Università degli Studi di Brescia

Metodi Matematici e Informatica per la Finanza

Richiami di probabilità 1

Paolo Falbo
Metodi Matematici e Informatica per la Finanza 2

1 Informazioni generali sul corso

Libro di testo:
Thomas Mikosch, Elementary Stochastic Calculus With
Finance in View, World Scientific Press, Singapore 1998
Esame:
L’esame è suddiviso in due parti, informatica e matematica,
corrispondenti ai due moduli con cui è organizzato il corso.
Esso verrà registrato con esito positivo quando sarà stato
acquisito un voto sufficiente per entrambe le parti.
Per ciascuna parte sono previste una prova scritta e una
prova orale. L’accesso alla prova orale è soggetto ad una
valutazione sufficiente di quella scritta. Potranno concorrere
alla formazione del voto finale i punti acquisiti dagli studenti
nello svolgimento di esercizi assegnati dal docente durante il
corso.
Si raccomanda vivamente di sostenere le due parti dell’esame
secondo la propedeuticità prevista (prima la parte di informat-
ica e poi quella matematica). Le due parti dovranno essere
superate entro il periodo di un anno. In particolare dopo avere
superato la prima parte, la seconda dovrà essere sostenuta entro
il termine della corrispondente sessione d’esame dell’anno
successivo. Il mancato rispetto di questo vincolo comporta
l’obbligo di sostenere nuovamente la prima prova.
Metodi Matematici e Informatica per la Finanza 3

2 Richiami di teoria della probabilità

2.1 Lo spazio degli eventi, gli eventi, gli eventi elementari
Nella teoria della probabilità l’insieme di tutti i possibili eventi
o stati di natura (riferiti ad un certo esperimento) si denota
normalmente con il simbolo e viene usualmente denominato
spazio degli eventi oppure spazio campionario. Ogni elemento
! appartenente allo spazio è detto evento elementare. Occorre
sviluppare una certa elasticità nell’identificare nei casi della vita
reale cosa sia e cosa !:
Esempi di spazio degli eventi.
(1) Alcuni spazi campionari sono elementari, in particolare quelli
dove i possibili eventi sono numerabili e finiti.
– Lancio una moneta: due eventi elementari, testa o croce,
= f! 1; ! 2g :
– Lancio un dado: sei eventi elementari, i valori delle 6
facce, = f! 1; :::; ! 6g :
– Opzioni digitali: pagamento di una somma nel caso si
verifichi oppure no un evento prefissato entro una certa
data, = f! 1; ! 2g
(2) Spazi campionari con eventi numerabili infiniti
– Numero di mesi per uno Stato per rientrare nei parametri
di Maastricht Debito/Pil attraverso politiche di restrizione
del deficit = f! 1; ! 2; :::g
Metodi Matematici e Informatica per la Finanza 4

– Numero di mesi per una banca necessario per recupare il

totale dei suoi crediti a rischio = f! 1; ! 2; :::g
(3) Spazi campionari infiniti non numerabili (continui)
– Il tempo t intercorrente per un dato operatore finanziario
tra due ordini di acquisto. Il tempo è una variabile
continua, non è possibile conteggiarne tutte le possibili
frazioni, = ft 2 [0; 1]g
(4) Spesso accade che un esperimento sia ripetuto 2, 3, ..., n
volte. In questi casi talvolta conviene concepire lo spazio
degli eventi come il prodotto cartesiano dei singoli spazi,
cioè = 1 2 ::: n ; ossia come insieme di
tutte le combinazioni che si possono ottenere con gli eventi
elementari previsti in ciascuno spazio. Il generico evento
elementare ! 2 verrà indicato in questi casi come n-pla
(! 1; ! 2; :::! n) :
– il lancio di una moneta prevede solo due eventi elementari,
! = t oppure ! = c. Lanciare 3 volte una moneta prevede
8 (23) eventi elementari: Possiamo quindi porre
= f(ttt) ; (ttc) ; (tct) ; (tcc) ; (ctt) ; (ctc) ; (cct) ; (ccc)g
– la successione di movimenti al rialzo u e ribas-
so d di un titolo azionario osservati in n tempi,
1 = fu; dg ; 2 = fu; dg ; :::; n = fu; dg :
= f(uuu:::u) ; (uuu:::d) ; :::; (ddd:::d)g

Esercizio 1 Rappresentare graficamente i suddetti esempi di spazi

Metodi Matematici e Informatica per la Finanza 5

campionari .

Ogni sottoinsieme A di viene definito evento. Sono

quindi eventi gli insiemi che includono eventi elementari (tanti o
pochi, in numero finito o infinito non importa). Attenzione, sono
considerati insiemi anche alcuni casi particolari:
l’evento certo, ; (è l’evento che contiene tutti gli eventi
elementari)
l’evento impossibile, ; (l’insieme vuoto, in quanto vuoto si
spiega perché è detto impossibile)
l’evento singolo, f!g (include un singolo evento elementare)
Nella terminologia della teoria degli insiemi è definito
insieme universale, ! un elemento, A un insieme.
2.2 Unione e intersezione di eventi

L’operazione A [ B genera un evento (chiamato evento unione).

Esso contiene gli eventi elementari comuni e non comuni
contenuti in A e B:
L’operazione A \ B genera un evento (chiamato evento
intersezione). Esso contiene gli eventi elementari comuni sia ad
A che a B: Se l’intersezione A \ B non contiene alcun evento
elementare (intersezione vuota, ;), A e B si dicono disgiunti.
Osservazione 2 Gli eventi elementari sono incompatibili fra di
loro: se accade uno, non possono accadere gli altri. Per costruzione
essi sono disgiunti.
Metodi Matematici e Informatica per la Finanza 6

Osservazione 3 Affermazioni del tipo ’si è verificato A’ indicano

che si è realizzato un ! (evento elementare) contenuto in A: Se A
e B sono disgiunti, solo uno dei due può verificarsi. Se A \ B non
è vuoto, è possibile che si verifichino sia A che B:
Esempio 4 Consideriamo l’esperimento aleatorio che consiste nel
lancio di un dado e nell’osservazione del numero di punti sul-
la faccia superiore; allora gli eventi elementari sono ! 1 = 1,
..., ! 6 = 6. Individuiamo ora degli insiemi atti a rappresentare
dei possibili eventi dell’esperimento; ad esempio, A1 = fil nu-
mero di punti sulla faccia superiore è minore o uguale a 3g =
f! 1; ! 2; ! 3g, oppure A2 = fsi è verificato un numero parig =
f! 2; ! 4; ! 6g.
Esempio 5 Nell’esperimento di tre movimenti di prezzo di un tito-
lo, l’evento A ={il primo movimento è stato un rialzo} potrà es-
sere indicato come:
A = f(uuu) ; (uud) ; (udu) ; (udd)g :
L’evento B = {nei primi due movimenti c’è stato almeno un rial-
zo:
B = f(uuu) ; (uud) ; (udu) ; (udd) ; (duu) ; (dud)g :

Abituiamoci da subito a utilizzare correttamente la simbolo-

gia degli insiemi.
Si osservi che scrivere ffA1g ; :::; fAngg e fA1; :::; Ang non
Metodi Matematici e Informatica per la Finanza 7

è la stessa cosa: la prima espressione indica una insieme o raccolta

o famiglia di eventi, la seconda indica l’evento unione degli eventi
da A1 ad An. Posso ottenere quest’ultimo dal primo insieme at-
traverso l’operazione di unione:ffA1g [ fA2g [; :::; [ fAngg =
fA1; A2; :::; Ang :

3 Spazi di probabilità
Osservazione 6 Alcune domande apparentemente semplici:
cosa è l’informazione?
Come si rappresenta l’informazione posseduta da un agente
economico?
Come si può concludere che un’informazione è superiore a
/migliore di un’altra?
Raggruppare gli eventi elementari è un modo efficiente di model-
lare informazione. Con riferimento al precedente esempio, sapere
che si è verificato A; non ci fornisce un’informazione comple-
ta sulla terna di lanci effettivamente occorsa, tuttavia restringe
l’incertezza iniziale: da 8 eventi possibili a soli 4, visto che
l’evento A ci informa che nel primo lancio è risultato t e per-
tanto l’incertezza si riduce alle sole 4 combinazioni dei due
lanci residui.
Si potrebbe inoltre sostenere che A fornisce un’informazione
superiore a B; visto che l’informazione fornita da B lascia
Metodi Matematici e Informatica per la Finanza 8

un’incertezza residua maggiore:

Evidentemente, sapere quale evento elementare si è verifica-
to significa possedere l’informazione completa (zero incertezza
residua).

3.1 -algebre
Allo scopo di rendere preciso un modello di probabilità, dobbiamo
dichiarare quali eventi verranno presi in considerazione. Sia A
una famiglia di eventi appartenenti a . Per essere una -algebra,
essa dovrà soddisfare le seguenti proprietà:
(1) 2 A;
(2) se B 2 A, allora anche B c = nB 2 A;
(3) se Bn, n = 1; 2; :::, appartengono ad A, allora anche
S
+1
Bn 2 A.
n=1

In alcuni casi semplici e di dimensioni ridotte, la costruzione

di una -algebra è possibile manualmente. In particolare ciò è
possibile quando lo spazio degli eventi è scomposto (o meglio
partizionato) in eventi B1; B2; ::; Bn disgiunti a coppie (senza
eventi elementari in comune), con n numero abbastanza piccolo
(già se n > 4 l’esercizio si fa noioso). In tal caso si dimostra che,
attraverso le suddette operazioni di complemento e di unione,
sarà possibile costruire una -algebra di 2n elementi. Nel caso
in cui sia partizionato in numero infinito di eventi, anche la
Metodi Matematici e Informatica per la Finanza 9

corrsipondente -algebra conterrrà infiniti elementi.

Esercizio 7 Sia = f ; ; ; ; "; g. La famiglia F1 = f0; / g,

benché alquanto banale, ha le proprietà richieste per essere una
-algebra, così come
F2 = f0;
/ ; f ; ; "g; f ; ; gg,

F3 = f0;
/ ; f ; g; f ; g; f"; g; f ; ; ; g;
f ; ; "; g; f ; ; "; gg
e, ovviamente, l’insieme delle parti F4 = P( ). Per contro,
le stesse proprietà di una -algebra non sono verificate dalla
famiglia
F5 = f0;
/ ; f ; g; f ; g; f"; ; g; f ; "; g; f ; ; gg.
Si dica il perché. Si osservi inoltre che è F1 F2 F4,
F1 F3 F4, mentre tra F2 e F3 non vi è alcuna relazione
di inclusione.

3.1.1 Costruzione di una -algebra

Per costruire una -algebra occorre partire da uno spazio

partizionato.
Lo spazio degli eventi può essere suddiviso arbitrariamente
in eventi disgiunti.

Definizione 8 Se per gli eventi Ai 2 ; i = 1; :::; n si verifica

che:
 Metodi Matematici e Informatica per la Finanza 10

(1) Definizione 9 ogni coppia di tali eventi eventi è disgiunta (i.e.

Ai \ Aj = f0g / )e
n
[
l’unione di tali eventi genera ; cioè Ai =
i=1

Definizione 10 si dice che è partizionato in n eventi. La famiglia

S = ffA1g ; fA2g ; :::; fAngg costituisce una partizione di :
Data una partizione S di ; la costruzione di una -algebra
procede aggiungendo ad S :
(1) l’evento certo,
(2) tutti i possibili eventi complementari, Aci corrispondenti agli
eventi Ai presenti in S
(3) tutte le possibili unioni degli eventi Ai presenti in S
(4) reiterando i passi 2. e 3. fino a quando non è necessario
includere nuovi eventi.

Esercizio 11 Si consideri lo spazio = fa; b; c; d; e; f g : Si costru-

isca la -algebra corrispondente alla seguente partizione di ;
S = ffa; b; cg ; fd; e; g ; ff gg :
Si può dimostrare che è possibile definire una relazione
biunivoca fra partizioni e -algebre di . In particolare la
-algebra che si associa ad una partizione data è quella che si
costruisce attraverso le operazioni di unione e complementazione,
partendo dagli eventi della partizione. Al contrario, la partizione
Metodi Matematici e Informatica per la Finanza 11

associata ad una generica -algebra è quella più numerosa tra

quelle che è possibile ottenere unendo i suoi eventi disgiunti.
Grazie a questo legame biunivoco può essere talvolta comodo
considerare una partizione S al posto della corrispondente -
algebra. La costruzione di una -algebra è un esercizio fattibile
manualmente (i.e. con carta e penna) quando il numero di eventi
in gioco è relativamente piccolo. In generale se il numero di
elementi contenuti in una partizione di è k; la corrispondente
-algebra conterrà 2k eventi. Pertanto con k = 10 già ci troviamo
tra le mani una -algebra di 1024 elementi!
3.2 Misura di probabilità
Prendiamo in considerazione le probabilità con cui gli eventi
possono accadere. Per ciascun evento A 2 A, la probabilità di
A viene denotata con P (A). Nella teoria moderna la probabilità
viene pensata come una funzione di insieme, definita su A
(dominio) e a valori in [0; 1], in simboli P : A ! [0; 1]. Una
probabilità deve soddisfare le seguenti proprietà:
(1) P ( ) = 1;
S
+1 P
+1
(2) P An = P (An), se gli An sono due a due
n=1 n=1
disgiunti, cioè Ai \ Aj = 0/ se i 6= j (sigma additività).
Definizione 12 Dato uno spazio degli eventi e una -algebra
A, la coppia ( ; A) si chiama spazio misurabile.
Definizione 13 Dato uno spazio degli eventi e una -algebra
Metodi Matematici e Informatica per la Finanza 12

A, una funzione di insieme P definita su A che soddisfa le prece-

denti proprietà è detta misura di probabilità (o, in breve, proba-
bilità). La terna ( ; A; P ) viene chiamata spazio di probabilità.

Definizione 14 Per eventi A; B 2 A (regola della somma),

P (A [ B) = P (A) + P (B) P (A \ B)
e, nel caso in cui A e B siano disgiunti,
P (A [ B) = P (A) + P (B) .
Inoltre è:
P (Ac) = 1 P (A) ; P ( ) = 1; P (0)
/ = 0.

La probabilità dell’evento A \ B si determina in modo

più articolato. Inziamo per ora con il caso in cui A e B sono
indipendenti.

Definizione 15 Dati due eventi A e B indipendenti, si ha:

P (A \ B) o anche P (A; B) = P (A) P (B)

Torneremo più avanti su questo calcolo, quando introdurremo

il concetto di dipendenza e di probabilità condizionata.
Metodi Matematici e Informatica per la Finanza 13

3.3 Informazione e -algebre

La struttura teorica di una -algebra è particolarmente utile per
descrivere l’informazione che possediamo con riferimento ad
eventi aleatori. Discutiamo questo aspetto attraverso un esempio.

Esempio 16 Si consideri la situazione caratterizzata da tre movi-

menti al rialzo u o ribasso d di un titolo che sono già avvenuti,
ma di cui non abbiamo conoscenza. Lo spazio degli eventi è
= fuuu; uud; udu; udd; duu; dud; ddu; dddg.
In assenza di ogni informazione circa l’effettivo evento che si è
realizzato, tutto ciò che possiamo dire è semplicemente che uno
degli otto eventi elementari si è verificato con certezza. Questa
situazione informativa può essere rappresentata dalla seguente -
algebra F0:
F0 = f0;
/ g:

In effetti sapere che si è verificato l’unico evento possibile previsto

in F0 (cioè l’evento certo), è una informazione stupida priva di
utilità. Se costruiamo una nuova -algebra, F1, partendo dalla
seguente partizione di :
S1 = ffuuu; uud; udu; uddg; fduu; dud; ddu; dddgg
otterremo una descrizione del nostro grado di conoscenza più ric-
co. In effetti conoscere quali eventi di F1 (costruire la algebra
corrispondente) si sono verificati, ci informerà sull’esito del pri-
Metodi Matematici e Informatica per la Finanza 14

mo movimento di prezzo. F1 contiene più informazione di F0: Se

ora costruiamo la -algebra F2; sulla base della partizione S2
(ancora più fine):
S2 = ffuuu; uudg; fudu; uddg
fduu; dudg; fddu; dddgg,
realizziamo una rappresentazione della conoscenza superiore (che
contiene quella precedente). Conoscere quali eventi sono veri di
F2, ci permetterà di inferire quale è stato l’esito dei primi due
movimenti di prezzo. Se infine costruissimo la -algebra F3, sulla
base della partizione S3:
S3 = ffuuug; fuudg; fudug; fuddg;
fduug; fdudg; fddug; fdddgg,
essa risulterebbe quella con il maggiore contenuto informativo.
In effetti, conoscere quali eventi sono veri in F3; permetterà di in-
dividuare esattamente l’esito di tutti e tre i movimenti. Si osservi
che F3 = P( ).
Si vede dunque come l’incremento dell’informazione è ben de-
scritto da una successione di -algebre che diventano progressi-
vamente più ricche o fini. Più precisamente tale incremento infor-
mativo è equivalmente alla seguente catena di inclusioni:
F0 F1 F2 F3:
Metodi Matematici e Informatica per la Finanza 15

4 Variabili casuali
Premessa. Le variabili casuali sono funzioni matematiche
particolari, perché il loro dominio è uno spazio campionario :
Essere restituiscono valori numerici in risposta ad eventi guidati
dal caso. Le variabili casuali sono grandezze numeriche che
popolano quotidianamente la vita quotidiana di ciascuno di noi e
certamente caratterizzano il mondo economico e finanziario.
La natura dello spazio campionario (numerabile o continuo)
determina quello delle variabili casuali costruite su di esso. In
particolare avremo che le variabili casuali continue posso essere
costruite solo su spazi campionari continui. Viceversa le v.c.
discrete possono essere costruite partendo da spazi capionari
numerabili oppure partizionando spazi campionari continui.

Definizione 17 Sia dato uno spazio di probabilità ( ; A; P ). Una

variabile casuale è una qualsiasi funzione misurabile X : !
R:

Nella seguente figura è rappresentato ad uno spazio campi-

onario in cui sono definiti 9 eventi, E1; ::; E9. Supponendo che
sia rispettata la proprietà di misurabilità (che vedremo di seguito),
la funzione X (!) collega i nove eventi in ai sei valori in R. X
è pertanto una variabile casuale evidentemente di tipo discreto.
Metodi Matematici e Informatica per la Finanza 16

Variabile casuale X (!)

E’ importante chiarire il concetto di misurabilità di una
variabile casuale (vale per le funzioni in generale).

Definizione 18 Dato uno spazio misurabile ( ; A), si dice che

una funzione X : ! R è misurabile se fanno parte di A tutti
gli insiemi del tipo f! 2 : X(!) ag per ogni a 2 R.

In altre parole, una v.c. è misurabile quando, per ogni

intervallo ( 1; a] 2 R con a arbitrariariamente scelto, X
ammette controimmagine appartenente ad A. Sia inoltre B una
sotto- -algebra di A (i.e. B A). Se risulta che gli insiemi del
tipo f! 2 : X(!) ag 2 B per ogni a;allora X è anche una
variabile casuale B -misurabile. Gli eventi f! 2 : X(!) ag
sono le controimmagini di a mediante X; cioè:
X 1( 1; a] = f! 2 : X(!) ag
Una variabile casuale X può risultare non misurabile rispetto
alla -algebra dello spazio di probabilità ( ; A; P ) : Tuttavia per
Metodi Matematici e Informatica per la Finanza 17

la stessa v.c. X è in generale possibile identificare una nuova

-algebra, e quindi un nuovo spazio di probabilità ( ; A1; P ) ;
tale che X risulti misurabile.

Esempio 19 Si consideri l’esempio nella seguente successione di

immagini.

X è una variabile casuale definita su uno spazio

misurabile ( ; A) :
Metodi Matematici e Informatica per la Finanza 18

Se fissiamo un qualunque valore x tale

che a < x1 risulta evidentemente
X 1 ( 1; a] = ;

Selezionando a tale che x1 a < x2; si

ottiene evidentemente
X 1 ( 1; a] = E1
Metodi Matematici e Informatica per la Finanza 19

Scegliendo a tale che x2 a < x3;

osserviamo che
X 1 ( 1; a] = E1 [ E2 [ E3

Se infine fissiamo un qualunque a tale che

a x3; allora deduciamo che
X 1 ( 1; a] =
Le possibili controimmagini degli intervalli ( 1; a] ; con a
arbitrariamente fissato in R; sono pertanto 4: ;; E1; E1 [ E2 [
E3; : Affinché X sia misurabile è necessario che questi 4 eventi
appartengano alla -algebra prefissata A:
Metodi Matematici e Informatica per la Finanza 20

Esempio 20 Si consideri uno spazio di probabilità ( ; A; P ), dove

= f! 1; ! 2; ! 3; ! 4; ! 5; ! 6g
e
A = f0; / f! 1g ; f! 2; ! 3; ! 4; ! 5; ! 6g ; g ;
sia data poi la seguente v.c. X : ! R
X(! i)
!1 2
!2 2
!3 4
!4 4
!5 4
!6 4
Possiamo verificare facilmente che X non rappresenta una vari-
abile casuale misurabile rispetto allo spazio di probabilità asseg-
nato. Scelto, ad esempio, l’intervallo ( 1; 2], si trova che gli ! i
per cui X 2 ( 1; 2] costituiscono l’insieme f! 1; ! 2g che non
appartiene ad A; quindi, X non è A-misurabile.
Si deduce abbastanza agevolmente che una -algebra per cui X è
invece misurabile è: A1 = f0; / f! 1; ! 2g ; f! 3; ! 4; ! 5; ! 6g ; g.
La verifica di misurabilità va svolta per tutti i valori di a 2 R:
A questo scopo partizioniamo R negli intervalli: ( 1; 2); [2; 4);
[4; +1). Osservando che:
Metodi Matematici e Informatica per la Finanza 21

Controimmagini, X 1( 1; a]
a 2 ( 1; 2) 0/ 2 A1
a 2 [2; 4) f! 1; ! 2g 2 A1
a 2 [4; +1) 2 A1
concludiamo che X è effettivamente misurabile rispetto a A1:
Un’altra possibile -algebra per cui X è misurabile è
0;
/ f! 1; ! 2g ; f! 3; ! 4g ; f! 5; ! 6g ; f! 3; ! 4; ! 5; ! 6g ;
A2 = ;
f! 1; ! 2; ! 5; ! 6g ; f! 1; ! 2; ! 3; ! 4g ;
oltre, ovviamente, ad A3 = P( ). Nel nostro esempio vale A1
A2 A3: Notiamo che la più piccola -algebra per cui X sia
misurabile è A1.
Risulta utile e di frequente utilizzo la seguente definizione.
Definizione 21 Si definisce -algebra generata, naturale o indot-
ta da X; ed è indicata con (X); la più piccola -algebra per cui
X è misurabile.
Esercizio 22 Si consideri ora la v.c. X; dipendente dagli eventi
in dell’esempio dei tre movimenti al rialzo o ribasso di un titolo
azionario, che attribuisce 3 euro per rialzo e sottrae 1 euro per
ogni ribasso: Qual è la -algebra generata da X ? (Per semplicità
si risponda considerando la corrispondente partizione di ):

4.1 Variabili casuali discrete

Definizione 23 Una variabile casuale X è detta discreta se i pos-

Metodi Matematici e Informatica per la Finanza 22

sibili valori che essa assume in R al variare di ! 2 formano un

insieme finito o numerabile (cioè, numerabilmente infinito).

Dal momento che in uno spazio di probabilità ( ; A; P ) la

funzione P si occupa di distribuire un valore di probabilità ai
diversi elementi ! in ; anche i possibili valori di una variabile
casuale saranno soggetti a P: La seguente figura illustra l’idea.

Legame fra variabile casuale X e probabilità P

4.1.1 Funzioni di distribuzione e di probabilità

Come detto, ogni variabile casuale assume valori in R. Risulta

comodo descrivere con quali probabilità una variabile casuale X
assume alcuni tra i suoi valori, o ricade in determinati intervalli,
qualsiasi essi siano, cioè arbitrariamente scelti. Un interesse che
spesso si presenta in ambito finanziario è, ad esempio, quello
verso la probabilità che il rendimento X di un investimento
finanziario sia negativo o nullo, cioè P (X 0) :
Metodi Matematici e Informatica per la Finanza 23

Definizione 24 La collezione di probabilità

PX (B) = P (X 2 B) = P (f! : X (!) 2 Bg) ,
per sottoinsiemi B R, si chiama distribuzione di X .

Definizione 25 Se X è una variabile casuale discreta, allora la

funzione definita in R
P (X = x) > 0 se x è un valore assunto da X
pX (x) =
0 se x non è alcun valore assunto da X
è detta funzione di probabilità. Si intende che P (X = x) =
P (! 2 : X (!) = x).
Si dimostra agevolmente che
1
X
0 pX (x) 1, pX (xi) = 1.
i=1

La conoscenza della funzione di probabilità di una v.c.

discreta X permette di ottenere la sua distribuzione, PX .
Inoltre, nota la funzione di probabilità pX , si ricava facil-
mante la funzione di distribuzione FX .

Definizione 26 Nota la funzione di probabilità pX , la corrispon-

dente funzione di distribuzione FX si calcola come sommatoria:
X
FX (x) = pX (y), x 2 R. (1)
y x
Metodi Matematici e Informatica per la Finanza 24

Coerentemente al suo significato, cioè FX (x) = P (X x),

la sommatoria include le sole probabilità dei valori inferiori o
uguali alla soglia x: Dalle proprietà della funzione di distribuzione
FX , discende che, nel caso di variabili casuali discrete, FX è una
funzione a scalini, con punti di discontinuità per ogni xi ed i salti
nei punti di discontinuità valgono pX (xi) = P (X = xi).

5 Probabilità calcolate sugli eventi e

probabilità calcolate sui valori di una v.c.
Nella realtà quotidiana risulta molto pratico rappresentare pX (x)
e FX (x) senza ricordare tutte le volte il dominio e gli eventi
elementari !: Per correttezza dovremo tuttavia ricordare che la
scrittura FX (x) = P (X < x) sostituisce quella più precisa:
FX (x) = P (f! 2 : X(!) xg).
In modo analogo, la funzione di probabilità pX (x) =
P (X = x) sostuisce quella più precisa:
pX (x) = P (! 2 : X (!) = x) :
Le funzioni di probabilità pX (x) e FX (x) sono completamente
determinate dalla probabilità P fissata nella terna ( ; A; P ) e
descrivono correttamente la distribuzione dei possibili valori di
X.
Metodi Matematici e Informatica per la Finanza 25

Ω
[0,1]

ωa1 X(ω)
PX(xj)
ωa2 R PX(x)
ωb1 P{ω : ω ∈ Α}
ωb2

X = xj+1
X = xj

ωa1 ωb1 X = xi-1

ωa2 ωb2 ωa1 P
A∪Β ωa2
A
ωb1 ωa1
ωb2 B ωa2
ωb1 Ω
ωb2

F (σ-algebra)

Probabilità P e densità discreta di probabilità pX .

Talvolta, anzi frequentemente, accade che l’esito di un
esperimento consista direttamente in un valore x 2 R: A
cosa serve in questi casi la costruzione teorica degli spazi di
probabilità ( ; P; A) se con le funzioni di distribuzione (FX (x))
e probabilità (pX (x)) posso calcolare direttamente le probabilità
dei possibili valori di X ?
La risposta consiste nella necessità di:
formalizzare rigorosamente l’impatto delle informazioni
sulle probabilità degli eventi e
nella possibilità di calcolare le probabilità condizionate, che
sono alla base del calcolo di tutta la finanza moderna. Esse
sono argomento approfondito più avanti nel corso.
occasionalmente accade che le probabilità pX (x) siano
Metodi Matematici e Informatica per la Finanza 26

calcolabili più agevolemente partendo dalla terna ( ; A; P ) :