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

V1 del 31 maggio 2012

ex

(x)

erf

0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4

1
0.9048
0.8187
0.7408
0.6703
0.6065
0.5488
0.4966
0.4493
0.4066
0.3679
0.3329
0.3012
0.2725
0.2466
0.2231
0.2019
0.1827
0.1653
0.1496
0.1353
0.1225
0.1108
0.1003
0.09072
0.08208
0.07427
0.06721
0.06081
0.05502
0.04979
0.04505
0.04076
0.03688
0.03337
0.0302
0.02732
0.02472
0.02237
0.02024
0.01832

0.5
0.5398
0.5793
0.6179
0.6554
0.6915
0.7257
0.758
0.7881
0.8159
0.8413
0.8643
0.8849
0.9032
0.9192
0.9332
0.9452
0.9554
0.9641
0.9713
0.9772
0.9821
0.9861
0.9893
0.9918
0.9938
0.9953
0.9965
0.9974
0.9981
0.9987
0.999
0.9993
0.9995
0.9997
0.9998
0.9998
0.9999
0.9999
1
1

0
0.07966
0.1585
0.2358
0.3108
0.3829
0.4515
0.5161
0.5763
0.6319
0.6827
0.7287
0.7699
0.8064
0.8385
0.8664
0.8904
0.9109
0.9281
0.9426
0.9545
0.9643
0.9722
0.9786
0.9836
0.9876
0.9907
0.9931
0.9949
0.9963
0.9973
0.9981
0.9986
0.999
0.9993
0.9995
0.9997
0.9998
0.9999
0.9999
0.9999

x
2

Analisi


P
Binomio di Newton: (a + b)n = nk=0 nk ak bnk .
P
k
Serie geometrica:
k=0 ap = a/(1 p), con 0 p < 1.
P

k
x
Serie esponenziale:
k=0 x /k! = e . R

Funzione Gamma: per a > 0, (a) = 0 xa1 ex dx;

(a) = (a 1)(a 1); se a intero (a) = (a 1)!; (1/2) = .

Rx
t2
FdD normale standard: (x) = 12 e 2 dt.
Rx
Funzione degli errori: erf(x) = 2 0 exp(t2 )dt, x 0.
 
erf x2 = (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
F . Funzione di rischio:

 R di distribuzione
t
f (t)
(t) = 1F (t) , 1 F (t) = exp 0 (u) du .
R t+s

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

Gamma e Poisson
P
(t)k
Fn (t) = et
e la funzione di distribuzione della (n, ). Se il
k=n k! `
numero di eventi che si verificano 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 ,
fX ? fY = fZ .
R +
Caso continuo: = fX ? fY (z) = fX (z y)fY (y)dy.
P
Variabili aleatorie a valori interi: = fX ? fY (z) = y fX (z y)fY (y).
Casi notevoli:
Binom(n, p) ? Binom(m, p) = Binom(n + m, p)
Poisson(1 ) ? Poisson(2 ) = Poisson(1 + 2 )
(, ) ? (, ) = ( + , )
N(1 , 12 ) ? N(2 , 22 ) = N(1 + 2 , 12 + 22 )
Limiti per n .
Poisson: Se p(n) = /n, allora Bin(n, p(n)) Poisson().
LGN: Se X1 , X2 , . . . sono IID e X, allora X n E (X).
TLC: Se X1 , X2 , . . .
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.
n!
Il numero dei sottoinsiemi (non ordinati) di N formati da k elementi `e nk = k!(nk)!
; si dice combinazioni di k
elementi di N .







n1 +n2
Pk

n2

Pn
Dalle definizioni segue: 2n = k=0 nk , nk = n1
+ n1
= h=0 nh1 kh
.
k
k1 ,
k


n
n!
.
Il numero di partizioni di N in s parti di numerosit`a k1 . . . ks `e k1 k
=
k1 !ks !
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 .
` . Gli eventi sono sottoinsemi dello spazio campionario S. `e levento impossibile, S `e levento certo.
Probabilita
Per ogni evento si definisce una S
probabilit`

a :P0 P (A) 1, P (S) = 1 e per ogni successione (An )nI di eventi
disgiunti (incompatibili) si ha P nI An = nI P (An ).
` : P (E c ) = 1 P (E), se A B allora P (A) P (B), P (A B) = P (A) + P (B) P (A B),
Proprieta
P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) + P (A B C).
` condizionata: P (A | B) = P (A B) / P (B), con P (B) > 0.
Probabilita
P
P
Formula della probabilit`
a totale: Ck non trascurabili e partizione
di S: P (A) = k P (A Ck ) = k P (A | Ck ) P (Ck ).
P
Formula di Bayes: P (Cm | A) = (P (A | Cm ) P (Cm ))/( k P (A | Ck ) P (Ck )).
Formula del prodotto: P (A1 A2 An1 An ) = P (A1 ) P (A2 | A1 ) . . . P (An | A1 A2 An1 ).
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 P
tutte le coppie.
` di variabile aleatorie discreta X: 0 p(x) = P (X = x), PX (B) = xB p(x).
Densita
(1k)
Bernoulli(p): p(k) = pk (1
k = 0, 1, 0 p 1, E (X) = p, Var (X) = p(1 p).

p)
n k
Binomiale(n, p): p(k) = k p (1 p)nk , k = 0, 1, . . . , n, 0 p 1, E (X) = np, Var (X) = np(1 p).



n

1
Ipergeometrica: p(z) = nz1 nn
max{0, k + n1 n} z min{k, n1 }.
kz / k ,
Geometrica(p): p(k) = p(1 p)k1 , k = 1, 2, . . . , con 0 p 1, E (X) = 1/p, Var (X) = (1 p)/p2 .
Poisson(): p(k) = e k /k!, k = 0, 1, . . . , con P
> 0, E (X) = , Var (X) = .
Valore atteso di funzione g(X): E (g(X)) = x g(x)p(x)
` congiunta, marginale e condizionata di coppie di VA discrete.
Densita
Densit`
a congiunta p(x, y) = P
P(X = x, Y = y).
P
Densit`
a marginali : pX (x) = y p(x, y) e pY (y) = x p(x, y).
Densit`
a condizionata: pX|Y (x|y)
P =
Pp(x, y)/pY (y) per ogni y t.c. pY (y) > 0.
Valore atteso: E (g(X, Y )) = x y g(x, y)p(x, y).
X `e indipendente da Y se e solo se p(x, y) = pX (x)p
P Y (y), o pX|Y (x|y) = pX (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)pX|Y (x|Y = y); E (E (g(X, Y )|Y )) = E (g(X, Y )).
Variabile aleatoria Rcontinua X. Funzione
F (x) = P (X x). Densit`a: f (x) 0
R x di distribuzione FdD:
d
PX (B) = P (X B) = B f (x) dx. F (x) = f (u) du; f (x) = dx
F (x).
1
U(a, b): f (x) = ba
(a < x < b). E (X) = (a + b)/2, Var (X) = (b a)2 /12.
x
Exp(): f (x) = e
(x > 0), E (X) = 1/, Var (X) = 1/2 .
Gamma (a, ): f (x) = a xa1 ex /(a)(x > 0),E (X) = a/, Var (X) = a/2 .
Gaussiana o Normale N(a, 2 ): f (x) =

1
2
2R

exp (xa)
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, +) = FX (x), F (+, y) = FY (y).
RR
RbRd
Densit`
a congiunta: P ((X, Y ) B) =
f (x, y) dx dy; P (a X b, c Y d) = a c f (x, y) dx dy.
B
R
R
Rb Rd
2
Marginali : fX (x) = f (x, y) dy e fY (y) = f (x, y) dx. F (x, y) = f (u, v) du dv, xy
F (x, y) = f (x, y).
Condizionata: se fY (y) > 0, fRR
(x|y)
=
f
(x,
y)/f
(y).
Y
X|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) = fX (x)f
R Y (y), o fX|Y (x|y) = fX (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)fX|Y (x|Y = y)dx; E (E (g(X, Y )|Y )) = E (g(X, Y )).
Se Y = aX + b, a 6= 0, allora fY (y) = fX

yb
a

1
|a| .

La coppia Y1 , Y2 `e una Gaussiana bivariata,

con medie
a2 , varianze 12 , 22 , correlazione 12 6= 1
se:

 a1 , 


 
2 
2
y2 a2
y1 a1
1
1
2
1
fY1 ,Y2 (y1 , y2 ) = (2)1
exp 2(1
212 y1a
+ y2a
2 )
1
2
1
2
1 2 1212
12
R +
Algebra dei valori attesi . Se X 0, allora E (X) = 0 P (X > u) du.
Linearit`
a: E (aX + b) =a E (X) + b eE (X + Y ) = E (X) + E (Y ).


2
2
Varianza: Var (X) = E [X E (X)] = E X 2 [E (X)] .
p
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 ).
Coefficiente di correlazione lineare:
(X, Y) = Cov (X, Y ) /((X)(Y )) 1.
P1 P
P P
Covarianza tra due somme: Cov
X
,
i i
j Yj =
i
j Cov (Xi , Yj ).
Varianza della combinazione lineare: Var (aX + bY + c) = a2 Var (X) + b2 Var (Y ) + 2ab Cov (X, Y ).
Se X e Y indipendenti, allora sono non correlate, Cov (X, Y ) = 0.

ev: P (|X E (X) | > ) Var (X) /2 .

Cebi
c