Variabili casuali doppie

Documenti analoghi
Esercitazione 6 del corso di Statistica (parte 1)

Correlazione. Obiettivo: studiare la dipendenza fra due fenomeni quantitativi

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

MEDIA DI Y (ALTEZZA):

Caso studio 10. Dipendenza in media. Esempio

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Analisi delle distribuzioni doppie: dipendenza

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

La distribuzione statistica doppia (o bivariata)

Variabilità = Informazione

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

Voti Diploma Classico Scientifico Tecn. E Comm Altro

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2:

Statistica. Maura Mezzetti Sono indipendenti i caratteri X e Y? Y Totale. Totale

LA FUNZIONE DI VEROSIMIGLIANZA

Indipendenza in distribuzione

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

Variabili casuali doppie

Teoria dei Fenomeni Aleatori AA 2012/13

Analisi dei Dati. La statistica è facile!!! Correlazione

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

Caso studio 12. Regressione. Esempio

Seconda Prova Parziale di STATISTICA Modalità A

Regressione e Correlazione

Variabili casuali ( ) 1 2 n

Teoria dei Fenomeni Aleatori AA 2012/13

Lezione 4. La Variabilità. Lezione 4 1

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Compito A1- Soluzioni

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

Esercitazione 5 del corso di Statistica (parte 1)

Variabili casuali. Esempio. Variabili casuali discrete. W discreto. W continuo. V.C. discreta. V.C. discreta o continua

LA REGRESSIONE LINEARE SEMPLICE

Var iabili aleatorie continue

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

ELEMENTI DI STATISTICA

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 1 febbraio

CENNI DI STATISTICA DESCRITTIVA BIVARIATA DISTRIBUZIONI MARGINALI RETTA DI REGRESSIONE. Angela Donatiello 1

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Istogrammi e confronto con la distribuzione normale

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Statistica descrittiva per l Estimo

Il campionamento e l inferenza

INDICI DI VARIABILITA

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Soluzione degli esercizi del capitolo 11

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Tabelle Statistiche. Massimo Alfonso Russo Dipartimento di Scienze Economiche, Matematiche e Statistiche Università di Foggia

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

La regressione lineare. Rappresentazione analitica delle distribuzioni

STATISTICA DESCRITTIVA modulo 1 Corso di Laurea SMID Elda Guala e Ivano Repetto Dipartimento di Matematica - Università degli Studi di Genova

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Classi di reddito % famiglie Fino a Oltre Totale 100

DATA MINING PER IL MARKETING (63 ore)

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Dott.ssa Marta Di Nicola

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?

12. STATISTICHE CAMPIONARIE

I percentili e i quartili

Anche le rette raccontano

LEZIONI DI STATISTICA MEDICA

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Esercizi su Rappresentazioni di Dati e Statistica

CAP. 2 - CAMPIONAMENTO e DISTRIBUZIONI CAMPIONARIE

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

Matematica elementare art.1 di Raimondo Valeri

Associazione tra due variabili quantitative

Daniela Tondini

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

L analisi bivariata. L analisi bivariata. L analisi bivariata. Tabelle di contingenza. Corso di. docente: Cristina Davino. a.a.

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Capitolo 6 Gli indici di variabilità

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1

TEST CHI DI INDIPENDENZA STOCASTICA

Le modalità con cui si esprime la grandezza Ysaranno:

Le misure di variabilità

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale

Capitolo 2 Errori di misura: definizioni e trattamento

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

Le modalità con cui si esprime la grandezza Ysaranno:

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE Trasformazioni lineari Indici di covarianza e correlazione

Transcript:

Varabl casual doppe Ua varable casuale doppa (,) è ua fuzoe defta sullo spazo campoaro che assoca ad og possble rsultato dell espermeto ua coppa d umer real (x,y) S y ω ω 3 ω y y 3 (x, y ) (x, y ) (x 3, y 3 ) Dscrete / Cotue x x x 3 Dstrbuzoe coguta Dstrbuzoe margale Dstrbuzoe codzoata

Varabl casual doppe dscrete : x, x,, xk : y, y,, yh A og coppa (x,y ) è assocata ua probabltà p = P = y ( = x ) ( ) Propretà ) p k h 0 ) p = = = Dstrbuzoe d probabltà coguta x x y y p p p p x k p k p k y h p h p h p kh

Dstrbuzo margal [ ] [ ] ( = x ) = ( = x ) ( = y ) ( = x ) ( = y ) h ( ) ( ) ( ) ( ) ( ) p. = P = x { } h = P = x = y = x = y ( ) ( ) ( ) ( ) = P = x = y + + P = x = y h = p + p + + p h p p.. h = p per =,, k = = k = p per =,, h N.B. Le probabltà margal soo o egatve e la loro somma è. p. 0 k = p. = p. 0 h = p. =

Dstrbuzo d probabltà d ua varable casuale doppa p. y y y h x p p p h x p p p h p. x k p k p k p kh p k. p. p. p.h

Mede e varaze margal Le caratterstche delle dstrbuzo margal possoo essere stetzzate medate momet. Mede µ µ k = x p = h =. y p. = Varaze k ( ) = x p = σ µ h ( ) = y p. = σ µ.

Esempo 8. Il drettore d u grade magazzo tede verfcare se clet dotat della carta fedeltà hao u comportameto dverso da coloro che e soo sprovvst. A tal fe ha rlevato l umero d acqust comput da clet cogutamete al possesso della carta fedeltà. Sa ua varable casuale che assume valore se l clete ha la carta fedeltà e 0 altrmet e sa ua varable casuale che descrve l umero d acqust. Il drgete ha stmato la dstrbuzoe d probabltà coguta per e rportata ella tabella. Fuzoe d probabltà coguta del possesso della carta fedeltà () e del umero d acqust (). 3 0 0.0 0.5 0.05 0.40 0.0 0.5 0.5 0.60 0.40 0.40 0.0

Esempo 8. Dstrbuzoe d probabltà coguta 3 0 0.0 0.5 0.05 0.40 0.0 0.5 0.5 0.60 0.40 0.40 0.0 ( ) ( ) ( ) ( ) ( ) ( ) P( = 0) = P = 0 = + P = 0 = + P = 0 = 3 = 0.0 + 0.5 + 0.05 = 0.40, ( ) ( ) ( ) ( ) ( ) ( ) P( = ) = P = = + P = = + P = = 3 = 0.0 + 0.5 + 0.5 = 0.60. ( = ) = P( = 0) P ( ) ( ) ( ) P P P = = 0.0 + 0.0 = 0.40, = = 0.5 + 0.5 = 0.40, = 3 = 0.05 + 0.5 = 0.0. ( = 3) = ( = ) ( = ) P P P E[ ] = 0.40 + 0.40 + 3 0.0 =.8 ( ) ( ) ( ) ( ) Var =.8 0.40 +.8 0.40 + 3.8 0.0 = 0.56

Esempo 8. Ad ua prova scrtta d u esame uverstaro u docete ha sommstrato u questoaro co treta domade a scelta multpla. Per og questo lo studete può sceglere fra tre possbl rsposte, delle qual ua sola è corretta. Se lo studete rspode correttamete ad ua domada acqussce u puto, se o rspode ha zero put, se fe dà ua rsposta errata cosegue ua valutazoe egatva par a /. L esame è sosteuto sa da studet che hao seguto l corso che da studet che o l hao seguto. Dopo u elevato umero d esam l docete ha stmato alcue probabltà. I partcolare la probabltà che uo studete abba seguto l corso rsulta 0.65. Per cascu questo la probabltà che uo studete rspoda correttamete è 0.50 e la probabltà che o rspoda è 0.0. La probabltà che uo studete abba seguto l corso e rspoda correttamete è 0.40, metre la probabltà che uo studete o abba seguto l corso e da ua rsposta errata è 0.5. Sa ua varable casuale che assume valore se lo studete ha seguto l corso e 0 altrmet e sa ua varable casuale che rappreseta l puteggo coseguto al sgolo questo. S vuole determare la dstrbuzoe d probabltà coguta della,. varable casuale doppa ( )

Esempo 8. Dat del problema -/ 0 0 0.5?????????? 0.40 0.65?? 0.0 0.50 ( ) P ( ) P Probabltà margal = 0 = = = 0.65 = 0.35 ( = / ) = ( = 0) ( = ) P P P = 0.0 0.50 = 0.30

Esempo 8. Probabltà cogute?? -/ 0 0 0.5???? 0.35???? 0.40 0.65 0.30 0.0 0.50 ( ) ( ) ( ) ( ) ( ) P = 0 = = P = P = = = 0.50 0.40 = 0.0. ( ) ( ) ( ) ( ) ( ) P = = / = P = / P = 0 = / = 0.30 0.5 = 0.5. ( = 0) ( = 0) = ( = 0) ( = 0) ( = / ) ( = 0) ( = ) P P P P = 0.35 0.5 0.0 = 0.0, ( = ) ( = 0) = ( = ) ( = ) ( = / ) ( = ) ( = ) P P P P = 0.65 0.5 0.40 = 0.0.

Esempo 8. Dstrbuzoe d probabltà coguta per la frequeza al corso () e l puteggo () -/ 0 0 0.5 0.0 0.0 0.35 0.5 0.0 0.40 0.65 0.30 0.0 0.50

Dstrbuzo codzoate Fuzoe d probabltà d codzoata al valore y d ( = x ) = y P ( = y ) = x P = = ( = x ) ( ) = y P( = y ) P = Fuzoe d probabltà d codzoata al valore x d ( = x ) ( ) = y P p = P p. ( = x ) p p. =,,, =,,, k h N.B. Le probabltà codzoate soo o egatve e la loro somma è. p p 0 p. p. 0 p Pr = x = y = = p = p. = k k k ( ) = = p. p. = p. p Pr = y = x = = p = p. = h h h ( ) = = p. p. = p.

Valore atteso e varaza delle dstrbuzo codzoate Dstrbuzoe d codzoata a = x h p E [ = x ] = y P( = y = x ) = y p. h = = h ( ) ( ) ( ) [ ] Var = x = y E = x P = y = x = h p = ( y E[ = x ]). p. = Dstrbuzoe d codzoata ad = y k p E = y = x p. = k ( = ) ( ) = = Var y x E y = p p.

Esempo 8. Dstrbuzoe d codzoata a =0 Dstrbuzoe d codzoata a = ( ) P ( ) P ( ) P Dstrbuzoe d probabltà coguta 3 0 0.0 0.5 0.05 0.40 0.0 0.5 0.5 0.60 0.40 0.40 0.0 ( = = ) P ( = ) ( = = ) P( = ) ( = = ) P( = ) P 0 0.0 = = 0 = = = 0.500, 0 0.40 P 0 0.5 = = 0 = = = 0.375, 0 0.40 P 3 0 0.05 = 3 = 0 = = = 0.5. 0 0.40 ( ) P ( ) P ( ) P ( = = ) P ( = ) ( = = ) P( = ) ( = = ) P ( = ) P 0.0 = = = = = 0.333, 0.60 P 0.5 = = = = = 0.47, 0.60 P 3 0.5 = 3 = = = = 0.50. 0.60

Esempo 8. Mede codzoate e meda margale Dstrbuzoe d probabltà codzoata ad =0 3 P( =0) 0.500 0.375 0.5 [ = 0] = ( = = 0) + ( = = 0) + 3 ( = 3 = 0) E P P P = 0.500 + 0.375 + 3 0.5 =.65. Dstrbuzoe d probabltà codzoata ad = 3 P( =) 0.333 0.47 0.50 [ = ] = ( = = ) + ( = = ) + 3 ( = 3 = ) E P P P = 0.333 + 0.47 + 3 0.50 =.97. Dstrbuzoe d probabltà margale 3 P() 0.40 0.40 0.0 E[ ] =.8 [ ] [ ] [ ] E = E = 0 P( = 0) + E = P( = ) =.65 0.40 +.97 0.60 =.8.

Idpedeza ( = x ) ( = x ) P = y = P = p., P ( = = x ) ( = ) P y = y = p., Le compoet d ua varable casuale doppa soo dpedet se le fuzo d probabltà codzoata soo tutte ugual alla fuzoe d probabltà margale ( = x ) ( = ) = ( = ) ( = ) y x y P P P p = p. p., Le compoet d ua varable casuale doppa soo dpedet quado la fuzoe d probabltà cogute s ottee dal prodotto delle fuzo d probabltà margale

Esempo 8.3 I uo studo sull effetto della pubblctà è stato chesto ad u campoe d cosumator se avevao vsto la pubblctà d ua partcolare marca d cereal, ella quale s esaltavao le capactà utrtve, e se avevao acqustato l prodotto. Sa ua varable casuale che assume valore se l cosumatore ha vsto la pubblctà e 0 altrmet e ua varable casuale che assume valore se l cosumatore ha acqustato cereal e 0 altrmet. E stata stmata la dstrbuzoe d probabltà coguta rportata ella tabella Dstrbuzoe d probabltà coguta per la pubblctà () e l acqusto de cereal (). 0 0 0.45 0.0 0.65 0.5 0.0 0.35 0.70 0.30

Esempo 8.3 Dstrbuzoe d probabltà coguta per la pubblctà () e l acqusto de cereal (). 0 0 0.45 0.0 0.65 0.5 0.0 0.35 0.70 0.30 Dstrbuzoe doppa dell esempo 8.3 caso d dpedeza. 0 0 0.65 0.70=0.455 0.65 0.30=0.95 0.65 0.35 0.70=0.45 0.35 0.30=0.05 0.35 0.70 0.30 e soo dpedet!

Varabl casual multvarate Ua -pla d varabl casual dscrete,,, ( ) costtusce ua varable casuale dscreta -varata. Le varabl margal soo dpedet se e solo se la fuzoe d probabltà coguta può essere otteuta come prodotto delle fuzo d probabltà margal [( = ) ( = ) ( = )] Idpedeza P x x x per qualuque -pla (x, x,, x ). = P( = x ) P( = x ) P( = x ),

Varabl casual doppe cotue (,) f(x,y) Fuzoe d destà coguta y x f ( x, y) = f ( x) f ( y) per qualuque x, y R Idpedeza Le compoet d ua varable casuale doppa cotua (,) soo dpedet quado la fuzoe d destà coguta può essere otteuta come prodotto delle fuzo d destà margal

Varabl casual multvarate cotue Ua -pla d varabl casual cotue,,, ( ) costtusce ua varable casuale -varata cotua. Idpedeza Le varabl margal soo dpedet se e solo se la fuzoe d destà coguta può essere otteuta come prodotto delle fuzo d destà margal f ( x, x,..., x ) = f ( x ) f ( x ) f ( x ) per qualuque -pla (x, x,, x ).

Valore atteso d ua fuzoe d ua varable casuale doppa (, ) g (, ) Ua fuzoe g(,) d ua varable casuale doppa (,) è, a sua volta, ua varable casuale. Valore atteso (per varabl dscrete) [ ] = k h E g(, ) g( x, y ) p = = Il valore atteso d g(,) può essere terpretato come l valore cu coverge la meda de valor assut da g(,) quado l espermeto è replcato fte volte.

Covaraza [ ] Cov(, ) = E ( µ )( µ ) = σ La covaraza è l valore atteso del prodotto degl scart Essa dca se tedezalmete gl scart delle due varabl hao lo stesso sego o sego dverso. σ σ σ > 0 < 0 = 0 cocordaza dscordaza asseza d dpedeza leare Rleva, se esste, l sego del legame leare Varabl casual dscrete k h ( )( ) σ = x µ y µ p = = ( ) = ( µ )( µ ) g,

La covaraza s può calcolare come dffereza fra l valore atteso del prodotto delle due varabl casual e l prodotto de valor attes. σ = µ µ µ µ = E[ ] Dmostrazoe k h ( )( ) σ = x µ y µ p = = k h ( µ µ µ µ ) = x y y x + p = = k h k h k h k h µ k h = x y p = = = x y p µ y p µ x p + µ µ p = = = = = = = = k h h k k h k h = x y p µ y p µ x p + µ µ p = = = = = = = = k h h k = x y p µ y p. µ x p. + µ µ = = = = = µ µ µ µ µ + µ µ = µ µ µ

Propretà della covaraza [( )( )] σ = E µ µ e d. σ = 0 N.B. No vale l vceversa Cov( a + b, c + d) = acσ Dsuguaglaza d Cauchy Schwarz σ σ σ σ σ = Var( ) = Var( ) Rleva, se esste, l sego del legame leare

Propretà Se e soo dpedet la covaraza è ulla. Ifatt µ k h k h = x y p = = = = = k h = x p. y p. = µ µ = = x y p. p. σ = µ µ µ = 0 e soo correlate N.B. Varabl correlate o soo ecessaramete dpedet

Propretà Cov(a+b,c+d) = accov(,) Dmostrazoe Cov( a + b, c + d) k h = = ( [ ])( [ ]) = ax + b E a + b cy + d E c + d p Cov( a + b, c + d) k h [ ] µ E a + b = a + b [ ] µ E c + d = c + d ( µ )( µ ) = ax + b a b cy + d c d p = = k h ( µ )( µ ) = ax a cy c p = = k h ( )( ) = ac x µ y µ p = acσ = =.

Propretà 3 Dsuguaglaza d Cauchy Schwarz σ σ σ σ σ I caso d perfetto legame leare s ha = a + b σ = σ σ

Coeffcete d Correlazoe = E σ µ σ µ ρ ), ( E u dce dell testà del legame leare ( )( ) (, ) (, ) E ρ µ µ σ σ σ ρ σ σ = =

Correlazoe curve d lvello ρ = 0 ρ = 0. 5 0.8 0.5 0.95 0.5 0.8 0.95 ρ = 0. 8 ρ = 0. 95 0.5 0.8 0.95 0.5 0.8 0.95

Propretà del coeffcete d correlazoe ) ) 3) 4) 5) ρ(, ) ρ(, ) = = a + b e d. ρ(, ) = 0 ρ( a + b, c + d) = ± ρ(, ) ρ(, ) = ρ(, ) (o vale l vceversa) E u dce dell testà del legame leare E u dce d prevedbltà

Esempo 8.4 U ateeo sommstra abtualmete agl studet frequetat u questoaro per rlevare le loro opo su cors. Nel questoaro gl studet devoo esprmere ua valutazoe sulla charezza espostva del docete e sulla sua capactà d susctare teresse per la matera. I etramb cas l gudzo può essere (suffcete), (suffcete) e 3 (buoo). Sa la varable casuale che rappreseta la valutazoe sulla charezza espostva del docete e la varable casuale che rappreseta l gudzo sulla capactà del docete d susctare teresse verso la matera. E stata stmata la dstrbuzoe d probabltà coguta rportata ella tabella. S vuole calcolare l coeffcete d correlazoe. Dstrbuzoe d probabltà coguta della valutazoe degl studet sulla charezza espostva del docete () e sulla sua capactà d susctare teresse () 3 0.09 0.04 0.00 0.3 0.07 0.7 0.0 0.34 3 0.0 0. 0.40 0.53 0.7 0.33 0.50

Esempo 8.4 µ = µ =.40.33. Dstrbuzoe d probabltà coguta della valutazoe degl studet sulla charezza espostva del docete () e sulla sua capactà d susctare teresse () 3 0.09 0.04 0.00 0.3 0.07 0.7 0.0 0.34 3 0.0 0. 0.40 0.53 0.7 0.33 0.50 µ 3 3 x= y= ( ) = x yp = x = y = 0.09 + 0.04 + 3 0.00 + 0.07 + 0.7 + 3 0.0 + 3 0.0+ 3 0. + 3 3 0.40 = 5.94. σ = µ µ µ = 5.94.40.33 = 0.348 σ = 0.707 σ = 0.749 ρ σ 0.348 = = = σ σ 0.707 0.749 0.657

Esempo 8.5 Dstrbuzoe d probabltà coguta. - 0 0 ¼ 0 ¼ ½ 0 ½ 0 ½ ¼ ½ ¼ µ = / µ = 0 µ = σ = Le varabl soo correlate ma dpedet! 0 0

Combazo lear d due varabl casual (, ) a + b Esemp a = b = + a =, b = Valore atteso e varaza E a b a b [ + ] = µ + µ µ µ [ ] [ ] = E = E Var a + b = a σ + b σ + abσ ( ) ( ) ( ) (, ) σ σ σ = Var = Var = Cov Se le varabl soo correlate s ha Var a + b = a σ + b σ ( )

Valore atteso k [ + ] = ( + ) E a b ax by p = = = ax p + = = = = = a x p + b y p = = = = = a x p. + b y p. = = = aµ + bµ h k h k h k h h k k h by p g (, ) = a + b

Varaza k h ( ) Var( a + b ) = ax + by E[ a + b ] p = = k h ( µ µ ) = = k h = = k h = = = ax + by a b p ( µ ) ( µ ) = a x b y + p = a x + b y + ab x y p ( µ ) ( µ ) ( µ )( µ ) k h k h k h ( µ ) ( µ ) ( µ )( µ ) a x p b y p a = + + = = = = k h h k ( ) ( ) = a x µ p + b y µ p + abσ k h ( ) ( ) = = = = = = µ. µ. σ = = = a x p + b y p + ab = a σ + b σ + abσ. b x y p

Somma e dffereza d varabl casual Var Var E[ + ] = µ + µ, E[ ] = µ µ, ( + ) = + +, ( ) = +. σ σ σ σ σ σ Se e soo correlate s ha Var( ± ) = σ + σ

Esempo 8.6 U vesttore ha mpegato metà delle rsorse a sua dsposzoe u fodo azoaro e l altra metà u fodo obblgazoaro. I redmet del fodo azoaro hao meda 6 e scarto quadratco medo 3, metre redmet del fodo obblgazoaro hao meda 4 e scarto quadratco medo. La covaraza fra redmet de due fod è. S vuole calcolare l valore atteso e lo scarto quadratco medo del redmeto medo degl vestmet. : redmeto degl vestmet azoar : redmeto degl vestmet obblgazoar µ = 6 σ = 3 µ = 4 σ = Redmeto medo [ ] + E 0.5 + 0.5 = 0.5µ + 0.5µ = 0.5 6 + 0.5 4 = 5 Var σ σ σ (0.5 + 0.5 ) = 0.5 + 0.5 + 0.5 0.5 = + + = 0.5 3 0.5 0.5 0.5 3.5 σ =.87 +

,,, Combazo lear d [ ] E W varabl casual W = a = a + a + + a = = ( ) = a µ σ σ = = Var W = a + a a E Var [ ] = µ ( ) = σ Cov(, ) = σ N.B. ( ) = correlate Var W a σ =

Meda d varabl casual,,, [ ] µ ( ) = σ E =, Var, correlate = = + + + = a = ) ) E = µ ( ) Var σ =

Valore atteso e varaza della meda = = = + + + = µ + µ + + µ = µ = µ. [ ] [ ] [ ] E E E E E Var [ ] µ, ( ) = σ correlate =, Var Var Var Var = σ + σ + + σ σ = σ = ( ) = ( ) + ( ) + + ( )

Meda d varabl casual detcamete dstrbute ma dpedet,,, E[ ] = µ, Var ( ) σ ( ) =, Cov, = τ,, = = ) ) E = µ ( ) Var σ = + τ

Somma d varabl casual,,, E Var [ ] µ, ( ) = σ correlate =, = = + + + = ) ) [ ] [ ] E = E = µ = µ = = ( ) ( ) Var = Var = σ = σ = =