Académique Documents
Professionnel Documents
Culture Documents
Una variabile casuale X una funzione definita sullo spazio campionario S che associa ad ogni evento E ! S uno ed un solo numero reale.
N.B: - sinonimi di variabile casuale sono variabile aleatoria e variabile stocastica. - Borra e Di Ciaccio usano il simbolo ! al posto di S per indicare lo spazio campionario.
2
VARIABILI CASUALI
In pratica la Variabile Casuale trasforma lo spazio campionario originale (formato da eventi di natura qualsiasi) in un nuovo spazio campionario formato da numeri reali, che vengono detti determinazione o realizzazione della Variabile Casuale stessa.
ESEMPI
In alcuni casi il risultato di un esperimento casuale gi di per s (o pu essere considerato) un numero reale, come nel lancio di un dado: S= 1, 2, 3, 4, 5, 6
In altri casi, come il lancio di una moneta, gli eventi elementari non sono numeri reali, ma possono diventarlo utilizzando una variabile casuale che trasformi lo spazio campionario originale.
S
VALORI O Numeri reali
EVENTI ELEMENTARI
(di natura qualsiasi)
DETERMINAZIONI O REALIZZAZIONI
S = T, C
X(S) = S = 0,1
di X
3
X(T) = 0 ; X(C) = 1
4
ESEMPIO
La v.c. X somma dei punteggi di due dadi trasforma lo spazio campionario S relativo al lancio di due dadi in S formato da 11 numeri interi.
S S
5 6
con
Si definisce funzione di probabilit (f.p.) di X la funzione che associa ai possibili valori di X le rispettive probabilit di verificarsi.
P(xi) = P(X=xi)
x = #"
! f (x) = 1
8
+"
FUNZIONE DI RIPARTIZIONE
(VARIABILI CASUALI DISCRETE)
La cumulata della funzione di probabilit di una variabile discreta X viene definita funzione di ripartizione (f.r.):
una moneta).
1
P(X " x) = 0 per x < 0 per 0 " x < 1 per x $ 1 F(x) = # 1
P(x) # # F(X) =
Come sar chiaro dai seguenti esempi, la f.r. rappresenta la probabilit che la X assuma un valore nellintervallo ( !", x ] :
F(x)
Possiamo allora rispondere alla eseguenti domande: P(x " -3) = ? P(x " 0,7) = ? Risposta: F(-3) = 0 Risposta: F(0,7) = # Risposta: F(2,5) = 1
10
X P(x) F(x)
1/6 1/6 1/6 1/6 1/6 1/6 1/6 2/6 3/6 4/6 5/6 1
Rispondiamo alle seguenti domande: P(x " 4) = ? P(2 < x " 4) = ? P(2 " x " 4) = ? P(x = 7) = ? Risposta F(4) = 4/6 Risposta P(3) + P(4) = F(4) F(2) = 2/6 Risposta P(2) + P(3) + P(4) = 3/6 Risposta P(7) = 0 perch 7 un evento impossibile.
11 12
13
14
E( X ) =
! xi f (xi )
i
= x
VARIANZA
V(X) =
# ( xi " x )2
i
2 f (xi ) = ! x
con a e b costanti E(a1X1 + a2X2 + + anXn) = = a1E(X1) + a2 E(X2) + an E(Xn) Con a1, a2, , an costanti
con a e b costanti Se X1 , X2 , , Xn sono V.C. indipendenti, V(X1 + X2 + + Xn) = = V (X1) + V (X2) + + V(Xn)
16
Osservazione: la media e la varianza di una V.C. sono definite in modo identico alla media e alla varianza di un carattere statistico (la funzione di probabilit (f.p.) della V.C. corrisponde alla distribuzione delle frequenze relative di un carattere statistico).
15
Esercizi svolti
VARIABILI CASUALI
DISCRETE CONTINUE DISTRIBUZIONE DI PROBABILITA funzione di probabilit o funzione di densit FUNZIONE DI RIPARTIZIONE VALORE ATTESO VARIANZA
17 18
Esercizi svolti
svolgimento
Distrib. C)
Esercizi svolti
19
20
Esercizi svolti
Esercizi svolti
SUCCESSIVA
21
22
Esercizi svolti
Esercizi svolti
d) Costruiamo la funzione di ripartizione F(x), data dalla cumulata della f.p. f(x) (v. ultima colonna della tabella precedente)
La V. C. di Bernoulli
(o dicotomica o binaria)
Una variabile casuale suscettibile di assumere due soli valori viene detta variabile casuale Dicotomica, o Binaria o di Bernoulli. Per convenzione: x1 = 0 (insuccesso) e x2 =1 (successo); Funzione di probabilit: f(x) = P(X=x) = !x(1-!)1-x , Che equivale a: f(0) = P(X=0) = 1-! ; f(1) = P(X=1) = per x = 0,1 P(X=1) = ! (0<!<1)
!
26
La V. C. di Bernoulli
MEDIA E VARIANZA
(o dicotomica o binaria)
La V.C. Binomiale
Sia dato un esperimento casuale descritto da una v.c. dicotomica Z cos definita: Z = 0 insuccesso ; f(0) = 1-! Z = 1 successo ; f(1) = ! (0 < ! < 1)
E ( X ) = 0 # (1 " ! ) + 1 # ! = ! V ( X ) = (0 " ! ) (1 " ! ) + (1 " ! ) ! = ! 2 (1 " ! ) + (1 " ! ) 2 ! = ! (1 " ! ) # [(! + (1 " ! )] = ! (1 " ! )
1
27
Se effettuiamo n prove indipendenti di questo esperimento, il numero dei successi ottenuti a sua volta una v.c. che pu assumere i valori: 0, 1, , n Tale v.c detta Binomiale e la sua funzione di probabilit data da:
x = 0, 1, 2, .......... , n
28
n! = 1 ! 2 ! ... ! (n " 1) ! n
Esempio:
Per definizione: 1! = 1 0! = 1
Esempio di Binomiale
Sia X il numero di volte in cui si presenta Testa lanciando una moneta per 4 volte. X chiaramente una v.c Binomiale (!=1/2; n=4).
X 0 1 2 3 4
' 4$ ' 1 $ ' 1 $ % " f (x) = % " ( % " ( % " &x# & 2# & 2#
& 4# & 1 # & 1 # $ ! $0! ' $ 2 ! ' $ 2 ! = % " % " % "
& 4# & 1 # & 1 # $ !'$ ! '$ ! = $1! 2 % " % " %2"
1 3
4! x
Esempi di Binomiale
Entrambe le distribuzione sono simmetriche in quanto ! = 0,5
svolgimento
37
38
39
40
41
42
43
44
se a<x<b altrimenti
V.C discrete - f.p.: f(x) = P(X = x) V.C continue - f.d.: f(x) & P(X = x)
La f.d. serve a calcolare la probabilit che X assuma un valore compreso in un certo intervallo. Tale probabilit rappresentata dallarea sottesa dalla curva in quellintervallo.
f ( x )dx =
! f ( x )dx
= 1
45
46
V.C. CONTINUE
La probabilit che una V.C continua X assuma un particolare valore reale sempre 0:
P( X = x ) = 0
#x " !
Ci dovuto al fatto che lo spazio campionario (a,b) talmente numeroso (denso) che la sua probabilit unitaria si ripartisce tra un numero cos infinitamente grande di punti da diventare infinitesima.
Tuttavia la somma di tutte queste probabilit infinitesime, risulta pari a 1:
b a
> 0 Evento
! f ( x )dx = 1
= 0 Evento
F(x) =
47
impossibile
#"
f (w )dw =
! f (w )dw
48
P(X"12)
12
12
se x < a se x $ b se a<x<b
P(X"1,5)
P(X " x1) = F(x1) P(x1< X " x2) = F(x2) F(x1) P(X > x2) = 1 - F(x2)
E( X ) =
"$
# Xf ( X )dX
= x
Notate lanalogia con la media e la varianza definite per le V.C. discrete. Lintegrale lequivalente della sommatoria per le V.C. continue.
VARIANZA
N.B: tali probabilit si possono calcolare anche utilizzando la f.d., ma ci richiede il calcolo integrale.
51
V(X) =
x1
x2
"$
#(X " x )
2 f ( X )dX = ! x
52
V.C. Normale
(o Gaussiana)
Si dice che una V.C. X Normale, oppure che X si distribuisce Normalmente, se la sua f.d. del tipo seguente:
1 + x% ( % ) & e 2* , '
2
se a ! x ! b altrove
f (x) =
P(0,50 < x < 0,75)
, 2-
%$ < x < $
(a + b) E (X ) = 2 V (X ) = (b ! a )2 12
53
Parametri:
54
V.C. Normale
V.C. Normale
La curva rappresentata dalla f.d. Normale ha sempre forma campanulare ed simmetrica rispetto a .
, rimanendo #
costante.
55 56
V.C Normale
Come varia la f.d. Normale al variare di #, rimanendo costante.
V.C Normale
Propriet della V.C. Normale: Ogni trasformazione lineare di una v.c. Normale ancora una v.c. Normale. La somma di due v.c. Normali indipendenti ancora una v.c. Normale (con media e varianza pari, rispettivamente, alla somma delle medie e delle varianze delle due v.c. Normali).
57 58
Lunghezza petali
59
60
La Standardizzazione
Definizione: Data una distribuzione statistica del carattere (o della V.C.) X con media e scarto quadratico medio #, la standardizzazione consiste nel trasformare ogni osservazione xi nel nuovo valore: x " zi = i
Si pu dimostrare che la distribuzione del nuovo carattere Z (detto variabile standardizzata) ha media nulla e varianza unitaria. Quindi la standardizzazione una particolare trasformazione lineare che, applicata ai dati originali, produce dei nuovi dati che hanno la caratteristica di avere sempre media=0 e varianza=1.
64
In generale, ad ogni intervallo di valori di X corrisponde uno ed un solo intervallo di valori di Z (e viceversa) e la probabilit associata ai due intervalli la stessa!
X " z= !
Come tutte le variabili standardizzate, Z ha media=0 e varianza=1. In pi, derivando da una V.C. Normale, si pu dimostrare che Z ha anchessa distribuzione Normale: Z ~ N(0,1) La f.d. di Z risulta pertanto:
f (z) =
1 2#
1 " z2 e 2
In generale, ad ogni intervallo di valori di X corrisponde uno ed un solo intervallo di valori di Z (e viceversa) e la probabilit associata ai due intervalli la stessa!
$(0,68) = P(Z!0,68)
N.B. Poich X continua, il fatto di includere o meno gli estremi dellintervallo non altera la probabilit dellintervallo stesso. Ad es.: P(x1 ! X ! x2) = P(x1 < X < x2).
Infatti ciascun punto ha probabilit = 0 67
La tavola si ferma a Z=4,09. Per valori di Z maggiori, $(Z) ! 1
68
Per Z = 1,25
troviamo
Di conseguenza: P(Z > 1,25) = 1 - $(1,25) = 1 - 0,8944 = 0,1056 P(0,7 < Z "1,25) = $(1,25) $(0,7) = 0,8944 0,7580 = 0,1364
70
$(-z)
Esempi: per z = 2,31 sfrutto le seguenti uguaglianze: P(z " -2,31) = P(z > 2,31) P(z > -2,31) = P(z " 2,31)
Questo lunico valore che mi fornisce la tavola: 0,0104
71
P(-0,7 < Z < 1,25) = $(1,25) $(-0,7) = $(1,25) [1 $(0,7)] = = 0,8944 [1 0,7580] = 0,6524
72
X - 520 " 500 1) P(X > 520) = P ( > ) = $ 5 = P (Z > 4) = 1 " #( 4) = 1 " 0,99997 ! 0
Lazienda praticamente sicura che il peso della confezione non superi 520 gr.
490 ! 500 510 ! 500 2) P( 490 < x # 510) = P ( <Z# ) = 5 5 = P ( !2 < Z # 2) = "( 2) ! "( !2) = 0,97725 ! 0,02275 = 0,9545
1 " $(2)
a)
16 15
74
Esercizio distribuzione Normale d) Si tratta in questo caso di risolvere il problema inverso: data una
probabilit a, vogliamo determinare il valore za t.c. P(Z" za)=a.
Si ha:
1-0.45=0.55 & cercando tale probabilit dentro la tavola si individuano i valori 0.12 e 0.13 & (0.12+0.13)/2=0.125 & P(Z!0.125)=0.55 Adesso dobbiamo trovare il corrispondente valore x: P(Z!0.125)=0.55 & P(Z*#+!0.125*#+)=0.55 &P(X!0.125*5+15)=0.55
15
55%
45%
16 ! 15 18,6 ! 15 <Z# )= 5 5 = P (0,2 < Z # 0,72) = "(0,72) ! "(0,2) = = 0,7642 ! 0,5793 = 0,1849
16 18,6
Quindi il valore x richiesto t.c. P(X>x)=0.45 ovvero t.c. P(X!x)=0.55 dato da x= 0.125*5+15=15.625
75
76
Si tratta del problema inverso a quello affrontato fino ad ora: mentre prima dovevamo ricavare una probabilit a partire da uno o due valori di X dati, adesso ci viene fornita una probabilit (0,3) e da essa dobbiamo ricavare un valore di X. Per ricavare x3 si passa ancora alla Normale standard:
cercare sulle tavole il valore di Z corrispondente a 0,7 e prenderne lopposto (per ottenere z3). Tuttavia le tavole non riportano il valore 0,7, quindi dobbiamo considerare i due valori pi prosimi per difetto e per eccesso, che sono: 0,6985 per Z=0,52
z3 0 z7
P (Z " e P (Z >
x 3 ! 15 ) = 0,3 5
Z3
x 3 ! 15 ) = 0,7 5
Z3
0,3
z3
77
78
0,52 + 0,53 = 0,525 2 Da cui si ricava z3 = "z7 = "0,525 z7 # Infine il valore di x 3 si ricava dalla seguente uguaglianza : z3 x " 15 = 3 da cui x 3 = 15 + 5 ! z3 = 15 " 5 ! 0,525 = 12,375 5
79
80
Esercizio
Esercizio
81
82
Esercizio
Esercizio
= 1 $(1,875)
83
84
Esercizio
40
Esercizio
b) Se la tavola non contenesse le informazioni aggiuntive riportate nel rettangolo in basso, occorrerebbe trovare x* seguendo lo stesso procedimento utilizzato per trovare il 3 decile (v. es. precedente). Fatelo per esercizio a casa.
b) Cerchiamo quel valore x* tale che P(X < x*) = 0,05 Questo valore lo possiamo trovare (in forma standardizzata) nel rettangolo in fondo alla tavola:
Questo il valore che lascia 0,05 sulla destra, per cui z* il suo opposto = -1,64485
85
Come si vede dalla figura, si tratta di trovare il 2 e l8 decile di Z e poi di X. Pertanto si procede come quando abbiamo ricavato X3.
86
Esercizio
Quindi, procedendo come gi visto, si cerca il quantile di Z che lascia 0,15 alla sua sinistra:
87