Sei sulla pagina 1di 5

TEORIA DELLE PROBABILITA’

EVENTO: Un evento è una qualunque proposizione verificabile, ossia che può


assumere due valori logici (vero o falso).
SPAZIO CAMPIONARIO: Dato un esperimento casuale, si dice SPAZIO CAMPIONARIO
l’insieme degli esiti di base dell’esperimento (indicato con S). Ogni evento è dunque
un sottoinsieme di S.
CALCOLO COMBINATORIO: si realizzino due esperimenti. Si supponga che il primo
esperimento abbiamo m esiti possibili, che per ognuno di questi il secondo
esperimento abbia n esiti possibili. Allora producono esiti finali distinti, avendo in
tutto mn esiti possibili.
ALGEBRA DEGLI EVENTI (proprietà)

1- P.commutativa: A∩B = B∩A e AUB = BUA


2- P.associativa: (A∩B) ∩C= A∩(B∩C) e (AUB) UC=AU(BUC)
3- P.distributiva: A∩(BUC)= (A∩B) U (A∩C) e AU(B∩C) = (AUB) ∩ (AUC)
4- Legge di DE MORGAN:

K eventi A1, A2,…, Ak _(U che va da i=1 a k)Ai_= (∩ che va da i=1 a k)Ai_
_(∩ da i=1 a k)Ai_= (U da i=1 a k)Ai_
MISURE DI PROBABILITA’
DEFINIZIONE CLASSICA: la probabilità P di un evento E, denotata P(E), è data dal
rapporto tra il numero di casi favorevoli all’evento di interesse e il numero
complessivo dei casi possibili.
P(E)= casi favorevoli/casi possibili
DEFINIZIONE FREQUENTISTA: la probabilità di un evento è il limite della frequenza
relativa con cui l’evento si manifesta in prove ripetute, sotto le stesse condizioni,
dell’ esperimento. (lim n->infinito) n(a)/n=P(A)
DEFINIZIONE SOGGETTIVISTA: la probabilità esprime il grado di fiducia che un
soggetto ha nel verificarsi di un evento A.
DEFINIZIONE ASSIOMATICO: Una misura di probabilità è un funzione P(*) definita
per ogni evento di S tale che: 0 minore uguale a P(A) minore uguale 1, P(S)=1
PROPRIETA’ DELLE PROBABILITA’
1. Se A ∩ B = ∅ allora P(A ∪ B) = P(A) + P(B)
2. P(Ac ) = 1 − P(A); DIM. 1=P(S)=P(AUAC)=P(A)+P(AC)
3. P(B\A) = P(B ∩ Ac ) = P(B) − P(A);
4. P(A ∪ B) = P(A) + P(B) − P(A ∩ B); DIM. (B∩AC)U(A∩B)=B e (B∩AC) ∩(A∩B)= ∅
5. Se A ⊂ B allora P(A) ≤ P(B); DIM A∩(B∩AC)= ∅ e AU(B∩Ac)=B
6. P(AUBUC)= P(A)+P(B)+P(C)-P(A∩B)-P(A∩C)-P(B∩C)+P(A∩B∩C)
7. DISUGUAGLIANZA DI BOOLE: K eventi A1, A2,..,Ak

2 eventi: P(A1UA2)=P(A1)+P(A2)-P(A1∩A2)
DIM. A1UA2=A1 U (A2 ∩ A1C)INCOMATIBILE

8.DISUGUAGLIANA DI BONFERRONI:

PROBABILITA’ CONDIZIONATE
TEOREMA DELLE PROBABILITA’ TOTALI: P(A)=P(A∩B)+P(A∩B C)=P(A|B)+P(B)+P(A|
BC)+P(BC)
TEOREMA DI BAYES: P(B|A)= P(A∩B)/P(A)= P(A|B)*P(B)/P(A|B)*P(B)+P(A|
BC)*P(BC)
ODD RATIO: rapporto a favore di un evento A è definito da P(A)/1-P(A). P(B|A)/P(B c|
A)[finale]=P(A|B)/P(A|BC)[rapporto di verosimile]*P(B)/P(Bc)[iniziale]
VARIABILI ALEATORIE
VARIABILE CASUALE: una variabile casuale X è una funzione che associa un numero
reale ad ogni evento elementare di S (finito,infinito o non numerabile). X:SR
FUNZIONE DI RIPARTIZIONE: data una variabile aleatoria X si definisce Funzione di
Ripartizione la funzione
F:R[0,1] tale che F(x)=P(X minore uguale x)
VARIABILI ALEATORIE DISCRETE: Una variabile aleatoria discreta X `e una funzione
X : S → R che assegna ad ogni evento elementare S un valore reale x tale che
P(x)=P(X=x).
CONDIZIONI: 1- ∑ (x:p(x)>0) p(x)=1, 2-p(x)>uguale0
VALORE ATTESO DI UNA VARIABILE DI UNA VARIABILE ALEATORIA: data una
variabile aleatoria discreta x si dice valore atteso la quantità E(x)= ∑ (x:p(x)>0
x*p(x)
PROPRIETA’ DI E(X):
1- E(a+bx)= a+bE(x)LINEARITA’
2- E(x+y)=E(x)+E(y)ADDITIVITA’
VARIANZA: considerata una variabile aleatoria x il cui valore atteso è media=E(x), si
definisce varianza la quantità VAR(x)= E[(x-media)2]= ∑(x:p(x)>0 (x-media)2*p(x)
PROPRIETA’ VARIANZA:
1- VAR(x)=E(x2)-[E(x)]2
DIM: VAR(x)=E[(x-media)2]=E(x2+media2-2xmedia)=E(x2)+media2-2mediaE(x)=E(x2)-
media2
2- VAR(a+bx)= b2var(x)
DIM: E(a+bx)=a+bE(x)
3- VAR(x+y)= VAR(x)+VAR(y) se x e y sono indipendenti.
VARIABILI ALEATORIE DISCRETE
BINOMIALE UNIMODALE: DIM P(X=x)/P(X=x-1)= (n x)px(1-p)n-x/(n x-1)px-1(1-p)n-
x+1
=(n-x+1)p>ugualex(1-p)
N<ugualep(n+1)
GEOMETRICA RETROCUMULATA: P(x>ugualek)= ∑[x=k a infinito] (1-p)x-1*p pongo
y=x-kx=y+k
=∑[y=0 a infinito] (1-p)y+k-1*p= (1-p)k-1*p*∑[y=0 a infinito] (1-p)y=
=(1-p)k-1p*1/p= (1-p)k-1 PROBABILITA’ DI AVERE UN SUCCESSO
VARIABILI ALEATORIE CONTINUE
DEFINIZIONE: una variabile aleatoria x si dice continua se esiste una funzione
f:RR0+ tale che p(x€B)=integrale da b f(x) dx per ogni sottoinsieme reale b. Inoltre, f
è detta Funzione di densità di x (P(a<x<b)=integrale da a a b di f(x)dx.
VALORE ATTESO: integrale[-infinito a +infinito] x f(x)dx
VARIANZA: integrale[-infinito a +infinito] (x-media)2*f(x)dx media=e(x)
APPROSSIMAZIONE BINOMIALE: E(x)=np VAR=np(1-p)
VARIABILI ALEATORIE BIDIMENSIONALI
DEFINIZIONE: una variabile aleatoria bidimensionale è una funzione (x,y):SR2 ogni
variabile aleatoria bidimensionale è caratterizzata da una funzione di ripartizione
bidimensionale.
Fxy(x,y)=P(X≤x, Y≤y) per ogni (x,y) appartenenti a R2
PROPRIETA’ DI F(X,Y):
1- Lim x+infinito Fxy(x,y)= Fy(y) funzione di ripartizione marginale di y (e
viceversa)
2- Lim x e yinfinito Fxy(x,y)=1
3- Lim x-infinito Fxy(x,y)=0 (e viceversa)
4- P(x1<x≤x2, y1<y≤y2)= F(x2,y2)-F(x2,y1)-F(x1,y2) + F(x1,y1) ≥ 0
NORMALIZZAZIONE N(0,1), ALLORA VAR=1
E(x)= integrale-infinito+infinito x*1/(radice2pi)e-xallaseconda/2= 1/(radice2pi)[-exallaseconda/2]-
+infinito
infinito = 1/(radice2pi)=0
E(x)2= integrale-infinito+infinito x2*1/(radice2pi)e-xallaseconda/2=1/(radice2pi)e-xallaseconda/2=1
VAR(X)=1-02

VARIABILI ALEATORIE INDIPENDENTI


DEFINIZIONE: due variabili aleatorie x e y caratterizzate dalla funzione di ripartizione
congiunta
Fxy(x,y)=Fx(x)*Fy(y) dove Fx e Fy sono le funzioni di ripartizione marginale
di x e di y
CASO DISCRETO: Pxy(x,y)=Px(x)*Py(y)
CASO CONTINUO: fxy(x,y)=fx(x)*fy(y)
CONVOLUZIONE: Fx+y(α)=integrale[-infinito a +infinito] fy(y) Fx(α-y) dy

VALORE ATTESO BIDIMENSIONALE


1- E(x+y)=E(x)+E(y)
2- E(x1+x2+..+xn)=E(x1)+E(x2)+..+E(xn)  ovvero E(∑ i=1 a n)= ∑[i=1 a n] E(xi)
3- E[g(x)*h(y)]= E[g(x)]*E[h(y)]  se x e y sono indipendenti
FUNZIONE GENERATRICE DEI MOMENTI CONGIUNTA
Per ogni insieme di n variabili aleatorie x1,..,xn la funzione generatrice dei momenti
congiunti , M(t1,..,tn) in t1,..,tn è definita da M(t1,..,tn)= E[e t1x1+..+tnxn]
DISTRIBUZIONE DELLA SOMMA 2 VARIABILI BINOMIALI E INDIPENDENTI
Mx+y(t)=Mx(t)My(t)=(pet+1-p)m-n
COVARIANZA E COEFFICIENTE DI CORRELAZIONE BIDIMENSIONALE
COV(x,y)= E[(x-mediax)(y-mediay)]  dove mediax=E(x) e mediay=E(y)  =E(xy)-
E(x)*E(y)
P(x,y)= cov(x,y)/[radice]var(x)*var(y)