Parte A del 12.12.2003 obbligatorio - iscrizione sulla lista Esame di:Calcolo delle probabilità - studenti IOL docente: E.Piazza Una risp osta a ciascuno dei 10 test qui assegnati è considerata valida se e soltanto se tutti i valori di verità relativi sono stati indicati correttamente. Cognome Nome matr.n. 1) Sia X una variabile aleatoria continua, distribuita uniformemente su [0, 1]. Allora: Figura 1: V F F il grafico in (a) è quello della densità di X il grafico in (b) è quello della densità di −X il grafico in (c) è quello della densità di 2X 2) Siano A e B due generici eventi che verificano B ⊂ A e P (A) = p, P (B) = (1 − p) ( 12 < p < 1); indicare quale delle seguenti risposte è vera: V P [AB] = 1 − p V P [AB] ≤ p F P [AB] = P [A]P [B] √ F P [AB] ≥ p F P [B|A] = 0 3) Un insieme contenente M elementi bianchi e N elementi neri ha esattamente: ¡M ¢ F N sottoinsiemi V 2M+N sottoinsiemi F (M + N )2 sottoinsiemi 4) Un laboratorio ha un test che individua il 99% delle volte un virus quando questo è presente e ne segnala la presenza l’1% delle volte quando il virus non c’è. Se il 5% della popolazione ha questo virus qual è la probabilità che Tizio risultato positivo al test abbia davvero il virus? Indicare con D = {Tizio ha il virus}, E = {Tizio risulta positiva al test} Soluzione: P [E|D]P [D] 0.99 · 0.05 P [D|E] = = = 0.83898 P [E|D]P [D] + P [E|Dc ]P [Dc ] 0.99 · 0.05 + 0.01 · 0.95 5) Sia X una variabile aleatoria ∼ N (0, 1) e Φ la sua funzione di ripartizione. Allora: V F F F V P [|X| > 2.5] = 2[1 − Φ(2.5)] P [|X| > 2.5] = Φ(2.5) − Φ(−2.5) P [|X| > 2.5] = è circa 1 P [|X| > 2.5] = 1 − Φ(2.5) α = P [X ≤ Φ−1 (α)] 6) Supponiamo di estrarre un campione casuale di dimensione 90 da una popolazione X che sappiamo con certezza essere distribuita secondo una legge normale di media 0 e varianza ignota. Supponiamo che i valori di X campionati siano stati divisi in classi di frequenza centrate nei numeri interi e che tali classi presentino i seguenti valori di frequenze assolute osservate: osservazione freq.assolute -5 18 -3 3 0 18 6 3 8 3 11 3 20 6 23 36 che sono distribuite secondo il seguente grafico: Figura 2: 6.1) Calcolare media 10.2667 varianza dei dati 145.529 moda 23 0,3 quantile 0 6.2) F se la minima osservazione fosse -10 invece di -5 la moda cambierebbe F se la massima osservazione fosse 35 invece di 23 la mediana cambierebbe V se ½ la minima osservazione fosse -10 invece di -5 la media cambierebbe se lasciamo invariate tutte le frequenze assolute osservate tranne quelle dei valori F -3 e 20, che diventano rispettivamente 6 e 3, lo 0.3 quantile cambierebbe 7) Sia Φ(x) la funzione di ripartizione di una va normale X di media 0 e varianza 1 e sia a > 0. Allora: V F V F V P [X ≤ −a] = 1 − Φ(a) P [|X| ≤ a] = 2Φ(a) P [|X| ≥ a] = 2 − 2Φ(a) 1 P [|X| ≥ 0] = 2 x = P [X ≤ Φ−1 (x)] 8) Quale/quali delle seguenti funzioni è una densità di probabilità? F V F F V −e−x , x√∈ (−∞, +∞) λ √ e−λ x I(0,∞) (x) 2 x −2I(−1/2,0) (x) λe−λx I(0,3) (x) 2I(−1/2,0) (x) 9) Si consideri il quadrato Q di lato r su cui è assegnata una distribuzione di probabilità uniforme (P [Q] = 1), e il sottoinsieme S di Q rappresentato dal settore circolare indicato in figura con centro in A e raggio r. Figura 3: Si scelga a caso un punto nel quadrato. Calcolare la probabilità P [S] che il punto appartenga a S. P [S] = area(S) π = area(Q) 4 1 10) Sia X una va la cui fd ammette fgm data da: (e2t + 1). 2 10.1 Trovare media e varianza di X. ¯ ¯ ¯ ¯ ¯ ¯ d 1 2t d2 1 µX = E[X] = = e2t ¯t=0 = 1; σ 2X = 2 (e2t + 1)¯¯ − 1 = 2e2t ¯t=0 − 1 = 1. (e + 1)¯¯ dt 2 dt 2 t=0 t=0 1 10.2 Sia Y una bernoulliana di parametro p = . Applicando la definizione, calcolare la funzione generatrice 2 di momenti di 2Y e verificare MOTIVANDO, che è la fgm data. 1 1 1 La va 2Y prende i valori 0 e 2 ciascuno con probabilità . Perciò E[et2Y ] = + e2t 2 2 2 Parte B 1. Un’azienda possiede una macchina dedicata alla produzione di un unico tipo di transistor. Sia X la variabile aleatoria (va) che codifica con “1 il transistor generico prodotto quando è difettoso (e con “0” quando non lo è) e sia p = P [X = 1], 0 ≤ p ≤ 1. 1.1 Scrivere la legge di probabilità f (x, p) di X p = P [X = 1]; 1 − p = P [X = 0]; X va di Bernulli di media p. La legge di probabilità di X è data da: f (x, p) = P [X = x] = px (1 − p)1−x ; x = {0, 1}. I transistor vengono prodotti uno dopo l’altro, in successione. Siamo all’inizio di un giorno di lavoro qualsiasi. La macchina viene avviata e inizia a produrre. Si supponga che, mediamente, la macchina produca transistor difettosi in una percentuale pari al 6%. Sia W la va che conta i transistor non difettosi prodotti prima di averne uno difettoso. 1.2 Scrivere la funzione di densità discreta (fdd) fW (m) di W e calcolare, in termini di valori di W, la probabilità dell’evento A½= {il primo transistor prodotto dalla macchina è difettoso}. pq m m = 0, 1, 2, . . . P [W = m] = fW (m) = , distribuzione geometrica. Segue che P [A] = P [W = 0] = 0.06 0 altrove 1.3 Calcolare, in termini di valori di W, la probabilità dell’evento B = {il primo transistor difettoso prodotto è il centesimo} P [B] = P [W = 99] = (0.94)99 0.06 1.4 Calcolare il tempo medio d’attesa (in termini di transistor prodotti) che precede il primo transistor difettoso. Si tratta di calcolare la media E[W ] di W. È noto che, se p è la probabilità di produrre un transistor difettoso 1−p allora la va W ha media data da E[W ] = = 0.94 0.06 = 15.667. da cui... p 1.5 Calcolare la probabilità che avendo prodotto 20 transitor di fila difettosi, il 21-esimo sia ancora difettoso. W è la va che conta i transistor difettosi prodotti prima di un transistor non difettoso. W ha distribuzione geometrica di parametro 0.94. Per W vale la proprietà di assenza di memoria, cioè P [W ≥ k + n | W ≥ k] = P [W ≥ n]. Nel nostro caso k = 20, n = 1. P [W ≥ 1] = 1 − P [W = 0] = 0.94, cioè la stessa probabilità di avere un transitor non difettoso prodotto al primo colpo. Supponiamo ora che la durata di uno di questi transitor sia ben modellata da una variabile aleatoria X misurata in migliaia di ore che ha distribuzione esponenziale di media pari a 40000 ore (attenzione: l’unità di misura di X è migliaia di ore). 1.6 Scrivere, CON PRECISIONE, la funzione di densità fX (x) e la funzione di ripartizione FX (x) di X. 1 X ∼ Exp(λ) e poiché E[X] = 40 si deduce che λ = = 0.025 da cui si ha: 40 1 1 −1x fX (x) = e 40 I[0,+∞) (x) = 0.025e−0.025x I[0,+∞) (x) e FX (x) = (1−e− 40 x )I[0,+∞) (x) = (1−e−0.025x )I[0,+∞) (x) 40 1.7 Disegnare CON PRECISIONE il grafico di fX (x) Figura 4: Supponiamo ora che l’azienda, oltre ai transistor di vita media paria a 40000 ore, ne produca anche di qualità 1 della vita media di quelli di buona qualità). Sia ancora più scadente cioè con vita media pari a 4000 ore ( 10 X la va che misura (in migliaia di ore, ricordate?) la durata dei transistor di buona qualità mentre sia S la va che misura la durata dei transistor di qualità scadente (sempre in migliaia di ore). Supponiamo che il 76% dei chip sia di buona qualità e il 24% sia di qualità scadente. 1.8 Qual è la probabilità che un transitor scelto a caso dalla produzione sia di buona qualità? 0.76 1.9 Calcolare la probabilità che un transitor di qualità scadente duri più di 2500 ore, cioè P [S >?]. 1 P [S > 2.5] = e− 4 2.5 1.10 Si scelga un transistor a caso dalla produzione. Calcolare la probabilità che funzioni ancora dopo 1000 ore (Suggerimento: indicare con A = {il transitor scelto funziona ancora dopo 1000 ore}; con B = {il transitor è di buona qualità}; con B c = {il transitor è di qualità scadente}). 1 1 P [A] = P [A | B]P [B] + P [A | B c ]P [B c ] = P [T > 1] · 0.76 + P [S > 1] · 0.24 = 0.76e− 40 + 0.24e− 4 = 0.92815 1.11 Per evitare di spedire troppi transitor difettosi alla clientela ogni transitor viene testato dalla azienda per 1000 ore. Calcolare la probabilità che il transitor spedito sia di buona qualità sapendo che il transitor funziona ancora dopo 1000 ore (cioè P [B | A]). Per il teorema di Bayes si ha: 1 P [A | B]P [B] 0.76e− 40 P [B | A] = = 1 1 = 0.79862 = P [A] 0.76e− 40 + 0.24e− 4 1.12 Perché l’azienda puo testare i transitor per un po’ di ore e poi venderli come nuovi? Perché, se la durata del transitor è ben modellata da una va esponenziale, il transistor non è soggetto a usura (mancanza di memoria della esponenziale). 2. Un sistema di comunicazione accetta in input un voltaggio positivo v e in output un voltaggio misurato da una va Y = αv + X dove X è una va normale di media µ = 0 e varianza σ 2 = 4 e α = 0.1. 2.1 Calcolare (usando la tavola in fondo al testo) il valore che deve avere v affinché P [Y < 0] = 0.015 N (αv; 4) − αv 0.1v 0.1v Y ∼ N (αv; 4) ⇒ P [Y < 0] = P [ <− ] = 0.015 ⇒ − = −2.17 ⇒ v = 21.7 2 2 2 2.2 Come si distribuisce la va W = −X? Disegnare il grafico della funzione di densità della W (indicando CON PRECISIONE il valore del massimo, le ascisse degli eventuali punti di flesso, eccetera). Per la simmetria di N è W ∼ N (0, 4) I grafici delle funzioni di densità e di ripartizione di W coincidono con quelli della N (0, 4). Figura 5: 2.3 Calcolare la probabilità dell’evento {|W | > 2} P [|W | > 2] = P [|N (0; 1)| > 1] = 2 − 2Φ(1) = 2 − 2 · 0.8413 = 0.3174 Figura 6: x 0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2.0 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 3.0 3.1 3.2 3.3 3.4 P P [X ≤ x] P [X ≤ −x] P [|X| ≤ x] P [|X| ≥ x] .00 5000 5398 5793 6179 6554 6915 7257 7580 7881 8159 8413 8643 8849 9032 9192 9332 9452 9554 9641 9713 9772 9821 9861 9893 9918 9938 9953 9965 9974 9981 9987 9990 9993 9995 9997 .01 5040 5438 5832 6217 6591 6950 7291 7611 7910 8186 8438 8665 8869 9049 9207 9345 9463 9564 9649 9719 9778 9826 9864 9896 9920 9940 9955 9966 9975 9982 9987 9991 9993 9995 9997 .02 5080 5478 5871 6255 6628 6985 7324 7642 7939 8212 8461 8686 8888 9066 9222 9357 9474 9573 9656 9726 9783 9830 9868 9898 9922 9941 9956 9967 9976 9982 9987 9991 9994 9995 9997 3.5 999865 4.0 x Φ(x) Φ(−x) 2Φ(x) − 1 2 − 2Φ(x) 1.282 .9 .1 .8 .2 .03 5120 5517 5910 6293 6664 7019 7357 7673 7967 8238 8485 8708 8907 9082 9236 9370 9484 9582 9664 9732 9788 9834 9871 9901 9925 9943 9957 9968 9977 9983 9988 9991 9994 9996 9997 .04 5160 5557 5948 6331 6700 7054 7389 7704 7995 8264 8508 8729 8925 9099 9251 9382 9495 9591 9671 9738 9793 9838 9875 9904 9927 9945 9959 9969 9977 9984 9988 9992 9994 9996 9997 9999683 1.645 .95 .05 .9 .1 1.960 .975 .025 .95 .05 4.5 .05 5199 5596 5987 6368 6736 7088 7422 7734 8023 8289 8531 8749 8944 9115 9265 9394 9505 9599 9678 9744 9798 9842 9878 9906 9929 9946 9960 9970 9978 9984 9989 9992 9994 9996 9997 .06 5239 5636 6026 6406 6772 7123 7454 7764 8051 8315 8554 8770 8962 9131 9279 9406 9515 9608 9686 9750 9803 9846 9881 9909 9931 9948 9961 9971 9979 9985 9989 9992 9994 9996 9997 9999966 2.326 .99 .01 .98 .02 2.576 .995 .005 .99 .01 .07 5279 5675 6064 6443 6808 7157 7486 7794 8078 8340 8577 8790 8980 9147 9292 9418 9525 9616 9693 9756 9808 9850 9884 9911 9932 9949 9962 9972 9979 9985 9989 9992 9995 9996 9997 5.0 .08 5319 5714 6103 6480 6844 7190 7517 7823 8106 8365 8599 8810 8997 9162 9306 9429 9535 9625 9699 9761 9812 9854 9887 9913 9934 9951 9963 9973 9980 9986 9990 9993 9995 9996 9997 .09 5359 5753 6141 6517 6879 7224 7549 7852 8133 8389 8621 8830 9015 9177 9319 9441 9545 9633 9706 9767 9817 9857 9890 9916 9936 9952 9964 9974 9981 9986 9990 9993 9995 9997 9998 99999971 3.090 .999 .001 .998 .002 3.291 .9995 .0005 .999 .001 3.891 .99995 .00005 .9999 .0001 4.417 .999995 .000005 1 0 c Lo svolgimento del presente elaborato è coperto da diritto d’autore. Pertanto esso non può essere sfruttato a fini commerciali ° o di pubblicazione editoriale. Ogni abuso sarà perseguito a termini di legge dal titolare del diritto.