Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Distribuzioniva 20441
Distribuzioniva 20441
6)
1 [P(1) + P(8) + P(9) + P(LO}]
10!
Sar
70.605 +2! 6,408.60? +2! 0,40%0,60! + 29.4090, 60"
0.4070.60° + or 0.40%0.607 + 20 0.40°0.60! + 1 0.40"0.60
54. Distribuzione binomiale 167
Figura 5.8
Funzione di
probabil dela
distibuzione
binamiale
ol’Esempio 5.7
n= 5,p 0.40},Figure 5.7
‘Maschere di
- dialogo
porotte
Sistribuzione
binomiale
‘n= 20, p = 080).
488 Capitol 5 - Distribuzion’ di probabil
caviabilialoatorie cisorete
9452
= 1 ~ [0.0425 + 0.0106 + 0.0016 + 0.0001] = 1 = 0.0548 =
b. PUK 2 12a = 15, p= 0.70) = P(I2) + PCS) + POA) + POS)
151 age ans 15! pqoto.a0? + 2% o.r0la.30! +294, 0.70"
= 15! 9700.30 + ay ASL 9704 AS on
A 0109030? + yp7 0.70703 + air O00" + 5g
= 0.1700 + 0.0916 +- 0.0305 + 0.0047 = 0.2968
La maggior parte dei pacchetiapplicativi di un certo livello€ in grado di cal
probabilts per la binomiale e per numerose aire variabil!aleatons L'Esemp
‘n Minitab, altri pacchetti hanno catatteristich
lustra il procedimento usato cor
Nell’ Appendice Excel troverete lo stesso procedimento tratato con Excel
Vendita di bigliotti aerel (Distribuzione binorniale)
Forse vi sara capitato di cedere il vostro biglietto 2ereo in camnbio di un bigliew
‘oppure di cercare un biglietto al minor costo possibile per poter visitare un amie
seer io eguente illsrett alee dele analisicheconducono ad avere ove
alcuni vole bigliett a costi molto ridott su alte
‘Quattro giomni prima della data del volo, it responsabile della vendita dei bili
1: gran iportante compagnia aerea si acconge che sono rimasti 16 posi (ISP
per esperitiza che solo 1°80% di coloro che aequistano un piglietto in quel px
Pano volera effettivamente.
al & la probebilith di vendere pitt posti di
fa, Se mette in vendita 20 biglieti, gu
Sed cull aereo (overbooking)? E quella di patie con almeno us posto Wt
erste in vendita 18 biget, qual é la probabil di vendere pit post df
Scott sull'aereo? E quella di partire con almeno un posto Yuoto?
Soluzione
a, Per trovare P(X > 16). dato
zioni della Figura 5.7. Con
= 20 e p= 0.20, si user Minitab, seguer
‘Minitab, Putente deve selezionare o la probabr
cumulata [PLY S 4
ISTRUZIONI MIN
‘oases yobaiog
~ igre ceive pablo,
1. ngerire{ numeri
nella colonna Ch
‘Data
git S| | 2. Dal mena princi
Pech of cece A seopliere
Cale” > “Probe
— oN Lo sgh Pon
a sea o “Cumulative }
i stesMume of
— prae 2
pea nee
of success” dig5.4_Distibuzione binomiale
spellaS4 Probablits binomial! curnulateottenute con Minitab (9 = 20,P = 0.80)
|» |
Commenti
«# Per trovare la probabilita di overbooking:
P(X > 16) = 1 ~ P(X < 16) = 1 - 0.589
Ali
«Se sono venduti 20 bigtiett la probabiliti che arrivino al massimo 15 persone &
P(X < 15) = 0.37.
« La probabil che, vendendo 20 bigliew, ci sia almeno un posto vuoto 80.37.
+. Per trovare la probabilitA di avere overbooking sul volo con la vendita di 18 bigliet
si seguono gli stessi passi precedeati con le opportune modifiche. La probabiliti cer~
Gata sari solo 0.10, ma la probabilita di avere almeno un posto vuoto sumenterd 2
ons
I responsabile della compagnia aerea dovri confrontae il costo dell'overbooking (¢ quin-
ai det biglietigratuiti per + passeggeri rimasti terra) con i mancati ricavi derivanti dai
posti vuot. Le compagnie aeree analizzano dati simili per determinare il numero di bi-
idle da vendere a prezzi scontati su ogni volo, in modo da massimizzace i ricavo totale
Lranalisi & complessa, ma i ragionamenti su cui si basa sono simili a quelli propost in
questo esempio
rm
sereizi
pari « 9 e la probabiliti che il numero di successi
Esercizi di base sia inferione a 7,
530 Per una variabile di Bemoulli con probsbiliti di 5,34 Per una variabile binomiale con p = 0.7 cn = 18,
successo p = 0.5, calcolate media ¢ varianza. trovate la probabilita che i numero di successt sia
asi a 12 € la probabiliti che il numero di successi
531 Per una variabile binomiale con p = 0.5 en = 12,
sia inferione a 6,
‘rovate la probabifith che il numero di successi sia
avi a 7 € la probabilita che il numero di successt
sia inferiore a 6.
5.32 Per una variable inomiale con p=0.3en=14, Esereizi applicativi
trovate la probabilita che il numero di successi sia 5 45 Yq diretore di : 9%
° 5.35 Un direttore di produzione sa che il 5% dei compo-
para 7 a probabil che if numero di suecessi eaaeadord cx un determinao processo produc
eee: vo risuita difetioso, Si esaminano sei di questi com-
=20, ponenti, le cui earattersticke si assumono indipen-
5.3 Per una variabile binomiale con p = 0.4 €
trovate la probabilitA che il numero di suocessi sia enti uno dalla,©
=.
ee
=.
N
6
=
ey
cS
=
3
oS
o
ao
~
o-
Schema del capitolo
6.1 Variabili aleatorie continue
Distribuzione uniforme
6.2 Valori attesi di variabili aleatorie continue
6.3 Distribuzione normale
Normal probability plot ~
6.4 Approssimazione della distribuzione binomiale con la distribuzione normale
Variabile aleatoria proporzione o frequenza telativa
6.5 Distribuzione esponenziale
6.6 Distribuzione congiunta di due variabili aleatorie continuc
‘Combinazioni lineari di variabili aleatorie continue
ntroduzione
Nel Capitolo 5 abbiamo presentato le variabili aleatorie discrete ¢ le laro distribuzio-
ni di probabilita. Le principali caratteristiche delle variabili aleatorie discrete valgo-
| no anche per le variabili aleatorie continue e quindi costituiranno le basi per lo svi-
lupo di questo capitolo. Molte grandezze in ambito economico e aziendale, come le
vendite, gli investimenti, i consumi, i costie i ricavi, possono essere rappresentate da
variabili continue, Inolire, anche le misure di tempo, distanza, temperatura e peso ap-
partengono a questa categoria. La probabilitd per variabili aleatorie continue si de-
| termina per intervalli specificati. Ad esempio, parlando di vendite, definiremo la pro-
| habilitd che siano comprese tra 140 e 190 (migliaia di dollari) oppure maggiori di
200 (migliaia di dollari) cost via.
In realta, le variabili aleatorie usate nei problemi applicativi sono discrete, poiché
le misurazioni sono sempre il risultato di un arrotondamento. L’importanza delle va-
| rigbili aleatorie continue e delle relative distribuzioni di probabilita risiede nel forni-
| re buone approssimazioni per mali problemi applicativi.
rie continue
Variabili alee
Indichiamo ancora con X una variabile aleatoria ¢ con x una sua particolare realizza-
zione. Iniziamo definendo la funzione di ripartizione, poi definiremo Ja funzione di
dlensitd di probabilita, che ha un ruolo simile alla funzione di probabilita usata per le
variabili aleatorie discrete,
;
|204 __Copitolo 6 —Distibuzion i probabiitd« variabii sleatore continue
Figura 6.1
Funzione diripartizone
por unavarisbile
Slestoriauniforme
nal intervallo|
4009 1000,
Funzione di ripartizione
La funzione di ripartizione, F(x), di una variabile alestoria continua X, esprime la
probabilita che X non super x, come funzione di xo.
Fixa) = P(X < %) 0 < Xo < +00 (6.1)
Chiariremo il concetto di funzione di ripartizione usando una semplice struttura pro-
babilistica, Si consideri una stazione di servizio con una cistema per Ia benzina da
1000 litt, riempita ogni mattina prima dell’apertura, L’analisi delle vendite passate in-
dica che non é possibile prevedere fa quantita totale di benzina venduta in un determi-
nato giorno, ma il limite inferiore sata 0 e il limite superiore, naturalmente, 1000 lite,
la capacita della cistema. Inoltre, l'analisi storica indica che tutte le richieste, nell’in-
tervallo da 0 a 1000 litr, sono ugualmente probabili. La variabile aleatoria X indica i
litri di benzina venduti in un determinato giomo: ci intetessa conoscere la probabiliti
i diversi livelli di vendite giomaliere, tenendo conto che le quantita vendte, tra 0 ©
1000 fitr, hanno ute la stessa probabil. Si dice che la variabile X segue la distr.
buzione di probabilit’ uniforme ¢ la sua fanzione di ripartizione
0 r<0
FG) = { 0.001x O