Esercitazione 1 19 Aprile 2012 Probabilità e Variabili Casuali.
3) VARIABILI CASUALI
description
Transcript of 3) VARIABILI CASUALI
La variabile casuale (v.c.) è un modello matematico in grado di interpretare gli esperimenti casuali. Infatti gli eventi elementari che compongono lo spazio campionario possono essere di qualunque natura (“T” e “C” nel lancio della moneta, “m” e “f” nella previsione del sesso del nascituro, “figura”, “cuori”, “fiori” nell’estrazione da un mazzo di carte ecc.). Da qui l’esigenza di uno strumento che trasformi gli eventi elementari in numeri reali x sui quali è possibile usare la matematica. Nella “trasformazione” non si deve trascurare che:a) ad ogni evento elementare è associata una probabilità;b) qualunque insieme di eventi elementari rappresenta un evento (compreso l’insieme vuoto che rappresenta l’evento impossibile) con associata la propria probabilità.La v.c. è tale strumento.
3) VARIABILI CASUALI
3.1) Significato e definizione
IMMAGINE E CONTROIMMAGINE
Ogni elemento in , tramite la funzione X(), trova una
“immagine” in un punto di ascissa x della retta R .
Può accadere anche che la stessa ascissa x sia l’immagine
in R di più elementi di , ad esempio se più oggetti
degli n precedenti hanno lo stesso numero x.
Tali oggetti formano un sottoinsieme E di , che è a sua
volta un elemento dell’insieme delle parti al quale la
funzione P ha assegnato la probabilità P(E).
L’ascissa x di R ha quindi la sua controimmagine
nell’elemento E di e di conseguenza si assegna ad x la
probabilità che la funzione P ha attribuito ad E, cioè:
P (X = x) = P (E)
nnii11 x,x,...,x,x,...,x,x
con adottando a
volte anche la notazione (xi)=P(X=xi). Si dirà inoltre
che la v.c. X assume i valori x1,…,xi,…,xn, dove per
motivi di semplicità si pone x1<…<xi<…<xn, con
“funzione di probabilità” (f.p.) (xi), (i=1,…,n).
,1xe,n,...,1i,0xn
1iii
Ricordiamoci comunque che:
•i valori x1,…,xi,…,xn formano lo spazio numerico
indicato in precedenza con R e tale spazio
rappresenta l’insieme delle immagini in R di eventi le
cui controimmagini sono elementi di .
• (x) è la funzione che assume quali valori le
probabilità relative all’elemento o agli elementi di
la cui immagine sull’asse R è rappresentata
dall’ascissa x.
Una variabile casuale verrà intesa come l’insieme delle
coppie di valori:
Sotto il profilo grafico il comportamento della
f.p. (x) è del tipo:
(x)
xxnxix2x10
cioè (x) è costantemente nulla ad eccezione dei
punti di ascissa x1,…,xi,…,xn in cui effettua salti
pari alla probabilità (x1),…, (xi),…, (xn).
La v.c. X è una funzione con dominio nello spazio
campionario e codominio in .
X assegna ad ogni uno ed un solo numero reale x
, detto “valore o determinazione di X”;
un numero reale x può avere più di una
controimmagine in e l’insieme di tali controimmagini
rappresenta un evento (o un evento elementare, o l’evento
impossibile).
Esempio 1:
=lancio contemporaneo di una
moneta e di un dado regolari
CCCCCC
TTTTTT
654321
654321
X = “punteggio del dado - n. croci” è una v.c.. Essa ha
dominio in e codominio in , poiché ad ogni evento
elementare associa un numero x .
1T 2T 3T 4T 5T 6T 1C 2C 3C 4C 5C 6C
X 1 2 3 4 5 6 0 1 2 3 4 5
Quindi X ha “trasformato” gli eventi elementari in
numeri. In tale trasformazione ha conservato le
probabilità associate a . Infatti:
P (X = 0) = P (1C) = 1/12
P (X = 1) = P (1T) + P (2C) = 2/12 = 1/6
…
…
P (X = 5) = P (5T) + P (6C) = 2/12 = 1/6
P (X = 6) = P (6T) = 1/12
Infine qualunque numero reale x ha come
controimmagine un evento (o un evento ele-mentare o
l’evento impossibile). Ad esempio, la controimmagine,
attraverso X, del numero 5 è l’evento {5T, 6C}= “esce 5
e T oppure esce 6 e C”; la controimmagine, attraverso X,
del nu-mero 0 è l’evento elementare {1C} = “esce 1 e
C”; la controimmagine, attra-verso X, del nu-mero 8 è
l’evento impossibile {} = .
Definizione: ad ogni v.c. X è associata la f.r. (x) così definita:
(x) = probabilità che X assuma valori inferiori
o uguali al numero x
= P (X x) = P{(-,x]}=
Proprietà della f.r.:
1. e
infatti la definizione di (x) mette in luce che si tratta di
una probabilità.
2. Fissati due numeri x e y con x < y allora (x)(y),
cioè la f.r. è monotona non decrescente.
(Le proprietà 1 e 2 garantiscono che la f.r. assume valori
compresi tra 0 e 1).
3. La f.r. gode della proprietà matematica della continuità
(puntuale). In particolare è continua (almeno) a “destra”,
cioè:
0)(lim
xx
1)(lim
xx
)()(lim0
xx
)(...)()()( 21 xxxxxx
i
i
3.2) Funzione di ripartizione (f.r.)
Osservazione: la f.r. è utile, ad esempio, per cal-colare la
seguente probabilità:
dati 2 numeri a e b, con a<b si ha:
P (a<X<b) = P (Xb) - P (Xa) = (b) - (a)
in quanto:
)bXa(P)aX(P)bX(P
da cui:
)a()b(
)aX(P)bX(P)bXa(P
e graficamente:
(x)
xxnxix2x10
1 -
che è una funzione a gradini del tipo:
xx per
xxx per x...xx
xxx per x...xx
xxx per xx
xxx per x
xx- per
n
1-n1-n21
1iii21
3221
211
1
1
0
x
n
Osservazione: la f.r. è utile, ad esempio, per cal-colare la seguente probabilità:dati 2 numeri a e b, con a<b si ha:P (a<X<b) = P (Xb) - P (Xa) = (b) - (a)
X è v.c. discreta se il suo dominio è un insieme finito o infinito numerabile.
Caratteristiche di una v.c. discreta1. L’insieme dei valori x assumibili dalla v.c. X è finito o infinito numerabile.2. Generalmente le determinazioni x di X sono numeri interi.3. Le probabilità associate alla v.c. X sono interpretate da una funzione detta di probabilità.
3.3) V.c. discrete e continue
X è v.c. continua se il suo dominio è un insieme infinito non numerabile cioè con la potenza del continuo.1. L’insieme dei valori x assumibili dalla v.c. X è infinito non numerabile (ad esempio coincide con o con un intervallo).2. Perdono di significato i singoli punti x ed è necessario procedere con riferimento ad intervalli.3. Le probabilità associate alla v.c. X sono interpretate da una funzione detta di densità.
Esempio 2:la v.c. dell’esempio 1 è discreta perché assumei 7 valori x = 0,1,2,3,4,5,6.La v.c. interprete del peso dei neonati che na-sceranno nella prossima ora nella clinica XXXdella città YYY è uin esempio di v.c. continua.Il peso dei neonati è infatti un numero x appar-tenente ad un intervallo di , ad esempiox (2000, 5000) grammi.
V.c. continue
La figura mostra un esempio di funzione di densità di probabilità, dove in ascissa ci sono le X ed in ordinata le densità associate ai valori di X. La curva continua deriva dai rettangoli facendo tendere a 0 la base degli stessi.
1. 0<p(x)1Infatti la definizione di p(x) mette in luce che si tratta di una probabilità
2.
La somma delle probabilità associate a tutti i valori x della v.c. X vale 1. Tale somma coincide, infatti, con P().
Esempio 1 (continua):la v.c. X = “punteggio del dado - n. delle croci” è v.c. discreta perché può assumere i soli valori x = 0,1,2,...,6.
X ha f.p.:
5,...,16/112/2
6,012/1)(
x
xxp
1)( x
xp
3.4) Funzione di probabilità (f.p.)
con 0 p(x) 1 e .161
5121
2)(6
0
x
xp
X ha anche f.r.: (x) = P (Xx) = xy
yp )(
Ad esempio con a = 3 e b = 5 si ha:P(a<Xb) = P(3<X5) = (5)-(3) =
35
)()(yy
ypyp
= [p(5) + p(4) + p(3) + p(2) + p(1) + p(0)] - [p(3) + p(2) + p(1) + p(0)] = p(5) + p(4) = =1/6 + 1/6 = 2/6 = 1/3
Osservazione:(3<X5) rappresenta l’evento {4T, 5C, 5T, 6C}.
Se X è una v.c. continua, le probabilità che rimangono associate ai valori di X sono interpretate dall’area sottesa a una funzione (x) detta f.d.
Esempio 3:sia X la v.c. che assume i valori x dell’intervallo [0,4]. Allora x è v.c. continua.
Sia
altrove
xx
0
4025.0)(
La f.d. di X.Graficamente (x) è composta dai 3 segmenti:
(x)
x+-
0 4
0.25
3.5) Funzione di densità (f.d.)
L’area sottesa a tali segmenti esprime la probabilità associata all’insieme di valori di X.Ad esempio:
(x)
x
+-
0 4
0.25
1 3
P(1X 3) = (3 - 1)0.25 = 0.5
Osservazioni:• l’area totale sottesa a (x) è pari a 1 e coincide con P();• (1 X 3) rappresenta un evento;• poiché X è continua le probabilità puntuali sono nulle. Infatti: P(X = x) = area sottesa ad un punto di (x) = 0poiché l’area sottesa ad un punto è, come si intuisce, nulla. È per tale motivo che nel caso continuo occorre procedere con riferimento ad intervalli;• per l’osservazione precedente gli eventi (a X b), (a X < b) e (a < X < b)hanno tutti la stessa probabilità, poiché, ad esempio, P(a X b) = P(a < X < b) + P(X = a) + P( X = b)
= P(a < X < b) + 0 + 0;• anche la v.c. X continua ha associata la f.r. (x) = P(X x).Poiché i valori minori o uguali a x rappresentano l’intervallo (-, x] allora la f.r. per x continua è rappresentata dall’area sottesa alla f.d. (x) a sinistra del punto x.
Esempio 3 (continua)
(x)
x
+-
0 4
0.25
x
(x) = P(X x) = (x - 0)0.25 = 0.25 x
Se X è continua il calcolo del valore atteso richiede
l’operazione di integrale che è strumento non contemplato
tra gli obbiettivi di questo eserciziario.
Il valore atteso (media) di una v.c. X è un numero che
informa sull’ordine di grandezza e sulla “tendenza centrale”
(baricentro) di X. La media della v.c. X si calcola
attraverso l’operazione E(X) che è diversa a seconda che X
sia discreta o continua.
Se X è discreta l’operazione E(X) consiste nel sommare
tutti i prodotti fra i valori di x ed il corrispondente valore
della funzione di probabilità p(x). Formalmente:
.)()()( xx
xXPxxpxXE
3.6) Valore atteso (media) di una v.c.
È quindi possibile scambiare tra loro i simboli e E comunque siano le v.c. Xi sommate.
Esempio 1 (continua)la media della v.c. X = “punteggio del dado - n. di croci” è
6
0x
xpxXE
= 01/12 + 11/6 + 21/6 + 31/6 + 41/6 ++ 51/6 + 61/12 = 36/12 = 3.
Esempio 1 (continua):
la varianza della v.c.
X = “punteggio del dado - n. di croci” è:
6
0
22 3x
xpxXEXV
= (0 - 3)21/12 + (1 - 3)21/6 +
+ (3 - 3)21/6 + (4 - 3)21/6 + (5 - 3)21/6 +
+ (6 - 3)21/12 = 38/12 = 3.16
La varianza 2 = V(X) di una v.c. Xè un numero positivo che informa circa la dispersione dei valori X intorno alla media ed è così definita:
.222 XEXEXEXV
V(X) si calcola attraverso l’operazione di valore atteso E. ad esempio, se X è discreta si ha:
.22 x
xpxXEXV
3.7) Varianza di una v.c.