Sei sulla pagina 1di 1

VARIABILE ALEATORIA DISCRETA X.

P
1. f (xi ) = P(X = xi ) ∈ [0, 1] densità, P(X ∈ B) = xi ∈B f (xi )
P
2. F (x) = P(X ≤ x) = xi ≤x f (xi ) funzione di ripartizione
P
3. E(g(X)) = xi g(xi )f (xi ) valore atteso di g(X)
P
4. µ = E(X) = xi xi f (xi ) valore atteso di X (o media di X)
P P
5. V ar(X) = xi (xi − µ)2 f (xi ) = xi x2i f (xi ) − µ2 varianza di X

6. Bernoulli(p): f (k) = pk (1 − p)1−k , k ∈ {0, 1}; E(X) = p, V ar(X) = p(1 − p)


¡ ¢
7. Binomiale(n,p): f (k) = nk pk (1 − p)n−k , k ∈ {0, 1, . . . , n}; E(X) = np, V ar(X) = np(1 − p)
1−p
8. Geometrica(p): f (k) = p(1 − p)k−1 , k ∈ {1, . . . , n}; E(X) = p1 , V ar(X) = p2

(kr )(n−k
b
)
9. Ipergeometrica: f (k) = , max{0, n − b} ≤ k ≤ min{r, n}
(r+b
n )

λk −λ
10. Poisson(λ): f (k) = k! e , k ∈ {0, 1, . . . }; E(X) = λ, V ar(X) = λ

VARIABILE ALEATORIA CONTINUA X.


R R
1. f (x) ≥ 0, R f (x) dx = 1 densità, P(X ∈ B) = B f (x) dx
Rx
2. F (x) = P(X ≤ x) = −∞ f (t) dt funzione di ripartizione, dF
dx (x) = f (x)
R
3. E(g(X)) = R g(x)f (x) dx valore atteso di g(X)
R
4. µ = E(X) = R xf (x) dx valore atteso di X (o media di X)
R R
5. V ar(X) = R (x − µ)2 f (x) dx = R x2 f (x) dx − µ2 varianza di X
1 a+b (b−a)2
6. Uniforme(a,b): f (x) = b−a se a < x < b, zero altrove; E(X) = 2 , V ar(X) = 12

7. Esponenziale(λ): f (x) = λe−λx se x > 0, zero altrove; E(X) = λ1 , V ar(X) = λ12


³ ¡ ¢2 ´
8. Gaussiana o Normale(µ, σ 2 ): f (x) = σ√12π exp − 12 x−µ
σ ; E(X) = µ, V ar(X) = σ 2

9. Normale standard=Normale(0, 1)
ALGEBRA DEI VALORI ATTESI.
1. Linearità: E(aX + bY + c) = aE(X) + bE(Y ) + c
¡ ¢ 2
2. Varianza V ar(X) = E [X − E(X)]2 = E(X 2 ) − [E(X)]
p
3. Scarto quadratico medio o deviazione standard σ(X) = V ar(X)

4. Covarianza: Cov(X, Y ) = E ([X − E(X)][Y − E(Y )]) = E(XY ) − E(X)E(Y )

5. Coefficiente di correlazione lineare ρ(X, Y ) = Cov(X,Y )


σ(X)σ(Y ) ∈ [−1, +1]
P P P P
6. Covarianza di somme: Cov( i Xi , j Yj ) = i j Cov(Xi , Yj )

7. Varianza di una combinazione lineare: V ar(aX + bY + c) = a2 V ar(X) + b2 V ar(Y ) + 2abCov(X, Y ). Se X e Y


indipendenti, Cov(X, Y ) = 0