Domande a risposta multipla per PSI AA 2022-23

1 Probabilità
D 1.1 Siano A e B due eventi tali che P (A|B) = 0.1, P (A|B c ) = 0.5 e P (B) = 0.2. Apporre i corretti valori di
verità alle seguenti affermazioni:

P (A ∪ B) = 0.02.

P (A) = 0.42.

A e B sono indipendenti.

P (A ∩ B) = 0.02.

D 1.2 Siano A e B due eventi con P (A) > 0 e P (B) > 0 e P (A ∩ B) = 0 Apporre i corretti valori di verità alle
seguenti affermazioni:

A e B possono essere indipendenti.

P (A ∪ B) > P (A).

P (A|B) = 0.

P (A ∪ B) = P (A) + P (B).

D 1.3 Siano A, B due eventi. Apporre i corretti valori di verità alle seguenti affermazioni

Se A, B sono incompatibili e P (B) > 0 allora P (Ac |B) = 1

Se P (A ∩ B) = P (A)P (B) allora A e B sono incompatibili

Se A ∩ B = ∅ allora A e B sono indipendenti

Se A, B sono incompatibili e P (A) = 0 allora A, B sono indipendenti

D 1.4 Siano A, B, E tre eventi con 0 < P (E) < 1. Apporre i corretti valori di verità alle seguenti affermazioni

P (A ∪ B|E) = P (A|E) + P (B|E) − P (A ∩ B|E)

P (A|E c ) = 1 − P (A|E)

P (Ac ∪ B c |E) = 1 − P (A ∩ B|E)

P (A ∩ B|E) = P (A|E)P (B|E) sempre

D 1.5 Siano A, H1 , H2 tre eventi con P (H1 ) > 0, P (H2 ) > 0, H1 ∩ H2 = ∅ e H1 ∪ H2 = Ω. Segnare con V l’unica
affermazione vera e con F tutte le altre.
P (A) = P (A ∪ H1 ) + P (A ∪ H2 )

P (A) = P (A ∩ H1 ) + P (A ∩ H2 )
P (A ∩ H1 ) P (A ∩ H2 )
P (A) = +
P (H1 ) P (H2 )
1 1
P (A) = P (A|H1 ) + P (A | H2 )
2 2

D 1.6 Sia p1 , . . . , pn , . . . una serie di pesi con cui probabilizzo lo spazio campionario numerabile Ω = {ω1 , ω2 , . . .}.

Posso scegliere una costante p tale che pn = p per ogni n ∈ N.

P+∞
Posso scegliere pn > 0 ∀n e tali che n=1 pn = 1.

1
 Non esistono funzioni di probabilità P su questo Ω tali che P ({ωn }) = pn > 0 per tutti gli ωn di Ω.

La funzione F data da F (x) = P ({ωn : ωn ≤ x}) è monotona non decrescente.

D 1.7 Quale delle seguenti funzioni è una densità di probabilità assolutamente continua? Apporre i corretti valori
di verità alle seguenti funzioni.
( (
5x4 se 0 < x < 1 xe−x se x > 0
f (x) = f (x) =
0 altrove 0 altrove
( (
1
−1 se 0 < x < 1 se x > 0
f (x) = f (x) = x
0 altrove 0 altrove

D 1.8 Quale delle seguenti funzioni è una funzione di ripartizione? Apporre i corretti valori di verità alle seguenti
funzioni.


 0 se x < −1 (

0.5 se −1 ≤ x < 5.1 1 − 2/x se x < 2
F (x) = F (x) =


 0.8 se 5.1 ≤ x < 7.3 1 se x ≥ 2
1 altrove


0
 se x ≤ 0 (
1 se x < 1
F (x) = x/3 se 0 < x < 3 F (x) =
 1/x se x > 1
1 − 1/x2 se x ≥ 3


D 1.9 Sia X una variabile aleatoria assolutamente continua con densità f (x) = 2x per 0 < x < 1 e 0 altrimenti.
Apporre i corretti valori di verità.

P {X = 1/4} = 1/2.

E[X] = 2/3.

P {X > 1/2} = 3/4.

P {X < 1/2} = 1/2.

D 1.10 Sia X una variabile aleatoria la cui funzione di ripartizione FX ha il grafico disegnato in figura.
6
1 •
0.75
0.5
0.25

 -
1 2 3 4 5

P {X = 1} = 0.25

P {X > 1} = 0.75

P {X = 3} = 0.25

X è una variabile discreta.

D 1.11 Sia X una v.a. discreta a valori in S = {1, 2, 3, 4} con f.d.r. FX e densità discreta pX .

FX (3.2) = pX (1) + pX (2) + pX (3).

2
 FX è una funzione derivabile ovunque.

pX (2) = FX (2) − FX (1)

1
pX (k) = ∀k = 1, 2, 3, 4.
4
D 1.12 Sia X ∼ fX una variabile aleatoria assolutamente continua.
Z
E(X) = fX (x) dx (se E(X) esiste).
R
Z
E(X) = xfX (x) dx (se E(X) esiste).
R

Se la densità è una funzione pari cioè fX (x) = fX (−x) ∀x ed E(X) esiste allora E(X) e mediana coincidono e
sono nulle.
E(X) coincide sempre con il valore di X in corrispondenza del quale fX è massima.

D 1.13 Sia T una variabile aleatoria assolutamente continua positiva con intensità di guasto λ(t).
Z s+t
P (s < X < s + t) = λ(u) du per ogni s, t > 0.
s

λ(s + t) − λ(s)
P (X < s + t|X > s) = R s+t per ogni s, t > 0.
s
λ(u) du

λ(t) = c > 0 per ogni t > 0 se e solo se P (X > s + t|X > s) = P (X > t) per ogni s, t > 0.

Se λ(t) = 3ct2 con c > 0 e t > 0, allora P (X > s + t|X > s) < P (X > t) per ogni s, t > 0.

D 1.14 Sia X una variabile aleatoria che ha valore atteso E(X) e varianza Var(X) .
2
Var(aX) = |a| (E(X)) − |a| E(X 2 ).
2
E(X 2 ) = Var(X) + (E(X)) .
q
2
E(X) = Var(X) + (E(X)) .

Var(X + b) = Var(X)

D 1.15 La variabile aleatoria X ammette funzione generatrice dei momenti mX (t). Apporre i corretti valori di verità
alle seguenti affermazioni.

mX (0) = 0

d2
E(X 2 ) = mX (t)
dt2 t=0

m−X (t) = mX (−t)

m2X (t) = [mX (t)]2

D 1.16 Siano X ∼ N (µ, σ 2 ) con f.d.r. FX , densità fX e quantile qα , e Z ∼ N (0, 1) con f.d.r. Φ, densità ϕ e quantile
zα .
 
x−µ 1
fX (x) = ϕ per ogni x ∈ R e ogni µ ∈ R, σ > 0.
σ σ
 
x−µ
FX (x) = Φ per ogni x ∈ R e ogni µ ∈ R, σ > 0.
σ
zα − µ
qα = per ogni 0 < α < 1 e ogni µ ∈ R, σ > 0.
σ

3
 Se P (X > x) = FX (−x) per ogni x ∈ R e ogni µ ∈ R, σ > 0.

D 1.17 Siano X, Y due variabili aleatorie entrambe assolutamente continue con densità rispettivamente fX , fY .
Segnare le affermazioni vere con V e le false con F .

Necessariamente il vettore aleatorio (X, Y ) è assolutamente continuo.

Se X e Y sono indipendenti allora il vettore aleatorio (X, Y ) è assolutamente continuo.

Se X e Y sono indipendenti, la densità condizionale di X dato Y verifica l’eguaglianza fX|Y (x | y) = fX (x).

Se fX = fY allora X = Y con probabilità 1.

D 1.18 Se una coppia (X, Y ) di variabili aleatorie ha densità congiunta pX,Y data da pX,Y (0, 0) = pX,Y (1, 0) =
pX,Y (0, 1) = 1/3 allora

X e Y sono indipendenti.

E[X] = E[Y ].

X e Y hanno la stessa densità.

P {X = 0|Y = 0} = 1/2.

D 1.19 Siano X e Y due variabili aleatorie Be(p) indipendenti. Allora

XY è Be(p2 ).

X + Y è Be(2p).

1 − X è Be(1 − p).

P {X + Y = 2} = p2 .

D 1.20 Sia X ∼ Be(0.5) e Y ∼ N (0, 1), con X e Y indipendenti. Apporre i corretti valori di verità:

E[XY − (1 − X)Y ] = 1.

Var(2X) = 1.

Var(2X + Y ) = 4.

E[X 2 Y 2 ] = 0.5.

D 1.21 Siano X e Y due variabili aleatorie che ammettono media e varianza. Sarà necessariamente
E(XY ) = E(X) E(Y ).

E(X) = E(E(X|Y )).

Var(X − Y ) = Var(X) − Var(Y ) se X e Y sono indipendenti.

E(Y ) = E(E(X|Y )).

D 1.22 Siano X e Y v.a. tali che E(X) = 1, E(Y ) = −2, E(Y 2 ) = 5, E(XY ) = 0.5.

X e Y sono indipendenti.

Cov(2X + 3Y − 3, Y ) = Cov(2X + 3Y, Y ).

Cov(2X + 3Y, Y ) = 6 Cov(X + Y, Y ).

Cov(2X + 3Y, Y ) = 8.

4
D 1.23 Siano X e Y due variabili aleatorie.

X e Y sono indipendenti se e solo se Cov(X, Y ) = 0.

A Se X e Y sono indipendenti allora Cov(X, Y ) = 0

p
Se Cov(X, Y ) = Var(X) Var(Y ) allora P (Y = aX + b) = 1 per opportuni a, b.

Se X, Y sono congiuntamente gaussiane e Cov(X, Y ) = 0, allora X e Y sono indipendenti.

D 1.24 Siano Siano X e Y due variabili aleatorie indipendenti gaussiane standard. Indicare l’unica risposta corretta

P {X + Y > 0} = 0.5.

Var(X − Y ) = 0.

P {X = Y } = 1.

(X + Y )/2 ∼ N (0, 1).

D 1.25 Siano X1 , X2 , X3 , X4 variabili aleatorie indipendenti con legge di Poisson di parametro λ = 20:

X1 − X2 ha distribuzione di Poisson di parametro λ = 10.

4X1 ha distribuzione di Poisson di parametro λ = 80.

X1 + X2 + X3 + X4 ha distribuzione di Poisson di parametro λ = 80.

X1 + X2 + X3 + X4 ha distribuzione approssimata N (80, 80).

D 1.26 Siano X ∼ Bi(m, p), Y ∼ Bi(n, q) due variabili aleatorie indipendenti ed S = X + Y . Apporre i corretti
valori di verità alle seguenti affermazioni.

X + Y ∼ Bi(n + m, p + q)

X + Y ∼ Bi(max{m, n}, min{p, q})

Se p = q allora X + Y ∼ Bi(n + m, q)

Se p ' 0 ed m = 50 allora X ha distribuzione approssimata Poisson(50p)

D 1.27 Sia X ∼ Bi(100, 0.4). Apporre i corretti valori di verità alle seguenti affermazioni.
 
50.5 
P (X ≥ 51) ' 1 − Φ  q
0.4×0.6
100

100  
X 100
P (X ≥ 51) = 0.4k × 0.6100−k
k
k=51
 
10
P (X ≥ 51) ' 1 − Φ  q 
0.4×0.6
100
 
10.5
P (X ≥ 51) ' 1 − Φ √
100 × 0.4 × 0.6

D 1.28 La legge debole dei grandi numeri afferma che . . . (Scegliere l’unica opzione corretta per completare la frase)

Se X1 , X2 , . . . è una successione di variabili aleatorie indipendenti ed identicamentedistribuite, con

 valore atteso
µ e varianza σ 2 entrambe finite e X n è la media campionaria, allora limn→+∞ P |X n − µ| ≤  = 1 ∀ > 0

5
 Pn  √
k=1 Xk

i.i.d.
Se X1 , X2 , . . . ∼ N (3, 1) allora √ ha funzione di ripartizione approssimata N 3 n, √1n
n

Se X1 , X2 , . . . è una successione di variabili aleatorie indipendenti ed identicamente distribuite, con valore atteso
µ e varianza σ 2 > 0 ed Xn è l’n-esima variabile della successione, allora limn→ Xn = µ

Se X1 , X2 , . . . è una successione di variabili aleatorie indipendenti

 ed identicamente
 distribuite con valore atteso
µ finito allora per la media campionarie X n si ha limn→+∞ P |X n − µ| >  = 1 ∀ > 0