Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
01/05/2020
Zafonte Mario
Appendice Tesi – 1992/1993
Sommario
3. Variabili aleatorie...................................................... 21
3.1. Funzione densità di probabilità ........................................ 22
5. Bibliografia............................................................. 58
1. Analisi e rappresentazione dei dati
1/60
possono essere effettuate nel mondo, è pacifico che un campione di
l'importanza della buona scelta del campione quando si vuole dare una
2/60
1.1. Modalità, Frequenza
i. Caso discreto
lancio, esso può assumere, nella singola prova, uno solo dei valori
1,2,3,4,5,6.
3/60
TABELLA A.1
2 10 10/40=0,250
3 7 7/40=0,175
4 7 7/40=0,175
5 6 6/40=0,150
6 5 5/40=0,125
Σf=40 Σ(f/N)=1,000
10
Frequenza assoluta
0 1 2 3 4 5 6
Stato variabile
4/60
ii. Caso continuo
5/60
definisce in questo caso una "frequenza assoluta della classe" come
frequenza relativa.
6/60
A.2. è riportato l'istogramma di frequenza assoluta relativamente ai
TABELLA A.2
30
Frequenza assoluta delle classi
25
20
15
10
0
30-31
31-32
32-33
33-34
34-35
35-36
36-37
37-38
38-39
39-40
7/60
1.1.1. Poligono delle frequenze
l'ultimo).
8/60
160
140
120
100
80
60
40
20
0
30-31
31-32
32-33
33-34
34-35
35-36
36-37
37-38
38-39
39-40
Figura A.3 - Istogramma delle frequenze cumulate
160
140
120
100
80
60
40
20
0
30-31
31-32
32-33
33-34
34-35
35-36
36-37
37-38
38-39
39-40
9/60
1.2. Parametri caratteristici di una distribuzione di frequenza
X + X 2 + ..... + X N ∑X i
X= 1 = i =1
(A.1)
N N
10/60
1.2.2. Indici di dispersione
variazione è di 10 MPa.
∑ (X i − X) 2
s2 = i =1
(A.2)
N
∑ (X i − X) 2
s= i =1
(A.3)
N
11/60
1.3. Covarianza e coefficiente di correlazione lineare
lineare).
=∑ − − (A.4)
quantità
= − = − (A.5)
rapporto = = (A.6)
12/60
2. Eventi, insiemi e probabilità
2.1. Esperimento
13/60
2.3. Evento
certo".
considera come evento elementare l'uscita di uno dei sei numeri sulla
campione.
14/60
2.5. Eventi mutuamente esclusivi o incompatibili
= lim (A.7)
→
15/60
Questa definizione di probabilità detta anche empirica od a
implicitamente dall'ingegnere.
nell'intervallo [0,1] ⊂ R
P : F → [0,1]
i) Condizione di non-negatività
P(A)≥0
16/60
ii) Condizione di normalizzazione
P(Ω)=1 P(Φ)=0
di ciascun evento
= ∪ = +
essere pari a:
̅ =1− (A.8)
Essendo A ∩ A = Φ ed A ∪ A = Ω si ha infatti
Ω = ̅∪ = ̅ + =1
17/60
da cui segue la (A.8).
infatti, essendo
A ∪ B = A ∪(A ∩ B) (A.10)
Inoltre, essendo
iii) si ha
= ∩ ∪ ̅∩ = ∩ + ̅∩ (A.13)
̅∩ = − ∩ (A.14)
18/60
2.7. Probabilità condizionata ed eventi indipendenti
dalla relazione
∩
| = , >0 (A.15)
condizione
19/60
A ∩ B = Φ come abbiamo detto i due eventi si dicono incompatibili o
disgiunti.
20/60
3. Variabili aleatorie
X : Ω → R
ω → X(ω)=x
La V.A. gode della proprietà che per ogni numero reale r esiste una
P(ω : X(ω)≤r
21/60
pensi, ad esempio, ai risultati di una prova di resistenza a trazione
= ≤ ≤ (A.18)
1) = ≤ ≤ +
2) = = = 0 ⇒ = −∞ = 0, = +∞ = 0
22/60
3) −∞ ≤ ≤ +∞ = =1
X(ω)
= ≤ ≤
= ≤ ≤ +
= ≤ = 0 ≤ F(x) ≤ 1 (A.19)
23/60
Si noti che la scrittura (X≤x), rappresenta l'insieme dei punti
ω dello spazio campione Ω tale che i valori X(ω) siano sempre non
superiori a x, e cioè
= ∈ Ω| ≤ = (A.20)
dalla relazione
dF( x)
f ( x) = (A.21)
dx
F( x ) = P ( X ≤ x )
F( x ) = P ( X ≤ x )
24/60
Geometricamente, il valore F(x) della funzione di ripartizione
seguenti proprietà:
1) F( −∞ ) = P( X ≤ −∞) = 0
2) F( +∞ ) = P ( X ≤ +∞ ) = 1
3) F( x 2 ) − F( x1 ) = P ( x1 ≤ X ≤ x 2 )
= = ∙ (A.22)
25/60
Il valor medio di una variabile aleatoria rappresenta pertanto
ossia la (22).
3.4. Varianza
= = − (A.23)
f(x).
26/60
3.5. Deviazione standard
δ x = var X (A.24)
e cioè
δx
Cx = (A.25)
µx
27/60
3.8. Funzione di variabile aleatoria
X : Ω → R
ω → X(ω)=x
Y=ϕ(X) (A.27)
numero reale
Y(ω)=y=ϕ[X(ω)]=ϕ(x) (A.28)
28/60
Figura A.9 - Rappresentazione grafica di una funzione di V.A.
y=ϕ(x) (A.29)
f(x)dx=h(y)dy (A.30)
h(y)=f(x)dx/dy (A.31)
29/60
= ℎ (A.32)
= = (A.33)
si indica con mr[X] il valor medio della variabile aleatoria Xr. Data
= = (A.34)
in particolare risulta:
= = (A.35)
= = = (A.36)
= = (A.37)
30/60
3.10. Funzione caratteristica
= − = − (A.38)
= (A.39)
ottiene
M θ =M θ | + | + | + ⋯ .. (A.40)
!
31/60
da cui, essendo
ed in conseguenza
| = −i x f x dx = −i (A.42)
(−i)2 ( −i ) 3
M x (θ ) = 1 + ( − i )1 m1 X θ + m2 X θ 2 + m3 X θ 3 +.... (A.43)
2! 3!
ossia
∞
(−i) j
M x (θ ) = ∑ mj X θj . (A.44)
j= 0 j!
32/60
variabile aleatoria può essere caratterizzata pienamente, da un punto
d ln M x (θ) 1 d 2 ln M x (θ )
ln M x (θ ) = ln M x (θ) θ=0 + θ=0 θ + θ=0 θ 2 +.... (A.45)
dθ 2! dθ 2
da cui, posto
1 d j ln M x (θ)
kj X = θ=0 (A.46)
( −i) j dθ j
la relazione
lnM θ = ∑ !
(A.47)
33/60
Applicando ora la funzione esponenziale ad ambo i membri, si ottiene
la relazione
M θ = exp ∑ !
(A.48)
(Di Paola et al., 1991, [31]). Tali relazioni hanno la seguente forma
ricorsiva
(A.49)
34/60
e sono facili da ricordare, se si osserva che i coefficienti a secondo
variabile aleatoria
k 1 X = m1 X = E X = µ x (A.50)
variabile aleatoria
35/60
esso è legato al "coefficiente di asimmetria" γa, il quale è
k4 X
γe = (A.53)
k 22 X
valore massimo.
36/60
Dalle espressioni di Mx(θ) in funzione di f(x) o di mj[X] o di
≠ 0
= 0 ∀ ≥ 2
⇒ X è deterministica;
≠ 0; ≠ 0
= 0 ∀ ≥ 3
⇒ X è simmetrica e non ha eccesso per cui,
kj[X]=0 ∀j≥3:
= − − (A.54)
37/60
ossia
= − − (A.54a)
= − (A.55)
od anche
= − (A.55a)
√
cosa non può dirsi per i momenti di ordine maggiore del secondo.
38/60
La relativa funzione di ripartizione, applicando la (19), è data
da
= ≤ = − (A.56)
√
corrispondente a X e cioè
= (A.57)
poiché risulta
= − (A.58)
√
Φ = ≤ = − (A.59)
√
39/60
La rappresentazione grafica della (58) prende il nome di "curva
• −1 ≤ ≤1 = −1 ≤ ≤1 = − ≤ ≤ + = 0.6827
• −2 ≤ ≤2 = −2 ≤ ≤2 = −2 ≤ ≤ +2 = 0.9545
• −3 ≤ ≤3 = −3 ≤ ≤3 = −3 ≤ ≤ +3 = 0.9973
= +
≤ = − ≤ − = ≤ = ≤ ⇒
•
Φ = −
√
• ≤ ≤ =Φ −Φ
40/60
3.15. Funzione degli errori
funzione:
erf = − (A.60)
√
Tale funzione è legata alla funzione F.R.P.S. Φ(z); per z≥0 si ha:
41/60
4. Variabili aleatorie multidimensionali
X T = X1 X2 X3 . . . . Xn (A.62)
x T = x1 x2 x3 . . . . xn (A.63)
42/60
4.1. Funzione di ripartizione congiunta
x3,...Xn≤xn) e cioè
F(x1,x2,x3,...xn)=P(X1≤x1,X2≤x2,X3≤x3,...Xn≤xn) (A.64)
1 f x , x , x , . . . x ≥ 0
(A.65)
2 … …
f x , x , x , . . . x dx dx dx . . dx = 1
43/60
variabili aleatorie assumano valori definiti all'interno di
fornita da:
≤ ≤ , ≤ ≤ = f x , x dx dx (A.67)
44/60
4.3. Densità marginale
cioè
f x ,x ,x ,...x = … …
f x , x , x , . . . x dx dx dx . . dx (A.68)
seguente integrazione
f x = f x , x dx (A.69)
45/60
Dalle relazioni precedenti appare evidente che il numero di
46/60
4.5. Variabili aleatorie indipendenti
47/60
4.6. Valori caratteristici di una distribuzione bidimensionale
= = x f x , x dx dx = x f x dx
(A.73)
= = x f x , x dx dx = x f x dx
appresso riportate.
4.6.2. Varianza
= = − = − f x , x dx dx (A.74)
4.6.3. Covarianza
, = , = − − f x , x dx dx (A.75)
,
= , = (A.76)
48/60
4.6.5. Valor medio condizionato
| = x f x |x dx (A.77)
,
f x |x = (A.78)
Y = ϕ( X1 , X 2 ,.... X n ) (A.79)
la (33) e cioè
= = … ….
,…. f ,…. dx dx … (A.80)
49/60
E' facile mostrare che se la funzione vettoriale dipende solo
presente la (68), si ha
= , … = … ….
,…. f ,…. dx dx … =
… ….
,… dx dx … … ….
,… dx dx … =(A.81)
,… ,… dx dx …
… ….
seguente relazione
= f dx (A.82)
componente considerata.
50/60
4.8. Matrice di covarianza e di correlazione
matrice di covarianza,[V]
. . .
. . .
= . . . . . . (A.83)
. . . . . .
. . .
essendo
v ij = cov X i , X j
v ii = var X i
. . .
. . .
= . . . . . . (A.84)
. . . . . .
. . .
essendo
cov X i , X j v ij
ρij = =
σ xi σ x j v ii v jj
51/60
La matrice di covarianza [V] è simmetrica (in quanto vij=vji) ed
tipo
52/60
dell'algebra di Kronecker [31,39]. Infatti, è facile verificare che
secondo Kronecker.
dell'algebra di Kronecker.
53/60
E' importante notare che, per potersi effettuare il prodotto di
matrici.
⨂ ⨂ = ⨂ ⨂ (A.88)
+ ⨂ + = ⨂ + ⨂ + ⨂ + ⨂ (A.89)
⨂ ⨂ = ⨂ (A.90)
⨂ = ⨂ (A.91)
⨂ = ⨂ (A.92)
54/60
4.9.2. Forma vettorializzata di una matrice
= ⨂ (A.93)
A 1 = A; ⋅⋅⋅⋅⋅ A k +1 = A ⊗ A k (A.94)
proprietà
A k+ j = A k ⊗ A j
(A.95)
= (A.96)
55/60
4.10. Funzione caratteristica di v.a. multidimensionale
̅ = − ̅ ̅ f , ,.. dx dx … dx (A.97)
… ..
̅ =∑ ̅ (A.98)
!
56/60
4.11. Log-funzione caratteristica di v.a. multidimensionale
caratteristica, e cioè
̅ = − ̅ ̅ f , ,.. dx dx … dx (A.99)
… ..
̅ = ∑ ̅ (A.100)
!
57/60
5. Bibliografia
58/60