Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
04variabili Casuali PDF
04variabili Casuali PDF
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
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
1.
p( x) 0
2.
p( x) = 1
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 :
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
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
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
1.
f (x) 0
+
2.
f ( x )dx = 1
15
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 )
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
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
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
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
valore atteso
Se linsieme X()={x1, x2, ,xn},
infinito il valore atteso la somma di una
serie:
+
E ( X ) = xi p( xi )
i =1
E ( X ) = x f ( x )dx
25
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
( ) (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
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.
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
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
33