Sei sulla pagina 1di 2

Formulario per l’esame di Calcolo delle Probabilit`a 01AGG, 04AGG, 09AGG V1.4 del 17 settembre 2007

   

x

Φ(x)

erf

x

2

x

e

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

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 .

(a 1)Γ(a 1); se a intero Γ(a) = (a 1)!; Γ(1/2) = π. Funzione Beta:

per a, b > 0 e B(a, b) =

2 dt. Funzione degli errori:

erf(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 ri-

t λ(u) du . Condizionamento:

FdD normale standard: Φ(x) =

1 x a1 (1 x) b1 dx; B(a, b)Γ(a + b) = Γ(a)Γ(b).

Binomio di Newton:

(a + b) n

per

0

a

n

k=0 n

k

=

Funzione Gamma:

>

0, Γ(a)

=

x

−∞

2

2π e t

1
1

x a1 e x dx; Γ(a) =

0

2 π

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

0

x 2 = Φ(x) Φ(x).

schio: λ(t) =

1F(t) , 1 F (t) = exp

f(t)

0

P(X > t + s|X > s) = e R Gamma e Poisson

F n (t) = e λt

`e la funzione di distribuzione della Γ(n, λ). Se il

numero di eventi che si verificano nell’intervallo [0, t] `e una Poisson(λt),

allora il tempo di arrivo dell’n-mo evento `e una Γ(n, λ) e gli intertempi sono indipendenti e Exp(λ). Convoluzione

Se X e Y sono variabili aleatorie reali indipendenti e Z = X +Y , f X f Y =

f X (z y)f Y (y)dy. Variabili

f Z . Caso continuo: = f X f Y (z) =

t+s λ(u)du .

s

k=n (λt) k

k!

+

−∞

aleatorie a valori interi: = f X f Y (z) = y f X (zy)f Y (y). Casi notevoli:

Binom(n, p) Binom(m, p) = Binom(n + m, p)

Poisson(λ 1 ) Poisson(λ 2 )

Γ(α, λ) Γ(β, λ) = Γ(α + β, λ)
N(µ 1 , σ ) N(µ 2 , σ ) = N(µ 1 + µ 2 , σ

=

Poisson(λ 1 + λ 2 )

2

1

2

+ σ )

2

2

1

2

2

Funzione generatrice dei momenti La FGM di X `e M X (t) = E e tX , definita per tutti i t per cui `e fi- nita. Se a, b R, allora M aX+b (t) = e bt M X (at). Se le derivate esi-

Se X e Y sono indipendenti, allora

stono, allora M

(n)

X

(0)

=

E (X n ).

M X+Y (t) = M X (t)M Y (t). Se K(t) = log M (t), allora K (0) = E (X), K (0) = Var (X).

Limiti per n → ∞. Poisson: Se p(n) = λ/n, allora Bin(n, p(n)) Poisson(λ).

LGN: Se X 1 , X 2 ,

TLC: Se X 1 , X 2 ,

sono IID e X, allora X n E (X).

sono IID e X, E (X) = µ, Var (X) = σ 2 ,

allora n X n µ N(0, σ 2 ).

Calcolo combinatorio: K e N sono insiemi finiti tali che card(K) = # (K) = k n = # (N ) = card(N ). Il

numero delle funzioni da K a N `e n k ; se K = {1

 

k} si dice disposizioni con ripetizione di k elementi di N , o k-uple

ordinate di elementi di N , o parole su di un alfabeto N lunghe k, o campioni ordinati con ripetizione lunghi k. Il

n!

numero delle funzioni iniettive da K in N , `e (nk)! = n(n1) · · · (nk +1), k n; se K = {1

k} si dice disposizioni

senza ripetizione di k elementi di N , o campioni ordinati senza ripetizione. Il numero delle funzioni iniettive da K = N

in se stesso, o permutazioni, `e n! =

1 · 2 · 3 · · · (n 1) · n.

Il numero dei sottoinsiemi di N formati da k elementi `e

n

k

=

n!

k!(nk)! ; si dice combinazioni di k elementi di N , o campioni non ordinati senza ripetizione. Dalle definizioni

segue:

2 n = n

k=0 n

k

, n

k

n

= n1 + n1 , n 1 +n 2

k

k1

k

n!

= k

h=0 n 1

h

kh . Il numero di partizioni di N in s parti di

n

2

k s `e

k 1 ···k s =

k 1 !···k s ! .

 

numerosit`a k 1 Cassetti:

k oggetti, n cassetti. Esclusione: al pi`u 1 per cassetto.

 

In tabella: numero degli stati

 

Oggetti distinguibili

 

Oggetti indistinguibili

 
 

Senza esclusione

   

n

k

 

n+k1

k

 

Con esclusione

 

n(n 1)

(n k + 1) =

n!

(nk)! , con n k

 

n

k

 

Probabilita.` Gli eventi sono sottoinsemi dello spazio campionario S. `e l’evento impossibile, S `e l’evento certo. Per ogni evento si definisce una probabilit`a: 0 P (A) 1, P (S) = 1 e per ogni successione (A n ) nI di eventi disgiunti (in- compatibili) si ha P nI A n = nI P(A n ). Evento trascurabile: P (A) = 0; evento quasi certo: P (A) = 1. Pro-

prieta:` P E = 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). Probabilita` 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 ). Indi-

pendenza: 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.

Densita` di variabile aleatorie discreta X:

 

0

p(x)

=

P (X = x), P X (B)

= xB p(x).

Notevoli.

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)

p(z) = n 1

=

n p k (1

k

z

nn 1

kz

/ n

k

,

p) nk ,

k

=

0, 1,

, n,

0

p

1,

E (X)

=

np, Var (X) =

np(1 p).

max{0, k + n 1 n} ≤ z min{k, n 1 }. Geometrica(p): p(k) = p(1

Ipergeometrica:

, , con λ > 0,

k = 1, 2,

con 0 p 1, E (X)

= 1/p, Var (X) = (1 p)/p 2 .

 

Poisson(λ): p(k) = e λ λ k /k!,

 

k

p) k1 , = 0, 1,

E

(X) = λ, Var (X) = λ. 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 )) = x 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.

FdD: F (x) =

P (X x).

Densit`a:

f (x)

 

P(X B) = E (X) = (a +

b)/2, Var (X) = (b a) 2 /12. Exp(λ): f (x) = λe λx (x > 0), E (X) = 1/λ, Var (X) = 12 . Gamma Γ(a, λ): f (x) =

B f (x) dx. F (x) = f (u) du; f (x) =

0 e P X (B) = ba (a < x < b).

1

x

d

dx F (x). Notevoli. U(a, b): f (x) =

λ a x a1 e λx /Γ(a)(x > 0), E (X) = a/λ, Var (X) = a/λ 2 .

Beta(a, b): f (x) =

1

B(a,b) x a1 (1 x) b1 (0 < x < 1),

E

(X) = a/(a + b), Var (X) = ab/((a + b) 2 (a + b + 1)). Gaussiana o Normale N(a, σ 2 ): f (x) =

2πσ 2 exp (xa) 2

1

2σ 2

,

E

(X) = a, Var (X) = σ 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

e

((X, Y ) B) = B f (x, y) dx dy; P (a X b, c Y d) =

f Y (y) =

f (x, y) dx dy. Marginali : f X (x) = f (x, y) dy

xy F (x, y) = f (x, y). Condizionata: se f Y (y) > 0,

2

a

c

b

d

f (x, y) dx.

F (x, y)

=

−∞

b

f (u, v) du dv,

d

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:

(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 )). Trasformazione: Y = g(X): se

E

g e g 1 sono di classe C 1 , allora f Y (y) = f X [g 1 (y)] dy g 1 (y) ; se Y = aX + b, a = 0, allora f Y (y) = f X yb

coppia Y 1 , Y 2 `e una Gaussiana bivariata, con medie a 1 , a 2 , varianze σ

d

|a| . La

, correlazione ρ 12 = ±1 se: f Y 1 ,Y 2 (y 1 , y 2 ) =

1

a

1 2 , σ

2

2

(2π) 1

1

σ 1 σ 2 1ρ 2

12

exp

1

12 ) y 1 a 1

σ

1

2(1ρ 2

2 2ρ 12 y 1 a 1

σ

1

y 2 a 2

σ

2

+ y 2 a 2

σ

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: σ (X) = Var (X). Covarianza:

Cov (X, Y ) = E ([X E (X)][Y E (Y )]) = E (XY )

E

(X) E (Y ).

Coefficiente di correlazione lineare:

1 ρ(X, Y ) = Cov (X, Y ) /(σ(X)σ(Y )) 1.

Covarianza tra

due somme: Cov i X i , j Y j = i j Cov (X i , Y j ). Varianza della combinazione lineare: Var (aX + bY + c) =

 

ˇ

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.

Cebicev:ˇ

P

(|X E (X) | > ) Var (X) / 2 .