Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
indici (o misure) di posizione 1
n
xi x
4
R2 = =1 = ; 2
Range) DEV TOT DEV TOT 2y 0 R 1
IQR=Q 3 Q 1 tanto pi esso si avvicina ad uno tanto pi la funzione di regressione
indici di forma trovata buona.
n 3
1 x x
sk= i
n i=1
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 1
Probabilit propriet
P =1
definizioni P =0
eventi elementari P A =1P A
tutti i possibili esiti di un esperimento aleatorio P A B= P A P B P A B
P n=1 A n = P An , con Ai A j = se i j
evento
n =1
ogni sottoinsieme di uno spazio campionario discreto
probabilit classica
spazio campionario la probabilit di un evento il rapporto dei casi favorevoli ed il numero
insieme di tutti gli eventi elementari; pu essere: dei casi possibili
discreto posto di N elementi k (k = 1, 2, .., N) e
se gli elementi sono un numero finito o un'infinit numerabile P { k }= p , eventi elementari equiprobabili , A evento
P { k }= pk qualunque
continuo A A
P A= P { k }= pA= =
se pi numeroso (ad esempio: tutti i numeri reali in un certo A k
N
intervallo) Ail numerodi elementi di A
linguaggio permutazione di n oggetti
insiemi eventi ogni allineamento di n oggetti distinti in n caselle
, intero spazio campionario evento certo P n= n!=n n1n232
propriet di n! (n fattoriale)
, insieme vuoto evento impossibile
0!=1
insieme A l'evento si verifica n!
=n1!
insieme A complementare di A l'evento non si verifica n
n!
A B , (unione) si verifica almeno uno dei due eventi = nn1n 2m1 , con m n
m!
A B , (intersezione) gli eventi si verificano simultaneamente disposizione di n oggetti in k posti
)
A B , ( sottrazione = A B si verifica A e non si verifica B ogni allineamento di k oggetti scelti tra n oggetti distinti in k posti
Dn , k = n n1n2nk 1 , con 1k n
AB= , eventi disgiunti gli eventi sono incompatibili
Dn , n= P n= n!
B A ( B incluso in A ) B implica A disposizione con ripetizione di n oggetti in k
propriet eventi A, B, C sottoinsiemi di posti
A A= A ogni allineamento di k oggetti scelti tra n oggetti e ripetibili, in k posti
k
A A= A Dn , k = n , con k1
A B= B A combinazione di n oggetti di classe k
A B= B A ogni sottoinsieme di k elementi dell'insieme di n oggetti
A BC= ACC (modi per scegliere k oggetti tra n)
A BC = ACC
A BC= A B AC
A BC= A B AC
C n , k=
Pk
=
k
=
k!
D n , k n nn1n2 nk 1
,
con n1 ; 0k n
A= A
coefficiente Binomiale
A=
A=
A= A
n = n =C
k n k
n ,k ;
n =n
1
;
n = n =1
0 n
A A= combinazione con ripetizione di k oggetti scelti
A A= fra n
A B= A B ogni gruppo formato di k oggetti scelti fra n, che possono essere ripetuti
B= A B (modi per disporre k oggetti uguali in n posti)
A
A =A
k
C n , k = n k1 = n k1
n1
probabilit su permutazione con ripetizione di n oggetti uguali
P : P [0,1] fra loro a gruppi
(allineamento in n posti di n oggetti)
n!
Pk =
1, k 2,. .. k r
k 1!k 2!k r !
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 2
probabilit condizionata legge (o distribuzione) di una v.a.
applicazione che associa ad ogni intervallo I il numero:
probabilit dell'evento A, condizionata a B P X I = P { : X I }
P A B
P AB= densit discreta di X
P B
funzione che ad ogni valore assunto da X associa la probabilit che X
propriet assuma quel valore
P A B= P BA= P AB PB= P B A P A p X x k = P X =x k
P B A P A
P AB= propriet
P B
probabilit dell'evento X I :
P AB=1 P A B
probabilit totali P X I = pX x k , purch la serie converga
n x k I
P A= P A B j P B j , v.a. indipendenti
j=1
n se scelti n intervalli I 1, I 2, , I n si ha
con j=1 jB = , B i B j = per i j , P B j 0 per ogni j
P X 1 I 1, X 2 I 2, , X n I n = P X 1 I 1 P X 2 I 2 P X n I n
caso notevole:
P A= P AB P B P A
B P
B , valore atteso, o media , o speranza matematica
con {B ,
B } partizione di
X =EX = x k p X xk , per X discreta
formula di Bayes k
P AB k P B k
P Bk A= n , per ogni k X =EX = tf X t dt , per X continua
P AB j P B j
j=1 propriet
indipendenza di eventi E aX b= a EX b , con a , b
E X 1 X 2 X n= EX 1 EX 2 EX n
eventi A, B indipendenti E X 1X 2 X n = EX 1EX 2 EX n ,
lo sono se soddisfano una delle seguenti condizioni
con X 1, X 2, , X n v.a. indipendenti
P A B= P AP B
P AB= P A Ef X = f x k p X x k , purch la serie converga
P B A= P B k
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 3
propriet Binomiale di parametri n e p
Cov X , X =VarX X ~ B n , p
Cov X , c=0 , per ogni costante c conta il numero complessivo di successi ottenuti in n prove (estrazione
Cov X ,Y =Cov Y , X con reimissione)
Cov X Y , Z =Cov X , Z Cov Y , Z
Cov Y , Y Z =Cov X ,Y Cov X , Z k
p X k = n p 1 p , k=0,1,2,... , n
k n k
P a X b =
b
1
=1/ arctan barctan a
N n 2
1t
(fattore di correzione per la popolazione finita (< 1)) a
N 1
densit Normale Standard
Poisson di parametro > 0 curva a campana di Gauss, o curva degli errori
Y ~ P 0 , con 0 1 t / 2 2
f X t = e
permette di descrivere quantitativamente situazioni in cui non abbiamo 2
accesso ai valori di N e p, ma possediamo un unica informazione b
1 t /2
P a X b =
2
numerica: il parametro (numero medio di arrivi) e dt
k a 2
pY k = e , per k = 0,1,2,
k! funzione di ripartizione di X (f.d.r.)
EY = ; VarY = equivale alla densit discreta nel caso continuo
1 1 F X t: [0,1]
sk X = ; curt X =3
F X t= P X t , per ogni t
t
propriet F X t= f X y dy , per X continua
se X i ~ P 0 i allora:
X 1 X 2 X n~ P 0 1 2 n F X t= p X xk , per X discreta
x kt
approssimazione della Binomiale
per N molto grande e p molto piccolo: propriet
X ~B N , p Y ~ P 0 Np , P X = k P Y = k se t1 t2 , X t 1 X t2 , P X t 1 P X t2 ,
F X t monotona crescente
processo Poisson di intensit
F X t1 per t
permette di calcolare probabilit di eventi che accadono in un certo
intervallo di tempo diverso da quello su cui abbiamo informazioni di F X t 0 per t
partenza; F X b F X a= P X b P X a= P a X b ,
posto =t con numero medio di arrivi nell'unit di tempo, il con a , b , ab
numero X t di arrivi nell'intervallo di tempo [ 0, t ] dato da la f.d.r. di una v.a. continua sempre una funzione continua
X t ~ P 0 t nei punti in cui la densit continua; in questi punti derivabile:
'
k F X t= f X t
t
p X k =e t , per k = 0,1,2, quantile -esimo (q)
t
k!
EX t = t ; VarX t = t P X q = , con q a , b , 0,1
variabili aleatorie continue
variabili aleatorie legate al processo di
densit continua fx Poisson
determina la legge della v.a. continua X;
una densit di probabilit legge Esponenziale di parametro
P X I f x t dt , con I Y ~ Esp , con 0
I misura l'istante del primo arrivo in un processo di Poisson Xt di
intensit , o il tempo di attesa tra due arrivi successivi;
f x : ; f x t 0 , per ogni t ; f x t dt =1 l'unico modello adeguato a rappresentare il tempo di vita di un
apparecchio non soggetto ad usura
t
propriet F Y t=1e , per t0
P X =t =0 , per ogni t (la probabilit che assuma un F Y t=0 , per t0
t
valore fissato nulla (integrale di un punto)) f Y t =e , per t0
P X a= P X a f Y t =0 , per t0
P a X b= P a X b 1
1
esempi di densit continue E Y = ; Var Y = 2
densit uniforme sk X =2 ; curt X =9
1 stimatore non distorto per legge Esponenziale
f X t = I t , a ,b , ab
b a a , b n1 n1
I a ,b t=1 , per ta , b U =T = n
n
con
I a ,b t=0 , per t a ,b
(funzione indicatrice)
Xi
i=1
1 1
P X J = I a , b t dt= a , b J
J
ba b a
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 5
n1 n1 1 modello Normale
= = , stima di
n
n X n
Xi legge Normale standard
i =1
Z ~ N 0,1
legge Gamma di parametri n (intero positivo) e 1
t y 2
(intero positivo) F Z t= e 2
dy t
2
Y ~ n , t 2
1
misura l'istante dell'ennesimo arrivo in un processo di Poisson Xt di f Z t = e 2 t
intensit 2
n1
t
k
E Z =0 ; Var Z =1
F Y t=1 e
t
, per t 0
k=0 k! propriet
F Y t=0 , per t0 t =1 t , simmetria
n 1
t t n1 t calcoli con i quantili
f Y t =e =C n , t e , per t 0 ,
n1! posto z quantile -esimo della legge Normale standard:
f Y t =0 , per t0 z = z 1
n
P Z z =
C n ,=
n1! P Z z 1=
n n P Z z 1/2 =
E Y = ; Var Y = 2
P Z z 1 /2=
legge Gamma di parametri r e (reali positivi)
legge Normale (o gaussiana) di media e
Y ~ r ,
descrive il tempo di vita di un apparecchio la cui propensione al guasto
varianza 2
2
cresce col tempo, fino al limite X ~ N ,
r 1 t
f Y t =C r , t e , per t0 rappresenta bene gli errori di approssimazione
t
f Y t =0 , per t0 F X t=
r r
E Y = ; Var Y = 2 t 2
1 t 1 22
f X t = = e
assenza di memoria 2
P Y T tY T =P Y t EX = ; Var X = 2
P Y T t = P Y tP Y T =0 ; curt X =3 sk X
se una v.a. continua soddisfa questa propriet, allora ha legge X
la v.a. Z = ha legge Normale standard
Esponenziale se continua e legge Geometrica traslata se discreta
istantaneous failure rate (propensione istantanea propriet
al guasto) 2 2
posto X 1~ N 1, 1 , X 2~N 2, 2 indipendenti:
f Y t 2
X 1 X 2 ~ N 1 2, 1 2
2
Z t =
1 F Y t posto a ,b :
2 2
per la legge Esponenziale: aX 1 b~ N a 1b , a 1
Z t = , per t 0 relazione tra legge Normale e legge Normale standard
per la legge Gamma: Z ~ N 0,1 Z ~ N ,
2
n1 n n1
t t 2 X
Z t =C n n1 k = X ~ N , ~ N 0,1
t n1! n1
t
k
k! k!
k=0 k=0 errori
densit di Weibull Y =misura di una grandezza fisica
utile a rappresentare il tempo di vita di un apparecchio =valore vero
posto Z t =c t si trova: X =errore di misura
c t 1
=errore sistematico
F Y t=1e 1 , con 1 E c =errore casuale
1
c t 2
=inacuratezza della misura
f Y t =c t e 1 2
X ~ N , , X = E c
se 0 l'apparecchio invecchia 2
se 10 l'apparecchio migliora col tempo
E c ~ N 0,
se =0 si ritrova la legge Esponenziale E E c =0
EY =
media campionaria
se X i ~ N ,
2
sono v.a. indipendenti ed identicamente
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 6
[ ]
distribuite (i.i.d.): 3
3
2 X
sk X = =E
Xn ~ N , 3/2
2
n
coefficiente di curtosi di una v.a. X con '4 finito
2
E Xn = ; Var X n =
n misura quanto la densit di X sia appuntita
[ ]
4
media campionaria standardizzata 4 X 2
Xn curt X = 2 =E , = EX , =Var X
2
S =
n , n=1,2,3,
/ n
teorema del limite centrale statistica inferenziale
P S t t per n , t
n campionamento e stime
approssimazione Normale
2 definizioni
Date X i v.a.i.i.d. , EX i= , VarXi= con n abbastanza
grande: modello statistico
2 famiglia di leggi di v.a., dipendenti da uno o pi parametri incogniti:
t
Xn N , ossia P Xnt n { pX x ; : I }
n un vettore di parametri
n n
t n
X i N n , n 2 ossia P X i t
n
campione casuale di ampiezza n
i=1 i=1 estratto da una popolazione di densit p X x ; una ennupla di v.a.
approssimazione Normale di Gamma per n grande: indipendenti e identicamente distribuite (i.i.d) X 1, X 2, , X n ,
Y ~ n , ciascuna avente legge p X x ; .
n n stima di parametri e stimatori
Y N , 2
stima puntuale dei parametri
F Y t=P Y t
tn
n
stimare il valore vero del parametro (o dei parametri) a partire dal
campione casuale
approssimazione Normale della Binomiale: stima del parametro p della popolazione bernulliana
approssimazione utile in problemi di campionamento p = xn , con xi valori effettivamente osservati
NOTA: vale se: np5 ; n1 p5
statistica T
Y ~ Bn , p
una qualsiasi v.a. T funzione del campione casuale X 1, X 2, , X n
Y N np , np 1 p
di ampiezza n estratto da una popolazione di legge p X x , :
F Y t=P Y t
tnp
np 1 p
, per v.a. continua n
T = f X 1, X 2, , X n , con f :
k 0.5np stimatore del parametro
F Y k= P Y k , statistica che viene usata per stimare il valore del parametro
np1 p
k=0,1,2,, n , per v.a. discreta corretto (non distorto) se ET = altrimenti detto distorto
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 7
di legge N , , allora:
n n 2
1 1 n
s2n x x 2= n1
n1 i=1 i n
xi2 n1 xn 2
Xn
i=1
~ t n 1
stima popolazione Normale S /n 2
n
= xn
calcoli con i quantili
= sn posto t n quantile -esimo della legge t(n):
2 2
se nota: P T t n=
n
1 P T t 1 n=
2 =
2
X i
n = i 1 P Tt 1 / 2 n=
stima popolazione Gamma P T t 1 / 2 n=
x x
2 t 1 n1 z 1 , approssimazione per n120
= 2n ; r = n2 2 2
sn sn
approssimazione di quantili tramite
leggi interpolazione lineare
y= mxq ,
legge Chi quadro con n gradi di libert
equazione della retta che passa per i punti {q 1, t q1 }, {q 2, t q 2 }
n 1
Y ~X n Y ~ , t q 2 t q 1
2
2 2 t x = t q 1 x q1 , con q1 x q 2
Xi sono v.a. indipendenti, ciascuna di legge N(0,1) q2 q1
n t
1
f Y t = c n t 2 e 2 , per t 0 legge di fisher con m e n gradi di libert
U/m
f Y t = 0 , per t 0 X ~ F m , n ; con X = , U ~ X 2m , V ~ X 2n
EY = n ; Var Y =2n V /n
propriet propriet
1
2 2
posto Y 1 ~ X n1 , Y 2 ~ X n 2 indipendenti: ~ F n , m
2 X
Y 1 Y 2 ~ X n1 n2 P X F m , n =
intervallo a cui una v.a. di legge Chi quadro appartiene con probabilit
:
1 1
P =1
P X 1 n Y X 1 n =
2 2 X F m , n
2 2 1
= F 1 n , m
approssimazione Normale di Chi quadro per n grande F m , n
2
X n N n , 2n , per n grande S1
2
= F m1,n 1
t n
2
P Y t S2
2n intervallo di confidenza al livello del 100% per
X n z 2n n
2
h()
approssimazioni Sia X 1, X 2, , X n un campione casuale estratto da una
Sia X i , X 2, , X n un campione casuale estratto da una popolazione popolazione di densit f x ; ; siano T 1=t 1 X 1, X 2, , X n ,
di legge N , , allora:
2
T 2 =t 2 X 1, X 2, , X n due statistiche, e sia h una funzione
n
X i del parametro che si vuole stimare; fissato un numero 0,1 ,
i =1
~ X 2 n l'intervallo aleatorio (T1, T2) si dice intervallo di confidenza al 100%
per h() se:
n
X X
i n ~ X 2 n1 P T 1 h T 2 =
i =1
a campionamento eseguito l'intervallo (t1,t2) si dice calcolato al
2
n1 S n campione;
~ X 2 n1 h() appartiene all'intervallo (t1, t2) con una confidenza del 100%;
2
t1 e t2 sono detti limiti di confidenza
S n e Xn sono tra loro indipendenti
2
2
n Sn
ET = 0 , tranne per n =1 per cui nonesiste finito Xn t 1 n1
= , con varianzaincognita
2
n
per t la t di student tende alla Normale standard
approssimazioni
Sia X i , X 2, , X n un campione casuale estratto da una popolazione
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 8
stima dell'ampiezza per limitare l'errore E0 H0 H1 rifiutare H0 se
2
n =t 1 / 2 n 1
2
2
, con varianza nota = 0 0 z z 1 / 2
E0
0 0 z z 1
intervallo di confidenza per la frequenza p
valido per una popolazione bernoulliana e per grandi campioni 0 0 z z 1
n30
test sulla media di una popolazione Normale di
p= X n z 1/2
n
X n 1 X n
; se: n xn5 , n1 xn 5
test di ipotesi 0 0 tt 1 n1
ipotesi statistica 0 0 t t1 n1
un'asserzione sul valore vero di un parametro incognito;
si dice semplice se specifica completamente il valore del parametro, test sulla frequenza p di una popolazione
altrimenti si dice composta bernoulliana
ipotesi nulla H0 xn p0
z=
H 0 : 0 p0 1 p0/ n
ipotesi che si ritiene vera fino a prova contraria; H0 H1 rifiutare H0 se
rifiuteremo H0 solo se i dati campionari forniranno una forte evidenza
statistica contro di essa p= p0 p p0 zz 1 /2
ipotesi alternativa H1 p p0 p p0 z z 1
H 1 : 0
ipotesi vera solo se H0 falsa p p0 p p0 z z 1
errore di tipo I test sulla differenza di due medie con varianze
rifiutiamo H0 quando vera;
questo considerato l'errore pi grave
note
estraiamo due campioni n,m da due popolazioni normali indipendenti
errore di tipo II con varianze note;
accettiamo H0 quando falsa questo test non va usato quando una varianza almeno 4 volte l'altra
regione critica o regione di rifiuto X nYm
z=
l'insieme R dei possibili risultati campionari che portano a rifiutare H0 2
X Y
2
varianza campionaria pesata 2 2
media pesata delle varianze campionarie di due campioni n, m 1 1 n1S X m1S Y
n n n m nm2
n1 S 2X m1 S 2Y i=1 X i Xn Y i Yn
i =1
H0 H1 rifiutare H0 se
S 2= = X =Y X Y tt 1/2 nm2
nm 2 n m 2
test sulla media di una popolazione Normale di X Y X Y tt 1 nm2
varianza nota X Y X Y tt1 n m2
xn 0
z= nel caso di campioni osservazioni accoppiate si considerano le
/n differenze delle medie
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 9
k
test su due frequenze di due popolazioni
bernoulliane indipendenti
classi A1 A2 ... Ak
i =1
estraiamo due campioni n, m da due popolazioni bernoulliane freq. rel. attese p1 p2 ... pk 1
indipendenti X ~ B p 1 , Y ~ B p 2 ; freq. ass. attese np 1 np 2 ... np k n
n m
freq. ass.
questa procedura valida se xi 5 ; y i 5 osservate
N1 N2 ... Nk n
i=1 i=1 2 2 2
scarti quad. np 1 N 1 np 2 N 2 np k N k
xn ym n xn m ym ... Q
z= con p= pesati np 1 np2 npk
1 1 nm
p 1 p le classi andranno accorpate in maniera tale che le frequenze assolute
n m attese siano tutte maggiori o uguali a 5;
H0 H1 rifiutare H0 se Chi quadro calcolato dal campione:
2
zz 1 /2
k
np i N i
p1= p2 p1 p2 Q=
=
i 1
npi
p1 p2 p1 p2 z z 1 2
Q X k1 per n , con pi assegnate a priori
p1 p2 p1 p2 z z 1 2
Q X k1r per n , con pi calcolate dopo
aver stimato r parametri incogniti
inferenze su una varianza
2 fissato , si stabilisce la regola di decisione:
n1 s n
2 si rifiuti H 0 se Q X 1 k 1 r (si calcola tramite tabelle)
2
X =
02 il p-value corrispondente al valore Q :
= P X Q , con X ~ X k 1r
2
H0 H1 rifiutare H0 se
2
=0
2 2
0
2 2 2
X X 1 /2 n1 o X X / 2 n1
2 2 test Chi quadro di indipendenza
verifica l'indipendenza o meno di due variabili;
2 2 2 2 2 2
0 0 X X 1 n1 si costruisce una tabella di contingenza di rs classi:
2 2 2 2 2 2
A1 A2 ... A r Tot.
0 0 X X n1 B1 n11 n 21 ... nr1 n1
intervallo di confidenza B2 n12 n 22 ... nr1 n2
... ... ... ... ... ...
n 1 s2n n1 s 2n Bs n 1s n 2s ... nrs ns
,
X 1 n 1 X 1 n 1
2 2
Tot. n 1 n2 ... nr n
2 2
Formulario di Probabilit e Statistica [2005-07-24] - Copyright 2005 Nicola Asuni (info@tecnick.com www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 10