Lezione 12 05 11 2021

1
Esempio
Corrispondenza tra eventi e valori della variabile
casuale X “somma dei punteggi”, nella prova “lancio
di due dadi”
Statistica. Metodologie per le scienze economiche e sociali 3e Copyright © 2014 McGraw-Hill Education Italy srl
S. Borra, A. Di Ciaccio
2/2
ü Grafico a barre
3/2
ü Una v.c. discreta è completamente nota se

sono definiti i valori che questa può assumere e
le corrispondenti probabilità.
ü Spesso si è interessati alla probabilità che una

v.c. assuma un valore minore o uguale ad un
dato valore xi
4
Funzione di Ripartizione
Data una v.c discreta X, la funzione che fa corrispondere

ai valori x le probabilità cumulate
P(X £ x)
viene detta funzione di ripartizione ed indicata con
F (x ) = P ( X £ x ) = å P(X = w )
w £x
5
Esempio
X 2 3 4 5 6 7 8 9 10 11 12
P(x) 136 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 136

F(x) 136 3 36 6 36 10 36 15 36 2136 26 36 30 36 33 36 35 36 1
F(x)
0,8
X 2 3 4 5 6 7 8 9 10 11 12
P(x) 136 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 136

0,6 F(x) 136 3 36 6 36 10 36 15 36 2136 26 36 30 36 33 36 35 36 1
0,4
0,2
0
1 2 3 4 5 6 7 8 9 10 11 12 13 x
6
Distribuzione binomiale
Una v.c. Binomiale, rappresenta il numero di successi che

si presentano in una sequenza di n sottoprove indipendenti
nelle quali è costante la Probabilità di successo p.
La funzione è definita come
ænö x
P( X ) = çç ÷÷ × p (1 - p )
n- x
è xø
X=0,1,2,…n 0<p<1
ossia, considerando l’espressione del coefficiente binomiale:
n!
P( X ) = × p (1 - p )
x n- x
x!(n - x)!
7 Media e varianza della distribuzione
Binomiale
La distribuzione Binomiale può essere ottenuta considerando
la somma di v.c. di Bernoulli, indipendenti e identicamente
distribuite
Media
E ( X ) = np
Varianza
V ( X ) = np (1− p)
Proprietà
1. Il valore atteso e la varianza crescono al crescere di n;
2. Per p=0.5 la distribuzione è simmetrica rispetto al valor medio
(n/2);
3. Per n®+¥ la distribuzione tende ad essere simmetrica rispetto
al valor medio.
8
Esempi di Binomiale
0,300
Binomiale(7;0,5)
0,250
0,200
Binomiale(20;0,5)
0,150
0,100
0,050
0,000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
9/2
ESEMPI
10/2
11/2
12/2
Esempi
13/2
14
Distribuzione Normale
La v.c. Normale X, è una v.c. continua che può

assumere valori su tutto l’asse reale.
La funzione di densità è data da:
2
1 æ x -µ ö
1 - ×ç ÷
f(x) = e 2è s ø
s 2p
E(X ) = µ -¥<µ<+¥ s2>0
V (X ) = s 2
15
Al variare di σ il grafico resta inalterato nella sua localizzazione ma si modifica nella sua forma:
al crescere di σ la funzione di prob. è più schiacciata rispetto al centro,
al diminuire di σ la funzione di prob. è più appuntita
s =0,5
2
0,75
0,60
La spiegazione risiede nel
fatto che l’area sottesa alla
funzione f(x) è sempre
pari a 1: se la deviazione
standard è bassa i valori
0,45
N(0;1) di X si addensano intorno
al valore atteso e ciò
produce un innalzamento
dell’ordinata del valore
modale
0,30
s =2
2
s =3
2
0,15
s =4
2
0,00
-4,5 -3,0 -1,5 0,0 1,5 3,0 4,5
16/2
ESEMPIO
17/2
18
Al variare di µ il grafico resta inalterato nella sua forma ma si
modifica solo la sua localizzazione: al crescere di µ la
funzione di probabilità si sposta a destra, al diminuire di µ la
funzione di probabilità si sposta a sinistra
0,45
µ=0 µ=1 µ=2 µ=3 µ=4 µ=5
0,30
0,15
0,00
-1,5 0,0 1,5 3,0 4,5 6,0 7,5
La distribuzione normale è simmetrica rispetto al suo centro (valore atteso):
a tale valore centrale corrisponde anche quello più probabile (valore modale)
19
La v.c. Normale Standardizzata Z
Se la v.c. X ha una distribuzione 2

normale con parametri µ e s2, z
1 -
allora Z= (X- µ)/ s è ancora una f(z) = e 2
v.c. Normale con media nulla e 2p
varianza unitaria.
0,30
0,15
0,95
0,00
-1,96 0,00 1,96
20 Funzione di ripartizione Normale
standardizzata
F(- z ) = 1 - F(z ) per ogni z ³ 0
permette di semplificare i calcoli delle aree sottese dalla

funzione di densità.
Il calcolo dell’area sottesa nell’intervallo [-2,2]
F(2) - F(- 2) = F(2) - [1 - F(2)] = 2F(2) - 1 = 2 × 0,977 - 1 = 0,954
0.977
0.8
0.6
0.4
0.2
0.0
-3.50 -1.75 0.00 2.00 3.50
21/2
Gaussiana
1 æ (x - µ ) 2 ö
f ( x) = expçç - ÷
÷
s 2p è 2s 2
ø
µ +s
òµ s f ( x)dx = 68.27%
-
µ + 2s
òµ - 2s
f ( x)dx = 95.45%
µ + 3s
òµ -3s
f ( x)dx = 99.73%
Statistica. Metodologie per le scienze economiche e sociali 3e

Copyright © 2014 McGraw-Hill Education Italy srl 22
Proprietà
ü Caratteristica forma a campana
üSimmetrica, unimodale, 2 punti di flesso
üÈ completamente definita da µ, σ
(famiglia di distribuzioni)
üAsintotica all’asse x;
+¥
üE’ normalizzata a 1: ò
-¥
f ( x)dx = 1
x1
üArea(-∞, x1)= ò -¥
f ( x)dx = P( x £ x1 )
x2
üArea(x1, x2)= ∫ x1
f (x)dx = P(x1 ≤ x ≤ x2 )

Gaussiana standardizzata
f ( x) =
1 æ
expçç -
( x - µ) ö
2
÷ x-µ dz =
dx
÷ z=
s 2p è 2 s 2
ø s s
f ( x)dx = f ( z )dz
æ z1
2
ö
f ( z) = expçç - ÷
÷
2p è 2 ø

üNon esiste primitiva
analitica della Gaussiana.
üUtilizzo la tavola per

calcolare gli integrali.

Esempio 1
§Area compresa tra 0 e z positivo,

z=0.85:
§Nella colonna intestata z, trovo
la riga 0.8 (prima cifra decimale)
§Scorro lungo la corrispondente

riga, fino alla colonna intestata “5”
(seconda cifra decimale)
§ Si legge il valore 0.3023 che

corrisponde a
ò f ( z)dz = P(0 < z £ z ) = 0.3023

0.85
0 1

Esempio 2
§Area compresa tra 0 e z negativo,

z=-1.54:
§La curva è simmetrica, posso
riferirmi al caso con z positivo;
§Nella colonna intestata z,trovo la
riga 1.5 (prima cifra decimale)
§Scorro lungo la corrispondente
riga, fino alla colonna intestata “4”
(seconda cifra decimale)
§Si legge il valore 0.4382 che
corrisponde a
f ( z )dz = P(-1.54 £ z £ z1 ) = 0.4382
0
ò-1.54

Esempio 3
Area nelle code della distribuzione:

§Metà curva sottende un’area pari
a 0.5;
§ Area per z ≥0.85:
-¥
ò f ( z)dz = 0.5 - 0.3023 = 0.1977
0.85
§ Area per z≤-1.54:

-1.54
ò-¥
f ( z )dz = 0.5 - 0.4382 = 0.0618
N.B.: Problema
inverso?
Data l’area (0.1977),
trovare per le z=0.52
Statistica. Metodologie
scienze economiche e sociali 3e Copyright © 2014 McGraw-Hill Education Italy srl 28
Esempio 4
Un variabile casuale X si distribuisce normalmente con
µ=50 e σ=10.Trovare la proporzione dei casi per i quali
X є (µ , 65)
§Standardizzo i due valori x=50 e x=65;

x-µ 50 - 50
Per x = 50, z = = =0
s 10
x-µ 65 - 50
Per x = 65, z = = = 1.50
s 10
ò f ( z)dz = 0.4332
1.50
§Devo calcolare (utilizzando le tavole):
0
§Nel 43.32% mi aspetto che la variabile casuale X sia

compresa nell’intervallo (50,65)


Lezione 12 05 11 2021

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

Lezione 12 05 11 2021

Caricato da

Copyright:

Formati disponibili

1

ü Una v.c. discreta è completamente nota se

ü Spesso si è interessati alla probabilità che una

Data una v.c discreta X, la funzione che fa corrispondere

viene detta funzione di ripartizione ed indicata con

P(x) 136 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 136

P(x) 136 2 36 3 36 4 36 5 36 6 36 5 36 4 36 3 36 2 36 136

Una v.c. Binomiale, rappresenta il numero di successi che

La v.c. Normale X, è una v.c. continua che può

Se la v.c. X ha una distribuzione 2

permette di semplificare i calcoli delle aree sottese dalla

Statistica. Metodologie per le scienze economiche e sociali 3e

ü Caratteristica forma a campana

üSimmetrica, unimodale, 2 punti di flesso

Statistica. Metodologie per le scienze economiche e sociali 3e

Statistica. Metodologie per le scienze economiche e sociali 3e

üUtilizzo la tavola per

Statistica. Metodologie per le scienze economiche e sociali 3e

§Area compresa tra 0 e z positivo,

§Scorro lungo la corrispondente

§ Si legge il valore 0.3023 che

ò f ( z)dz = P(0 < z £ z ) = 0.3023

Statistica. Metodologie per le scienze economiche e sociali 3e

§Area compresa tra 0 e z negativo,

Statistica. Metodologie per le scienze economiche e sociali 3e

Area nelle code della distribuzione:

§ Area per z≤-1.54:

§Standardizzo i due valori x=50 e x=65;

§Nel 43.32% mi aspetto che la variabile casuale X sia

Statistica. Metodologie per le scienze economiche e sociali 3e

Potrebbero piacerti anche