Informazioni sul documento
- Università
- Politecnico di Milano
- Corso di laurea
- Mechanical Engineering
- Materia
- Statistica
- Anno accademico
- 2016-2017
- Classificazione
- Esame · Primo parziale
- Contenuto
- Testo d’esame
- Formato originale
- Testo
- Testo ricercabile
Primo parziale di Statistica per il corso di Mechanical Engineering presso Politecnico di Milano. Materiale proveniente dall’archivio storico Studwiz e classificato per la consultazione online.
Primo parziale di Statistica per il corso di Mechanical Engineering presso Politecnico di Milano. Materiale proveniente dall’archivio storico Studwiz e classificato per la consultazione online.
Qualità dell’importazione: il testo è stato estratto direttamente dal documento originale.
Passaggi rappresentativi riconosciuti nelle diverse parti del materiale. Il testo completo resta presente nella pagina per la ricerca, mentre l’anteprima compatta rende più semplice la lettura.
Corso di Statistica - Prof. F abio Zucca I Prova in itinere - 5 maggio 2017 Nome e cognome: Matricola: c⃝I diritti d’autore sono riservati. Ogni sfruttamento commerciale no n autorizzato sar` a perseguito. 12957 Esercizio 1 Si consideri la seguente famiglia di funzioni di parametro c ∈ R fc(x) := { c/x 1 ≤ x ≤ e2 0 altrimenti 1. Determinare per quale valore del parametro c la funzione fc rappresenta la densit` a di una variabile aleatoria assolutamente continua X. 2. Calcolare valore atteso e varianza di X. 3. Calcolare la funzione di ripartizione F di X. 4. Calcolare P (√e ≤ X ≤ e) e P ( e ≤ X ≤ e5/2) . 5. Calcolare per ogni α ∈ (0, 1) il valore qα :=min{t : F (t) ≥ α}. 1 Soluzione. 1. Facilmente 1 = ∫ R fc(x)dx = ∫ e2 1 c x dx = ln(|x|) ⏐ ⏐ ⏐ e2 1 = 2c da cui si ha l’unica soluzione c = 1 /2. In questo caso poich` e la funzione ha segno costante (dove ` e differente da zero), si ha che se l’integrale ` e uguale a 1 allo ra la funzione integranda ` e nonnegativa; ad ogni modo si verifica immediatamente che la funzione fc ` e non negativa se e solo se c ≥ 0. 2. E[X] = ∫ R xf1/2(x)dx = ∫ e2 1 dx 2 = x 2 ⏐ ⏐ ⏐ e2 1 = e2 − 1 2 Ricordando che var( x) = E[X 2] − [EX ]2 calcoliamo E[X 2] = ∫ R x2f1/2(x)dx = ∫ e2 1 x 2 dx = x2 2 · 2 ⏐ ⏐ ⏐ ⏐ e2 1 = e4 − 1 4 da cui var( X) = e4− 1 4 − ( e2− 1 2 ) 2 ≈ 3.2 3. Dalla definizione FX (t) := ∫ t −∞ f1/2(x)dx = 0 t < 1∫ t 1 dx 2x 1 ≤ t < e 2 1 t > e 2 = 0 t < 1 ln(t) 2 1 ≤ t < e 2 1 t > e 2 4. Ricordiamo che per una variabile aleatoria assolutament e continua P(√e ≤ X ≤ e) = P(√e < X ≤ e) = FX (e) − FX (√e) = 1 /4. Nel secondo caso avremo P ( e ≤ X ≤ e5/2) = FX (e5/2) − FX (e) = 1 − 1/2 = 1 /2. 5. Utilizzando la continuit` a della FX e la stretta monotonia su (1 , e2), si ha che FX ` e biettiva da (1 , e2) su (0 , 1) pertanto…
Prima pagina del documento.