Distribuzioni discrete di probabilit

Sintesi
Lorenzo Roi

Distribuzioni discrete di probabilit` a p.1/14

Distribuzione binomiale
La variabile casuale K rappresenta il numero di successi in n prove. Ciascuna prova identica alle altre e indipendente. I suoi esiti possono solo essere successo o insuccesso (modello di Bernoulli). La probabilit dellevento E p(E ) = p e del complementare P (E ) = q = 1 p.

Distribuzioni discrete di probabilit` a p.2/14

Distribuzione binomiale 2
Valori di K : 0, 1, 2, . . . , n Parametri: n, p Distribuzione di probabilit: p(K = k ) = Valore medio: M (K ) = np Varianza: 2 = npq .
n k

pk q nk

Distribuzioni discrete di probabilit` a p.3/14

Distribuzione binomiale 3
Andamenti
0.2 p 0.2, n 20 0.15 0.1 0.05 0 2.5 5 7.5 10 12.5 15 17.5 20

0.175 0.15 0.125 0.1 0.075 0.05 0.025 0 2.5 5 7.5 10 12.5 15 17.5 20 p 0.4, n 20

0.175 0.15 0.125 0.1 0.075 0.05 0.025 0 2.5 5 7.5 10 12.5 15 17.5 20 p 0.6, n 20

0.2 0.15 0.1 0.05 0 2.5 5 7.5 10 12.5 15 17.5 20 p 0.8, n 20

Distribuzioni discrete di probabilit` a p.4/14

Distribuzione geometrica
La variabile casuale N rappresenta il numero di prove di tipo Bernoulli per ottenere il primo successo. La probabilit dellevento E p(E ) = p e del complementare P (E ) = q = 1 p. Valori di N : 1, 2, 3, . . .. Parametro: p Distribuzione di probabilit: p(N = n) = pq n1 = p(1 p)n1 Valore medio: M (N ) = Varianza: =
2 q p. 1 p
Distribuzioni discrete di probabilit` a p.5/14

Distribuzione geometrica 2
Andamenti
0.2 0.15 0.1 0.05 0 2.5 0.6 0.5 0.6 0.4 0.3 0.2 0.2 0.1 0 2.5 5 7.5 10 12.5 15 17.5 20 0 2.5 5 7.5 10 12.5 15 17.5 20 p 0.6, n 20 0.4 p 0.8, n 20 5 7.5 10 12.5 15 17.5 20 p 0.2, n 20 0.4 0.3 0.2 0.1 0 2.5 0.8 5 7.5 10 12.5 15 17.5 20 p 0.4, n 20

Distribuzioni discrete di probabilit` a p.6/14

Distribuzione binomiale negativa

La variabile casuale N rappresenta il numero di prove identiche e indipendenti, per ottenere k 1 successi. La probabilit dellevento E p(E ) = p (del complementare P (E ) = q = 1 p). Valori di N : k, k + 1, k + 2, k + 3, . . . , (n k ) Parametri: p, k . Distribuzione di probabilit: 1 k n k n1 k nk p p q = (1 p ) p(N = n) = n k 1 k 1 Valore medio: M (N ) = Varianza: 2 = k pq2 .
k p
Distribuzioni discrete di probabilit` a p.7/14

Distribuzione binomiale negativa

Andamenti
0.05 0.1 0.04 p 0.2, k 4 0.03 0.06 0.02 0.01 0 5 0.2 0.15 0.1 0.05 0 5 7.5 10 12.5 15 17.5 20 p 0.6, k 4 7.5 10 12.5 15 17.5 20 0.4 0.3 0.2 0.1 0 5 7.5 10 12.5 15 17.5 20 p 0.6, k 4 0.04 0.02 0 5 7.5 10 12.5 15 17.5 20 0.08 p 0.4, k 4

Distribuzioni discrete di probabilit` a p.8/14

Processo di Poisson 1
Un processo di Poisson consiste in una serie di eventi che avvengono in un intervallo t di tempo o in un intervallo spaziale x che soddisfa alle condizioni Se lintervallo t (o x) sufcientemente piccolo, la probabilit che accada esattamente un evento in questo intervallo pari a t (o x), dove rappresenta il numero medio di eventi per unit di tempo t (o spazio x).

Distribuzioni discrete di probabilit` a p.9/14

Processo di Poisson 2
Se lintervallo t (o x) sufcientemente piccolo, la probabilit che accada pi di un evento nellintervallo nulla, ossia in un intervallo sufcientemente piccolo pu presentarsi un solo evento o nessuno. Lavverarsi di eventi in intervalli (temporali o spaziali) disgiunti avviene indipendentemente.

Distribuzioni discrete di probabilit` a p.10/14

Distribuzione di Poisson 1
La variabile casuale K rappresenta il numero di eventi che avvengono in un dato intervallo di tempo (o spazio) con le caratteristiche di un processo di Poisson e dove il numero medio di eventi (per unit di tempo o spazio) pari a . Valori di K : 0, 1, 2, 3, . . . Parametro: . k Distribuzione di probabilit: p(k, ) = e k! Valore medio: M (K ) = Varianza: 2 = .
Distribuzioni discrete di probabilit` a p.11/14

Distribuzione di Poisson 2
Altre caratteristiche Se K rappresenta il numero di eventi in un processo di Poisson che possono accadere in un intervallo t (o x) diverso da quello scelto come unitario, allora la distribuzione di tale variabile si riporta a quella di Poisson con parametro t. La distribuzione binomiale relativa a processi dove il parametro n sia molto grande (n ) e la probabilit p dellavverarsi di un singolo evento sia prossima allo 0 (p 0) essendo il prodotto n p = costante, pu essere approssimata dalla distribuzione di Poisson p(k, ).
Distribuzioni discrete di probabilit` a p.12/14

Distribuzione di Poisson 3
Andamenti
0.2 0.25 0.2 0.15 0.1 0.05 0 2.5 5 7.5 10 12.5 15 17.5 20 0.05 0 2.5 0.14 0.15 0.125 0.1 0.075 0.05 0.025 0 2.5 5 7.5 10 12.5 15 17.5 20 6 0.12 0.1 0.08 0.06 0.04 0.02 0 2.5 5 7.5 10 12.5 15 17.5 20 8 5 7.5 10 12.5 15 17.5 20 2 0.15 0.1 4

Distribuzioni discrete di probabilit` a p.13/14

Ritorna allinizio

Distribuzioni discrete di probabilit` a p.14/14