1.

Si definisce esperimento casuale

2. Si definisce evento elementare uno dei possibili esiti di un esperimento casuale.
3. Si definisce spazio campionario linsieme degli eventi elementari. Ad esempio, nel lancio
di un dado a sei facce lo spazio campionario l'insieme {1, 2, 3, 4, 5, 6}, nel lancio di una
moneta l'insieme {testa, croce} (escludendo che la moneta possa rimanere in bilico sul
bordo), e cos via.
4. Si definisce evento un qualsiasi sottoinsieme A dello spazio campionario . Dunque un
evento non altro che un raggruppamento di uno o pi eventi elementari.
5. Si definisce evento certo l'evento corrispondente all'intero spazio campionario (costituito
da tutti gli eventi elementari).
6. Si definisce evento impossibile l'evento corrispondente all'insieme vuoto (costituito da
nessun evento elementare).
7. Si definiscono eventi di interesse gli eventi che hanno un ruolo in una specifica analisi.
Infatti dato uno spazio campionario associato a un esperimento, pu darsi che l'analisi da
condurre non coinvolga tutti i possibili eventi ma solo una parte di essi.
8. Si definisce -algebra (pronunciata sigmaalgebra) o trib (termine introdotto dal francese
Bourbaki) su di un insieme , una famiglia di sottoinsiemi di che ha delle propriet di
stabilit rispetto ad alcune operazioni insiemistiche, in particolare l'operazione di unione
numerabile e di passaggio al complementare. Essa un caso particolare di algebra di
insiemi. Dato un insieme , si definisce -algebra su una famiglia F di sottoinsiemi di
tale che:
L'insieme appartiene a F
Se un insieme A in F, allora il suo complementare in F

Se gli elementi Ai di una famiglia numerabile di insiemi

loro unione

A=i=1 A i

{ Ai }i N

sono in F, allora la

appartiene a F.

9. Si definisce spazio misurabile una coppia (, F) costituita da un insieme non vuoto ed

una -algebra F su .
10. Si definisce funzione misurabile un'applicazione tra due spazi misurabili compatibile con
la loro struttura di -algebra.
11. Si definisce misura una funzione definita su una -algebra F di un insieme X ed a valori
nell'intervallo esteso [0, ], con (E)< per almeno un E

F, tale da essere

numerabilmente additiva. L'additivit numerabile, o -additivit, significa che se E1, E2,

i=1
una successione di insiemi mutuamente disgiunti in F , allora:

( +

E i ) = ( Ei )
i=1

12. Si definisce spazio di misura uno spazio misurabile Si definisce spazio misurabile (X, F)
dotato di una misura positiva definita sulla -algebra F costituita da sottoinsiemi
misurabili di X. Un tale spazio si rappresenta con una terna (X, F, ).
13. Si definisce spazio di probabilit (, F, P) uno spazio di misura tale che P(E)0 per ogni E

F e P()=1. In questo contesto P detta misura di probabilit. Dalla definizione

stessa, segue che uno spazio di probabilit sempre uno spazio di misura finita.

I membri di F sono detti insiemi misurabili, e la struttura (X, F, ) viene detta spazio di misura.
Se F una -algebra su , allora si dice spazio misurabile e gli elementi di F sono detti insiemi
misurabili in .
Gli elementi di F sono detti insiemi misurabili di . L'insieme chiamato a volte spazio
campionario.
La -algebra il metodo pi appropriato per descrivere un insieme di eventi dato un insieme di
eventi elementari . Una -algebra F costruita su viene detta spazio degli eventi.

Pi formalmente, dato uno spazio di probabilit (, F, ) dove un insieme detto spazio

campionario, F una -algebra su e una misura di probabilit e dato uno spazio misurabile
(E, ), una (E, )-variabile aleatoria una funzione misurabile X:E dallo spazio campionario ad
E.
Una funzione X misurabile se per ogni A si ha che X-1(A)F.
In altre parole una variabile aleatoria X un modo per indurre una misura di probabilit sullo
spazio misurabile di arrivo E a partire dalla misura di probabilit definita sull'insieme degli eventi
.

Le variabili casuali a una dimensione (cio a valori in R) si dicono semplici o univariate.

Le variabili casuali a pi dimensioni si dicono multiple o multivariate (doppie, triple, k-uple).

La misura di probabilit indotta sullo spazio misurabile di arrivo (E, ) da una variabile aleatoria
X, a partire dalla misura di probabilit su (, F) , detta la distribuzione di probabilit, o legge
di probabilit, indicata con PX ed definita nel seguente modo PX(A) := (X-1(A)) per ogni A.
Essa ben definita proprio perch X-1(A)F per ogni A. Quando la variabile aleatoria chiara
dal contesto spesso si omette il pedice X. Per brevit, invece di scrivere (X-1(A)) spesso si usa la
notazione PX(A) = P(xA).
Per variabili aleatorie a valori reali, la legge di probabilit della variabile casuale X individuata
univocamente dalla sua funzione di ripartizione, definita come

F ( x )=P(X x) . Inoltre:

se la variabile casuale X discreta, cio l'insieme dei possibili valori (il rango o supporto di
X) finito o numerabile, definita anche la funzione di massa (o funzione massa di

probabilit o densit discreta), ossia la funzione di probabilit discreta p(x) = P(X = x)

se la variabile casuale X continua, cio l'insieme dei possibili valori ha la potenza del
continuo, definita anche la funzione di densit di probabilit, cio la funzione f non

negativa tale per cui

P ( X A )= f ( x ) dx
A