Formulario per lesame di Probabilit`a per Metodi Matematici per lingegneria

V1 del 31 maggio 2012

x e
x
(x) erf
_
x

2
_
0 1 0.5 0
0.1 0.9048 0.5398 0.07966
0.2 0.8187 0.5793 0.1585
0.3 0.7408 0.6179 0.2358
0.4 0.6703 0.6554 0.3108
0.5 0.6065 0.6915 0.3829
0.6 0.5488 0.7257 0.4515
0.7 0.4966 0.758 0.5161
0.8 0.4493 0.7881 0.5763
0.9 0.4066 0.8159 0.6319
1 0.3679 0.8413 0.6827
1.1 0.3329 0.8643 0.7287
1.2 0.3012 0.8849 0.7699
1.3 0.2725 0.9032 0.8064
1.4 0.2466 0.9192 0.8385
1.5 0.2231 0.9332 0.8664
1.6 0.2019 0.9452 0.8904
1.7 0.1827 0.9554 0.9109
1.8 0.1653 0.9641 0.9281
1.9 0.1496 0.9713 0.9426
2 0.1353 0.9772 0.9545
2.1 0.1225 0.9821 0.9643
2.2 0.1108 0.9861 0.9722
2.3 0.1003 0.9893 0.9786
2.4 0.09072 0.9918 0.9836
2.5 0.08208 0.9938 0.9876
2.6 0.07427 0.9953 0.9907
2.7 0.06721 0.9965 0.9931
2.8 0.06081 0.9974 0.9949
2.9 0.05502 0.9981 0.9963
3 0.04979 0.9987 0.9973
3.1 0.04505 0.999 0.9981
3.2 0.04076 0.9993 0.9986
3.3 0.03688 0.9995 0.999
3.4 0.03337 0.9997 0.9993
3.5 0.0302 0.9998 0.9995
3.6 0.02732 0.9998 0.9997
3.7 0.02472 0.9999 0.9998
3.8 0.02237 0.9999 0.9999
3.9 0.02024 1 0.9999
4 0.01832 1 0.9999
Analisi
Binomio di Newton: (a +b)
n
=

n
k=0
_
n
k
_
a
k
b
nk
.
Serie geometrica:

k=0
ap
k
= a/(1 p), con 0 p < 1.
Serie esponenziale:

k=0
x
k
/k! = e
x
.
Funzione Gamma: per a > 0, (a) =
_

0
x
a1
e
x
dx;
(a) = (a 1)(a 1); se a intero (a) = (a 1)!; (1/2) =

.
FdD normale standard: (x) =
_
x

2
e

t
2
2
dt.
Funzione degli errori: erf(x) =
2

_
x
0
exp(t
2
)dt, x 0.
erf
_
x

2
_
= (x) (x).
Tavole
A destra le tavole della funzione di sopravvivenza esponenziale standard,
della funzione di distribuzione normale standard e delle probabilit`a normali
per intervalli simmetrici.
Funzione di rischio
X positiva con densit`a f e funzione di distribuzione F. Funzione di rischio:
(t) =
f(t)
1F(t)
, 1 F(t) = exp
_

_
t
0
(u) du
_
.
Condizionamento: P(X > t +s|X > s) = e

t+s
s
(u)du
.
Gamma e Poisson
F
n
(t) = e
t

k=n
(t)
k
k!
`e la funzione di distribuzione della (n, ). Se il
numero di eventi che si vericano nellintervallo [0, t] `e una Poisson(t),
allora il tempo di arrivo delln-mo evento `e una (n, ) e gli intertempi
sono indipendenti e Exp().
Convoluzione
Se X e Y sono variabili aleatorie reali indipendenti e Z = X +Y ,
f
X
f
Y
= f
Z
.
Caso continuo: = f
X
f
Y
(z) =
_
+

f
X
(z y)f
Y
(y)dy.
Variabili aleatorie a valori interi: = f
X
f
Y
(z) =

y
f
X
(z y)f
Y
(y).
Casi notevoli:
Binom(n, p) Binom(m, p) = Binom(n +m, p)
Poisson(
1
) Poisson(
2
) = Poisson(
1
+
2
)
(, ) (, ) = ( +, )
N(
1
,
2
1
) N(
2
,
2
2
) = N(
1
+
2
,
2
1
+
2
2
)
Limiti per n .
Poisson: Se p(n) = /n, allora Bin(n, p(n)) Poisson().
LGN: Se X
1
, X
2
, . . . sono IID e X, allora X
n
E(X).
TLC: Se X
1
, X
2
, . . . sono IID e X, E(X) = , Var (X) =
2
,
allora

n
_
X
n

_
N(0,
2
).
Calcolo combinatorio: N `e un insieme di n elementi, #(N) = n.
Il numero delle permutazioni (di tutti i possibili ordinamenti) di N `e n! = 1 2 3 (n 1) n.
Il numero dei sottoinsiemi (non ordinati) di N formati da k elementi `e
_
n
k
_
=
n!
k!(nk)!
; si dice combinazioni di k
elementi di N.
Dalle denizioni segue: 2
n
=

n
k=0
_
n
k
_
,
_
n
k
_
=
_
n1
k
_
+
_
n1
k1
_
,
_
n
1
+n
2
k
_
=

k
h=0
_
n
1
h
__
n
2
kh
_
.
Il numero di partizioni di N in s parti di numerosit`a k
1
. . . k
s
`e
_
n
k
1
k
s
_
=
n!
k
1
!k
s
!
.
Il numero di partizioni di n oggetti indistinguibili in (esattamente) s gruppi (distinti) `e
_
n1
s1
_
.
Il numero di partizioni di n oggetti indistinguibili in al pi` u s gruppi (distinti) `e
_
n+s1
s1
_
.
Probabilit` a. Gli eventi sono sottoinsemi dello spazio campionario S. `e levento impossibile, S `e levento certo.
Per ogni evento si denisce una probabilit`a : 0 P(A) 1, P(S) = 1 e per ogni successione (A
n
)
nI
di eventi
disgiunti (incompatibili) si ha P
_
nI
A
n
_
=

nI
P(A
n
).
Propriet` a: P(E
c
) = 1 P(E), se A B allora P(A) P(B), P(A B) = P(A) + P(B) P(A B),
P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C).
Probabilit` a condizionata: P(A | B) = P(A B) / P(B), con P(B) > 0.
Formula della probabilit`a totale: C
k
non trascurabili e partizione di S: P(A) =

k
P(A C
k
) =

k
P(A | C
k
) P(C
k
).
Formula di Bayes: P(C
m
| A) = (P(A | C
m
) P(C
m
))/(

k
P(A | C
k
) P(C
k
)).
Formula del prodotto: P(A
1
A
2
A
n1
A
n
) = P(A
1
) P(A
2
| A
1
) . . . P(A
n
| A
1
A
2
A
n1
).
Indipendenza: A e B sono indipendenti se P(A B) = P(A) P(B) o anche, se esiste, P(A | B) = P(A).
A, B e C sono indipendenti se P(A B C) = P(A) P(B) P(C) e, inoltre, lo sono tutte le coppie.
Densit` a di variabile aleatorie discreta X: 0 p(x) = P(X = x), P
X
(B) =

xB
p(x).
Bernoulli(p): p(k) = p
k
(1 p)
(1k)
k = 0, 1, 0 p 1, E(X) = p, Var (X) = p(1 p).
Binomiale(n, p): p(k) =
_
n
k
_
p
k
(1 p)
nk
, k = 0, 1, . . . , n, 0 p 1, E(X) = np, Var (X) = np(1 p).
Ipergeometrica: p(z) =
_
n
1
z
__
nn
1
kz
_
/
_
n
k
_
, max{0, k +n
1
n} z min{k, n
1
}.
Geometrica(p): p(k) = p(1 p)
k1
, k = 1, 2, . . . , con 0 p 1, E(X) = 1/p, Var (X) = (1 p)/p
2
.
Poisson(): p(k) = e

k
/k!, k = 0, 1, . . . , con > 0, E(X) = , Var (X) = .
Valore atteso di funzione g(X): E(g(X)) =

x
g(x)p(x)
Densit` a congiunta, marginale e condizionata di coppie di VA discrete.
Densit` a congiunta p(x, y) = P(X = x, Y = y).
Densit` a marginali : p
X
(x) =

y
p(x, y) e p
Y
(y) =

x
p(x, y).
Densit` a condizionata: p
X|Y
(x|y) = p(x, y)/p
Y
(y) per ogni y t.c. p
Y
(y) > 0.
Valore atteso: E(g(X, Y )) =

y
g(x, y)p(x, y).
X `e indipendente da Y se e solo se p(x, y) = p
X
(x)p
Y
(y), o p
X|Y
(x|y) = p
X
(x), o E(g(X)h(Y )) = E(g(X)) E(h(Y )).
Valore atteso condizionato: E(g(X, Y )|Y = y) =

x
g(x, y)p
X|Y
(x|Y = y); E(E(g(X, Y )|Y )) = E(g(X, Y )).
Variabile aleatoria continua X. Funzione di distribuzione FdD: F(x) = P(X x). Densit`a: f(x) 0
P
X
(B) = P(X B) =
_
B
f(x) dx. F(x) =
_
x

f(u) du; f(x) =

d
dx
F(x).
U(a, b): f(x) =
1
ba
(a < x < b). E(X) = (a +b)/2, Var (X) = (b a)
2
/12.
Exp(): f(x) = e
x
(x > 0), E(X) = 1/, Var (X) = 1/
2
.
Gamma (a, ): f(x) =
a
x
a1
e
x
/(a)(x > 0), E(X) = a/, Var (X) = a/
2
.
Gaussiana o Normale N(a,
2
): f(x) =
1

2
2
exp
_

(xa)
2
2
2
_
, E(X) = a, Var (X) =
2
. Normale standard N(0, 1).
Valore atteso di funzione: E(g(X)) =
_
g(x)f(x) dx
VA continue X e Y . FdD: F(x, y) = P(X x, Y y).
F(x, +) = F
X
(x), F(+, y) = F
Y
(y).
Densit` a congiunta: P((X, Y ) B) =
_ _
B
f(x, y) dxdy; P(a X b, c Y d) =
_
b
a
_
d
c
f(x, y) dxdy.
Marginali : f
X
(x) =
_
f(x, y) dy e f
Y
(y) =
_
f(x, y) dx. F(x, y) =
_
b

_
d

f(u, v) dudv,

2
xy
F(x, y) = f(x, y).
Condizionata: se f
Y
(y) > 0, f
X|Y
(x|y) = f(x, y)/f
Y
(y).
Valore atteso: E(g(X, Y )) =
__
g(x, y)f(x, y) dxdy.
X `e indipendente da Y se e solo se f(x, y) = f
X
(x)f
Y
(y), o f
X|Y
(x|y) = f
X
(x), o E(g(X)h(Y )) = E(g(X)) E(h(Y )).
Valore atteso condizionato: E(g(X, Y )|Y = y) =
_
g(x, y)f
X|Y
(x|Y = y)dx; E(E(g(X, Y )|Y )) = E(g(X, Y )).
Se Y = aX +b, a = 0, allora f
Y
(y) = f
X
_
yb
a
_
1
|a|
.
La coppia Y
1
, Y
2
`e una Gaussiana bivariata, con medie a
1
, a
2
, varianze
2
1
,
2
2
, correlazione
12
= 1 se:
f
Y
1
,Y
2
(y
1
, y
2
) = (2)
1 1

1
2
12
exp
_

1
2(1
2
12
)
_
_
y
1
a
1

1
_
2
2
12
_
y
1
a
1

1
__
y
2
a
2

2
_
+
_
y
2
a
2

2
_
2
__
Algebra dei valori attesi . Se X 0, allora E(X) =
_
+
0
P(X > u) du.
Linearit`a: E(aX +b) = a E(X) +b e E(X +Y ) = E(X) + E(Y ).
Varianza: Var (X) = E
_
[X E(X)]
2
_
= E
_
X
2
_
[E(X)]
2
.
Scarto quadratico medio o deviazione standard: (X) =
_
Var (X).
Covarianza: Cov (X, Y ) = E([X E(X)][Y E(Y )]) = E(XY ) E(X) E(Y ).
Coeciente di correlazione lineare: 1 (X, Y ) = Cov (X, Y ) /((X)(Y )) 1.
Covarianza tra due somme: Cov
_

i
X
i
,

j
Y
j
_
=

j
Cov (X
i
, Y
j
).
Varianza della combinazione lineare: Var (aX +bY +c) = a
2
Var (X) +b
2
Var (Y ) + 2ab Cov (X, Y ).
Se X e Y indipendenti, allora sono non correlate, Cov (X, Y ) = 0.

Cebi cev: P(|X E(X) | > ) Var (X) /

2
.