Sei sulla pagina 1di 7

FORMULARIO

Densità
(
0 se x 6∈ A
NOTAZIONE IA (x) := ,
1 se x ∈ A

Densità discrete
Binomiale di parametri n ∈ N, p ∈ (0, 1)
 
n x
pX (x) = p (1−p)n−x I{0,1,...,n} (x) E(X) = np Var(X) = np(1−p) mX (t) = (1−p+pet )n
x

Ipergeometrica di parametri b + r, r, n ∈ N
r
 b   
x n−x nr nbr n−1
pX (x) = r+b
I{max(0,n−b),max(0,n−b)+1,...,min(n,r)} (x) E(X) = Var(X) = 1−
(b + r)2 b+r−1

n
b+r

Poisson di parametro λ > 0


λx −λ
pX (x) = e I{0,1,... } (x) E(X) = λ Var(X) = λ mX (t) = exp[λ(et − 1)]
x!

Geometrica di parametro p ∈ (0, 1)


1 1 1 pet
pX (x) = p(1−p)x−1 I{1,2,... } (x) E(X) = Var(X) = − mX (t) = (t < − log(1−p))
p p2 p 1 − (1 − p)et

Densità continue
Normale di parametri µ, σ 2
(x − µ)2
 
1 1
fX (x) = √ exp − E(X) = µ Var(X) = σ 2 mX (t) = exp[µt + σ 2 t2 ]
2πσ 2 2σ 2 2

Uniforme in (a, b), a < b


1 a+b (b − a)2 ebt − eat
fX (x) = I(a,b) (x) E(X) = Var(X) = mX (t) =
b−a 2 12 (b − a)t

Gamma di parametri α > 0, λ > 0


λα α−1 −λx α α  λ α
fX (x) = x e I(0,+∞) (x) E(X) = Var(X) = mX (t) = (t < λ)
Γ(α) λ λ2 λ−t

Esponenziale di parametro λ > 0


1 1  λ 
fX (x) = λe−λx I(0,+∞) (x) E(X) = Var(X) = mX (t) = (t < λ)
λ λ2 λ−t

1
Weibull di parametri α > 0, β > 0
     2
β
Γ 1 + β1 Γ 1 + β2 − Γ 1 + β1
fX (x) = αβxβ−1 e−αx I(0,+∞) (x) E(X) = Var(X) =
α1/β α2/β

Beta di parametri a > 0, b > 0


1 b−1 a ab
fX (x) = xa−1 (1 − x) I(0,1)(x) E(X) = Var(X) =
B(a, b) a+b (a + b + 1)(a + b)2

Le funzioni gamma e beta


Z +∞
Γ(r) = xr−1 e−x dx , r > 0,
0

Γ(r + 1) = rΓ(r) , Γ(n + 1) = n! , per n intero;


Z 1
b−1 Γ(a)Γ(b)
B(a, b) = xa−1 (1 − x) dx = , a > 0, b > 0.
0 Γ(a + b)

Una formula utile per il valore atteso:


Se X ha f.d.r. F (x), allora
Z +∞ Z 0
E(X) = [1 − F (x)] dx − F (x)dx .
0 −∞

Il valore atteso esiste se e solo se entrambi gli integrali convergono.

Sui quantili della distribuzione chi quadrato.


Per n (gradi di libertà) superiore a 30 una buona approssimazione per i quantili della chi-quadro è data
√ 2
da χ2α (n) ' 21 zα + 2n − 1 , dove zα è il corrispondente quantile della normale standard.

Alcune formule di calcolo combinatorio


• Pn : numero delle permutazioni di n oggetti (numero degli ordinamenti possibili per n oggetti distinti)

Pn = n!

• Dn,k : numero delle disposizioni di n oggetti in k posti, 1 ≤ k ≤ n (da n oggetti distinti se ne scelgono
k e si ordinano in k posti; scelte diverse dei k oggetti e ordinamenti diversi degli stessi k oggetti
danno luogo a disposizioni diverse)

n!
Dn,k = n(n − 1) · · · (n − k + 1) = Dn,n = Pn
(n − k)!

2

• Dn,k : numero delle disposizioni con ripetizione di n oggetti in k posti, k ≥ 1 (numero degli allineamenti
in k posti di k oggetti scelti tra n tipi di oggetti ripetibili; cioè come sopra, ma con possibilità di
ripetizioni)

Dn,k = nk
Un esempio: numero delle parole di k lettere che si possono formare con un alfabeto di n simboli.
• Cn,k : numero delle combinazioni di n oggetti di classe k, 0 ≤ k ≤ n (numero delle scelte di k oggetti
tra n; numero dei sottoinsiemi di k elementi di un insieme composto da n oggetti — simile al caso
delle disposizioni, ma adesso non conta l’ordine)
 
Dn,k n! n
Cn,k = = =: coefficiente binomiale
Pk k!(n − k)! k

• Pk∗1 ,k2 ,...,kr : numero delle permutazioni con ripetizione di n oggetti di cui k1 uguali tra loro, . . . , kr
Pr
uguali tra loro, con j=1 kj = n (cioè il numero degli allineamenti in n posti di n oggetti come
specificato)
n! n!
Pk∗1 ,k2 ,...,kr = ≡ Qr
k1 !k2 ! · · · kr ! j=1 (kj !)
 
∗ n
In particolare Pk,n−k = = Cn,k .
k

Ricordare: nelle disposizioni conta l’ordine, nelle combinazioni non conta l’ordine.

3
Test di ipotesi di livello di significatività α

Attenzione: zα , tα,n , χ2α,n e fα,n,m , sono i punti percentuali (o quantili di coda destra) di ordine α della
distribuzione gaussiana standard, t-Student con n gradi di libertà, χ2 con n gradi di libertà e F di Fisher
con n, m gradi di libertà, rispettivamente.

Media
Con varianza nota, campione normale o numeroso
X n − µ0 √
Statistica test Z0 := n z0 = valore assunto dalla statistica test
σ0

• H0 : µ = µ0 contro H1 : µ 6= µ0 rifiuto H0 se |z0 | ≥ zα/2


• H0 : µ = µ0 o H0 : µ ≥ µ0 contro H1 : µ < µ0 rifiuto H0 se z0 ≤ −zα
• H0 : µ = µ0 o H0 : µ ≤ µ0 contro H1 : µ > µ0 rifiuto H0 se z0 ≥ zα

Con varianza incognita, campione normale o numeroso


X n − µ0
Statistica test T0 := p t0 = valore assunto dalla statistica test
Sn2 /n

• H0 : µ = µ0 contro H1 : µ 6= µ0 rifiuto H0 se |t0 | ≥ tα/2,n−1

• H0 : µ = µ0 o H0 : µ ≥ µ0 contro H1 : µ < µ0 rifiuto H0 se t0 ≤ −tα,n−1


• H0 : µ = µ0 o H0 : µ ≤ µ0 contro H1 : µ > µ0 rifiuto H0 se t0 ≥ tα,n−1

Campione di Bernoulli numeroso


X n − p0 √
Statistica test Z0 := p n z0 = valore assunto dalla statistica test
p0 (1 − p0 )

• H0 : p = p0 contro H1 : p 6= p0 rifiuto H0 se |z0 | ≥ zα/2


• H0 : p = p0 o H0 : p ≥ p0 contro H1 : p < p0 rifiuto H0 se z0 ≤ −zα

• H0 : p = p0 o H0 : p ≤ p0 contro H1 : p > p0 rifiuto H0 se z0 ≥ zα

Varianza
Con media incognita, campione normale
(n − 1)Sn2
Statistica test X02 := x20 = valore assunto dalla statistica test
σ02

• H0 : σ 2 = σ02 contro H1 : σ 2 6= σ02 rifiuto H0 se x20 ≥ χ2α/2,n−1 o x20 ≤ χ21−α/2,n−1

• H0 : σ 2 = σ02 o H0 : σ 2 ≥ σ02 contro H1 : σ 2 < σ02 rifiuto H0 se x20 ≤ χ21−α,n−1


• H0 : σ 2 = σ02 o H0 : σ 2 ≤ σ02 contro H1 : σ 2 > σ02 rifiuto H0 se x20 ≥ χ2α,n−1

4
Differenza tra medie µX − µY
Con varianze note, campioni indipendenti normali
Xn − Y m
Statistica test Z0 := q 2 2
z0 = valore assunto dalla statistica test
σX σY
n + m

• H0 : µX = µY contro H1 : µX 6= µY rifiuto H0 se |z0 | ≥ zα/2


• H0 : µX = µY o H0 : µX ≥ µY contro H1 : µX < µY rifiuto H0 se z0 ≤ −zα
• H0 : µX = µY o H0 : µX ≤ µY contro H1 : µX > µY rifiuto H0 se z0 ≥ zα

Con varianze incognite ma uguali, campioni indipendenti normali


s
2 + (m − 1)S 2
(n − 1)SX
Xn − Y m Y
Statistica test T0 := q , SP := , t0 = val. assunto dalla stat. test
S 1
+ 1 n+m−2
P n m

• H0 : µX = µY contro H1 : µX 6= µY rifiuto H0 se |t0 | ≥ tα/2,n+m−2


• H0 : µX = µY o H0 : µX ≥ µY contro H1 : µX < µY rifiuto H0 se t0 ≤ −tα,n+m−2
• H0 : µX = µY o H0 : µX ≤ µY contro H1 : µX > µY rifiuto H0 se t0 ≥ tα,n+m−2

Con varianze incognite, campioni indipendenti numerosi


Xn − Y m
Statistica test Z0 := q 2 2
z0 = valore assunto dalla statistica test
SX SY
n + m

• H0 : µX = µY contro H1 : µX 6= µY rifiuto H0 se |z0 | ≥ zα/2

• H0 : µX = µY o H0 : µX ≥ µY contro H1 : µX < µY rifiuto H0 se z0 ≤ −zα


• H0 : µX = µY o H0 : µX ≤ µY contro H1 : µX > µY rifiuto H0 se z0 ≥ zα

Campioni indipendenti di Bernoulli numerosi


Xn − Y m nX n + mY m
Statistica test Z0 := q , P̂ := z0 = val. assunto dalla stat. test
P̂ (1 − P̂ ) 1
+ 1 n+m
n m

• H0 : pX = pY contro H1 : pX 6= pY rifiuto H0 se |z0 | ≥ zα/2


• H0 : pX = pY o H0 : pX ≥ pY contro H1 : pX < pY rifiuto H0 se z0 ≤ −zα
• H0 : pX = pY o H0 : pX ≤ pY contro H1 : pX > pY rifiuto H0 se z0 ≥ zα

5
Campioni bivariati gaussiani per dati accoppiati
Wi := Xi − Yi , i = 1, . . . , n,
Wn
Statistica test T0 := q 2 t0 = valore assunto dalla statistica test
SW
n

• H0 : µW := µX − µY = 0 contro H1 : µW := µX − µY 6= 0 rifiuto H0 se |t0 | ≥ tα/2,n−1


• H0 : µX = µY o H0 : µX ≥ µY contro H1 : µX < µY rifiuto H0 se t0 ≤ −tα,n−1

• H0 : µX = µY o H0 : µX ≤ µY contro H1 : µX > µY rifiuto H0 se t0 ≥ tα,n−1

2
Rapporto tra varianze σX /σY2
Con medie incognite, campioni indipendenti normali di numerosità n ed m rispettivamente
2
SX
Statistica test F0 := f0 = valore assunto dalla statistica test
SY2

• H0 : σX
2
= σY2 contro H1 : σX
2
6= σY2 rifiuto H0 se f0 ≥ fα/2,n−1,m−1 o f0 ≤ f1−α/2,n−1,m−1
• H0 : σX
2 2
= σY2 o H0 : σX 2
≥ σY2 contro H1 : σX < σY2 rifiuto H0 se f0 ≤ f1−α,n−1,m−1
• H0 : σX
2 2
= σY2 o H0 : σX 2
≤ σY2 contro H1 : σX > σY2 rifiuto H0 se f0 ≥ fα,n−1,m−1

6
Test χ2
Adattamento ad una densità completamente specificata, campione numeroso
• (x1 , . . . , xn ) campione osservato da una funzione di massa P (X = i) =: pi , i = 1, . . . , k non nota
• ni := “numero di volte che i appare in (x1 , . . . , xn )”
Pk
• p0i , i = 1, . . . , k, numeri positivi tali che i=1 p0i = 1.

k k
!
X (ni − np0 )2 i
X n2i
x20 := = −n
i=1
np0i i=1
np0i

H0 : (p1 , . . . , pk ) = (p01 , . . . , p0k ), contro H1 “H0 è falsa”: rifiuto H0 se x20 ≥ χ2α,k−1 .

Adattamento ad una densità con m parametri incogniti, campione numeroso


• (x1 , . . . , xn ) campione osservato da una funzione di massa P (X = i) =: pi , i = 1, . . . , k non nota
• ni := “numero di volte che i appare in (x1 , . . . , xn )”
• p0i (λ1 , . . . , λm ), i = 1, . . . , k funzioni positive note ma dipendenti da λ1 , . . . , λm parametri incogniti
Pk
e tali che i=1 p0i = 1.
• p̂0i stimatore di p0i , i = 1, . . . , k

k k
!
X (ni − np̂0 )2i
X n2i
x20 := = −n
i=1
np̂0i i=1
np̂0i

H0 : (p1 , . . . , pk ) = (p01 (λ1 , . . . , λm ), . . . , p0k (λ1 , . . . , λm )) per qualche (λ1 , . . . , λm ), contro H1 : “H0 è
falsa”: rifiuto H0 se x20 ≥ χ2α,k−m−1 .

Indipendenza
• ((x1 , y1 ), . . . , (xn , yn )) campione osservato da una funzione di massa P (X = i, Y = j) =: pi,j ,
i = 1, . . . , r, j = 1, . . . , s, non nota
• ni,j := “numero di volte che (i, j) compare in ((x1 , y1 ), . . . , (xn , yn ))”
Ps
• ni := “numero di volte che i compare in (x1 , . . . , xn )” = j=1 ni,j
Pr
• mj := “numero di volte che j compare in (y1 , . . . , yn )” = i=1 ni,j .
• p̂i := ni /n

• q̂j := mj /n

  
r X s 2 r X s 2
X (n i,j − np̂ i q̂ j ) X n i,j
x2∗ := = n   − 1
i=1 j=1
np̂ i q̂j i=1 j=1
n i m j

H0 : X e Y sono indipendenti, contro H1 : “H0 è falsa” rifiuto H0 se x2∗ ≥ χ2α,(r−1)(s−1) .