26 2015 24domenicovistocco.it/teachingMaterials/statistica/aa2015...fanzine di pubabilita proietto...
Transcript of 26 2015 24domenicovistocco.it/teachingMaterials/statistica/aa2015...fanzine di pubabilita proietto...
Lezione m.
24( martedi
,26 gennsio 2015 )
Legametra value atteso e rauanza oh '
uua geuezicavariable casual : la disuguagliauza di Gbiar
Combination linear olive .moxemali
V . c. doppie discrete : distribution dipobabilitacongiuuta, marginal eonolizienate . Valone attest
e variauza della distribution marginal e delledistribution condition ate
Jnolipehdeuza tea le components' di aware . doppia .
Interpretation probabilistic a dell ' india Ks
V . C . 06ppie umgiuute : Anniablefuuzioni di den si tai
Gngiuutd , marginal e condition ate.Valere altes
evazianza delle distribution marginal e delledistribution conditional .
Graziano e omelazi one
Media e variant della combinationlinear di due raridbili casual's
Media e vouauza della combination linearoh '
m genocide varisbili casual
TEOREMA Dl CEBKEV ~ > legame the value altes/o oksuguaglianza ) e vaziauza oh '
una v .c .X
t
gData una generics v. a X
,di
C Cui si ouosce Mx e I laGnosceiobflse )
potrei area il blow di sufuagliauzafozuisce un value
Gatto appussimato perla pub .
oh'
osserrarerabui in [ µ - A ,µtD ]
#µ . s µ µ+s*=D
µ .
sexeM + D iinutfeawb -
DeX -
nets:tat. rispetto
all ' interval ( X - µ, + A
z{xvz . s
linksG Twentez . in value dssoluto
÷µ . s µ is
x.-2 D
( X <µ . s ) u ( × > µ + S ) - yiwtuv. esteem
L
(( X -
M < -D) v ( X -
µ > + D)
YETIS ] Hui > s
D= K or ] - > l ' intervals view Gstrnito
f Gusideeamb un S proportionatetattoo oh
'
proportionatealla voiabilito ' oh . X
( K > o )
FORMULAZIONEINTERVALLOINTERNO ] P ( I XVII Kr ) >
,1
- 1µg
FORMVLAZIONEINTERVALLOESTERVO ] P ( IX -
µ/ > Kr ) < les
La olisuguagliouza e- definite peek >o ma fozuisce
into Zmazioni utili solo a paztiu da K > 1
¥34#t€o7#idstfenvju 1 0.25 0,11 0,06
FORM ULAZIONE
INTERVAKOINTERNO ] P( I X -
µ ItEr ) z 1- 1µg
⇐' violent per or
P(
1×81a k ) >
.'
- te.
Z
FORMULA ZONE
INTERVALLOESTERVO ] P ( IX -
µ/ > Kr ) < les
⇐×t#> k ) < theZ
Esempio Sia X una ✓ . a . per cui :
µ×= 33 e D= 16
@ P ( 23 < X = 43 ) D/u
P( 33 - so = X = 33+10 )w w w
µ Usµx S
D= K - = 10 =) K = 1£ = 7=2,5
P(iI¥ui ) >.
'- ÷#= an
DIMOSTRAZIONE
#µ- Kr µ µ
+ Kr @Senza perolita oh ' general ' tai on sideman il Caso di
X discrete ; ihkchizm on f Cn ) lzomispohleute fun-
zone oh ' probability fcn ) = PCX = n ) .
Part iziomizmo il support R mei due sottoiusiemi :
A = { n : 1 n - ml > Ka } e I = { n : I ntul ± Ka ]
I = E[ ( X -my ] = Eten-µP ffn ) =
= §j ( n tux )2f Cn ) t Egg 1 n -µ×)2f Cn )
⇒ £ >. Izacnndifcn ) fmnhdobbtenhf,6IYntFnE; -
zizmente 2 oh '
esb
a z £.
( ntupfcn )
⇐Texts
Dalla definition dell ' iusieme A so he .
.
A = { n : 1 × - Al >*v
sostituaob Koa 1 Xtux )
la disuguzglizuza sqoza rah
yarcs P#A)=P( lxtul > Kr )
T 2 £a ( Kapfer ) = K 's tffcn )⇒ ,¥b>
. y¥¥P(lxtubkd ] and.
V. C.
DOPPIE
Y
i⇐• cngyil!=i × R
'
v .c . discrete : se XEY some discrete
V.c. continue i se Xe Y some continue
✓ .c . Miste : le due component sob oh'
nature different
v1
÷yjycHe tsz 1212 - - - 1~1j - - - Msc Tls .
Hz 1222 Tlzz - - - T22j - - - -
122<122.
×{ :mftenliiitio. .fiefdom,!!nnnlniitinsd.k÷-
12.1 12.2 - - - p•j -- - p•c / 1
pij=P[ ( ×=ni ) n ( Y=y ;) ] = f ( niiyj ) MobiLink• pij 2 °
• ?fp = s ] dtfionsshaipssjqaoh ' ohistribuzioueoh ' pubabililz
÷yjyHe psr per - - - Has
'
- - - Msc As . X|Y=@Hz 1222 Tlzz - - - Tlrj - - - - Tlzc 122 .
afterlife!
.
.sk/dn.sei#tLEesY@: : pup . ;|
'
siottieue nrkm ¥r
.
hifn;'T
.
Hutn
.
dividend=
assume alla per poos 12.2 - - - p•j -- - p•c / 1
trioDistribuz
.
marginality ti•=P(X=n ;) =
= P([X=ninY=y<]U[X=n ; nY=y .] U
. . - - U [
to j =P ( Y = yj ) =
=P [ ( X=n , n Y= yj ) U ( X=n< n Y= yj ) v.- . . .
U ( X= nr n Y=yj) ]=
= ⇐,
this
Posso calcokre media , varianza,
asimmetie , ecc .
per le distribute. marginal e per le diski bus
.owkzionate
usawb le Steve formula in Twobtte pa le re . mi vans te
X 1 Y = Tj ( j = 1,
. . - , c)P ( X = ni 1 Y = yj ) = P(X=ninY=y=
PCY = y ; )=tiji= s
, - - r 12 • j
Y I X = ni ( i = I, -
- -
,r )
P ( Y = yj I X= ni ) = P(Y=yjnX=ni)_=trijj
= I, - , c
P ( X a ni ) pi •
Per cake lace mealie e vazieuze delle oh 's kits . aohiziouate
obbbiam usare quester pobabilits ( e non quelle in tabella )1✓
anabgia on tebelle
profiling a e putili obnne
Jnolipudeuzz Ka le component XEY oh ' 1 × , y )
P ( X= ni 1 Y = y ; ) = PC X=n ; ) =p ... Fi, j
P ( Y = yj/ X= n , ) = PC Y= yj ) =p . ;
Fi, j
^"v
P[ ( ×= ni ) n ( Y=y ; ) ] = PCX = n ; ) PCY = yj ) Fi, j
ij = tri . 12 . j
interpretation probabilisticiulia X 2
V.c. deppia continue
fcoe, y ) fuuz
.
deuwtdgdoppiaan, y )v awlasmpeawkgopubabilihi | TY
• fcse , y ) 20
•
.
.§ :{ Fernand ,.is/#>✓
es : lave .
Moemdlevolume =L doppid
Date other .c . XEY :
Grlx ,Y)=E[ CX- µ ) ( Yu , ) ]to
*Y sow discreteX : wtinue
.⇐÷3,Hiter )( yjtu ; )p( ni ,y ;) t
- alleammepij sostituiduogli
11 integral calls
ftp.E.niyjpij - µ×µu ,tlniiyj )
sostituiamleflni ,y ;)
MEMO INTERPRETAZLONE
%,
> 0 oucoulauza
% ,< 0 - > oliscoulauzt
ATEN 2- IENE %y=0 ¥ ihlipeudeuza⇐
× euza legame lineare
fxu,
=6rC#- I ± lx ,
± +1a a
, m perfettiPerfetti legame began linen
linear inverse dinette
V. c. MULTIVARIATE
Une m - pea di ✓ .c .
( Xe , Xs , . - . . .
Xm )
ustituisa una ✓ . a.
m - rarizta ( le Xi posse he essere discrete)\ O continue
INDIPENDENZA
↳ f ( ns , nz , . . . , nn ) = ffndfxfns) . . .fxfnn )
-fanzine di pubabilita proietto delle m fuuzioni dio di den site ungiuuts probability o di den site associate
Ile single component ( lemargincowlizione oh ' iwlipenoleuzc
COM BINAZIONE L ) NEARE Dl DUE VARIABKI CASU All
Siano X e Y due generic,he v. c .
X - Mx y - My
Lax he I.
Si olefin is a cowbinaz . linen oh ' ( X ,Y ) und fanzine Wi
w = a X tbY
⇒si della combination
Due particular combination
• a =b= I ns W = XTY Somme delle due v. a.
• a = b= 12 - > W= XI media delle due ✓.
c.
2
ECW ) =µw = a µ× t by ,la media della combinationline are e Pari alla combinationlineore delle due media
C Aso SOMMA
µw=µ×+µy CASO MEDIA ~> µ w = µ×+µ=2
Vaz ( w ) = E = IE +52,
+2 a boy ,
¥se X e Y some ink pendent
Gnsideiizmo sic X he Y come v. c. discrete ( per semplicita )• µw=ECw ) = tzwpcw ) =
= IF ( anitbyj ) w(X=ni , Y=yj ) =
÷ij- -=•.IM#dnipi;t[ZZ€yjpi ;
=
run= atznitfpi ; t b § yjtzpij =
wetC MY
= a µ× + bµY cv .ol .
• oew = Vazcw ) = Iw ( w - few)-
p ( w ) =
= I ,E[( anit by;) - latex + BMY )]&p(X=ni ,Y = y ; )
= IF Xani- aµDtHy; - bµ , ) ] '
pi,=1#=IEG [a ( ni -µ ) + b ( yj
fix ) ]-
pij =
=#fEY#pp t.IE?lsIpniit~- [ Eg 2 ab ( nitux ) / yj -
µ a ) pij
an a= as § ( ni -y×P§pij t 5§(yjTuP§ pij +
"i • too j
+2 ab ¥ Egtnitux ) ( yj -
My ) pij =
÷,
= at &,this
,+ 2 ab % ,
Esenpio a =b= 1 Iv = &,
+ &,
t 2%,
tsceglieiob component Xe Y invusa . principio alla base dellemeuteorreldte si ottieue and [ diversification del his chindiminution melee varies
.oh ' W
COMBINAZIONI LINE ARI Dl m VARIABKI CASUAL I
Siano
Xr , Xz , . . . . ,Xn EC Xi )=µi
naeiaer.ctaea@ogxxHIImiIiinnsidefinisq6mbinaziomelinesudellemv.c.lafuuziomeW-a.XstzXzt.a.t
an Xn = t€,
ai Xi- - -
*si
ECW )=µw= ⇐, aim ;
la media della combination linearI la combination linear delle me die
vaacw ) = I = I,
a :& t.IE . aia ; To