Sei sulla pagina 1di 14

p(x)

Probabilità di variabile discreta 7 6 5 4 3 2 1 0 1 2 3
Probabilità
di
variabile
discreta
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
11
12
13
x
p(x)

Densità di probabilità di variabile continua

0,02

0,01

0,00

5 6 7 8 9 10 11 12 13 x p(x) Densità di probabilità di variabile

-100

0

100

200

300

x

Variabile discreta

Momento: di r-esimo ordine rispetto al valore x 0 :

' (x )

r

=

N

(x i -

i=1

x 0 ) r p (x i )

Momento di primo ordine rispetto all'origine (media aritmetica):

(x )

=

N

x i p(x i )

i=1

Momento di r-esimo ordine rispetto alla media:

r (x )

=

N

i=1

[x i -

(x)] r p (x i )

Momento del secondo ordine rispetto alla media (varianza):

2 (x)

=

N

i=1

[x i -

(x)] 2 p (x i )

Variabile continua

Momento di r-esimo ordine rispetto al valore x 0 :

r ' (x )

=

+ (x - x 0 ) r p(x)d x

-

Momento di primo ordine rispetto all'origine (media aritmetica):

(x )

=

+

xp(x)dx

-

Momento di r-esimo ordine rispetto alla media:

r (x )

=

+ [x -

-

(x)] r p (x)d x

Momento del secondo ordine rispetto alla media (varianza):

2 (x)

=

+ [x

-

- (x)] 2 p(x)d x

Misure di tendenza centrale

Media aritmetica

il

all'origine.

E`

momento

del

primo

ordine

rispetto

Mediana

Si definisce mediana della distribuzione della variabile x il valore x la cui probabilità P( x ) è uguale a 0,50.

Moda

Si definisce moda della distribuzione di una

variabile

casuale

 

il

valore

~

cui

x

x

a

corrisponde un massimo della funzione p(x).

Una

multimodale.

distribuzione

con

più

mode

si

dice

Misure di dispersione

Misura di dispersione omogenea con la media: scarto quadratico medio

Si definisce scarto quadratico medio della variabile casuale x la radice quadrata (x) della sua varianza.

Misura di dispersione adimensionale:

coefficiente di variazione

Si chiama coefficiente di variazione il rapporto tra lo scarto quadratico medio e la media della variabile casuale x

CV(x) = (x) (x)

Misura

di

asimmetria

adimensionale:

coefficiente di asimmetria

Con il termine coefficiente di asimmetria (skewness) si indica il rapporto tra il momento del terzo ordine e il cubo dello scarto quadratico medio della distribuzione

(x) = 3 3 (x) (x)

Probabilità di variabile funzione non decrescente di una variabile casuale

y = (x)

y a = (x a )

x

x a

y

y a

P(x a ) = P(y a )

P(x) = P(y)

e differenziando:

p(y) = p(x) dx dy

Caso particolare: y

funzione lineare crescente di x

y = ax + b

(y) = a (x) + b

(y) = a (x)

49

47

45

43

41

39

37

35

33

31

29

27

t

25

23

21

19

17

15

13

11

9

7

5

3

1

150 m =1 m = 7 m = 11 m = 4 m = 3
150
m =1
m = 7
m = 11
m = 4
m = 3
m = 6
m = 8
100
x a
50
0

x

Tempo di ritorno

p(m ) = P(x a ) m -1 [1 - P(x a )]

(m ) =

=

m=1

mp(m)

mP(x a ) m-1 [1 - P(x a )]

m=1

mz m -1 =

m=1

1

(1 - z) 2

(m ) =

T(x) =

1

1 - P(x a )

1

1 - P(x)

Il tempo di ritorno risulta misurato in numero di osservazioni.

Distribuzione binomiale

Probabilità dell'evento uguale a

N

numero delle osservazioni

m

numero delle osservazioni in cui l'evento si

verifica

m

è una variabile casuale discreta

m

può assumere tutti i valori dell'intervallo (0, N)

(estremi compresi)

p(m)

probabilità del valore m

Distribuzione binomiale:

probabilità p(m) del valore m

Esempio con N = 5 ed m = 2:

1

2

3

4

5

Probabilità della combinazione di osservazioni:

(1 -

)

(1 -

)

(1 -

)

Probabilità di una particolare combinazione in cui l'evento si verifica m volte su N:

Numero delle combinazioni:

Probabilità del valore m:

N

m

p(m ) =

m (1 - ) N - m

N

m

m (1 - ) N - m

Distribuzione binomiale

N = 1 0

= 0,3

0,3 0,2 0,1 0,0 0 1 2 3 4 5 6 7 8 9 1
0,3
0,2
0,1
0,0
0
1
2
3
4
5
6
7
8
9
1 0
m
p(m)

(per m uguale a 9 e per m uguale a 10 la probabilità è molto vicina a zero)

Distribuzione binomiale

N = 1 0

= 0,6

0,3 0,2 0,1 0,0 0 1 2 3 4 5 6 7 8 9 1
0,3
0,2
0,1
0,0
0
1
2
3
4
5
6
7
8
9
1 0
m
p(m)

(per m uguale a 0 la probabilità è molto vicina a zero)

Distribuzione binomiale

Parametri:

(m) = N

(m) = ÷ N (1 - )

Distribuzione di Poisson

E` una forma limite della distribuzione binomiale.

Ipotesi:

Probabilità:

N =

N

0

= costante

p(m) = exp(- ) m! m