Analisi dei Dati 14/15 Primo appello 22 giugno 2015

Esercizio 1. [totale 4 punti]1

Siano A, B e C tre eventi dello spazio di probabilita (, F, P ).

(a.) [2 punti] Assumendo P (C) > 0 si dimostri, a partire dagli assiomi, che

P (A B|C) = P (A|C) + P (B|C) P (A B|C).

(b.) [2 punti] Si dimostri che, per ogni terna A, B e C,

P (A B) + P (A C) + P (B C) P (A B C).

Qui e consentito usare le conseguenze elementari degli assiomi.

Soluzione
(a.)

P ((A B) C)
P (A B|C) =
P (C)
P ((A C) (B C)) P (A C) + P (B C) P (A B C)
= =
P (C) P (C)
= P (A|C) + P (B|C) P (A B|C).

(b.) Riordinando la formula dinclusione/esclusione a tre eventi si scrive

P (A B) + P (A C) + P (B C) = P (A) + P (B) + P (C) P (A B C) + P (A B C)

P (A B C),

dove la disuguaglianza discende dalla sub-addittivita della misura di probabilita che assicura

P (A B C) P (A) + P (B) + P (C).

1
Le risposte corrette non giustificate valgono 0 punti.
Esercizio 2. [totale 4 punti]2

Le urne A e B contengono palline bianche e nere. Inizialmente A ne contiene 2 bianche e

4 nere, mentre B ne contiene 1 bianca e 1 nera. Si estrae una pallina a caso da A e, senza
guardarla, la si inserisce in B. Si estrae quindi una pallina da B e la si pone sul tavolo.

(a.) [2 punti] Calcolare la probabilita dellevento la pallina sul tavolo e bianca.

(b.) [2 punti] Calcolare la probabilita dellevento la pallina estratta da A e bianca sapendo

che la pallina sul tavolo e bianca.

Soluzione

(a.) Indichiamo con EA ed EB rispettivamente gli esiti delle estrazioni dalle urne A e B, e
con b lesito pallina bianca mentre con n lesito pallina nera. Applicando il teorema della
probabilita totale si ottiene allora
22 14 4
P (EB = b) = P (EB = b|EA = b)P (EA = b) + P (EB = b|EA = n)P (EA = n) = + = .
36 36 9

(b.) Utilizzando la formula di Bayes si ha

2
P (EA = b) 4 6 1
P (EA = b|EB = b) = P (EB = b|EA = b) = 6 4
= .
P (EB = b) 9
2

2
Le risposte corrette non giustificate valgono 0 punti.
Esercizio 3. [totale 6 punti]

Vero o Falso: e proibito fornire giustificazioni.

(a.) [2 punti] Risposte esatte: 810 = 2 punti, 47 = 1 punto, 03 = 0 punti.

F () e f () denotano la funzione di distribuzione e la funzione di densita

di una variabile aleatoria assolutamente continua V F

f (x) 1 per ogni x

F (x) 1 per ogni x
se x1 < x2 allora f (x1 ) f (x2 )
se x1 < x2 allora F (x1 ) F (x2 )
f (x) 0 per ogni x
F (x) 0 per ogni x
R

f (x) dx <
R

F (x) dx <
f () non ha salti
F () non ha salti

(b.) [4 punti] Risposte esatte: 910 = 4 punti, 68 = 3 punti, 35 = 2 punti, 12 = 1 punto.

Qualunque siano le variabili aleatorie X e Y : V F

 2
E(X 2 ) E(X)


var(X) a2 P |X E(X)| a per ogni a 0
se X 0 allora E(X) aP (X a) per ogni a 0
p
|E(XY )| E(X 2 )E(Y 2 )
cov(X, Y ) 0
var(X + Y ) = var(X) + var(Y ) cov(X, Y )
var(X Y ) = var(Y X)
var(X Y ) = var(X + Y )
se X
Y allora var(X Y ) = var(X + Y )
se E(XY ) = E(X)E(Y ) allora var(X + Y ) = var(X) + var(Y )
Esercizio 4. [totale 6 punti]3

Sia X una variabile aleatoria assolutamente continua di densita fX (x) laplaciana, ovvero
|x|
fX (x) = e per ogni x R,
2
dove > 0, e si consideri la funzione g : R R,
(

1 se |x| < 1
g(x) = max 1, |x| =
|x| se |x| 1 .

(a.) [2 punti] Calcolare la funzione di distribuzione della variabile aleatoria Y = g(X).

(b.) [2 punti] Calcolare la densita / densita generalizzata di Y .

(c.) [2 punti] Calcolare P (Y 6= X).

Soluzione

(a.) Per ogni y R si deve calcolare la funzione di distribuzione

 
(1)
FY (y) := P (Y y) = P (g(X) y) = P X g (, y] .

Le immagini inverse, al variare di y R, risultano

(
se y<1
g 1 ((, y]) =
[y, y] se y 1,

da cui
(
 0 se y<1
FY (y) = P X g (1) (, y] =
FX (y) FX (y) se y 1.

Il completamento dei calcoli richiede la valutazione della funzione di distribuzione FX (x), che
e ovunque continua e vale
Z x (
1 x
2
e x<0
FX (x) = fX (a)da = 1 x
1 2e x 0.

Si ottiene quindi infine

(
0 se y<1
FY (y) =
1 ey se y 1,

che puo anche essere scritta nella forma compatta

FY (y) = 1 ey 1l(y 1).

Si osservi che FY (y) presenta un salto in y = 1, pertanto Y e una v.a. mista.

(b.) La densita generalizzata si ottiene per derivazione della funzione di distribuzione

d
FY (y) = ey 1l(y 1) + 1 e (1 y).


fY (y) =
dy

(c.) 1
P (Y 6= X) = P (g(X) 6= X) = P (X < 1) = FX (1) = 1 e ,
2
dove si e sfruttato il fatto che X e assolutamente continua.
3
Le risposte corrette non giustificate valgono 0 punti.
Esercizio 5. [totale 6 punti]4


Sia {Xn }n0 una sequenza di v.a. di Poisson indipendenti, Xn P n , con 0 < < 1, e sia
{Yn } la sequenza delle v.a.
n1
X
Yn = Xk .
k=0

(a.) [2 punti] Calcolare la densita discreta di Yn .

(b.) [2 punti] Calcolare la funzione caratteristica di Yn .
(c.) [2 punti] Studiare la convergenza in distribuzione di {Yn }.

Soluzione (e consentito usare tutti i risultati noti sulle v.a. di Poisson)

(a.) La v.a. Yn e la somma di n v.a. indipendenti di Poisson, pertanto e essa stessa una v.a.
di Poisson di parametro
n1
X 1 n
n = k =
k=0
1
e la sua densita discreta vale
1n k


kn 1n
n
pn (k) = e = e 1 1
.
k! k!

(b.) Ricordando lespressione della funzione caratteristica di una v.a. di Poisson si trova
n
n () = en (e
j 1
) = e 1
1 (
ej 1)
.

(c.) Avendo le v.a. discrete Yn tutte lo stesso alfabeto Y = N0 , si ha convergenza in

distribuzione se la successione delle densita discrete converge ad una densita valida. Nel caso
in esame, per ogni k N0 si ha
1n k

1

k
n
1 1 1
1 1
lim pn (k) = lim e 1 =e
n n k! k!
1
che e la densita discreta di una v.a. di Poisson di parametro 1
, pertanto la sequenza Yn
converge in distribuzione.
In alternativa si poteva facilmente calcolare
1n 1
lim n () = lim e 1 (ej 1) = e 1 (ej 1) ,
n n

e poiche la funzione limite e continua per in un intorno dellorigine, invocando il teorema

di continuita di Levy si ottiene la convergenza in distribuzione.

4
Le risposte corrette non giustificate valgono 0 punti.
Esercizio 6. [totale 6 punti]5

Si consideri il processo aleatorio Yn , n Z, di tipo M A(1), definito dallequazione alle

differenze
1
Yn = Wn Wn1 ,
2
dove Wn , n Z e un rumore bianco gaussiano, Wn W GN ( 2 ).

(a.) [2 punti] Calcolare e tracciare il grafico delle funzioni media e covarianza di Yn .

(b.) [2 punti] Fornire la descrizione probabilistica completa del vettore Y = (Y1 , Y2 , Y4 )> ,
specificandone anche il vettore della media e la matrice di covarianza.

(c.) [2 punti] Calcolare P (Y1 > Y5 + 1).

Soluzione

(a.) Il rumore bianco gaussiano Wn e stazionario in senso lato (debole) con funzioni media
e correlazione
mW = E(Wn ) = 0 , rW (k) = 2 (k).
Il processo M A(1) Yn risulta anchesso stazionario in senso lato con funzione media
1 1
mY = E(Yn ) = E(Wn ) E(Wn1 ) = mW mW = 0 .
2 2
Essendo la funzione media nulla, la funzione covarianza coincide con la funzione correlazione
e risulta
  
1 1
kY (k) = rY (k) = E(Yn Yn+k ) = E Wn Wn1 Wn+k Wn+k1
2 2
1 1 1
= rW (k) rW (k + 1) rW (k 1) + rW (k)
2 2 4
1 2 5 2 1 2
= (k + 1) + (k) (k 1) .
2 4 2

I grafici delle funzioni media e covarianza sono illustrati di seguito.

mY

kY (k)
5 2
4

k
12 2 12 2

5
Le risposte corrette non giustificate valgono 0 punti.
(b.) Il vettore Y = (Y1 , Y2 , Y4 )> risulta essere un vettore aleatorio gaussiano in quanto le sue
componenti sono ottenute come combinazioni lineari dei campioni del processo gaussiano Wn .
Il vettore della media mY = E(Y) risulta chiaramente nullo, quindi la matrice di covarianza
coincide con la matrice di correlazione Y = RY e nello specifico si ottiene
5 2 1 2

r Y (0) rY (1) rY (3) 4
2
0
Y = RY = E YY> = rY (1) rY (0) rY (2) = 12 2 45 2


0 ,
5 2
rY (3) rY (2) rY (0) 0 0 4

dove si e sfruttata la parita dellautocorrelazione, rY (k) = rY (k). Una descrizione probabi-

listica completa del vettore Y e data ad esempio dalla funzione caratteristica
>m 1 > 1 >R
Y j 2
Y () = ej Y
= ej 2 Y
,

ma e anche sufficiente osservare che il vettore Y e congiuntamente gaussiano, specificandone

il vettore della media e la matrice di covarianza, simbolicamente, Y N (0, Y ).

(c.) Si ha
P (Y1 > Y5 + 1) = P (Y1 Y5 > 1) = P (Y > 1)
dove Y = Y1 Y5 e la differenza di due v.a. (congiuntamente) gaussiane indipendenti (in
quanto incorrelate) entrambe di media nulla e varianza 45 2 , pertanto e una v.a. gaussiana di
media nulla e varianza 2 45 2 = 25 2 . Standardizzando si ottiene quindi
r !
Y 1 2 1
P (Y1 > Y5 + 1) = P (Y > 1) = P q > q =1 .
5
5
5
2 2