Vous êtes sur la page 1sur 5

Elementi di Probabilità e Statistica

Prova di verifica intermedia del giorno 3/04/14

Esercizio 1
Un canale di trasmissione dati può ricevere messaggi binari da due sor-
genti A e B: ognuna delle due sorgenti produce messaggi i cui bit successivi
sono indipendenti tra loro. Per la sorgente A però i bit possono essere 0 o 1
con probabilità 1/2 mentre per B il bit 0 viene inviato con probabilità 1/3
(ed il bit 1 con probabilità 2/3).
È arrivato un messaggio di lunghezza 10 del quale si ignora se sia stato
inviato da A o da B (e in totale incertezza si suppone che sia stato inviato
da A o da B con probabilità 1/2).
a) Sia X la v.a. che indica il numero di bit 1 presenti nel messaggio: qual
è la distribuzione di probabilità di X e la sua speranza?
b) Supponiamo che X assuma il valore 3 (cioè 3 volte è stato inviato il
bit 1): è più probabile che il segnale sia stato inviato da A o da B? E se X
assume il valore 7?
Esercizio 2
Sia θ un numero
con 0 < θ < 1 e si consideri una variabile aleatoria a valori
in IN = 0, 1, . . . tale che P(X = k) = c(θ) . (k + 1) . θk , dove c(θ) è una
opportuna costante.
a) Calcolare il valore di c(θ) che rende la funzione sopra scritta una
funzione di probabilità.
b) Presa X con tale legge, calcolarne la funzione generatrice delle proba-
bilità (precisando dove è definita), la speranza e la varianza.
c) Prese X e Y indipendenti entrambe con questa legge di probabilità,
calcolare la legge di probabilità di X +Y .
Suggerimento. Ricordiamo che, per m ∈ N e x ∈ (−1, 1), si ha
∞  
1 X n+m n
= x .
(1 − x)m+1 n=0
m

Esercizio 3
Consideriamo ora come modello statistico un campione X1 , . . . , Xn di
variabili aleatorie indipendenti
 aventi la distribuzione di probabilità sopra
indicata, al variare di θ ∈ 0 , 1 .
d) Determinare un riassunto esaustivo e, se esiste, la stima di massima
verosimiglianza di θ ; questa stima è consistente?

1

e)
 Determinare un test per l’ipotesi H 0 θ ≥ 0,3 contro l’alternativa
H1 θ < 0,3 al livello 0,05 , portando avanti i conti fin dove sono fattibili.

Soluzione commentata:
Esercizio 1
Identifichiamo con A (rispettivamente B) l’evento “il messaggio è stato
inviato dalla sorgente A” (risp. sorgente B).
a) Vale la formula (per 0 ≤ k ≤ 1)

P{X = k} = P{X = k|A}.P(A) + P{X = k|B}.P(B) =


   
10 1 10 1 10 2 k 1 10−k 1
= . + .
k 2 2 k 3 3 2
Il calcolo della speranza è semplificato dal fatto che si può scrivere
10   10  
1 X 10 1 10 1 X 10 2 k 1 10−k
E[X] = k + k .
2 k=0 k 2 2 k=0 k 3 3

e ci si riporta facilmente al calcolo (ben noto) della speranza di variabili


binomiali ottenendo il risultato E[X] = 12 10 2
+ 21 20
3
= 35
6
.
Commento: diversi studenti hanno scritto che la variabile X è binomiale
di parametri 10 e 21 12 + 12 32 = 12
7
. Il calcolo della speranza risulta casualmente
esatto ma la modellizzazione è sbagliata.
b) Prendiamo un generico k con 0 ≤ k ≤ 10 : dalla formula di Bayes si
ricava
P{X = k|A}P(A)
P{A|X = k} =
P{X = k}
e formula analoga per P{B|X = k} . Poiché P(A) = P(B) = 12 per decidere
se è più probabile A o B (condizionatamente a {X = k} ) è sufficiente verifi-
10 k 10−k
care se è maggiore (o minore) 21 oppure 23 . 13 : facili conti provano
che con k = 3 è più probabile A e con k = 7 è più probabile B.
Esercizio 2
1
= ∞ n
P
Derivando il noto sviluppo (1−x) n=0 x (valido per −1 < x < 1) si
ottiene ∞ ∞
1 X
n−1
X
= nx = (n + 1)xn
(1 − x)2 n=1 n=0

(che è un caso particolare dello sviluppo del suggerimento, ponendo m = 1).


a) Applicando la formula precedente con x = θ si ottiene che c(θ) =
(1 − θ)2 .

2
b) Applicandola di nuovo con x = tθ si ottiene la funzione generatrice,
che è ∞
X (1 − θ)2
GX (t) = tn (n + 1)(1 − θ)2 θn =
n=0
(1 − tθ)2
Questa funzione è definita per |t| < θ−1 , dunque in un intervallo che contiene
strettamente [−1 , 1] : ne segue che la variabile ha momenti primo e secondo
(anzi, tutti i momenti).
Dalla funzione generatrice si ricavano la speranza
(1 − θ)2 2θ 2θ
lim G0X (t) = lim =
t→1− t→1− (1 − tθ)3 (1 − θ)
poi si calcola
(1 − θ)2 6θ2 6θ2
lim G00X (t) = lim =
t→1− t→1− (1 − tθ)4 (1 − θ)2
da cui la varianza è
6θ2 2θ 4θ2 2θ2
+ − = .
(1 − θ)2 (1 − θ) (1 − θ)2 (1 − θ)2
c) La legge di X + Y , data dalla formula di convoluzione, è
n
X
4 n
P{X + Y = n} = (1 − θ) θ (k + 1)(n − k + 1) =
k=0

n
X
(1 − θ)4 θn 1 + n + nk − k 2 ;

k=0

il
Pcalcolo non è agevole (richiedendo la conoscenza della formula
n 2
k=0 k = n(n + 1)(2n + 1)/6), il risultato è

P{X + Y = n} = (1 − θ)4 θn (1 + n)2 + n(n + 1)/2 − n(n + 1)(2n + 1)/6 =




= (1 − θ)4 θn (1 + 11n/6 + n2 + n3 /6) ;


È più semplice procedere come segue: dalla teoria sappiamo che
(1 − θ)4
GX+Y (t) = GX (t)GY (t) =
(1 − tθ)4
usando la formula in suggerimento, con m = 3, otteniamo
∞  
1 X n+3 n
= x .
(1 − x)3+1 n=0
3

3
da cui, ponendo x = tθ,
∞ 
(1 − θ)4

4
X n+3 n n
GX+Y (t) = = (1 − θ) t θ .
(1 − tθ)4 n=0
3

Sempre dalla teoria sappiamo che la funzione generatrice individua unica-


mente la legge di probabilità, e dunque
 
n+3 n
P{X + Y = n} = θ (1 − θ)4
3
Commento: un altro modo di procedere. Consideriamo una v.a. Z2 bino-
miale negativa di parametri p ∈]0, 1[ e k = 2: la sua legge è P (Z2 = h) =
(h − 1)p2 (1 − p)h−2 per h ≥ 2; se definiamo p = 1 − θ e Y = Z2 − 2 otte-
niamo una v.a. che ha legge data da P (Y = h) = (h + 1)(1 − θ)2 θh per ogni
n naturale, si ottiene dunque che c(θ) = (1 − θ)2 . A esercitazione è stato
mostrato che la somma di v.a. indipendenti e binomiali negative è ancora
una v.a. binomiale negativa; infatti la funzione generatrice di una generica
v.a. Zk binomiale negativa di parametri p ∈ (0, 1) e k ≥ 1 è

tk pk
(1 − t(1 − p))k

(e questo era stato mostrato usando lo sviluppo riportato nel suggerimento).


Dunque Z2 ha la stessa legge della somma di due v.a. geometriche e indipen-
denti: questo permette di dire che la speranza e la varianza di Z2 sono 2/p e
2p/(1−p)2 , e dunque la speranza e la varianza di X sono 2/p−2 = 2θ/(1−θ)
e 2(1 − p)/p2 = 2θ/(1 − θ)2 . Notiamo inoltre che GX (t) = GZ2 (t)t−2 : questo
si può vedere come facile conseguenza della relazione Y = Z2 − 2. Per lo
stesso motivo, la legge di X + Y coincide con la legge di Z4 − 4, dove Z4 è
binomiale negativa di parametri p = 1 − θ e k = 4.
Esercizio 3
a) Sullo spazio Ω = INn , la verosimiglianza ha l’espressione
n
Y
2n
(ki + 1) θk1 +···+kn

L θ ; k1 , . . . , kn = (1 − θ)
i=1

P un riassunto esaustivo è la v.a. T (k1 , . . . , kn ) = k1 +· · ·+kn


ed è evidente che
(o anche T = ni=1 Xi indicando come d’uso con Xi la proiezione canonica
di indice i).
Dato a ≥ 0 , il massimo della funzione θ → (1 − θ)2n θa si ottiene nel
punto a/(2n + a) (bisogna considerare separatamente il caso a = 0 e a > 0 )

4
e da qui P seguirebbe la formula per la stima di massima verosimiglianza
i≤n Xi
θn = 2n+P
b . È scritto seguirebbe poiché in realtà non è definita se
i≤n Xi
T (k1 , . . . , kn ) = 0 .
Tuttavia non è difficile vedere che la successione (θbn )n≥1 è consistente:
ad esempio se si estende l’insieme dei parametri a [0, 1[ si ottiene che la
stima è ben definita e che la successione è consistente poiché P siamo in un
θ b θ
modello esponenziale. Si vede poi che P {θn = 0} = P { i≤n Xi = 0} =
(1 − θ)2n −→ 0 .
b) È facile constatare che il modello è a rapporto di verosimiglianza cre-
scente
 P rispetto a T e di conseguenza la buona regione critica è della forma
i≤n Xi ≤ d : si tratta allora di trovare il massimo intero k tale che si
abbia X
P0,3

Xi ≤ k ≤ 0,05
i≤n

I conti a questo punto non sono fattibili in pratica; alcuni studenti hanno
utilizzato (a volte propriamente ed a volte no) l’approssimazione data dal
teorema Limite Centrale. Bisogna però osservare che questa approssimazione
diventa ragionevole quando la taglia del campione è grande, inoltre si sarebbe
dovuto utilizzare una forma del T.L.C più generale di quella data a lezione.