Teoria dei Fenomeni Aleatori AA 2012/13 Il Modello Lognormale · Teoria dei Fenomeni Aleatori AA...
Transcript of Teoria dei Fenomeni Aleatori AA 2012/13 Il Modello Lognormale · Teoria dei Fenomeni Aleatori AA...
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 1
Il Modello Lognormale La funzione di densità di probabilità lognormale è data:
( ) ( ) 2
X 2ln x a1f x exp x 0
2bx b 2
⎡ ⎤−= ⋅ − >⎢ ⎥
⋅ ⋅ π ⎢ ⎥⎣ ⎦
in cui a e b sono due costanti, con b 0> .
Se X è una v.a. lognormale allora
Y ln X=
è distribuita secondo una legge normale: aη= , bσ = .
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 2
Il Modello Lognormale (segue)
a 0= , b 1= , 1moda e 0.368−= ≅
0.0 1.0 2.0 3.0 4.0 5.0 6.0X
0.00
0.10
0.20
0.30
0.40
0.50
0.60
0.70
Den
sita
' di P
roba
bilit
a'
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 3
Il Modello Lognormale (segue) Il momento r-esimo di una variabile lognormale è:
2 2r r bE X exp ar
2⎡ ⎤
⎡ ⎤ = +⎢ ⎥⎣ ⎦⎣ ⎦
[ ]2bE X exp a
2⎡ ⎤
= +⎢ ⎥⎣ ⎦
[ ] ( )2 22a b bVar X e e 1+= ⋅ −
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 4
Il Modello di Weibull
( ) ( )1
Xx exp x x 0
f x0 x 0
αα α−⎧ ⎡ ⎤α ⋅λ ⋅ − λ ≥⎪ ⎣ ⎦= ⎨<⎪⎩
0α > , 0λ >
12, 2
α = λ = π
si ha una v.a. di Rayleigh con valore atteso unitario.
T
D
Teoria dei Fenom
Docenti: Gaspare G
eni Aleatori
Galati – Gabriele
Pavan
La
a dens
sità di
Weibu
ull AA 2012/13
5
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 6
La distribuzione di Weibull
( ) ( )X
1 exp x x 0F x
0 x 0
α⎧ ⎡ ⎤− − λ ≥⎪ ⎣ ⎦= ⎨<⎪⎩
infatti:
( ) ( ) ( )x 1XX
dF xe x f x
dx
α− λ α α−= ⋅λ ⋅α ⋅ =
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 7
La Funzione Gamma La funzione Gamma che è definita mediante l'integrale:
( ) b 1 y0
b y e dy+∞ − −Γ = ∫
che converge se b 0> .
Valori particolari della funzione gamma sono:
( )1 1Γ =
( )0.5Γ = π
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 8
La Funzione Gamma
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 9
La Funzione Gamma La funzione Gamma è calcolabile per ogni b 0> se si
conosce il suo andamento nell'intervallo 1 b 2< < .
( ) ( )b 1 b bΓ + = ⋅Γ
Se b n= (intero), vale la relazione:
( ) ( ) ( ) ( ) n 1 n n n n 1 ... 1 n!Γ + = ⋅Γ = − ⋅ ⋅ Γ =
Quindi la funzione Gamma generalizza il fattoriale.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 10
Il modello Chi Quadro La densità di probabilità di una v.a. X di tipo chi-quadro,
2nχ , con n gradi di libertà, ha la forma:
( ) ( )n2
n x12 2
nX 2
1 x e x 0f x 2
0 x 0
− −⎧≥⎪
= Γ⎨⎪ <⎩
L’intero positivo n costituisce l'unico parametro di questa
distribuzione.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 11
Il modello Chi Quadro
Per n 2= si ottiene l'esponenziale negativa con
parametro 1c2
= .
• La somma dei quadrati di n v.a. indipendenti con
distribuzione ( )N 0,1 è una variabile aleatoria di tipo
2nχ con n gradi di libertà.
• Se n →∞ la distribuzione Chi-quadro tende a quella
Normale.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 12
Il modello Chi Quadro (segue)
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 13
Il modello Chi Quadro (segue) Il momento di ordine k di una v.a. Chi Quadro con n
gradi di libertà è:
k k
nk2E X 2
n2
⎛ ⎞Γ +⎜ ⎟⎝ ⎠⎡ ⎤ = ⋅⎣ ⎦ ⎛ ⎞Γ⎜ ⎟⎝ ⎠
[ ]E X n= [ ]Var X 2n=
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 14
Il modello di Student Una v.a. continua X di tipo Student ha una funzione di
densità:
( ) ( )
n 12 2
X n2
n 1x2f x 1nn
+−
+⎡ ⎤Γ ⎢ ⎥ ⎛ ⎞⎣ ⎦= ⋅ +⎜ ⎟Γ ⋅ ⎝ ⎠π
x−∞ < < ∞
in cui n viene detto numero di gradi di libertà.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 15
Il modello di Student
• Poiché si ha ( ) ( )X Xf x f x= − , la funzione di densità di
Student è simmetrica rispetto all'origine.
• All'aumentare del parametro n (n 30> ) il modello di
Student approssima quello gaussiano standard.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 16
Il modello di Student (segue)
nn
n
tt
tf t n ( ; )
n = n. di gradi di libertà
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 17
Il modello di Student (segue) Una v.a. di Student si può ottenere mediante la
trasformazione:
UX V/n
=
in cui:
1. U è una v.a. gaussiana standard
2. V è una v.a. di tipo Chi Quadro con n
gradi di libertà
3. U e V sono indipendenti
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 18
Il modello di Student (segue) Valore atteso e Varianza:
• Il valore atteso è nullo (simmetria della densità)
• La varianza esiste solo per n 2> e vale
[ ] nVar Xn 2
=−
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 19
Il modello di Erlang Una v.a. X è distribuita secondo la legge di Erlang
(erlangiana) se:
( ) ( )n
n 1 x
Xx e x 0
f x n 1 !0 x 0
− −λλ≥
= −
<
⎧⎨⎩
• Quando n 1= la distribuzione Erlang si riduce ad
una esponenziale.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 20
Il modello di Erlang La funzione di distribuzione è:
( )( ) ( )in 1
x
X i 0
x1 e x 0F x i!0 x<0
−−λ
=
⎧ λ− ⋅ ≥⎪= ⎨
⎪⎩
∑
• Una v.a. di tipo Erlang con parametri λ e n si può
ottenere come somma di n v.a. esponenziali
indipendenti con uguale parametro λ.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 21
Il modello di Erlang (segue)
6.0
= 5n = 3,
= 1n = 3,
= 3n = 3,
x
X
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 22
Il modello Gamma Una v.a. è distribuita secondo il modello Gamma se:
( ) ( )
bb 1 x
Xx e x 0
f x b0 x 0
− −λ⎧ λ≥⎪= Γ⎨
⎪ <⎩
in cui b 0> , 0λ > , ( )bΓ è la funzione Gamma
(b parametro di forma, λ parametro di scala).
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 23
Il modello Gamma
• La funzione di distribuzione esiste in forma chiusa
solamente se il parametro b è un intero positivo,
altrimenti è esprimibile tramite la cosiddetta funzione
Gamma incompleta che è tabulata.
[ ] bE X
=λ
[ ] 2bVar X =λ
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 24
Il modello Gamma Valore atteso, varianza e momenti si ricavano dalla
identità:
( ) ( )k bk b 1 x0
x x e dx k b+∞ − +− −λ⋅ ⋅ = Γ + λ∫
che si ottiene integrando per parti, ricordando che
( ) ( )b 1 b bΓ + = ⋅Γ .
( )( )
k k k bE X
b − Γ +
⎡ ⎤ = λ⎣ ⎦ Γ
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 25
Il modello Gamma (segue)
La somma di n v.a. indipendenti iX (i 1,2,...,n= )
distribuite secondo il modello gamma con parametri λ e
ib (i 1,2,...,n= ), cioè con densità:
( ) ( ),
ii
i
bb 1 x
Xi
f x x e x 0b
− −λλ= ≥Γ
è una v.a. Y di tipo gamma con parametri λ e
n
ii 1
b = b=∑
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 26
Il modello Gamma (segue) I modelli esponenziali, Chi Quadro ed Erlang possono
essere considerati come casi particolari del modello
Gamma.
Per b 1=
( ) ( )x x
Xf x e e x 01
− −= = ⋅ ≥Γ
λ λλ λ
Esponenziale
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 27
Il modello Gamma (segue)
Per nb2
= e 12
λ =
( ) ( )n2
n x12 2
nX 2
1 x e x 0f x 2
0 x 0
− −⎧≥⎪
= Γ⎨⎪ <⎩
Chi Quadro
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 28
Il modello Gamma (segue) Per b intero positivo:
( ) ( )n
n 1 x
Xx e x 0
f x n 1 !0 x 0
− −λλ≥
= −
<
⎧⎨⎩
Erlang
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 29
Il modello di Laplace Una v.a. continua segue il modello di Laplace se:
( ) c xX
cf x e2
−= , c 0>
La densità è simmetrica rispetto all’origine e quindi X ha
valore atteso nullo.
• Tutti i momenti di ordine dispari sono nulli.
• Se invece r è pari, il momento di ordine r vale:
!r r cx r cxr0 0
c rE X 2 x e dx x ce dx2 c
+∞ +∞− −⎡ ⎤ = ⋅ = ⋅ =⎣ ⎦ ∫ ∫
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 30
Il modello di Cauchy Una v.a. continua è distribuita secondo il modello di
Cauchy se:
( )X 2 21 af x
x a= ⋅π + , a 0>
La funzione di distribuzione di probabilità è:
( )X1 1 xF x arctg 2 a
⎛ ⎞= + ⎜ ⎟π ⎝ ⎠
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 31
Il modello di Cauchy La variabile aleatoria di Cauchy non ha valore atteso,
infatti:
( )+t
2 2t t
axlim dxx a→∞ − π +∫
non esiste (non corverge).
Una v.a. di Cauchy può essere generata a partire da
una variabile θ Uniforme in ;2 2π π⎡ ⎤− +⎢ ⎥⎣ ⎦
mediante:
( )X a tg= ⋅ θ
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 32
Il modello Geometrico Una v.a. geometrica ha una funzione di massa:
( ) k 1P X k p q −= = ⋅ k 1,2,3,....=
con p q 1+ =
( ) ( ) ,m
mX X
k 1F x f k 1 q m x m 1
=
= = − ≤ < +∑
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 33
Il modello Geometrico
Tre masse della legge geometrica
(k = 2, 3, 4) al variare di p.
Teoria dei Fenomeni Aleatori AA 2012/13
Docenti: Gaspare Galati – Gabriele Pavan 34
Il modello Geometrico
• Il valore atteso di una variabile geometrica:
[ ] 1E Xp
=
• La varianza vale:
[ ] 2qVar Xp
=