Variabile casuale uniforme (o rettangolare)

Le caratteristica principale che le sue realizzazioni sono equiprobabili

Si applica nelle situazioni in cui il fenomeno:
Assume valori in un intervallo
limitato [a,b]
La probabilit di ogni sottointervallo
di [a, b] proporzionale all'ampiezza
del sottointervallo

La funzione di densit :

f ( x) =
ba

per a x b
altrove

In ciascuno dei punti

appartenenti allintervallo
la probabilit costante

Funzione di ripartizione
k

F(k ) =P(a X k)=

a

1
k a
dx =
b-a
b a

Esempio
Gli autobus passano nei pressi dell'universit ogni ora fra le 8.30 e le 13.30:
calcolare la prob. che una persona, capitando a caso durante tale periodo,
debba aspettare almeno un quarto d'ora
La v.c. X "tempo mancante al prossimo bus segue un modello uniforme dato
che "capitare a caso" significa che pu capitare in uno qualsiasi dei 60 minuti:

Valore atteso e varianza

2 2

t
1 b -a b+a
=
E (X) =
dt=
b-a
b-a 2 2
b

Nella v.c. UNIFORME il

v. atteso coincide con il
v. centrale del suo supporto

2
3 3

t
1
b
-a
2

E (X ) =
dt=
3
b-a
b-a
a
b

3 3
2

1 b -a a+b (b+a)
2
V ( X ) =E ( X ) - E ( X ) =
=

-
b-a 3 2
12
2

Il tempo medio di attesa

alle pensiline pari a:

60

E (X ) =
0

t
0+60
dt=
=30min
60
2

La variabile casuale esponenziale

Questa var. casuale deriva dalla Poisson e consente di rispondere a
domande di questo tipo:
se una sequenza di eventi si verifica nel tempo secondo il modello
di Poisson alla media di eventi per unit di tempo, quanto tempo
bisogna aspettare perch si verifichi il primo?
Riconsideriamo la Poisson per larrivo di clienti ad uno sportello bancario:
t

( t) e
f (X) =
x!
x

X il n di clienti nellunit di tempo

E(X) = t media di arrivi
Var(X) = t

varianza degli arrivi

Indichiamo con T il tempo trascorso fino all'arrivo del primo cliente, ovvero
quello che intercorre tra un cliente ed un altro:
T una var. casuale continua che assume valori tra zero e infinito

Costruiamo la funzione di probabilit

Vediamo ora come calcolare al probabilit: il primo
evento si verifica dopo un tempo t (cio T > t), cio
deve trascorrere un tempo t prima che entri un altro
cliente in banca
Tale evento si realizza se nell'arco di tempo t non ci sono occorrenze, cio se
la v. casuale di Poisson x=0, ma anche vero il contrario: il n di arrivi in un
arco di tempo t zero (x=0) se il primo arrivo si verifica al tempo T > t

( t)0 et
P(T > t) P (X = 0) =
= et
0!

P(T t) + P(T > t) = 1 P(T t) = 1 P(T > t) = 1 et

F(t) = 1 et

per t 0

Funzione di ripartizione della

variabile esponenziale

Funzione di probabilit
possibile ricavare la funzione (di densit) di probabilit a partire dalla
funzione di ripartizione ottenendo

f (t ) =

per t 0

altrove

f(t)

A)

P(T a) = F(a) = 1 ea
b

B)

P(a T b) = et dt =
a

= F(b) F(a) = ea eb

A
B
0

C)

P(T b) = 1 F(b) = eb

Esempio (1)
I clienti di un ipermercato arrivano alle entrate secondo
un modello di Poisson ad una media di = 4 al minuto:
4

4 e
P (X = x ) =
x!
x

X = numero di clienti in
un dato minuto

Quanto tempo occorre aspettare dopo l'apertura prima che entri il 1 cliente?
Il tempo di attesa una var. casuale che si distribuisce secondo una legge di
tipo esponenziale

P (X = x ) = e

4x

= 4 e

x>0

Ad esempio la probabilit di aspettare meno di mezzo minuto

40,5

F(0,5) = 1 e

= 1 e =0,864

Esempio (2)
Si supponga che un corriere effettui le consegne secondo una legge
poissoniana al ritmo di 4 consegne ogni ora. Il numero di consegne
nellunit di tempo ha come funzione di probabilit

(4t) x e4t
P (X = x ) =
x!

con una media di 4t consegne ogni t ore

Vogliamo calcolare qual la probabilit che un certo cliente debba aspettare meno
di un quarto dora prima che il corriere arrivi
Dai dati possiamo ricavare che = 4/60 = 1/15 quindi in generale si ha che la
probabilit che il corriere arrivi in meno di t minuti data da

P(arrivi in meno di t') = F(t) = 1 e

15

15

P(T 15) = F(15) = 1 e

15

= 1 e1 = 0, 632

Valore atteso e varianza

Il valore atteso di una variabile casuale esponenziale pu essere calcolata
secondo la formula:
+

E (t ) =

t e

1
dt =

linverso della media

di una Poisson

1
1
t
V ( t ) = t e dt = 2

Esercizio
Il monitor di una linea di televisori ha una durata di vita che si
distribuisce secondo una legge esponenziale di parametro
Supponiamo che un televisore abbia una garanzia di 2 anni e che la probabilit che
si guasti entro la fine del periodo di copertura sia pari al 18%: qual la durata media
del televisore?

P(T 2) = 1 e2 = 0,18


e2 = 0,82

ln(0,82)
 =
2



possibile ricavare , lunico

valore incognito di questa
relazione attraverso una
semplice formula inversa

2 = ln(0,82)
0,1

1
E ( t ) = = 10

Qual la probabilit che il televisore abbia una vita superiore ai 15 anni?

150,1

P(T > 15) = e

= 0, 223