Documente Academic
Documente Profesional
Documente Cultură
Probabilit
Esempio:
Si lancia due volte una moneta. Quale e la probabilit che
escano due teste ?
1) I casi possibili sono 4: TT, TC, CT, CC
2) I casi possibili sono 3: escono 2 teste, esce 1 testa, escono 0
teste
Probabilit
Definizione
frequentista
della
probabilit:
La
probabilit di un evento il limite a cui tende la frequenza
relativa, al tendere allinfinito del numero di prove
effettuate
Probabilit
Distribuzione di probabilit
La distribuzione di probabilit p(x) di una variabile casuale X indica la
probabilit della variabile casuale per ciascuno dei suoi valori possibili
Distribuzioni di probabilit
discrete e continue
Esempio di funzione di probabilit
(caso discreto)
P(x)=P(X=x)
P(x)=P(X=x)
= E ( x) = xp( x)
x
E ( H ( x)) = H ( x) p ( x)
x
0
1
2
3
4
di giorni
80
50
40
10
20
200
x
0
1
2
3
4
f (x )
.40
.25
.20
.05
.10
1.00
Rappresentazione grafica
Rappresentazione grafica delle vendite giornaliere di TV
.50
Probability
.40
.30
.20
.10
Esempio
Esempio
x-
0
1
2
3
4
-1.2
-0.2
0.8
1.8
2.8
(x - )2
1.44
0.04
0.64
3.24
7.84
f (x )
.40
.25
.20
.05
.10
(x - )2f (x )
.576
.010
.128
.162
.784
1.660 = 2
f (x )
.40
.25
.20
.05
.10
1.00
F(x)
.40
.65
.85
.90
1.00
di
La distribuzione di probabilit binomiale esempio In unurna ci sono 100 palline, di cui 30 sono rosse e le rimanenti sono blu.
Supponendo di estrarre 10 palline con reinserimento, ovvero la pallina estratta
viene rimessa nellurna, qual la probabilit di estrarre esattamente una pallina
di colore rosso?
Lesperimento consiste nellestrarre una pallina da un urna, con reinserimento
della pallina estratta, per n=10 volte si hanno n=10 osservazioni
Lesito di ogni prova dellesperimento pallina rossa o pallina blu
due
categorie incompatibili ed esaustive, e pallina rossa lesito successo
La probabilit di ottenere successo ovvero pallina rossa pari a p=30/100 ed
costante per ogni prova
Le prove dellesperimento, ovvero le estrazioni, sono indipendenti
Il numero di successi un numero compreso tra 0 e 10
Si vuole calcolare la probabilit che ci sia esattamente un successo in n=10
prove
Definiamo X = numero di successi in n prove X ~ Binomiale (n, p)
n x
n!
n x
p ( x) = p (1 p ) =
p x (1 p ) n x
x!(n x)!
x
p x (1 p ) n x
n x
n!
n x
p ( x) = p (1 p ) =
p x (1 p ) n x
x!(n x)!
x
Funzione di distribuzione di probabilit della distribuzione binomiale
Nellesempio precedente
X~Binomiale(n,p) con n=10 e p=0.25:
10
10!
p (1) = 0.251 (1 0.25)101 =
0.251 (1 0.25)101 = 0.187
1!(10 1)!
1
Per esempio la distribuzione di probabilit
binomiale con una probabilit di successo pari a
0.25 pu essere rappresentata dal seguente
istogramma dove:
asse orizzontale: possibili valori della
variabile
asse verticale: probabilit
Nelle 3 distribuzioni Binomiali n = 5, mentre p varia assumendo i valori 0.3, 0.5 e 0.8.
Dai grafici possiamo dedurre che:
Se p = 0.5, la distribuzione simmetrica, in caso contrario asimmetrica, positivamente
se p < 0.5, negativamente se p > 0.5.
Per ogni fissato n, la massima dispersione dei valori si ha quando p = 0.5; se p tende a 0
o a 1, la distribuzione tende a concentrarsi sui valori pi prossimi a 0 o a n,
rispettivamente.
p definisce la posizione della distribuzione sull'asse reale, nel senso che np identifica un
punto vicino alla moda della distribuzione.
p=0.5 (istogrammi simmetrici) mentre n varia assumendo i valori 5, 10, 20. Per una
corretta interpretazione della figura osserviamo che le altezze dei bastoni sono
comparabili perch la scala verticale la stessa, mentre la scala sull'asse orizzontale
diversa. In sintesi:
Al crescere di n l'intervallo di variazione del numero dei successi si estende
(nell'esempio passa da 0-5 a 0-10 a 0-20) il che comporta, a parit di p, un aumento
della dispersione dei valori osservabili.
Al crescere di n aumenta il numero delle determinazioni osservabili e quindi si
riduce il valore delle singole probabilit (l'istogramma si allarga e si abbassa
sensibilmente). Tuttavia il picco della distribuzione continua a segnalare con
chiarezza il parametro p dell'urna (in termini relativi, 0.5).
pari a :
E(X) = n*p
Varianza
pari a:
Var(X) = n*p (1-p)
Esempio 1
Determinare la probabilit che su 12 lanci di una moneta
buona si ottengano esattamente 8 teste.
p=q=1/2 n=12 x=8
n x
n!
n x
p(x) = p (1 p) =
p x (1 p) n x
x!(n x)!
x
12
12 1110 9
8
4
p12 (8) = 0,5 0.5 =
0.5 8 0.5 4 0.1208
4 3 2
8
Esempio 2
Determinare la probabilit che estraendo (con rimpiazzo) per
5 volte una carta da un mazzo da 40 si ottengano:
1)
Esattamente 3 figure
2)
Almeno 3 figure
3)
Almeno una figura
p=12/40=0.3
Esempio 2
p=12/40=0.3
1) Esattamente 3 figure
5
p5 (3) = 0,33 0.7 2 = 10 0,33 0.7 2 0.1323
3
2) Almeno 3 figure
5
1 p5 (0) = 1 0.30 0.7 5 = 1 0.16807 = 0.83193
0
Esempio 3
Un tiratore colpisce un bersaglio con probabilit 0.2.
Quale la probabilit che su 8 tiri si colpisca 2 volte il
bersaglio ? E che si colpisca almeno due volte ?
Soluzione:
p8 (2) 0.2936
1 p8 (0) p8 (1) 0.4967
f ( x)= 1
x
4.
P (a X b ) = f ( x)dx
a
y = f ( x)
y = f ( x)
P ( a X b) = P ( a < X b)
= P ( a X < b)
= P ( a < X < b)
F ( x) = P ( X x ) =
f ( y )dy
P ( X > a ) = 1 F (a)
E per ogni numero a and b con a < b,
P (a X b ) = F (b) F (a )
Esempio
x 1
1 < x 1
x >1
Probabilit di eventi
0.5
0.5
Valore Atteso
Il valore atteso o valor medio di una v.c.
continua X con f (x) :
X = E (X ) =
x f ( x)dx
E [h( x) ] = h ( X ) =
h( x) f ( x)dx
= V ( x) =
(x )
f ( x)dx
= E[( X ) ]
( ) [E ( X )]
V (X ) = E X
Esempio
0.75(1 x 2 ) 1 x 1
f ( x) =
0
otherwise
1
= E ( X ) = 0.75 x(1 x 2 )dx = 12 (0.75) x 2 14 (0.75) x 4
2
1
1
+1
1
=0
1
3
1
5
5 +1
1
= 0.2
Distribuzione Uniforme
Una variabile continua X segue una
distribuzione uniforme sullintervallo [A, B]
se:
1
A x B
f (x; A, B ) = B A
0
otherwise
0.015 0.010
P(0.010 X 0.015) =
= 0.1
0.025 + 0.025
b) Sia compreso tra 0.012 e 0.012.
A+B
E(X)=
2
(B A) 2
V (X)=
12
Esercizio
Marcello sa che il suo amico Carlo arriver al bar Sport in un istante
compreso tra le nove e le dieci di una data mattina. Egli decide di
recarsi al bar alle 9:30 e di attendere 10 minuti.
Quale la probabilit che Marcello incontri Carlo ?
Esercizio
Un tiratore lancia una freccetta su un bersaglio circolare del raggio di
25 cm il quale ha una zona centrale di raggio 10 cm.
Se il tiratore colpisce il bersaglio e tutti u punti di esso hanno la stessa
probabilit di essere colpiti, quale la probabilit che sia colpito un
punto della zona centrale ?
Distribuzione Normale
Una v.c. X detta avere una distribuzione
normale con parametri e
< < >0
se la pdf di X
1
( x )2 /(2 2 )
f ( x) =
e
2
< x <
1
z2 / 2
f ( z;0,1) =
e
2
La cdf
( z ) = P( Z z ) =
< z <
f ( y;0,1)dy
Standard
normal
curve
1 P( Z 1.32) = 0.0934
= P( Z 1.78) P( Z 2.1)
= 0.9625 0.0179
= 0.9446
Esempi
Calcolare, servendosi della Tavola, le aree sottese dalla curva
normale standard relative ai seguenti intervalli:
a) [0;2]
b) [0;1.24]
c) [-1.4;1.4]
d) [1.5;2.75]
e) [-0.75;1.37]
f) [-2.1;-0.5]
X
Z=
= np and = npq .
Esempio
In un piccolo college il tasso di superamento
dellesame di Algebra 72%. Su 500 studenti
determinare la probabilit che superino lesame
al pi 375 studenti.
= np = 500(.72) = 360
= npq = 500(.72)(.28) 10
375.5 360
P( X 375)
= (1.55)
10
= 0.9394
Curva Normale
Valore approssimato della percentuale dellarea compresa tra
valori di deviazione standard (regola empirica).
99.7%
95%
68%
Curva Normale
Esempio
Sia X una variabile normale con
= 80 and
e = 20.
Trovare
Find P( X 65).
65 80
P ( X 65 ) = P Z
20
= P (Z .75 )
= 0.2266
Esempio
Una particolare influenza si sviluppa in
una scuola. Si osserva che la durata
dellinfluenza distribuita come una
normale con
= 6 days
giorniand
e = 1.5 days.
giorni
Esempio
96
3.75 6
P (3.75 X 9 ) = P
Z
1.5
1.5
= P (1.5 Z 2 )
= 0.9772 0.0668
= 0.9104
(100p)th percentile
(100 p )th for
=
)
for normal (
standard normal