Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Ω = { � = � 1 , � 2 , … , � n , � i ∈ { successo = s, fallimento = f }
⏠⏣⏣⏣ ⏡moneta
lancio la ⏣⏣⏣ ⏢
n volte fissate
#Ω finita
� - algebra F = P(Ω)
La variabile aleatoria binomiale X è definita così:
Ω → R
"n° di successi n
X:
� ⇝ X(�) = ottenuti nelle = ∑ 1 { s } (� i )
n prove" i=1
Osservazione
Il supporto S di X è:
S {0 1 2 }
E' evidente che su n prove io possa avere al minimo 0 successi ed al più n successi.
In ogni caso ha senso chiedersi quale sia la probabilità:
1
P X=
2
Ma siccome è impossibile avere mezzo successoi (lanciando la moneta ho ottenuto
mezza
volta testa) il risultato non potrà che essere:
1
P X= =0
2
1
Non foss'altro per definizione di supporto e per il farto che ∉S
2
Osservazione
La densità discreta è:
P(X = x) , x ∈ R
Siccome non è molto interessante porsi domande fuori dal supporto, spesso si scrive:
P(X = x i ) , x i ∈ S
Per esprimere lo stesso concetto possiamo riscriverlo come:
P(X = k) , k = 0, 1, 2, … , n
⏠⏣⏣⏣⏡⏣⏣⏣
� X ({ k }) ⏠⏣⏣⏣⏣
⏢ e qui elenco tutti gli ⏡⏣⏣⏣⏣
elementi del⏢
suppporto
La densità discreta la deriviamo come segue:
Considero un generico elemento del nostro spazio campionario Ω che sia favorevole al
{X = k}
verificarsi dell'evento ↓
{ � / X(�) = k }
Per esempio fissiamo k = 3 ed n = 5 conduciamo l'esperimento usando una moneta
bilanciata.
Mi serve una sequenza di 5 prove con 3 successi:
� = (s, f, s, s, f)
1 1 1 1 1 1
P({ � }) = ⋅ ⋅ ⋅ ⋅ = 5
2 2 2 2 2 2
Se avessi avuto una moneta non bilanciata avrei:
probabilità n° n°
probabilità
fallimento successi fallimenti
successo
⏞ ⋅ ⏜⏟⏟ ⏝⏟⏟⏞ ⏜⏟⏟
⏝⏟⏟
⏞ ⏜⏟⏟
⏝⏟⏟
⏞
P({ � }) = ⏜⏟⏟
p⏝⏟⏟ ( 1 - p) ⋅ p ⋅ p ⋅ ( 1 - p) = p 3 ( 1 - p) 2
In generale:
n° n°
successi fallimenti
⏜⏟⏟
⏝⏟⏟
k
⏞ ⏜⏟⏟
⏝⏟⏟
n-k
⏞
P({ � }) = p ⋅ ( 1 - p)
Queso è la probabilità di un singolo evento favorevole a x=k.
Però ci sono più di un evento favorevole.
Devo contare allora quanti di questi � favorevoli ci siano.
numero eventi
favorevoli
⏜⏟⏟⏟
⏝⏟⏟⏟
n ⏞
P(X = k) = p k ⋅ (1 - p) n-k ⋅ k
, k ∈ S = { 0, 1, … , n } (1)
⏠⏣⏣⏣ ⏡⏣⏣⏣
probabilità di ⏢
un evento
Perchè questo coefficiente binomiale dentro (1)?
Supponiamo di avere la seguente sequenza:
s f f
Vorrei sapere quante siano tutte le sequenze con un solo successo e due fallimenti,
elenchiamole tutte:
s f f
f s f
f f s
3 3! 3⋅2
= = =3
1 2!1! 2
X ∼ BIN
⏜⏟⏟⏟
n ,
⏝⏟⏟⏟
p
⏞
n°⏦ ⏦
prove probabilità
successo
Osservazione
Th. binomiale
n di Newton
1 = ∑ P(X = k) = ∑
n k ⏜⏟⏟⏟
⏝⏟⏟⏟
⏞
p (1 - p) n-k = (p + (1 - p)) n = 1
k∈S k=0
k
1
X ∼ BIN 5,
2
5 prove ripetute indipendenti fra loro in cui lanciamo una moneta bilanciata.
-5 -4 -3 -2 -1 -0.10 1 2 3 4 5 6 7 8 9 10 11
-0.2
-0.3
1.2
1.1
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
-3 -2 -1 0 1 2 3 4 5 6 7
-0.1
-0.2
Non ci sono coefficienti perché esiste una sola sequenza di questo tipo:(f, f, f, … , s)
Osservazione (è sufficinte fermarsi al primo successo)
Perché si potrebbe pensare di considerare una successione di infinite prove (che del
resto
definiscono lo spazio dei campioni).
Però quando valuto P(X = k) di fatto considero una sequenza di lunghezza k:
k = 3 → P(X = 3)
Lancio la moneta ripetutamente, vorrei sapere la probabilità di avere il primo successo
alla
terza prova.
La mia sequenza dovrà perciò essere:
(f, f, s)
Però noi stiamo dicendo che lo spazio campionario è formato da sequenza di infiniti lanci.
Quindi se immagino di aggiungere una quarta "inutile" prova:
f, f, s , s = �'
↗
(f, f, s) 2 possibilità
↘
f, f, s , f = �''
Queste due possibilità hanno in comune la parte quadrettata, che è poi la sequenza di 3
prove, che di fatto ci interessava.
Immaginiamo di voler valutare:
scritto così per
semplicità di fatto è
l'insieme di tutte le
sequenze che hanno
queste prime 4 coordinate
P
⏜⏟⏟⏟⏟
⏝⏟⏟⏟⏟
�'
⏞ = ( 1 - p) 2 p 2
P({ �'' }) = (1 - p) 3 p
P(� = (f, f, s)) = P � = (f, f, s, s) ∪ � = (f, f, s, s) = P({ �' }) + P({ �'' }) =
⏠⏣⏣⏣⏣⏣⏣⏣
quantità⏡⏣⏣⏣⏣⏣⏣⏣
disgiunte ⏢
2 2 3 2 2 (3)
Se no prendiamo (2) e poniamo k=3 otteniamo proprio:
p(1 - p) k-1 = p(1 - p) 3-1 = p(1 - p) 2
Che è proprio ciò che abbiamo ottenuto in (3)
Perciò va benissimo fermarsi al primo successo.
Osservazione
ci aspettiamo che essa serie geometrica
dia valore 1 perché
stiamo sommando su ⏜⏟⏟⏟
⏝⏟⏟⏟ ⏞
equivalgo
tutto il supporto cambiando
l'esponente
⏜⏟⏟⏟
∞ ⏝⏟⏟⏟
⏞ ∞ ∞
1
∑ P(X = k) = ∑ (1 - p) ∑
k-1 ⏜⏟⏟
⏝⏟⏟
k ⏞
p=p ( 1 - p) =p =1
k=1 k=1 k = 0 ⏠⏣⏣⏡⏣⏣ ⏢ 1 - ( 1 - p)
⏠⏣⏣ ⏡⏣⏣ ∈ (0,1)
⏢
sposto l'indice
P X = k + m|
⏜⏟⏟⏟ X>k
⏝⏟⏟⏟ ⏞ = P(X = m)
⏠⏣⏣⏣⏣⏣⏣ ⏡⏣⏣⏣⏣⏣⏣ ⏠⏣⏣⏣ ⏡⏣⏣⏣ ⏢
la probabilità che ci si fermi alla ⏢ probabilità di avere
prova k+m il primo successo
nella prova m
Io lancio la moneta e ottengo sempre fallimento, fallimento, fallimento, fallimento.....
Sono arrivato al lancio k.
La probabilità di avere il primo successo tra m lanci, considerato che ho già lanciato k
volte,
è uguale alla probabilità di avere il successo al lancio m-esimo partendo dall'inizio.
cioé io perdo la memoria.
Ciò che è successo nel passato non è più importante le probabilità non si modificano.
Dimostrazione
è evidente che X=k+m ⊂ X>k
perchè se X=k+m allora è anche
più grande di k, ma anziché parlare
di un solo valore prendo un qualunque
valore maggiore di k
⏜⏟⏟⏟⏟⏟ ⏝⏟⏟⏟⏟⏟
intersezione tra i due eventi ⏞
P
⏜⏟⏟⏟⏟ ⏝⏟⏟⏟⏟
X = k + m, X > k
⏞
P(X = k + m|X > k) = =
P(X > k)
⏠⏣⏣⏣⏣⏣⏣
definizione ⏡
di⏣⏣⏣⏣⏣⏣
probabilità ⏢
condizionata
densità discreta
GE(p)
⏜⏟⏟⏟
⏝⏟⏟⏟⏞
k+m-1
P(x = k + m) p( 1 - p) p(1 - p) k+m-1
= = ∞
= ∞ k
=
P(X > k)
∑ p( 1 - p) j-1 ∑ p( 1 - p) j-1
- ∑ p( 1 - p) j-1
j=k+1 j=1 j=1
⏠⏣⏣⏣ ⏡⏣⏣⏣
siccome guardo ⏢
X>k ⏠⏣⏣⏣ ⏡⏣⏣⏣
serie geometrica⏢ somma
⏠⏣⏣⏣ ⏡⏣⏣⏣
parziale ⏢
della
devo andare da k+1 fino ad ∞ serie geometrica
⏠⏣⏣⏣⏣⏣⏣
scriviamo⏡ci⏣⏣⏣⏣⏣⏣
la serie ⏢
completa e togliamo i termini
che abbiamo aggiunto
p(1 - p) k+m-1 p(1 - p) k+m-1
= = k
= p(1 - p) m-1 = P(X = m) QED ⊠
1 1-(1-p) k 1 - 1 + ( 1 - p)
p 1 - (1 - p ) - p 1 - (1 - p )
S= r , r + 1, r + 2, …
⏦
il n° di prove
per ottenere r successi
non può essere meno di r
f, f, s , f, s , f, f, f, s (4)