L17 - Le Variabili Casuali Discrete

Università degli Studi di Napoli
Federico II
DiSES
Dipartimento di Scienze Economiche e Statistiche
Corso di
Statistica (CLEC, A-K)
Lezione 17:
Le variabili casuali discrete
A. a. 2020-21
marco gherghi
gherghi@unina.it
Università degli Studi di Napoli Federico II Corso di STATISTICA
M. GHERGHI
Dipartimento di Scienze Economiche e Statistiche – Laurea in Economia e Commercio A NNO ACCADEMICO 2020.21
La variabile casuale Uniforme

X ∼ Ud n ()
Una variabile casuale X si dice seguire una distribuzione Uniforme di parametro n se assume
valori su un insieme finito {x1, x2, …, xn} e la sua funzione di probabilità è la seguente:
(
P X = xi = ) 1
n
i = 1,..., n
I suoi momenti caratteristici risultano essere:
( )
E X =
n +1
2
; Var X =
n2 −1
12
( )
LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

M. GHERGHI
La variabile casuale di Bernoulli

X ∼ Ber p ( )
E una v.c. che trae origine da una prova nella quale interessa verificare se l evento E si è
verificato o meno. E legata a prove di tipo dicotomico (o dicotomizzabili) i cui due possibili
risultati vengono indicati con i termini successo (1) e insucesso (0), (senza per questo
intendere che l evento successo sia necessariamente un evento piacevole!…)
Formalmente, una v.c. X discreta si definisce v.c. di Bernoulli se assume il valore 1 con
probabilità p e il valore 0 con probabilità 1-p. La sua distribuzione di probabilità è:
( ) ( )
1−x
x
P X = x = p 1− p
( )
E X = p ; Var X = p 1− p ( ) ( )
N.B. – La varianza della v.c. di Bernoulli assume valore massimo (1/4) quando è p=1/2. E questo,
infatti, il caso di massima incertezza, in cui risulta più difficile prevedere il risultato.

M. GHERGHI
La variabile casuale Binomiale

( )
X ∼ Bin n, p
Consiste nel ripetere n volte, e nelle medesime condizioni, lo schema successo-insuccesso

della v.c. di Bernoulli. Equivale all estrazione con ripetizione di n palline da un urna che ne
contiene H, di cui b bianche e (r) rosse.
La sua distribuzione di probabilità è:
⎛ ⎞
( ) ( )
⎛ ⎞ n!
P X = x = ⎜ n ⎟ p x 1− p
n−x
con : ⎜ n ⎟ = Coefficiente binomiale:
⎝ x ⎠ ⎝ x ⎠ x! n − x !( ) (numero di combinazioni in cui si possono
presentare x successi in n prove)
( ) ( )
E X = np ; Var X = np 1− p ( )
Proprietà della v.c. Binomiale

La v.c. Binomiale è simmetrica quando è p=1/2 e per n→⚯. E asimmetrica positiva per p<1/2 e
asimmetrica negativa per p>1/2.

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
10 lanci di una moneta 1
n = 10 ; p =
X Numero di teste uscite 2
X Coeff bin px(1-p)n-x P(X=x)

0 1 0,00098 0,00098
1 10 0,00098 0,00977
2 45 0,00098 0,04395
3 120 0,00098 0,11719
4 210 0,00098 0,20508
5 252 0,00098 0,24609
6 210 0,00098 0,20508
7 120 0,00098 0,11719
8 45 0,00098 0,04395
9 10 0,00098 0,00977
10 1 0,00098 0,00098

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
n = 10 ; p =
x n-x
X Coeff bin p (1-p) P(X=x)
0 1 0,00098 0,00098
n! 10!
1 10 0,00098
n = 10 ; x = 0 0,00977
⇒ = =1
2 45 0,00098 0,04395 (
x! n − x )! (
0! 10 − 0 ! )
?
3 120 0,00098 0,11719n!
n = 10 ; x = 1 ⇒ =
10!
=
10 × 9!
= 10
4 210 0,00098 (
x! n − x
0,20508 )! 1!× 9! 1!× 9!
5 252 0,00098 0,24609n! 10! 10 × 9 × 8! 10 × 9
n = 10 ; x = 2 ⇒ = = = = 45
6 210 0,00098 0,20508 (
x! n − x )! 2!× 8! 2!× 8! 2
7 120 0,00098 0,11719
n! 10! 10 × 9 × 8 × 7! 10 × 9 × 8
8 45 ⇒
n = 10 ; x = 3 0,04395
0,00098 = = = = 10 × 3 × 4 = 120
9 10 0,00098..
( )
x! n − x !
0,00977
3!× 7! 3!× 7! 3×2
10 1 0,00098. 0,00098

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
n = 10 ; p =
x n-x
f(x)
0 1 0,00098 0,00098 0,2461 …………...................................
1 10 0,00098 0,00977
2 45 0,00098 0,04395 0,2051 ………….........................
3 120 0,00098 0,11719

4 210 0,00098 0,20508
5 252 0,00098 0,24609
0,1172 …………................
6 210 0,00098 0,20508
7 120 0,00098 0,11719
8 45 0,00098 0,04395
0,0439 ………….......
9 10 0,00098 0,00977
10 1 0,00098 0,00098 0,0098 …........
0 1 2 3 4 5 6 7 8 9 10 X

M. GHERGHI

X ∼ Bin n, p ( )
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 2:
10 palline estratte (con reintroduzione)
da un urna con 80 palline bianche e 20 palline rosse 20
n = 10 ; p = = 0,2
100
X Numero di palline rosse uscite
X Coeff bin px(1-p)n-x P(X=x) f(x)
0 1 0,10737 0,10737
0,3020
1 10 0,02684 0,26844
0,2684
2 45 0,00671 0,30199
3 120 0,00168 0,20133
0,2013
4 210 0,00042 0,08808
5 252 0,00010 0,02642
6 210 0,00003 0,00551
0,1074
7 120 0,00001 0,00079
0,0881
8 45 0,00000 0,00007
9 10 0,00000 0,00000 0,0264
10 1 0,00000 0,00000 0,0055
0 1 2 3 4 5 6 7 8 9 10 X

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESERCIZIO
Da studi interni è noto che il 35% dei clienti del Supermercato GF paga con
tessera Bancomat o Carta di credito, gli altri in contanti.
Ad una cassa sono in fila 5 clienti. Qual è la probabilità che:
1. Paghino tutti in contanti?
2. Nessuno paghi in contanti?
3. Due paghino in contanti, gli altri con Carta?
4. I primi due paghino in contanti, gli altri con Carta?
5. Almeno 1 paghi con la Carta?

M. GHERGHI

ESERCIZIO
Da studi interni è noto che il 35% dei clienti del Supermercato GF paga con tessera Bancomat o Carta di
credito, gli altri in contanti.
Evento successo Paga con carta n=5 ; p=0,35

M. GHERGHI

ESERCIZIO
(
1. P X = 0 = ) 5!
0!× 5!
⋅ 0,35 0 ⋅ 0,655 = 0,116

M. GHERGHI

ESERCIZIO
(
1. P X = 0 = ) 5!
0!× 5!
⋅ 0,35 0 ⋅ 0,655 = 0,116
(
2. P X = 5 = ) 5!
5!× 0!
⋅ 0,355 ⋅ 0,65 0 = 0,005

M. GHERGHI

ESERCIZIO
(
1. P X = 0 = ) 5!
0!× 5!
⋅ 0,35 0 ⋅ 0,655 = 0,116
(
2. P X = 5 = ) 5!
5!× 0!
⋅ 0,355 ⋅ 0,65 0 = 0,005
(
3. P X = 3 = ) 5!
3!× 2!
⋅ 0,35 3 ⋅ 0,652 = 10 ⋅ 0,043 ⋅ 0,423 = 0,182

M. GHERGHI

ESERCIZIO
(
1. P X = 0 = ) 5!
0!× 5!
⋅ 0,35 0 ⋅ 0,655 = 0,116
(
2. P X = 5 = ) 5!
5!× 0!
⋅ 0,355 ⋅ 0,65 0 = 0,005
(
3. P X = 3 = ) 5!
3!× 2!
⋅ 0,35 3 ⋅ 0,652 = 10 ⋅ 0,043 ⋅ 0,423 = 0,182
{ }
4. P Contanti ∩ Contanti ∩ Carta ∩ Carta ∩ Carta = 0,652 ⋅ 0,35 3 = 0,423 ⋅ 0,043 = 0,0182

M. GHERGHI

ESERCIZIO
(
1. P X = 0 = ) 5!
0!× 5!
⋅ 0,35 0 ⋅ 0,655 = 0,116
(
2. P X = 5 = ) 5!
5!× 0!
⋅ 0,355 ⋅ 0,65 0 = 0,005
(
3. P X = 3 = ) 5!
3!× 2!
⋅ 0,35 3 ⋅ 0,652 = 10 ⋅ 0,043 ⋅ 0,423 = 0,182
{ }
4. P Contanti ∩ Contanti ∩ Carta ∩ Carta ∩ Carta = 0,652 ⋅ 0,35 3 = 0,423 ⋅ 0,043 = 0,0182
( ) ( ) ( ) ( ) ( ) ( )
5. P X ≥ 1 = P X = 1 + P X = 2 + P X = 3 + P X = 4 + P X = 5 = 1− P X = 0 = 1− 0,116 = 0,884 ( )
M. GHERGHI

ESERCIZIO
Se i clienti in fila alla cassa sono 50, qual è la probabilità

che almeno 20 paghino con Bancomat o Carta di Credito?

M. GHERGHI

ESERCIZIO
Se i clienti in fila alla cassa sono 50, qual è la probabilità che almeno 20 paghino
con Bancomat o Carta di Credito?
( ) ( ) ( ) (
P X ≥ 20 = P X = 20 + P X = 21 + P X = 22 + ! + P X = 50 ) ( )
oppure:
( ) ( ) ( ) (
P X ≥ 20 = 1− ⎡ P X = 0 + P X = 1 + P X = 2 + ! + P X = 19 ⎤
⎣ ⎦ ) ( )

M. GHERGHI

ESERCIZIO
( ) ( ) ( ) (
P X ≥ 20 = P X = 20 + P X = 21 + P X = 22 + ! + P X = 50 ) ( )
50!
= ⋅ 0,3520 ⋅ 0,65 30
20!× 30!
0,000002440061
0,000000000761
47.129.212.243.960

M. GHERGHI

ESERCIZIO
( ) ( ) ( ) (
P X ≥ 20 = P X = 20 + P X = 21 + P X = 22 + ! + P X = 50 ) ( )
oppure:
( ) ( ) ( ) (
P X ≥ 20 = 1− ⎡ P X = 0 + P X = 1 + P X = 2 + ! + P X = 19 ⎤
⎣ ⎦ ) ( )
In entrambi i casi, il calcolo è molto disagevole. Cerchiamo un metodo alternativo.

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
10 lanci di una moneta
n=10 ; p=0,5
X Numero di teste uscite
x n-x
f(x)
0 1 0,00098 0,00098 0,2461 …………...................................
1 10 0,00098 0,00977
2 45 0,00098 0,04395 0,2051 ………….........................
3 120 0,00098 0,11719

4 210 0,00098 0,20508
5 252 0,00098 0,24609
0,1172 …………................
6 210 0,00098 0,20508
7 120 0,00098 0,11719
8 45 0,00098 0,04395
0,0439 ………….......
9 10 0,00098 0,00977
10 1 0,00098 0,00098 0,0098 …........
0 1 2 3 4 5 6 7 8 9 10 X

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
n=100 ; p=0,5
f(x)
0 10 20 30 40 50 60 70 80 90 100 X

M. GHERGHI

( )
X ∼ Bin n, p
⎛ ⎞
( )
P X = x = ⎜ n ⎟ p x 1− p ( ) ⎛ ⎞
n−x n!
con : ⎜ n ⎟ =
⎝ x ⎠ ⎝ x ⎠ (
x! n − x ! )
ESEMPIO 1:
n=100 ; p=0,5
0,4500000
f(x) Titolo del grafico
0,4000000
0,3500000
0,3000000
0,2500000
Al crescere del numero n di prove,
0,2000000 la v.c. binomiale tende in distribuzione ad
una v.c. Gaussiana, con media µ=n×p e
0,1500000
varianza σ2=n×p×(1-p).
0,1000000
0,0500000
0,0000000
0 10 20 30 40 50 60 70 80 90 100 X
0,020
0,240
0,460
0,680
0,900
1,120
1,340
1,560
1,780
2,000
2,220
2,440
2,660
2,880
3,100
3,320
-3,500
-3,280
-3,060
-2,840
-2,620
-2,400
-2,180
-1,960
-1,740
-1,520
-1,300
-1,080
-0,860
-0,640
-0,420
-0,200

M. GHERGHI

ESERCIZIO
X∼N µ = n⋅ p = 50 × 0,35 = 17,5 ( )
σ 2 = n⋅ p ⋅ 1− p = 50 × 0,35 × 0,65 = 11,38
⎛ X − µ 20 −17,5 ⎞
(
P X ≥ 20 = P ⎜
⎝
) σ
≥
11,38 ⎠
⎟

M. GHERGHI

ESERCIZIO
X∼N µ = n⋅ p = 50 × 0,35 = 17,5 ( )
σ 2 = n⋅ p ⋅ 1− p = 50 × 0,35 × 0,65 = 11,38
⎛ X − µ 19,5 −17,5 ⎞
(
P X ≥ 20 = P ⎜
⎝
) σ
≥
11,38 ⎠
⎟ Correzione per la continuità
Il valore 20 è compreso tra quelli richiesti P(X≥20). Utilizzando la variabile Normale, che è continua, la probabilità nel punto è nulla, per cui,
per essere sicuri di comprendere il valore 20, dobbiamo spostarci più a sinistra sull’asse X, in un qualsiasi punto compreso tra 20 e il valore
intero precedente, 19; convenzionalmente, si sceglie il punto centrale, quindi 19,5. Se la probabilità richiesta fosse per valori maggiori di 20,
P(X>20), ci dovremmo spostare più a destra sull’asse X, in un punto qualsiasi compreso tra 20 e il valore intero successivo, 21;
convenzionalmente, si sceglie il punto centrale, 20,5.

M. GHERGHI

ESERCIZIO
X∼N µ = n⋅ p = 50 × 0,35 = 17,5 ( )
σ 2 = n⋅ p ⋅ 1− p = 50 × 0,35 × 0,65 = 11,38
⎛ X − µ 19,5 −17,5 ⎞
(
P X ≥ 20 = P ⎜)
⎝ σ
≥
11,38 ⎠
(
⎟ = P Z ≥ 0,59 = 0,5 − 0,2224 = 0,2776 )

M. GHERGHI
Il calcolo del coefficiente binomiale quando n è grande

⎛ ⎞
( ) ( )
P X = x = ⎜ n ⎟ p x 1− p( )
n−x
X Coeff bin x
p (1-p) n-x
P(X=x) X ∼ Bin 50 ; 0,35 ;
⎝ x ⎠
20 47.129.212.243.960 0,00000 0,08751
21 67.327.446.062.800 0,00000 0,06731 P ( X ≥ 20 ) = P ( X = 20 ) + P ( X = 21) + … + P ( X = 50 )
22 88.749.815.264.600 0,00000 0,04778
23 108.043.253.365.600 0,00000 0,03132
24 121.548.660.036.300 0,00000 0,01897
25 126.410.606.437.752 0,00000 0,01062
26 121.548.660.036.300 0,00000 0,00550
27 108.043.253.365.600 0,00000 0,00263
28 88.749.815.264.600 0,00000 0,00116
29 67.327.446.062.800 0,00000 0,00048
30 47.129.212.243.960 0,00000 0,00018
31 30.405.943.383.200 0,00000 0,00006
32 18.053.528.883.775 0,00000 0,00002
33 9.847.379.391.150 0,00000 0,00001
34 4.923.689.695.575 0,00000 0,00000
35 2.250.829.575.120 0,00000 0,00000
36 937.845.656.300 0,00000 0,00000
37 354.860.518.600 0,00000 0,00000
38 121.399.651.100 0,00000 0,00000
39 37.353.738.800 0,00000 0,00000
40 10.272.278.170 0,00000 0,00000
41 2.505.433.700 0,00000 0,00000
42 536.878.650 0,00000 0,00000
43 99.884.400 0,00000 0,00000
44 15.890.700 0,00000 0,00000
45 2.118.760 0,00000 0,00000
46 230.300 0,00000 0,00000
47 19.600 0,00000 0,00000
48 1.225 0,00000 0,00000
49 50 0,00000 0,00000
50 1 0,00000 0,00000
0,27356

M. GHERGHI
Esercizio:
La percentuale di studenti fuori sede iscritti al CLEC è pari al 40%. Qual è la probabilità che, in
un’aula con 150 studenti CLEC, più di 50 siano fuori sede?
µ = n⋅ p = 150 × 0,40 = 60 ; ( )
σ 2 = n⋅ p ⋅ 1− p = 150 × 0,40 × 0,60 = 36 ⇒ σ =6
⎛ X − µ 50,5 − 60 ⎞
( )
P X > 50 = P ⎜
⎝ σ
≥
6
( )
⎟ = P Z > −1,58 = 0,5 + 0,4429 = 0,9429
⎠

M. GHERGHI
Esercizi di riepilogo:
1. Un commerciante fa un ordinazione di 100 schede RAM. La sua politica consiste

nel rifiutare la partita se, su un campione casuale di 7, più di una risulta difettosa.
Supponendo che tra le 100 schede ordinate, 4 siano difettose, qual è la probabilità
che il commerciante rifiuti la partita?
2. Immaginiamo che, invece dei soliti esercizi, la prova di esame consista in 20

domande a risposta multipla, ciascuna con quattro possibili risposte, di cui una
sola esatta, e che la prova scritta si consideri superata se si risponde esattamente
ad almeno 18 domande. Supponendo che uno studente sia sicuro di 15 risposte e
tiri a indovinare per le altre 5, qual è la probabilità che passi la prova?
3. Si effettuano 100 lanci di una moneta. Qual è la probabilità che si abbiano:

1. Almeno 59 teste
2. Al massimo 55 teste
3. Un numero di teste compreso tra 46 e 48 (estremi inclusi)

M. GHERGHI
Esercizi (1)
Un commerciante fa un ordinazione di 100 schede RAM. La sua politica consiste nel
rifiutare la partita se, su un campione casuale di 7, più di una risulta difettosa.
Evento “successo”: il pezzo è difettoso

Variabile casuale (X): numero di pezzi difettosi su un totale di 7 ( )
X ∼ Bin n, p ; n=7 ; p=
4
100
= 0,04
( )
E X = n × p = 7 × 0,04 = 0,28 Var ( X ) = n × p × (1− p) = 7 × 0,04 × 0,96 = 0,269
P ( X > 1) = ⎡⎣ P ( X = 2 ) + P ( X = 3 ) + P ( X = 4 ) + P ( X = 5 ) + P ( X = 6 ) + P ( X = 7 ) ⎤⎦
= 1− ⎡ P ( X = 0 ) + P ( X = 1) ⎤
⎣ ⎦
(
P X =1 = ) 7!
1!× 6!
× 0,041 × 0,966 = 0,219
( )
P X = 0 = 0,967 = 0,751

M. GHERGHI
Esercizi (1)
Un commerciante fa un ordinazione di 100 schede RAM. La sua politica consiste nel
rifiutare la partita se, su un campione casuale di 7, più di una risulta difettosa.
Evento “successo”: il pezzo è difettoso

Variabile casuale (X): numero di pezzi difettosi su un totale di 7 ( )
X ∼ Bin n, p ; n=7 ; p=
4
100
= 0,04
( )
E X = n × p = 7 × 0,04 = 0,28 Var ( X ) = n × p × (1− p) = 7 × 0,04 × 0,96 = 0,269
P ( X > 1) = ⎡⎣ P ( X = 2 ) + P ( X = 3 ) + P ( X = 4 ) + P ( X = 5 ) + P ( X = 6 ) + P ( X = 7 ) ⎤⎦
= 1− ⎡⎣ 0,751+ 0,219 ⎤⎦ = 1− 0,970 = 0,030

M. GHERGHI
Esercizi (2)
Immaginiamo che, invece dei soliti esercizi, la prova di esame consista in 20
Evento “successo”: la risposta è esatta

Variabile casuale (X): numero di risposte esatte su 5 domande ( )
X ∼ Bin n, p ; n= 5 ; p=
1
4
= 0,25
(immaginando che le risposte siano date a caso)
( )
E X = n × p = 5 × 0,25 = 1,25 Var ( X ) = n × p × (1− p) = 5 × 0,25 × 0,75 = 0,9375
P ( X ≥ 3 ) = ⎡⎣ P ( X = 3 ) + P ( X = 4 ) + P ( X = 5 ) ⎤⎦
= 0,255 = 0,000977
5!
= × 0,25 4 × 0,751 = 5 × 0,0039 × 0,75 = 0,0146
4!×1!
5!
= × 0,25 3 × 0,752 = 10 × 0,0156 × 0,5625 = 0,087
3!× 2!

M. GHERGHI
Esercizi (2)
Immaginiamo che, invece dei soliti esercizi, la prova di esame consista in 20
Evento “successo”: la risposta è esatta

Variabile casuale (X): numero di risposte esatte su 5 domande ( )
X ∼ Bin n, p ; n= 5 ; p=
1
4
= 0,25
(immaginando che le risposte siano date a caso)
( )
E X = n × p = 5 × 0,25 = 1,25 Var ( X ) = n × p × (1− p) = 5 × 0,25 × 0,75 = 0,9375
P ( X ≥ 3 ) = ⎡⎣ P ( X = 3 ) + P ( X = 4 ) + P ( X = 5 ) ⎤⎦ = ⎡⎣ 0,087 + 0,0146 + 0,000977 ⎤⎦ = 0,1026

M. GHERGHI
Esercizi (3)
Si effettuano 100 lanci di una moneta. Qual è la probabilità che si abbiano:
A. Almeno 59 teste
B. Al massimo 55 teste
C. Un numero di teste compreso tra 46 e 48 (estremi inclusi)
Evento “successo”: esce "TESTA"

Variabile casuale (X): numero di "Teste" in 100 lanci ( )
X ∼ Bin n, p ; n = 100 ; p =
1
2
= 0,50
( )
E X = n × p = 100 × 0,50 = 50 ( ) ( )
Var X = n × p × 1− p = 100 × 0,50 × 0,50 = 25 X∼N
⎛ X − µ 58,5 − 50 ⎞
A. P X ≥ 59 (
= P ⎜
⎝ σ
) ≥
5 ⎠
(
⎟ = P Z ≥ 1,7 = 0,5000 − 0,4554 = 0,0446)
⎛ X − µ 55,5 − 50 ⎞
(
B. P X ≤ 55 = P ⎜)
⎝ σ
≤
5 ⎠
( )
⎟ = P Z ≤ 1,1 = 0,5000 + 0,3643 = 0,8643
⎛ 45,5 − 50 X − µ 48,5 − 50 ⎞
C. P 46 (
≤ X ≤ 48 = P ⎜
⎝
) 5
≤
σ
≤
5 ⎠
( )
⎟ = P −0,9 ≤ Z ≤ −0,3 = 0,3159 − 0,1179 = 0,1980

M. GHERGHI
Esercizi di riepilogo (1)
Una fornace produce mattoni per costruzioni, con una percentuale di pezzi
non conformi pari al 2,5%.
Il Servizio Controllo Qualità sottopone a controllo un lotto di 500 mattoni, e
decide che il lotto verrà destinato alla vendita se, analizzando in modo
casuale 20 mattoni, al massimo 2 risultino non regolari.
Qual è la probabilità che il lotto superi il controllo?

M. GHERGHI
Alla lezione del corso di Statistica del 9 novembre erano presenti 171 studenti.
Qual è la probabilità che almeno uno festeggiasse il compleanno quel
giorno?

M. GHERGHI
Una filiale di Banca ha 200 impiegati, 20 dei quali giovani appena assunti.
Dovendo indicare quattro nominativi che dovranno effettuare un turno
particolarmente scomodo, si decide di estrarre i nomi a sorte.
Qual è la probabilità che i neoassunti estratti siano:
1. Nessuno
2. Tutti e quattro
3. Almeno uno
4. Al massimo uno

M. GHERGHI
Una compagnia di assicurazioni vende la propria polizza vita a tre uomini, tutti
della stessa età e in buona salute.
Dalle tavole attuariali risulta che la probabilità che un uomo di quella età sia
ancora in vita dopo trentacinque anni è pari a 0,72.
Qual è la probabilità che, trentacinque anni dopo, dei tre uomini siano in vita:
1. Tutti e tre
2. Nessuno
3. Almeno uno
4. Al massimo uno

L17 - Le Variabili Casuali Discrete

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

L17 - Le Variabili Casuali Discrete

Caricato da

Copyright:

Formati disponibili

Università degli Studi di Napoli

Statistica (CLEC, A-K)

La variabile casuale Uniforme

I suoi momenti caratteristici risultano essere:

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale di Bernoulli

I suoi momenti caratteristici risultano essere:

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Consiste nel ripetere n volte, e nelle medesime condizioni, lo schema successo-insuccesso

I suoi momenti caratteristici risultano essere:

Proprietà della v.c. Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

X Coeff bin px(1-p)n-x P(X=x)

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

3 120 0,00098 0,11719

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

Se i clienti in fila alla cassa sono 50, qual è la probabilità

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

Evento successo Paga con carta n=5 ; p=0,35

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

3 120 0,00098 0,11719

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale

LEZIONE 17 – LE VARIABILI CASUALI DISCRETE

La variabile casuale Binomiale