Si consideri la funzione
$f_{X}(x) = \{(\gamma^2 – \frac{16}{9}x^2, "se " -\frac{3}{4} \gamma \le x < \frac{3}{4} \gamma),(0, "altrimenti"):}$
in cui $\gamma$ è un numero reale positivo.
a) Determinare il valore $\gamma$ per cui $f_{X}(x)$ rappresenta effettivamente una funzione di densità di probabilità.
b) Sia $X$ una variabile aleatoria con densità di probabilità $f_{X}(x)$. Calcolare il valor medio $m_{X}$ e la varianza
$\sigma_{X}^{2}$ di $X$.
$f_{X}(x)$ rappresenta una funzione di densità di probabilità se e solo se
$f_{X}(x) \ge 0 \quad \forall x \in \mathbb{R}$ (1)
$\int_{-\infty}^{+\infty} f_{X}(x) dx = 1$ (2)
Per $-\frac{3}{4} \gamma \le x < \frac{3}{4} \gamma$ risulta $\gamma^2 – \frac{16}{9}x^2 \ge 0$, quindi la (1) è sempre verificata per ogni $\gamma \in \mathbb{R}$, pertanto non resta che studiare la condizione (2).
$\int_{-\infty}^{+\infty} f_{X}(x) dx = \int_{-\frac{3}{4}\gamma}^{\frac{3}{4} \gamma} (\gamma^2 – \frac{16}{9}x^2) dx = \int_{-\frac{3}{4} \gamma}^{\frac{3}{4} \gamma} \gamma^2 dx – \int_{-\frac{3}{4} \gamma}^{\frac{3}{4} \gamma} \frac{16}{9} x^2 dx =$
$= \gamma^2 (\frac{3}{4} \gamma + \frac{3}{4} \gamma) – \frac{16}{9}\cdot \frac{1}{3} [x^3]_{-\frac{3}{4} \gamma}^{\frac{3}{4} \gamma} =\frac{3}{2} \gamma^3 – \frac{16}{27} (\frac{27}{64} \gamma^3 +\frac{27}{64} \gamma^3 ) =$
$= \frac{3}{2} \gamma^3 – \frac{16}{27} \cdot \frac{27}{32} \gamma^3= \frac{3}{2} \gamma^3 – \frac{1}{2} \gamma^3 = \gamma^3$
Imponendo la condizione (2) si trova:
$\gamma^3 = 1 \implies \gamma = 1$
Quindi
$f_{X}(x) = \{(1 – \frac{16}{9}x^2, "se " -\frac{3}{4} \le x < \frac{3}{4}),(0, "altrimenti"):}$
Se $X$ è una variabile aleatoria con questa densità di probabilità, la sua media vale
$m_{X} = \int_{-\infty}^{+\infty} x f_{X}(x) dx =\int_{-\frac{3}{4}}^{\frac{3}{4}} (x – \frac{16}{9} x^3) dx =\int_{-\frac{3}{4}}^{\frac{3}{4}} x dx -\int_{-\frac{3}{4}}^{\frac{3}{4}} \frac{16}{9} x^3 dx =$
$= \frac{1}{2} (\frac{9}{16} – \frac{9}{16}) – \frac{16}{9} \cdot\frac{1}{4} (\frac{81}{256} – \frac{81}{256}) = 0$
Dunque $X$ è una variabile aleatoria a media nulla. Indicando con $E[\cdot]$ l'operatore valore atteso, la varianza di $X$ vale
$\sigma_{X}^{2} = E[(X – m_{X})^{2}] = E[X^2 – 2X m_{X} + m_{X}^2]$
Ricordando che $m_{X} = 0$ risulta
$\sigma_{X}^{2} = E[X^2] = \int_{-\infty}^{+\infty} x^2 f_{X}(x) dx =\int_{-\frac{3}{4}}^{\frac{3}{4}} (x^2 – \frac{16}{9} x^4 ) dx =$
$= \int_{-\frac{3}{4}}^{\frac{3}{4}} x^2 dx – \int_{-\frac{3}{4}}^{\frac{3}{4}} \frac{16}{9} x^4 dx = \frac{1}{3} (\frac{27}{64} + \frac{27}{64}) – \frac{16}{9} \cdot \frac{1}{5} \frac{243}{1024} + \frac{243}{1024} = $
$= \frac{9}{32} – \frac{16}{9} \cdot \frac{1}{5} \cdot \frac{243}{512} = \frac{9}{32} – \frac{27}{160} = \frac{45}{160} – \frac{27}{160} = \frac{18}{160} = \frac{9}{80}$
Quindi $\sigma_{X}^{2} = \frac{9}{80}$.