Sei sulla pagina 1di 6

Corso di Laurea in Ingegneria gestionale, Universit C.

Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09

RIPASSO SULLE VARIABILI ALEATORIE ESERCIZI SVOLTI SU GAUSSIANA E UNIFORME CONTINUA PARTE I: ripasso delle formule generali di calcolo della probabilit per le variabili aleatorie discrete e continue. PARTE II: esercizi svolti sulle variabili aleatorie gaussiana e uniforme continua. PARTE I Ripasso delle formule generali di calcolo della probabilit per le variabile aleatorie discrete e continue
NB 1): a seconda delle ore di studio, e comunque di attenzione, che lo studente ha sinora dedicato a questo Corso, un uso efficiente di questa Parte I di ripasso pu anche essere quello di fare subito gli esercizi della PARTE II e consultare di volta in volta questa Parte I per verificare la correttezza o meno di come lo studente stesso stia procedendo con la soluzione degli esercizi. NB 2): un ri-passo per definizione implica che lo studente sia gi passato una prima volta (a lezione, a casa riordinando gli appunti e gli esercizi, ecc.) su quanto gli si propone di ri-passare. Pertanto, il seguente ripasso non sostituisce quanto gi visto ed appreso a lezione in aula o riportato nei file pdf pubblicati sul sito del Corso che riproducono le lezioni stesse. NB 3): v.a. = variabile aleatoria. NB 4): quando non si distingue fra v.a. discrete e continue le formule valgono in entrambi i casi.

Definizione di: P ( A) = P ( X A) =
x A

probabilit con cui la v.a. X assume un qualsiasi valore reale

= ( , ) ovvero un qualsiasi valore reale x che soddisfa la condizione di appartenere ad A.

Rappresentazione formale degli insiemi A = ( , ) e delle loro probabilit


Data una variabile aleatoria X, la condizione che definisce un insieme A o direttamente linsieme A stesso possono essere rappresentati in vari modi equivalenti e conseguentemente le loro probabilit

A = {c} = ( X = c ) A = {c1 , c2 , cn } A = {c1 , c2 ,}

P ( A) = P ({c}) = P ( X {c}) = P ( X = c )

P ( A) = P ({c1 , c2 , cn }) = P ( X {c1 , c2 , cn }) P ( A) = P ({c1 , c2 ,}) = P ( X {c1 , c2 ,}) P ( A) = P ( ( , c ) ) = P ( X ( , c ) ) = P ( < X < c ) = P ( X < c )

A = ( , c ) = ( < X < c ) = ( X < c ) A = ( , c ] = ( < X c ) = ( X c ) P ( A ) , mutatis mutandis, similmente a quanto sopra. A = ( c, ) = ( c < X < ) = ( X > c )

P ( A ) = P ( ( c, ) ) = P ( X ( c, ) ) = P ( c < X < ) = P ( X > c )


A = [ c, ) = ( c X < ) = ( X c ) P ( A ) , mutatis mutandis, similmente a quanto sopra. A = ( a, b ) = ( a < X < b )

P ( A ) = P ( ( a , b ) ) = P ( X ( a, b ) ) = P ( a < X < b )
A = [ a, b ) , ( a, b ] , [ a, b ] P ( A ) , mutatis mutandis, similmente a quanto sopra.
1

Corso di Laurea in Ingegneria gestionale, Universit C. Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09 Un insieme A pu essere anche determinato dallunione o intersezione di due o pi altri insiemi A1 , A2 , ecc., ed anche dalla differenza A1 A2 di due insiemi. In tal caso (con due insiemi) si hanno le seguenti espressioni equivalenti:

A = A1 A2

P ( A ) = P ( A1 A2 ) = P ( X A1 A2 ) P ( A ) = P ( A1 A2 ) = P ( X A1 A2 ) P ( A ) = P ( A1 A2 ) = P ( X A1 A2 )

A = A1 A2 A = A1 A2

Infine si noti che nel caso delle v.a. X discrete anche quando A un intervallo di numeri reali ci che in che

effetti si considera ai fini del calcolo di P ( A ) sono i soli valori x tali che x A e che x S X ovvero tali

x A S X = {a1 , a2 , an } S X , oppure {a1 , a2 ,} S X

P ( A) = P ( X A S X ) = P ( X {a1 , a2 , an }) , oppure P ( X {a1 , a2 ,})


Negli esercizi tuttavia non ci sar mai bisogno di scrivere formalmente tale intersezione perch, come si visto negli esercizi gi svolti in aula, i valori x = ai da considerare si vedono a prima vista senza necessit di fare alcun passaggio formale. N noi scriveremo mai nelle formule tale intersezione che diamo per sottointesa.

Formule per il calcolo della probabilit: P ( A) = P ( X A)


Un insieme A

= ( , ) pu contenere anche valori x non possibili della v.a. X, cio valori x S X

continuo), non fa cambiare il valore di P ( A ) = P ( X A ) . Questa considerazione implicita nella REGOLA GENERALE DI CALCOLO DELLA PROBABILIT

che ovviamente hanno probabilit (densit) zero. Dunque, per ladditivit della probabilit, sommare o no le probabilit di tali valori x S X (nel caso discreto), o integrare o no le densit di tali valori x S X (nel caso

p X ( x) se X v.a. discreta xA P ( A) = P ( X A) = f X ( x)dx se X v.a. continua xA


Nel caso particolare A = {c} si ha ovviamente

c se X v.a. continua = 0 P ({c}) = P ( X {c}) = P ( X = c ) c S X se X v.a. discreta = p (c) 0 c S se X v.a. discreta X X


La regola generale di calcolo della probabilit si pu riscrivere in varie forme a seconda dellinsieme A = ( , ) considerato (si veda sotto). Inoltre, a seconda delle probabilit gi calcolate (p.es. per rispondere ad una domanda di un esercizio), per calcolare unaltra probabilit (richiesta da unaltra domanda) pu convenire usare una certa formula che utilizza le probabilit gi calcolate piuttosto che unaltra formula che richieda di fare tutti i conti da capo. Star allo studente, se vuole risparmiare tempo, scegliere di volta in volta la via pi breve. Vediamo i casi seguenti:

Corso di Laurea in Ingegneria gestionale, Universit C. Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09

P ( X c) =

x( ,c ]

p X ( x), f X ( x)dx

p X ( x) x( a ,b] P (a < X b) = (1) P ( X b ) P ( a X ) = p X ( x) p X ( x) x( ,b ] x( , a ] b f X ( x)dx P (a < X b) = a b a (1bis ) P X b P a X = f ( x)dx f ( x)dx ( ) ( ) X X


Similmente, mutatis mutandis, si ha (2) P ( a X b ) = P ( X b ) P ( a < X ) (3) P ( a < X < b ) = P ( X < b ) P ( a X ) (4) P ( a X < b ) = P ( X < b ) P ( a < X ) Si noti che nelle differenze sul lato destro sopra, per gli estremi superiori il segno di diseguaglianza non cambia mai (rispetto alla formula sul lato sinistro), mentre per gli estremi inferiori cambia: se c luguale sparisce, se non c luguale ovvero < , luguale compare. (5) P ( X > c ) = P ( < X < ) P ( X c ) = 1 P ( X c ) (6) P ( X c ) = P ( < X < ) P ( X < c ) = 1 P ( X < c ) Le regole a partire da (1), (1 bis), ecc. fino a (6) sono il caso pi elementare di una regola generale detta principio di inclusione e esclusione nel senso che, prima, si considera la probabilit di un insieme pi grande di quello di cui richiesta la probabilit e, poi, si sottrae la probabilit di quella parte dellinsieme pi grande che non si doveva considerare. Vedremo in che senso tali regole possono anche essere dette regole dellinsieme differenza ed in particolare le ultime due (5) e (6) regole dellinsieme complementare. Per la v.a. gaussiana standardizzata Z N ( 0;1) ci sono due altre regole di calcolo della probabilit che sfruttano la particolare forma simmetrica rispetto allasse delle ordinate di tale gaussiana, ovvero con z > 0 si ha: P (Z z) = P (Z z) ( z > 0 )

P (Z z) = P (Z z) ( z > 0 )

2 Infuine per qualsiasi v.a. gaussiana non standardizzata X N ;

si ha la regola di calcolo della

probabilit seguente che permette di utilizzare la tavola numerica della gaussiana standardizzata anche per le v.a. gaussiane non standardizzate:
2 se X N X ; X

) e Z N ( 0;1)

allora P ( X x ) = P Z

x X x X = P N ( 0;1) X X

Corso di Laurea in Ingegneria gestionale, Universit C. Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09

PARTE II ESERCIZI SVOLTI SULLE VARIABILI ALEATORIE GAUSSIANA E UNIFORME CONTINUA


ESERCIZIO 1.11. (su calcolo delle probabilit per la v.a. gaussiana non standardizzata)

DOMANDA (1.11a): con X N ( 5;9 ) determinare P ( X 8 ) RISPOSTA: P ( X 8 ) = P N ( 0;1)

85 = P ( N ( 0;1) 1) = 0.8413 3

DOMANDA (1.11b): con X N (10;36 ) determinare P ( X 17.55 ) RISPOSTA: P ( X 17.55) = P N ( 0;1)

17.55 10 = P ( N ( 0;1) 1.26 ) = 0.8962 6

DOMANDA (1.11c): con X N (10;36 ) determinare P ( X 8.95 ) RISPOSTA:

8.95 10 P ( X 8.95 ) = P N ( 0;1) = P ( N ( 0;1) 0.18 ) = 1 P ( N ( 0;1) 0.18 ) 6 = 1 0.5714 = 0.4286

DOMANDA (1.11d): con X N (10;36 ) determinare P ( 6.95 < X 9.27 ) RISPOSTA: Primo modo: si passa subito alla gaussiana standardizzata, ovvero

9.27 10 6.95 10 P ( 6.95 < X 9.27 ) = P < N ( 0;1) = 6 6 9.27 10 6.95 10 = P N ( 0;1) P N ( 0;1) = ecc. 6 6
Secondo modo: si fa come se la q.a. X fosse qualsiasi e dopo si tiene conto che gaussiana e si passa alla standardizzata, ovvero:

P ( 6.95 < X 9.27 ) = P ( X 9.27 ) P ( X 6.95 ) =

Corso di Laurea in Ingegneria gestionale, Universit C. Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09

9.27 10 6.95 10 = P N ( 0;1) P N ( 0;1) = ecc. 6 6


Con X N ( 5; 4 ) rispondere alle seguenti domande:

(1) Scrivere la funzione di densit f X ( x ) della v.a. X di cui sopra. (2) P ( X 6 ) = ? [ = 0.3085] (3) con A = ( 4 X 6 ) e B = ( 6 < X < 7 ) determinare: P ( A ) = ? [ = 0.3830] , P ( B ) = ? [ = 0.1498] P ( A B ) = ? [ = 0] , P ( A B ) = ? [ = 0.5328]
SOLUZIONI DETTAGLIATE
1 (1) f X ( x ) = e 2 2

( x 5 ) 2
8

< x <

(2) In quanto segue X N ( 5; 4 ) e Z N ( 0;1) . Allora: 65 P ( X 6) = 1 P ( X < 6) = 1 P Z < = 1 P ( Z 0.5 ) = 1 0.6915 = 0.3085 2
(3) In quanto segue X N ( 5; 4 ) e Z N ( 0;1) . Allora: 65 45 P ( A) = P ( 4 X 6 ) = P ( X 6 ) P ( X < 4 ) = P Z PZ < = 2 2 = P ( Z 0.5 ) P ( Z < 0.5 ) = P ( Z 0.5 ) P ( Z > 0.5 ) = P ( Z 0.5 ) 1 P ( Z < 0.5 ) = = 0.6915 [1 0.6915] = 0.6915 0.3085 = 0.3830 75 65 P ( B ) = P ( 6 < X < 7 ) = P ( X < 7 ) P ( X 6) = P Z < PZ = 2 2 = P ( Z < 1) P ( Z 0.5 ) = 0.8413 0.6915 = 0.1498 A B = ( 4 X 6) ( 6 < X < 7 ) = P ( A B ) = P ( ) = 0 A B = ( 4 X 6 ) ( 6 < X < 7 ) = ( 4 X < 7 ) e, vedi sopra, A B = . Allora per l'additivit si ha P ( A B ) = P ( A ) + P ( B ) = P ( 4 X 6 ) + P ( 6 < X < 7 ) = 0.3830 + 0.1498 = 0.5328
ESERCIZIO 1.4. (sulla v.a. continua uniforme). Data X U ( 3,5 ) : (1.4a) scrivere la funzione di densit di probabilit, (1.4b) rappresentare graficamente la funzione di densit di probabilit 5

Corso di Laurea in Ingegneria gestionale, Universit C. Cattaneo-Liuc, AA 2008-9 Corso di Analisi dei dati sperimentali e Statistica Parte di Calcolo delle probabilit e Statistica inferenziale, 2009 R. DAngi, 10/02/09 Determinare le seguenti probabilit sia con base per altezza sia con lintegrale (in questo secondo caso anche in due modi diversi). (1.4c) determinare P ( 2 < X 1) [ = 3 8] e darne la rappresentazione grafica (1.4d) determinare P ( 3 X 5 ) [ = 1] e darne la rappresentazione grafica (inoltre confrontare con quanto ottenuto in (1.4e) sotto e commentare in modo opportuno), (1.4e) determinare P ( 3 < X 5 ) [ = 1] e darne la rappresentazione grafica (1.4f) determinare P ( X < 3) [ = 6 8] e darne la rappresentazione grafica (inoltre confrontare con quanto ottenuto in (1.4g) sotto e commentare in modo opportuno), (1.4g) determinare P ( X 3) [ = 6 8] e darne la rappresentazione grafica, (1.4h) determinare P ( 2 < X 7 ) [ = 7 8] e darne la rappresentazione grafica