Sei sulla pagina 1di 33

VARIABILI CASUALI

definizione
Una variabile casuale una variabile che assume determinati valori in modo casuale (non deterministico).
Esempi lesito di una estrazione del Lotto; il risultato di una partita di calcio; il voto di un esame; il numero di autovetture che fanno rifornimento in un determinato distributore in un giorno; la durata della vita di una persona; il numero di incidenti stradali in un determinato periodo;

definizione
Dato uno spazio di probabilit (, A, P[]) in cui: lo spazio campione, cio linsieme di tutti gli esiti possibili di un dato fenomeno; A rappresenta una collezione di sottoinsiemi, detti eventi, dello spazio campione; P[] una funzione di probabilit che associa gli elementi dellinsieme A a dei valori numerici compresi nellintervallo [0,1] definiamo come variabile casuale unapplicazione X cha associa gli elementi di a numeri reali, formalmente:

X :
3

esempio 1
Consideriamo il lancio di una moneta. Sia X la variabile casuale che indica il numero di volte che uscita testa. Allora:

= {testa, croce}

X ( ) = 1 X ( ) = 0

se = testa se = croce

In questo modo, la variabile casuale X associa un numero reale ad ogni esito dellesperimento.

definizione
Poich ogni elemento x dellinsieme X() ha una sua probabilit di accadere, definendo una variabile casuale si definisce implicitamente anche una funzione di probabilit:

p : X ( )

+ 0

definita dalla relazione p(x) = P[X=x] che gode delle seguenti propriet:

1. 2.

p( x) 0

p( x) = 1
5

Questa funzione p(x) costituisce la distribuzione di probabilit della v.c. X.

in sintesi
Una variabile casuale o aleatoria una variabile che pu assumere determinati valori in corrispondenza al verificarsi di eventi aleatori; Dato che ciascuno dei valori xi della v.c. ha una probabilit di presentarsi, ci sar anche una funzione p(x) = P[X=x] detta distribuzione di probabilit della v.c. X; La distribuzione di probabilit di una v.c. X definita dallinsieme dei valori xi e le relative probabilit p(xi) La distribuzione di probabilit di una v.c. pu essere rappresentata graficamente o con una tabella.

esempio 2(1)
Consideriamo il lancio di due monete. Sia X la variabile casuale che indica il numero di volte che uscita testa. Lo spazio campione :

= {TT, TC, CT, CC}


Per ciascun elemento dello spazio campione avremo una trasformazione mediante la X: X(TT) = 2; X(TC) = 1; X(CT) = 1; X(CC) = 0 conseguentemente linsieme immagine di X diventa:

X() = {2, 1, 0}
7

esempio 2(2)
Dal momento che ciascun elemento di questo insieme ha una probabilit di avverarsi possiamo costruire una distribuzione di probabilit

x 0 1 2
N.B.

p(x) 1/4 2/4=1/4 1/4

Per definire una v.c. non basta conoscere il suo dominio e linsieme dei valori ammissibili della stessa X(); bisogna anche assegnare una legge di distribuzione che mette in evidenza come distribuita la probabilit sui possibili valori della v.c.
8

variabili casuali discrete


Una v.c. X discreta se una funzione che pu assumere solo un numero discreto di valori, ossia se limmagine X() un insieme finito o infinito numerabile. La v.c. pu essere descritta mediante la funzione di probabilit definita da

f ( xi ) = p ( xi ) = P[ X = xi ]
Tale funzione deve soddisfare le seguenti propriet:

1. 0 p ( xi ) 1 2.

p( xi ) = 1
9

esempio 3(1)
Sia X la variabile casuale che indica il numero di volte che uscita testa (vedi esempio 2); si rappresenti graficamente la distribuzione di probabilit di tale variabile.

10

funzione di ripartizione
La funzione di ripartizione F(x), una funzione che associa a ciascun valore definito x0 la probabilit che la v.c. assuma un valore non superiore a x0 stesso; formalmente :

F( x0 ) = P[ X x0 ]
F(x) gode delle seguenti propriet:

F ( ) = P[ X ] = 0 2. F (+ ) = P [ X + ] = 1
1.

11

esempio 3(2)
Sia X la variabile casuale che indica il numero di volte che uscita testa (vedi esempio 2); possiamo ora determinarne la funzione di ripartizione:

x 0 1 2

p(X) 0,25 0,5 0,25

F(X) 0,25 0,75 1


12

esempio 3(3)
Graficamente la funzione di ripartizione F(x), una funzione monotna non decrescente che si compone di una serie di gradini; il suo valore minimo 0, il massimo 1 :

13

variabili casuali continue


Una v.c. X continua se una funzione che pu assumere tutti i valori reali in un intervallo limitato [a,b] o in un intervallo illimitato; in questo caso anche linsieme X() continuo.

ATTENZIONE Se la v.c. X continua non ha pi senso la definizione di funzione di probabilit data per il caso discreto. infatti:

P[ X = xi ] = 0

x [a, b]
14

variabili casuali continue


In questo caso non possiamo pi calcolare la probabilit in un punto ma solo su un determinato intervallo di valori della X, intervallo definito tra due estremi [a,b]. Non si potr pi parlare di funzione di probabilit ma di funzione di densit di probabilit. Tale funzione f ( x ) una funzione di densit se soddisfa le seguenti condizioni:

1. 2.

f (x) 0
+

f ( x )dx = 1
15

variabili casuali continue


Geometricamente la probabilit P(x) unarea.

16

funzione di ripartizione
La funzione di ripartizione F(x), una funzione che associa a ciascun valore definito x la probabilit che la v.c. assuma un valore non superiore a x stesso; formalmente :

F( x) = P[ X x]
F(x) si esprime anche come:

F( x) = f (t )dt

17

funzione di ripartizione
La funzione di ripartizione F(x), caratterizzata dalle seguenti propriet: 1) limitata

0 F( x) 1
2) monotna non decrescente, ossia se

a < b allora F (a ) F (b )

3) i limiti sinistro e destro sono rispettivamente:


x

lim F ( x ) = 0

x+

lim F ( x ) = 1

18

funzione di ripartizione
Geometricamente la funzione di ripartizione una curva monotona non decrescente.

19

esempio 4(1)
Sia f(x) una funzione cos definita:

1 x 0 x2 f (x) = 2 0 altrove
si verifichi se tale funzione una funzione di densit di probabilit e se ne disegni il grafico.

20

esempio 4(2)
Nellintervallo [0,2] la funzione una retta con origine nel punto di coordinate [0,0].
1,5

f(x)
0,5

0 -1 0 1 2 3

Ma una funzione di densit?

21

esempio 4(3)
Per verificare se la funzione in oggetto una densit dobbiamo verificare se sono valide le due propriet:

1.

f (x) 0

Osservando il grafico possiamo vedere come la funzione non assuma mai valori inferiori allo zero e pertanto la condizione verificata.

22

esempio 4(4)
Per verificare se la funzione in oggetto una densit dobbiamo verificare se sono valide le due propriet: +

2.

f ( x )dx = 1

Il calcolo di questo integrale equivale al calcolo dellarea sottesa dal triangolo che ha come vertici i punti (0,0), (2,0) e (2,1). Larea in questione sar:

b h 2 1 = =1 2 2
anche la seconda condizione verificata.
23

valore atteso
Data la v.c. discreta X, avente come insieme immagine X()={x1, x2, ,xn}, con relative probabilit p1, p2, , pn; si definisce valore atteso il valore ottenuto con

E ( X ) = ( x ) = xi p( xi )
i =1

Tale valore atteso, detto anche speranza matematica, ha lo stesso significato della media aritmetica solo che si riferisce ad una distribuzione di probabilit teorica mentre la media una funzione dei dati osservati.
24

valore atteso
Se linsieme X()={x1, x2, ,xn}, infinito il valore atteso la somma di una serie:

E ( X ) = xi p( xi )
i =1

Se la v.c. X continua si ha:

E ( X ) = x f ( x )dx

25

valore atteso: propriet


Sia c una costante e X e Y due variabili casuali, allora:

1. 2.

E (c ) = c E (cX ) = cE ( X ) E ( X + Y ) = E ( X ) + E (Y )

3.

26

varianza
Data la v.c. discreta X, avente come insieme immagine X()={x1, x2, ,xn}, con relative probabilit p1, p2, , pn; si definisce varianza della distribuzione di probabilit il valore atteso di (X - )2 cio:

Var ( X ) = ( x ) = ( xi ) p( xi )
2 2 i =1

Un altro modo per calcolare la varianza pu essere:

Var ( X ) = E X

( ) (E ( X ))
2

27

varianza
Se linsieme X()={x1, x2, ,xn}, infinito la varianza la somma di una serie:

Var ( X ) = ( xi ) p( xi )
2 i =1

Se la v.c. X continua si ha:

Var ( X ) =

( x ) f ( x )dx
2
28

varianza: propriet
Sia c una costante e X una v.c., allora:

1. 2.

Var (c ) = 0
Var (cX ) = c Var ( X )
2

3.

Var ( X + c ) = Var ( X )

29

esempio 5(1)
Riprendiamo il caso dellesempio 2: consideriamo il lancio di due monete e sia X la variabile casuale che indica il numero di volte che uscita testa. Si calcolino valore atteso e varianza di tale variabile.

valore atteso

E ( X ) = xi p( xi )
i =1

30

esempio 5(2)
Riprendiamo il caso dellesempio 2: consideriamo il lancio di due monete e sia X la variabile casuale che indica il numero di volte che uscita testa. Si calcolino valore atteso e varianza di tale variabile.

valore atteso

E ( X ) = xi p( xi ) =
i =1

0 0,25 + 1 0,5 + 2 0,25 = 1

31

esempio 5(3)
Riprendiamo il caso dellesempio 2: consideriamo il lancio di due monete e sia X la variabile casuale che indica il numero di volte che uscita testa. Si calcolino valore atteso e varianza di tale variabile.

varianza

Var ( X ) = ( xi ) p( xi )
2 i =1

32

esempio 5(4)
Riprendiamo il caso dellesempio 2: consideriamo il lancio di due monete e sia X la variabile casuale che indica il numero di volte che uscita testa. Si calcolino valore atteso e varianza di tale variabile.

varianza

Var ( X ) = (0 1) 0,25 +
2

+ (1 1) 0,5 + (2 1) 0,25 = 0,5


2 2

33