VARIABILI CASUALI

definizione
Una variabile casuale una
variabile che assume determinati
valori in modo casuale (non
deterministico).
Esempi
lesito di una estrazione del Lotto;
il risultato di una partita di calcio;
il voto di un esame;
il numero di autovetture che fanno
rifornimento in un determinato distributore
in un giorno;
la durata della vita di una persona;
il numero di incidenti stradali in un
determinato periodo;

definizione
Dato uno spazio di probabilit (, A, P[])
in cui:
lo spazio campione, cio linsieme di
tutti gli esiti possibili di un dato fenomeno;
A rappresenta una collezione di
sottoinsiemi, detti eventi, dello spazio
campione;
P[] una funzione di probabilit che
associa gli elementi dellinsieme A a dei
valori numerici compresi nellintervallo
[0,1]
definiamo come variabile casuale
unapplicazione X cha associa gli elementi
di a numeri reali, formalmente:

X :
3

esempio 1
Consideriamo il lancio di una moneta.
Sia X la variabile casuale che indica il numero
di volte che uscita testa.
Allora:

= {testa, croce}

X ( ) = 1

X ( ) = 0

se = testa
se = croce

In questo modo, la variabile casuale X associa

un numero reale ad ogni esito dellesperimento.

definizione
Poich ogni elemento x dellinsieme X()
ha una sua probabilit di accadere,
definendo una variabile casuale si definisce
implicitamente anche una funzione di
probabilit:

p : X ( )

+
0

definita dalla relazione p(x) = P[X=x] che

gode delle seguenti propriet:

1.

p( x) 0

2.

p( x) = 1

Questa funzione p(x) costituisce la

distribuzione di probabilit della v.c. X.
5

in sintesi
Una variabile casuale o aleatoria una
variabile che pu assumere determinati
valori in corrispondenza al verificarsi di
eventi aleatori;
Dato che ciascuno dei valori xi della v.c.
ha una probabilit di presentarsi, ci sar
anche una funzione p(x) = P[X=x] detta
distribuzione di probabilit della v.c. X;
La distribuzione di probabilit di una v.c.
X definita dallinsieme dei valori xi e le
relative probabilit p(xi)
La distribuzione di probabilit di una v.c.
pu essere rappresentata graficamente o
con una tabella.

esempio 2(1)
Consideriamo il lancio di due monete.
Sia X la variabile casuale che indica il numero
di volte che uscita testa.
Lo spazio campione :

= {TT, TC, CT, CC}

Per ciascun elemento dello spazio campione
avremo una trasformazione mediante la X:
X(TT) = 2; X(TC) = 1; X(CT) = 1; X(CC) = 0
conseguentemente linsieme immagine di X
diventa:

X() = {2, 1, 0}
7

esempio 2(2)
Dal momento che ciascun elemento di questo
insieme ha una probabilit di avverarsi possiamo costruire una distribuzione di probabilit

x
0
1
2

p(x)
1/4
2/4=1/4
1/4

N.B.
Per definire una v.c. non basta conoscere il
suo dominio e linsieme dei valori
ammissibili della stessa X(); bisogna
anche assegnare una legge di distribuzione
che mette in evidenza come distribuita la
probabilit sui possibili valori della v.c.
8

variabili casuali discrete

Una v.c. X discreta se una funzione che
pu assumere solo un numero discreto di
valori, ossia se limmagine X() un
insieme finito o infinito numerabile.
La v.c. pu essere descritta mediante la
funzione di probabilit definita da

f ( xi ) = p ( xi ) = P[ X = xi ]
Tale funzione deve soddisfare le seguenti
propriet:

1. 0 p ( xi ) 1
2.

p( xi ) = 1
9

esempio 3(1)
Sia X la variabile casuale che indica il numero
di volte che uscita testa (vedi esempio 2); si
rappresenti graficamente la distribuzione di
probabilit di tale variabile.

10

funzione di ripartizione
La funzione di ripartizione F(x), una
funzione che associa a ciascun valore
definito x0 la probabilit che la v.c. assuma
un valore non superiore a x0 stesso;
formalmente :

F( x0 ) = P[ X x0 ]
F(x) gode delle seguenti propriet:

F ( ) = P[ X ] = 0
2. F (+ ) = P [ X + ] = 1
1.

11

esempio 3(2)
Sia X la variabile casuale che indica il numero
di volte che uscita testa (vedi esempio 2);
possiamo ora determinarne la funzione di
ripartizione:

x
0
1
2

p(X)
0,25
0,5
0,25

F(X)
0,25
0,75
1
12

esempio 3(3)
Graficamente la funzione di ripartizione
F(x), una funzione monotna non
decrescente che si compone di una serie di
gradini; il suo valore minimo 0, il
massimo 1 :

13

variabili casuali continue

Una v.c. X continua se una funzione
che pu assumere tutti i valori reali in un
intervallo limitato [a,b] o in un intervallo
illimitato; in questo caso anche linsieme
X() continuo.

ATTENZIONE
Se la v.c. X continua non ha pi senso la
definizione di funzione di probabilit data
per il caso discreto.
infatti:

P[ X = xi ] = 0

x [a, b]
14

variabili casuali continue

In questo caso non possiamo pi calcolare
la probabilit in un punto ma solo su un
determinato intervallo di valori della X,
intervallo definito tra due estremi [a,b].
Non si potr pi parlare di funzione di
probabilit ma di funzione di densit di
probabilit.
Tale funzione f ( x ) una funzione di
densit se soddisfa le seguenti condizioni:

1.

f (x) 0
+

2.

f ( x )dx = 1

15

variabili casuali continue

Geometricamente la probabilit P(x)
unarea.

16

funzione di ripartizione
La funzione di ripartizione F(x), una
funzione che associa a ciascun valore
definito x la probabilit che la v.c. assuma
un valore non superiore a x stesso;
formalmente :

F( x) = P[ X x]
F(x) si esprime anche come:

F( x) = f (t )dt

17

funzione di ripartizione
La funzione di ripartizione F(x),
caratterizzata dalle seguenti propriet:
1) limitata

0 F( x) 1
2) monotna non decrescente, ossia
se

a < b allora F (a ) F (b )

3) i limiti sinistro e destro sono rispettivamente:

lim F ( x ) = 0

lim F ( x ) = 1

x+

18

funzione di ripartizione
Geometricamente la funzione di
ripartizione una curva monotona non
decrescente.

19

esempio 4(1)
Sia f(x) una funzione cos definita:

1
x 0 x2
f (x) = 2
0
altrove
si verifichi se tale funzione una funzione di
densit di probabilit e se ne disegni il grafico.

20

esempio 4(2)
Nellintervallo [0,2] la funzione una retta
con origine nel punto di coordinate [0,0].
1,5

f(x)
0,5

0
-1

Ma una funzione di densit?

21

esempio 4(3)
Per verificare se la funzione in oggetto una
densit dobbiamo verificare se sono valide le
due propriet:

1.

f (x) 0

Osservando il grafico possiamo vedere come

la funzione non assuma mai valori inferiori
allo zero e pertanto la condizione verificata.

22

esempio 4(4)
Per verificare se la funzione in oggetto una
densit dobbiamo verificare se sono valide le
due propriet:
+

2.

f ( x )dx = 1

Il calcolo di questo integrale equivale al

calcolo dellarea sottesa dal triangolo che ha
come vertici i punti (0,0), (2,0) e (2,1).
Larea in questione sar:

b h 2 1
=
=1
2
2
anche la seconda condizione verificata.
23

valore atteso
Data la v.c. discreta X, avente come
insieme immagine X()={x1, x2, ,xn},
con relative probabilit p1, p2, , pn; si
definisce valore atteso il valore ottenuto
con
n

E ( X ) = ( x ) = xi p( xi )
i =1

Tale valore atteso, detto anche speranza

matematica, ha lo stesso significato della
media aritmetica solo che si riferisce ad
una distribuzione di probabilit teorica
mentre la media una funzione dei dati
osservati.
24

valore atteso
Se linsieme X()={x1, x2, ,xn},
infinito il valore atteso la somma di una
serie:
+

E ( X ) = xi p( xi )
i =1

Se la v.c. X continua si ha:

+

E ( X ) = x f ( x )dx

25

valore atteso: propriet

Sia c una costante e X e Y due variabili
casuali, allora:

1.

E (c ) = c

2.

E (cX ) = cE ( X )

3.

E ( X + Y ) = E ( X ) + E (Y )

26

varianza
Data la v.c. discreta X, avente come
insieme immagine X()={x1, x2, ,xn},
con relative probabilit p1, p2, , pn; si
definisce varianza della distribuzione di
probabilit il valore atteso di (X - )2 cio:
n

Var ( X ) = ( x ) = ( xi ) p( xi )
2

i =1

Un altro modo per calcolare la varianza

pu essere:

( ) (E ( X ))

Var ( X ) = E X

27

varianza
Se linsieme X()={x1, x2, ,xn},
infinito la varianza la somma di una
serie:
+

Var ( X ) = ( xi ) p( xi )
2

i =1

Se la v.c. X continua si ha:

Var ( X ) =

( x ) f ( x )dx
2

28

varianza: propriet
Sia c una costante e X una v.c., allora:

1.

Var (c ) = 0

2.

Var (cX ) = c Var ( X )

3.

Var ( X + c ) = Var ( X )

29

esempio 5(1)
Riprendiamo il caso dellesempio 2:
consideriamo il lancio di due monete e sia X
la variabile casuale che indica il numero di
volte che uscita testa.
Si calcolino valore atteso e varianza di tale
variabile.

valore atteso
3

E ( X ) = xi p( xi )
i =1

30

esempio 5(2)
Riprendiamo il caso dellesempio 2:
consideriamo il lancio di due monete e sia X
la variabile casuale che indica il numero di
volte che uscita testa.
Si calcolino valore atteso e varianza di tale
variabile.

valore atteso
3

E ( X ) = xi p( xi ) =
i =1

0 0,25 + 1 0,5 + 2 0,25 = 1

31

esempio 5(3)
Riprendiamo il caso dellesempio 2:
consideriamo il lancio di due monete e sia X
la variabile casuale che indica il numero di
volte che uscita testa.
Si calcolino valore atteso e varianza di tale
variabile.

varianza
3

Var ( X ) = ( xi ) p( xi )
2

i =1

32

esempio 5(4)
Riprendiamo il caso dellesempio 2:
consideriamo il lancio di due monete e sia X
la variabile casuale che indica il numero di
volte che uscita testa.
Si calcolino valore atteso e varianza di tale
variabile.

varianza

Var ( X ) = (0 1) 0,25 +
2

+ (1 1) 0,5 + (2 1) 0,25 = 0,5

2

33