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

Documenti analoghi
Teoria dei Fenomeni Aleatori AA 2012/13

Caso studio 12. Regressione. Esempio

Il campionamento e l inferenza

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

Caso studio 10. Dipendenza in media. Esempio

Istogrammi e confronto con la distribuzione normale

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

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

Lezione 4. La Variabilità. Lezione 4 1

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

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

Classi di reddito % famiglie Fino a Oltre Totale 100

LEZIONI DI STATISTICA MEDICA

Variabilità = Informazione

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

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

Variabili casuali ( ) 1 2 n

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

Un esempio. le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze empiriche.

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

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

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

Statistica descrittiva per l Estimo

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

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

Calcolo delle Probabilità: esercitazione 4

Regressione e Correlazione

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

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

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Capitolo 2 Errori di misura: definizioni e trattamento

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X

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

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Matematica elementare art.1 di Raimondo Valeri

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

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

MEDIA DI Y (ALTEZZA):

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

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

INDICI DI VARIABILITA

Lezione 13. Anelli ed ideali.

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

Lezione 3. Gruppi risolubili.

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

I percentili e i quartili

DI IDROLOGIA TECNICA PARTE II

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

Modelli di accumulo del danno dovuto a carichi ciclici

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

LA REGRESSIONE LINEARE SEMPLICE

Francesco Ciatara ELEMENTI STATISTICA

Voti Diploma Classico Scientifico Tecn. E Comm Altro

Capitolo 6 Gli indici di variabilità

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

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

Lezione 4. Metodi statistici per il miglioramento della Qualità

Esercizi su Rappresentazioni di Dati e Statistica

Indipendenza in distribuzione

Formulario e tavole. Complementi per il corso di Statistica Medica

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Lezione 24. Campi finiti.

Il modello di regressione multipla

Design of experiments (DOE) e Analisi statistica

Sommario. Facoltà di Economia francesco mola. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità

DISTRIBUZIONE DI STUDENT

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

TRATTAMENTO STATISTICO DEI DATI ANALITICI

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

Verifica e scelta del modello probabilistico

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

CALCOLO DEGLI INDICI STATISTICI

valido se i dati E dato da max(x i )-min(x i )

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

Definizioni. Unità strutturale. Massa dell unità strutturale (M 0.) = 100 a.m.u. Macromolecola o Catena polimerica

Statistica per le ricerche di mercato. 10. La regressione lineare semplice

Propagazione di errori

Elementi di Statistica descrittiva Parte II

Analisi di dati vettoriali. Direzioni e orientazioni

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

Associazione tra due variabili quantitative

La probabilità. Il campionamento e l inferenza. L inferenza e la probabilità. campionamento casuale. Dai dati osservati mediante scelta

Dott.ssa Marta Di Nicola

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA.

Sommario. Corso di Statistica Economia e Commercio. Distribuzioni (cont Distribuzioni di frequenza. Distribuzioni

FUNZIONI LOGICHE FORME CANONICHE SP E PS

frazione 1 n dell ammontare complessivo del carattere A x

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI

Università della Calabria

Esercitazione 5 del corso di Statistica (parte 1)

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

Capitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Statistica. Testi. Prima Parte. economiche McGraw-Hill Milano. Alessandro Attanasio. mail:

Capitolo 13 Il modello di regressione lineare

ESERCIZI SULLE SERIE

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

Transcript:

//7 arabl casual Ua varable casuale X e ua fuzoe defta sullo spazo campoaro W che assoca ad og eveto W u uco umero reale. X Ua varable casuale può essere classfcata come dscreta o cotua. Ua varable casuale dscreta può assumere u seme dscreto (fto o umerable) d umer real. W 9 8 7 semp: somma de putegg el laco d due dad, umero d pezz dfettos u lotto, varazoe goralera el redmeto d u ttolo, umero d prodott d u certo tpo vedut goralmete u partcolare puto vedta Ua varable casuale cotua può assumere tutt valor compres u tervallo reale. W dscreto W cotuo.c. dscreta.c. dscreta o cotua arabl casual dscrete Ua varable casuale dscreta X è caratterzzata dalla sua fuzoe d probabltà che assoca ad oguo de valor la corrspodete probabltà P(X= ). La fuzoe d probabltà deve verfcare le due propretà: Ua varable aleatora dscreta può ache caratterzzars attraverso la sua fuzoe d rpartzoe che fa corrspodere a valor le probabltà cumulate P(X): La fuzoe d rpartzoe verfca le seguet propretà: F() è o decrescete X, PX P lm F F F() è cotua a destra PX PX w e lm F w sempo Corrspodeza tra evet e valor della varable casuale X={somma de putegg}, ella prova laco d due dad X 7 8 9 P() F()

//7 Rappresetazoe grafca della fuzoe d rpartzoe per l esempo del laco d due dad F(),8,,, 7 8 9 arabl casual cotue Ua varable casuale cotua X è caratterzzata dalla sua fuzoe d destà, f() tale che l area sottesa alla fuzoe, u tervallo, è par alla probabltà che X assuma u valore quell tervallo: P a X b f d a La fuzoe d destà deve verfcare le propretà: f f d La probabltà che la v.c. assuma u partcolare valore è. Ua v.a. cotua può ache caratterzzars attraverso la fuzoe d rpartzoe: F P X f w dw La fuzoe d rpartzoe verfca le propretà gà vste precedeza; oltre per v.a. cotue, essa è assolutamete cotua. b sempo S cosder la v.a. X che può assumere tutt valor dell tervallo reale [a ; b] modo che tutt sottotervall d uguale ampezza abbao la stessa probabltà. La fuzoe d destà è La fuzoe d rpartzoe è Fuzoe d destà d probabltà f F b a a b a se a; b altrmet se a se a; b se b Fuzoe d rpartzoe alore atteso d ua v.a. Il valore atteso d ua v.c. X, è defto come se la v.c. è dscreta se la v.c. è cotua Il valore atteso d ua fuzoe Y = g(), della v.a. X, può essere calcolato come: X P X f Y g d Y g P f d se la v.c. è dscreta se la v.c. è cotua 7 8

//7 sempo v.a. dscreta X={somma de putegg}, ella prova laco d due dad sempo v.a. cotua S cosder la v.a. X defta ell tervallo [a ; b] vsta prma X 7 8 9 P() F() b b a X f d d f a b a b b b a b a a a a b X 7 7 8 9 9 araza d ua v.a. La varaza d ua v.c. X, è defta come A secoda del tpo d v.a., la precedete defzoe dveta X X P X X f X X X d se la v.c. è dscreta se la v.c. è cotua La varaza può essere, modo equvalete, defta come: X X X S defsce devazoe stadard d X, la radce quadrata della sua varaza Meda e araza d ua combazoe leare Sa Y ua combazoe leare d ua v.c. X, ossa Y = a+bx, dove a e b soo delle costat. S possoo allora dmostrare le seguet propretà: Y a bx b X Poedo a = -(X) e b = /SD(X), s ottee ua varable aleatora Y stadardzzata, ossa, co valore atteso e devazoe stadard. X X Y SD X X Y a bx a bx Y Y SD X

//7 Teorema d Chebyshev Sa X ua varable casuale e k u valore reale postvo, allora vale la seguete dsuguaglaza: P X X k SDX Idpedetemete dalla dstrbuzoe della v.c., la probabltà che X assuma valor dstat dalla meda pù d k devazo stadard è al pù /k k Modell d v.a. dscrete: v.a. uforme Ua v.a. uforme dscreta X assume valor ter compres u certo tervallo [a,a+s-], cascuo co la stessa probabltà. ee dcata come X UD(a,s). La fuzoe d probabltà d ua uforme dscreta è: se a; a s P s altrmet Meda e varaza d ua uforme dscreta soo rspettvamete: s s X a e X, sempo: X UD(,8) X, X, X, 9 SD P(),,,8,,,, 7 8 Modell d v.a. dscrete: v.a. d Beroull Ua v.a. Beroullaa, dcata come X Beroull(p) assume solo due valor, o, rspettvamete co probabltà p e -p. La fuzoe d probabltà d ua v.a. d Beroull è: P X p p per, Meda e varaza d ua Beroullaa soo rspettvamete: X p e X p p Tutte le prove che producoo solo due possbl rsultat geerao v.c. d Beroull: l laco d ua moeta, l superameto o meo d u certo lvello d flazoe, l aumeto o meo della quotazoe d u ttolo, l acqusto o meo d u certo prodotto, la dfettostà o l tegrtà d u certo pezzo Modell d v.a. dscrete: v.a. Bomale La v.a. Bomale è ua dstrbuzoe dscreta che s utlzza quado s è preseza d prove dpedet (es. estrazo co rpetzoe o estrazo da ua popolazoe fta), cascua prova ha solo due est possbl, dcat come successo e successo (es. dfettoso/o dfettoso, aumeto/decremeto, acqusto/macato acqusto), e la probabltà p (es. tasso d dfettostà) d osservare u successo ua sgola prova rmae costate per tutte le prove. Ua v.a. Bomale s dca come X Bomale(p;) e la sua fuzoe d probabltà è: P X p p per,,, e p

//7 Ua v.a. Bomale può essere otteuta cosderado la somma d v.c. d Beroull, dpedet e detcamete dstrbute: semp d Bomale dove X Beroull(p), dpedetemete per og. X X X X X,, Bomale(7;,) Meda e varaza d ua Bomale soo rspettvamete: X p e X p p,, Bomale(;,) Ua v.a. Bomale è caratterzzata dalle seguet propretà: Il valore atteso e la varaza crescoo al crescere d ; Per p=, la dstrbuzoe è smmetrca rspetto al valor medo (/); Per la dstrbuzoe tede ad essere smmetrca rspetto al valor medo. 7,,, 7 8 9 7 8 9 8 sempo U dustra che produce tapp d sughero sa che l tasso d dfettostà de macchar a dsposzoe è del %. Per cotrollare goralmete che tale tasso rmaga varato, l resposable del cotrollo d qualtà og goro estrae tapp a caso tra quell prodott e osserva quat d ess rsultao dfettos. È pù probable che s trov ad osservare solo tappo dfettoso o essu tappo dfettoso? qual è vece la probabltà d osservare? 9 Idchamo co: p la probabltà d produrre u tappo dfettoso; l umero d tapp estratt; X l umero d tapp dfettos tra quell estratt. Le formazo a dsposzoe soo: p =,; = ; oglamo calcolare P(X = ), P(X = ) e fe P(X = ).!! P( X ) p p,,,8!!!!!! ( ),, P X p p,77!!!!!! ( ),, P X p p,887!!!!

//7 Dstrbuzoe d probabltà della varable " d tapp dfettos osservat. P(X)....... X Modell d v.a. dscrete: v.a. d Posso Ua v.a. d Posso, dcata come X Posso(l) può assumere qualsas valore tero. La fuzoe d probabltà d ua v.a. d Posso è: l e l PX,,, l! Meda e varaza d ua Posso soo rspettvamete: X l e X l La dstrbuzoe d Posso è adeguata per approssmare v.a. che rappresetao cotegg: l umero d persoe che arrvao ad uo sportello u certo tervallo d tempo, l umero d error d batttura ua paga, l umero d cdet u tratto stradale, l umero d rmbors chest u goro ad ua compaga asscuratva I geerale, ua v.a. dscreta che rappreseta l umero d volte che s realzza u certo eveto aleatoro u dato tervallo (d tempo o d spazo) può essere approssmata bee da ua Posso se, suddvdedo l tervallo tat sottotervall, valgoo le seguet codzo La probabltà d osservare esattamete u eveto el sottotervallo è costate La probabltà d osservare pù d u eveto el sottotervallo è par a zero Il verfcars d u eveto u sottotervallo è dpedete dal verfcars d u eveto u altro sottotervallo,,,,,, semp d v.a. d Posso Posso() Posso() Posso(7) Ua v.a. d Posso è caratterzzata dalle seguet propretà: Se X Posso(l ) dpedetemete per og =,,, allora X Posso(l +l + +l ), dove X = X +X + +X. La v.a. Bomale al crescere d e per p pccolo, tede ad ua v.a. d Posso co parametro l = p.,,, 7 8 9 7

//7 Modell d v.a. cotue: v.a. uforme Ua v.a. Uforme cotua X, dcata come X U(a;b), può assumere valor sull tervallo reale lmtato [a;b], modo che tutt sottotervall d uguale ampezza abbao la stessa probabltà. La fuzoe d destà è se a; b f b a altrmet Meda e varaza d ua uforme soo rspettvamete: a b a b X e X sempo: X U(;),, f,,,,, -, -,,,,,7,,, Modell d v.a. cotue: v.a. Normale Ua v.a. Normale (o Gaussaa) X, dcata come X N(m;s ), può assumere valor su tutto l asse reale. La fuzoe d destà è f ep s p Meda e varaza d ua ormale soo rspettvamete: La Normale gode delle seguet propretà: Og trasformazoe leare d ua v.a. Normale è acora ua v.a. Normale La somma d v.c. Normal dpedet è acora ua v.c. Normale co meda e varaza par, rspettvamete, alla somma delle mede e delle varaze delle v.c. Normal. m m s s X m e X s,7, semp d v.a. Normal s Se la v.a. X ha ua dstrbuzoe ormale co parametr m e s, allora Z = (X- m)/s è acora ua v.a. Normale co meda e varaza. La v.a. Z è ota come Normale stadardzzata e s dca come Z N(;)., N(;), s s, s,, -, -, -,,,,, m= m= m= m= m= m= La fuzoe d destà della Normale stadard è f z ep z p,,,,,9, -,,,,,, 7, 7, -,9,,9 8

//7 La fuzoe d rpartzoe d ua v.a. Normale stadard vee geere dcata come ( ), ossa F z P( Z z) z I valor della fuzoe d rpartzoe d ua Normale stadard soo tabulat e questo semplfca calcol delle aree sottese dalla fuzoe d destà. sempo: Calcolo dell area sottesa ell tervallo [-,], 977, 9 9 SMPIO U dustra che produce compoet sta valutado la possbltà d forre ua grossa dtta. I macchar soo settat per produrre compoet co u dametro d mm, tuttava o tutt pezz prodott hao esattamete la stessa dmesoe. È oto vece che l dametro de pezz prodott segue ua dstrbuzoe ormale co meda mm e devazoe stadard,mm. La dtta che dovrebbe acqustare quest pezz può utlzzare esclusvamete compoet co u dametro compreso tra 9 e mm. S vuole stablre se almeo l 9% della produzoe d compoet cotr le ecesstà della dtta..8.7...... Destà della varable "dametro" 7 8 9 Idchamo co X la varable dametro :.8.7...... Destà stadardzzata - - - - - 9 m X m m P9 X P s s s 9 P Z P Z,,, 9

//7 SMPIO U puto vedta d ua catea d fast food ha comcato ad offrre u servzo d cosega past a domclo. Per battere la cocorreza l propretaro ha decso d offrre l pasto grats a clet che rcevoo la cosega co u rtardo eccessvo. Dato l attuale marge d proftto, l propretaro coclude che è possble offrre u umero d past grats par al,% delle ordazo. Sapedo che l tempo d cosega s dstrbusce approssmatvamete maera ormale co meda par a m. e devazoe stadard par a m., l propretaro vuole determare u lvello sogla per l tempo d attesa, oltre l quale forre l pasto grats, modo tale che l umero d past grats offert o super l,% delle ordazo...9.8.7...... Destà della varable "tempo d cosega" =? Idchamo co X la varable tempo d attesa e co la sogla da determare: X m m m, P X P P Z s s s, P Z,9 Dalle tavole della dstrbuzoe ormale otteamo: Qud m,9 e,9 s m,9 9,8 s,........ Destà stadardzzata, - - -,9 Perché la dstrbuzoe ormale è così mportate? Molt feome tedoo aturalmete ad avere ua dstrbuzoe campaulare be approssmable co ua dstrbuzoe ormale. Ossa è u modello teorco che s adatta bee a molt dat emprc. È faclmete trattable da u puto d vsta matematco. I molte applcazo, cocluso basate sull assuzoe d ormaltà de dat o soo seramete affette da scostamet dalla ormaltà coteut. Ma soprattutto Bacoota da March co l mmage d Carl Fredrch Gauss e la fuzoe d destà ormale. Deve la sua mportaza all essteza del teorema del lmte cetrale. Il teorema del lmte cetrale Sao X,, X, varabl casual dpedet e detcamete dstrbute (..d.) co meda (X ) = m e varaza (X ) = σ etrambe fte. Sa S = X + +X, la loro somma avete meda (S ) = m e varaza (S ) = σ. Allora per, S tede a dstrburs ormalmete. U eucato equvalete del teorema stablsce che, posto X X e restado valde le codzo eucate sopra, s ha che la varable X m Z s coverge, per, ad ua Normale stadard. SMPIO Sao X,, X, varabl beroullae dpedet co detca probabltà d successo p (qud (X ) = p e (X ) = p(-p)). Abbamo vsto che la loro somma S = X + +X s dstrbusce come ua varable bomale co meda (S ) = p e varaza (S ) = p(-p). I vrtù del teorema del lmte cetrale, per, S tede a dstrburs ormalmete.

//7 Applcazo del teorema Modell d v.a. cotue: Ch-quadrato Ua v.a. Ch-quadrato X, dcata come X c (g), può assumere valor ell tervallo [;]. La fuzoe d destà è f Meda e varaza d ua Ch-quadrato soo rspettvamete: X g e X g e per g g Ua v.a. c (g) s può otteere come somma de quadrat d g v.a. Normal stadardzzate dpedet, ossa c g Z Z g Z g 7 8 semp d v.a. Ch-quadrato Modell d v.a. cotue: t d Studet, c Ua v.a. t d Studet T, dcata come T Studet(g), può assumere valor ell tervallo [- ;]., c 8 c c Ua v.a. T Studet(g) s può otteere come rapporto tra ua v.a. Normale stadardzzata e la radce quadrata d ua v.a. Ch-quadrato dvsa per suo grad d lbertà, ossa, T Z Y g,, 7,,,, All aumetare d g la dstrbuzoe tede ad ua N(g;g) dove Z N(,) e Y c (g). 9

//7 Ua varable aleatora doppa (X,Y) è ua fuzoe defta sullo spazo campoaro W, che assoca a og rsultato ua coppa d umer real (,y). Ua v.a. doppa è completamete defta dalla sua fuzoe d probabltà coguta o dalla sua fuzoe d destà coguta, a secoda che sa dscreta o cotua. I caso d dpedeza s deve avere: Caso dscreto Caso cotuo Ce sulle v.a. doppe P f, y PPy, y f f y Il valore atteso d ua combazoe leare d p v.a. è dato da metre la varaza è dove Meda e varaza d combazo lear d v.a. Cov X a X a X è la covaraza tra X e X j. a p X p X a X a X a p X p p p p X a X aa jcovx, X j j X, X s X X X X j X, X j j j Dove e come studare Lbro d testo: S. Borra, A. D Cacco (), Cap. 9 (escluso paragrafo 9.8.) Svolgere serctazoe. Svolgere restat esercz el fle sercz d probabltà.ls.