunta n n pk (1 − p)n−k e−λ λ se 0 ≤ k ≤ n k n! pX,N (k, n) = . 0 altrimenti Si supponga noto (si può dedurre da pX,N ) che N ∼ Pois(λ) e X ∼ Pois(pλ). (a) Si calcoli Cov(X, N ). Esercizio 6 (Continuazione dell’esercizio 4 del foglio 4 bis; tema d’esame 2013/14). Due variabili aleatorie reali Y, T sono legate dalla relazione 1 Y := . T È noto che Y ha distribuzione Gamma(2, 1), ossia fY (y) = y e−y 1(0,∞) (y) , ed è stato mostrato che T ha distribuzione assolutamente continua, con densità 1 fT (t) = 3 e−1/t 1(0,∞) (t) . t (a) Si dica se T ∈ L1 e/o T ∈ L2 . Si mostri che Cov(T, Y ) è ben definita, e la si calcoli. Esercizio 7. Sia X il numero di punti fissi di una permutazione aleatoria di n elementi scelta uniformemente. Si calcolino E[X] e Var[X]. [Sugg.: Non è necessario determinare la distribuzione di X. Si rifletta sugli eventi Ai := “i è un punto fisso della permutazione” per i ∈ {1, . . . , n}.] Esercizio 8 (Esercizio 3 del terzo appello 2014/15). Siano X, Y variabili aleatorie reali con densità congiunta e−y fX,Y (x, y) := c 1 1 , (1 + x)3 {x>0} {0<y<x} dove c ∈ (0, ∞) è un’opportuna costante (che non è richiesto di determinare). (a) Si determinino le densità marginali di X e Y . (b) Le variabili aleatorie X e Y sono indipendenti? (c) Si dica se X e Y sono in L1 e/o in L2 . È ben definita Cov(X, Y )? (d) Si determini la distribuzione di M := max{X, Y }. Esercizio 9 (Esercizio 3 del terzo appello 2015/16). Siano Z ∼ N (0, 1) e Y ∼ Be(p) due variabili aleatorie indipendenti, dove p ∈ (0, 1) è un parametro fissato. Definiamo due nuove variabili aleatorie W := 2Y − 1 , T := W Z . (a) Calcolare E[W ], Var[W ] e determinare la legge di W . 3 (b) Calcolare E[T ], Var[T ], Cov[W, T ]. (c) Determinare la funzione di ripartizione FT di T e riconoscerla come notevole. (d) T e W sono indipendenti? Esercizio 10. Sia (X, Y ) un vettore aleatorio a valori in R2 , con densità ( c e−x se 0 < x < y < x + 1 fX,Y (x, y) := , 0 altrimenti dove c ∈ R è una opportuna costante. (a) Si calcoli il valore della costante c e si mostri che X è una variabile aleatoria con distribuzione Exp(1). (b) Si mostri che Z := log(X) è una variabile aleatoria assolutamente continua e se ne determini la densità. Per quali valori di p si ha Z ∈ Lp ? (c) Si determini la densità di Y . Si calcoli E(eX−Y ). (d) Le variabili aleatorie X e Y sono indipendenti? Esercizio 11. Una variabile aleatoria reale X è detta di Cauchy se è assolutamente continua con densità 1 1 fX (x) := , x ∈ R. π 1 + x2 (a) Si mostri che fX è effettivamente una densità e si calcolino P(X > 1) e P(X < −1). (b) Si mostri che X non ammette valor medio. (c) Si dimostri che la variabile aleatoria Y := 1/X è di Cauchy. Esercizio 12. Siano T, (Xi )i∈N variabili aleatorie indipendenti con distribuzioni T ∼ Geo(p) e Xi ∼ Exp(λ). Definiamo la variabile aleatoria Z ponendo Z(ω) := min{X1 (ω), . . . , XT (ω) (ω)} . (a) Si determini la distribuzione di Z, mostrando che è assolutamente continua. (b) Si mostri che Z ∈ Lq per ogni q > 0 e si calcoli E[Z].