Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Variabili Discrete
Supponiamo di avere una variabile x che possa assumere i valori x = x1 , x2 , x3 , ..., xm , e facciamo
un estrazione:
N
1
2
3
4
..
.
x
x1
x1
xm
x5
..
.
x7
dove N rappresenta il numero dellestrazione e x il valore che la variabile ha assunto in quella determinata estrazione. Se andiamo a raccogliere in una tabella il risultato dellestrazione,
vediamo che, ad esempio, la variabile xi si presentata ri volte:
r
r1
r2
r3
r4
..
.
x
x1
x2
x3
x4
..
.
rm
xm
ri
N
che rappresenta il rapporto tra il numero di volte che viene estratta la variabile xi rispetto al
numero totale N delle estrazioni. A questo punto possiamo definire una quantit importante,
il valor medio della variabile x, che rappresenta la media dei valori assunti da da x dopo N
estrazioni, e viene indicata con < x >
< x >=
r1 x1 + r2 x2 + r3 x3 + + rm xm X
fi xi
=
N
i
Sia abbia una variabile y tale che essa sia y = g(x), allora:
X
< g(x) >=
Pi g(xi )
i
e la Varianza
V ar(x) =< (xi < x >)2 >=
X
i
Pi xi 2Pi xi < x > +Pi < x >2 =< x2 > < x >2
Capitolo 2
Variabili Continue
Nel caso di variabili continue, non si pu associare a un punto una probabilit finita.
Bisogna infatti associare la probabilit a a un segmentino dellintervallo i . La probabilit che
la variabile x i sar Pi Di conseguenza Pi = f (xi ) e possiamo svilupparla in serie di
Mclaurin
Pi = f (xi ) = f 0 (0)xi
Pi
=
xi
xi
= dP (x0 x x0 + dx) = p(x0 )dx
dove
(2.1)
(2.2)
(2.3)
dP
p(x0 ) =
dx x=x0
p(x) la funzione densit di probabilit e consiste nella probabilit che la variabile continua x
sia contenuta in dx. Adesso ci possiamo chiedere quale sia la probabilit che la variabile x sia
contenuta in un intervallo compreso tra due valori x1 e x2 . Essa sar
X
P (x1 x x2 ) =
Pk
k
x1
Segue la definizione del valore medio per una variabile aleatoria continua:
Z +
X
X
xp(x)dx
x =
xk Pk =
xk p(xk )xk =
k
Mentre per una funzione della variabile aleatoria, analogamente al caso discreto
Z +
f (x) =
p(x)f (x)dx
2.1
Probabilit Condizionata
Y
y1
y2
y3
..
.
xm
yn
y1
y2
y1
y2
r11
r12
r21
r22
r12 + r22
r12 r22
=
+
= P (x1 , y2 ) + P (x2 , y2 )
N
N
N
r21
r21
=
N1
r11 + r21
dP
dP (y) = dy p(x, y)dx
= p(y) =
dy
Fissato y la probabilit condizionata di avere x sar:
P (x|y)dx =
Z
p(x, y)dx
dP (x, y)
P (x, y)dxdy
=
dP (y)
p(y)dy
(2.4)
(2.5)
(2.6)
Quindi
P (x, y)dx =
P (x, y)dx
p(x, y) = p(y)p(x|y)
P (y)
x 6= x0
Se poniamo
y = f (x) x = f 1 (y) e dx =
allora:
(y)
f 0 [f 1 (y)]
dy =
dy
f 0 [f 1 (y)]
1
f 0 (x
0)
(x x0 )
|f 0 (x0 |
(x x0 (y))
|f 0 (x0 (y))|
con f (x0 ) = 0
p(x, y) =
1
(x x0 (y))p(x)
|f 0 (x0 (y))|
La stessa relazione si sarebbe potuta trovare in modo differente. Supponendo y = f (x) con f (x)
strettamente crescente, sappiamo che
dP (x0 x x0 + dx) = p(x0 )dx
Avendo imposto f (x) strettamente crescente
f (x0 ) y f (x0 + dx)
x1
x2
I1
x3
I2
I3 I4
x4
I5
I6
Siccome la funzione se suddivisa in tratti tra i punti di massimo e minimo relativo invertibile:
Z +
XZ
[f (x)]dx =
[f (x)]dx
Ik
XZ
Ik
[x xk ]
dx
|f 0 (xk )|
Quindi se ho y = h(x)
Z
p(y) =
Z
p(x, y)dx =
p(y|x)p(x)dx
Z
(y h(x))p(x)dx
Z X
[x xk (y)]
=
dx
|f 0 (xk (y))|
Capitolo 3
Processi Stocastici
Bari
Trani
Milano
10
12
14
16
18