1 Modelli di variabili aleatorie continue

Dimensione: px

Iniziare la visualizzazioe della pagina:

Download "1 Modelli di variabili aleatorie continue"

Gennara Brunetti
8 anni fa
Visualizzazioni

1 Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a, b] f X (x) = b a 0 altrove Per indicare una variabile aleatoria X rettangolare scriveremo X U(a, b). È facile provare che E[X] = a + b 2 (b a)2, var[x] =. 2 Inoltre, la funzione di ripartizione è data da 0 se x < a x a F X (x) = se a x b b a se x > b f X F X b a O a b x O a b x Esercizio.. Provare che se X U(0, ), allora la v.a. Y = a + (b a)x è uniforme su (a, b).

intervallo [a, b] se la sua densità è data da se x [a, b] f X (x) = b a 0 altrove Per indicare una variabile aleatoria X rettangolare

2 .2 Variabili aleatorie esponenziali Una v.a continua X ha una distribuzione esponenziale con parametro λ (λ > 0), se la sua funzione densità è λe λx se x 0 f X (x) = 0 altrove Per indicare una variabile aleatoria X di tipo esponenziale scriveremo X E(λ). Le variabili aleatorie con distribuzione esponenziale hanno notevole interesse applicativo. Di solito esse rappresentano la durata di vita di diversi fenomeni. È facile verificare che f X è effettivamente una densità e che la funzione di ripartizione di X vale 0 se x < 0 F X (x) = e λx se x 0 f X F X λ O x O x Inoltre, E[X] = λ, var[x] = λ 2. Una proprietà caratteristica della v.a. esponenziale è l assenza di memoria: P[X > s + t X > s] = P[X > t], s, t 0. Ciò significa che se X è il tempo di vita di una data apparecchiatura fino al primo guasto, questo tempo non dipende dal fatto che l apparecchiatura abbia già funzionato per un dato tempo s. 2

scriveremo X E(λ). Le variabili aleatorie con distribuzione esponenziale hanno notevole interesse applicativo. Di solito esse rappresentano la durata di vita di diversi fenomeni.

3 Si può dimostrare che le v.a. esponenziali sono le uniche v.a. continue che godono di questa proprietà. Esercizio.2. Il signor Rossi è convinto che il tempo di vita di un automobile (in migliaia di chilometri percorsi) sia una variabile aleatoria esponenziale di parametro /20. Il signor Bianchi ha un automobile usata da vendere, che ha percorso circa 0000 chilometri.. Se Rossi decide di comprarla, che probabilità ha di far fare all automobile almeno altri chilometri, prima che diventi inservibile? 2. Rispondere alla stessa domanda, nell ipotesi che il tempo di vita dell automobile (in migliaia di chilometri percorsi) abbia distribuzione uniforme sull intervallo (0, 40)..3 Variabili aleatorie normali Una v.a continua X si dice normale (o gaussiana) di parametri µ e σ 2, se la sua funzione densità è f X (x) = σ (x µ) 2 2π e 2σ 2. Il grafico di f ha l andamento di una campana che ha un massimo in x = µ e due flessi in x = µ ± σ. Per valori piccoli di σ la campana è stretta e concentrata vicino al valore µ, viceversa per valori alti di σ appare come una campana aperta e appiattita. Il termine σ 2π ha il significato di fattore di normalizzazione, cioè è quel numero tale che + f X (x)dx =. La verifica di tale uguaglianza non è un semplice calcolo, perchè la primitiva di e x2 si esprime in termini di funzioni elementari. non 3

Il signor Bianchi ha un automobile usata da vendere, che ha percorso circa 0000 chilometri.

4 La funzione generatrice dei momenti è da cui ricaviamo che m X (t) = E[e tx ] = + e tx σ (x µ) 2 2π e 2σ 2 dx = e µt+ 2 σ2 t 2, E[X] = µ, var[x] = σ 2. Per indicare una variabile aleatoria X normale di media µ e varianza σ 2, scriveremo X N(µ, σ 2 ). Definizione.3. Se µ = 0 e σ =, la v.a. X si dice normale standard o standardizzata (X N(0, )) e la sua densità è f X (x) = 2π e x2 2. Denotiamo con Φ la funzione di ripartizione di una v.a. normale standard Z: Φ(z) = F Z (z) = z 2π e t2 2 dt. Valgono le seguenti proprietà: Φ( ) = 0; Φ(+ ) = ; Φ(0) = 2 ; Φ( z) = Φ(z). L impossibilità di avere una scrittura esplicita della funzione di ripartizione associata alla densità normale complica il calcolo delle probabilità e bisogna ricorrere all uso delle tavole. Esempio.4. Sia X N(0, ), calcolare P[X > 0.7]; P[X < 0.35]; P[ 3.4 X < 0.2]. Esercizio.5. Sia Z (0, ). Determinare z α in modo tale che 4

Denotiamo con Φ la funzione di ripartizione di una v.a. normale standard Z: Φ(z) = F Z (z) = z 2π e t2 2 dt. Valgono le seguenti proprietà: Φ( ) = 0; Φ(+ ) = ; Φ(0) = 2 ; Φ( z) = Φ(z).

5 . P[Z < z α ] = P[Z > z α ] = P[0 Z z α ] = P[ Z < z α ] = P[z α < Z <.6] = Osservazione.6. Se X N(µ, σ 2 ), la v.a. Z = X µ σ è una normale standard. Valgono le seguenti proprietà: ( b µ P[a X b] = Φ σ ( a µ P[X a] = Φ σ ) Φ ). ( a µ σ ) ; Esercizio.7. Il peso di una confezione è una v.a. normale di media µ = 250g e scarto σ = 3g. Calcolare la probabilità che il peso sia minore di 245g. Esercizio.8. Sia X una v.a. normale con media 9 e varianza 49. Calcolare x α in modo che P[X > x α ] = Variabili aleatorie gamma Una v.a. continua X ha una distribuzione di tipo gamma di parametri λ e r, λ > 0, r > 0, se la sua funzione densità è λ r Γ(r) f X (x) = xr e λx x 0 0 altrove dove Γ è la funzione gamma di Eulero definita da Γ(x) = + 0 t x e t dt, x > 0. 5

Calcolare la probabilità che il peso sia minore di 245g. Esercizio.8. Sia X una v.a. normale con media 9 e varianza 49. Calcolare x α in modo che P[X > x α ] = 0.20..4 Variabili aleatorie gamma Una v.

6 Osserviamo che per r =, la densità coincide con la densità di un esponenziale. Infatti Γ() = + 0 e t dt =. Per indicare che una variabile aleatoria X è di tipo gamma di parametri λ, r scriveremo X Γ(λ, r). Si può provare che la funzione generatrice dei momenti è ( ) λ r m X (t) = E[e tx ] =, t < λ λ t da cui ricaviamo che E[X] = r λ, var[x] = r λ 2..5 Variabili aleatorie chi-quadro Sia X Γ(λ, r), con λ = 2 e r = n 2. Diremo che X ha una distribuzione chi-quadro a n gradi di libertà (X χ 2 n) e la sua densità è data da: f X (x) = 2 n 2 Γ( n 2 e x 2 x 0 2 )xn 0 altrove Pertanto, E[X] = n, var[x] = 2n. 6

Si può provare che la funzione generatrice dei momenti è ( ) λ r m X (t) = E[e tx ] =, t < λ λ t da cui ricaviamo che E[X] = r λ, var[x] = r λ 2.

7 .6 Variabili aleatorie t di Student Si chiama legge t di Student con n gradi di libertà la legge della v.a. X avente densità f X (x) = Γ ( ) n+ 2 Γ ( ) n 2 nπ ) n+ ( + x2 2 n Per indicare che X segue una legge t di Student con n gradi di libertà, scriveremo X t(n). 7

8 Notiamo che il grafico della densità di una distribuzione t di Student è dello stesso tipo di quello della densità di una v.a. normale standard, ma con code più pesanti. Si può provare che E[X] = 0 n 2 Var[X] = n n 2 n 3 8

quello della densità di una v.a. normale standard, ma con code più pesanti.

Documenti analoghi

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1