Sei sulla pagina 1di 16

2.

Introduzione alla probabilit

Definizioni preliminari:
Prova: un esperimento il cui esito aleatorio
Spazio degli eventi elementari : linsieme di
tutti i possibili esiti
Evento casuale: un sottoinsieme A di ( A )
Un evento casuale pu essere
impossibile A =
certo A =

1
Variabili aleatorie
Ogni evento w pu essere associato in modo
biunivoco a un numero attraverso una particolare
legge. Tale corrispondenza viene detta variabile
aleatoria (v.a.) X(w).
Una variabile aleatoria X(w) (o pi semplicemente X)
pu essere:
discreta se assume solo un insieme finito o
numerabile di valori X N
continua altrimenti X R
Nel seguito indicheremo con X le v.a. e con x i valori
che esse possono assumere.
2
La funzione di distribuzione (cumulativa) FX(x) di
una v.a. discreta X esprime la probabilit che X
assuma un valore minore o uguale ad x:
FX(x) = Pr (X x)

Esempio: numero di teste nel lancio di 2 monete

FX(x)

1
3/4 1/4
1/2 1/2
1/4
x
-1 0 1 2 3
4
Valore atteso o media E[X] x xPr(x)
x

Varianza

2
2
Var[X] E[(X - E(X)) ] x (x - x )2 Pr(x)
x

Pr(x)
1
Var[X]=0

x
E[X]
5
Esempio: numero di teste nel lancio di 2 monete

wi Pr(wi) xi xi
CC 1/4 0 1/4
CT 1/4
1 1/2
TC 1/4
TT 1/4 2 1/4

E[X] = 0 1/4 + 1 1/2 + 2 1/4 = 1

Var[X] = (0-1)2 1/4 + (1-1) 2 1/2 + (2-1) 2 1/4


= 1/4 + 1/4 = 1/2

6
Variabili aleatorie continue
Linsieme degli eventi di una v.a. continua un insieme
continuo R.
Le v.a. continue sono caratterizzate mediante la
funzione densit di probabilit (x).

(x)

(x)dx 1
-
x
x1 x1+dx

(x1)dx = Pr(x[x1, x1+dx])


7
La funzione di distribuzione (cumulativa) FX(x)
esprime la probabilit che X assuma un valore minore
o uguale ad x: x
FX (x) Pr(X x) (x)dx
-

Chiaramente la funzione FX(x) una funzione monotona


non decrescente e FX(+)=1.

Valore atteso o media


E[X] x (x)x dx

Varianza


2
Var[X] E[(X - E(X)) ] x (x)(x - x )2 dx
2

8
Variabile aleatoria normale o gaussiana

(x)

Var[X]=2

x
E[x]=

(x )2
1
2 2
(x) e
2

10
3. Processi Stocastici

Un processo stocastico una funzione del tempo i


cui valori x(t) ad ogni istante di tempo t sono v.a.
Notazione:
X : insieme di possibili valori
tT : generico istante di tempo (T: insieme dei
possibili istanti di tempo)
(t) : funzione di probabilit o di densit di
probabilit allistante di tempo t

(X, (t)) tT
12
Una realizzazione di un processo stocastico (X, (t)) tT
una particolare evoluzione x(t) per tT.

Esempio: si lancia una moneta per un numero


infinito di volte agli istanti t=0,1,2,
X={0,1} dove x0=0 : esce testa e
x1=1 : esce croce. possibile
realizzazione

tempo xi (xi) t xi
0 1/2 (X, (0)) 0 0
0
1 1/2 1 0
0 1/2 2 1
1 (X, (1))
1 1/2
3 0
: : : : :
13
I processi stocastici vengono classificati come segue:

sono
a stati continui a stati discreti anche
(X un insieme (X un insieme detti
continuo, ad es. discreto, ad es. catene
X=R) X={x1,x2,,xn})

a stati finiti a stati infiniti


se n < + se n = +

15
Esiste anche unaltra classificazione
dei processi stocastici

a tempo continuo a tempo discreto


(T un insieme (T un insieme
continuo, ad es. discreto, ad es.
T=R+{0}) T=N)

16
Processi stocastici stazionari nella media

Per ogni istante di tempo tT (X, (t)) una v.a.


con media x(t).
Un p.s. stazionario nella media se
t T x(t) =

Stazionariet in Stazionariet nella


senso stretto media

18
Processi stocastici ergodici
Si consideri un p.s. stazionario e sia la media di ogni
v.a. (X, (t)), t T. Per ogni possibile realizzazione
posso calcolare
1 n
lim x(t) processi a tempo discreto
n n t 0

1 tfinale processi a tempo


lim x(t)dt
tfinale t
finale 0 continuo
Tale p.s. ergodico se:
1) il limite esiste
2) tale limite non dipende dalla particolare realizzazione
3)
21
Lo studio di un p.s. ergodico pu pertanto essere
effettuato sulla base di una sola realizzazione.

Esempio: si lancia una moneta per un numero


infinito di volte agli istanti t=0,1,2,
X={0,1} dove x0=0 : testa e x1=1 : croce.
x(0) = 1/2 x(1) = 1/2
1/2 ergodico

Esempio: si lancia una moneta allistante t=0 e la


si lascia nella stessa posizione per ogni t > 0.
Ho solo 2 possibili realizzazioni. Il limite
esiste ma dipende dalla realizzazione.
non ergodico 22
4. p(x) non dipende dallistante di tempo t, cio
x N e t R
Pr{che si verifichino x eventi in [0,1]} =
Prob{che si verifichino x eventi in [t,t+1]}.

p(x) p(x)
<1 >1

0 1 2 3 4 x 0 1 2 3 4 x

24