4) DISTRIBUZIONI NOTEVOLI 4.1) La v.c. Binomiale Caratteristiche dello spazio campionario La v.c. Binomiale è utile quando l’esperimento casuale presenta le 3 caratteristiche seguenti: 1. Si estrinseca in un numero finito n di prove fra loro indipendenti; 2. Ciascuna prova può avere 2 soli esiti necessari ed esaustivi, ad esempio “Successo” ed “Insuccesso”; 3. È nota la probabilità del successo e tale probabilità è costante per tutte le n prove. Il corrispondente spazio campionario contiene eventi elementari che sono delle n-uple composte da un numero x di Successi ed (n - x) Insuccessi. Valori e f.p. Sia X = “n. di successi sulle n prove indipendenti”, allora i valori di X sono x = 0, 1, …, n cioè X è v.c. discreta e la sua f.p. è: n x n x P X x 1 x Dove: (1 - ) rappresenta la probabilità dell’Insuccesso (evento complementare del Successo). n x è il coefficiente binomiale che conta il numero di n-uple che, fra tutte quelle che possono presentarsi, contengono x Successi ed (n - x) Insuccessi in qualunque ordine. X è detta v.c. Binomiale con parametri n (numero delle prove indipendenti) e (probabilità di Successo); brevemente si scrive: X Bin (n, ). Valore atteso e varianza della v.c. Binomiale Se si immagina di ripetere n volte indipendentemente la prova che ha dato origine alla v.c. di Bernoulli, allora la v.c. Binomiale è data dalla somma di n v.c. Bernoulliane identiche, brevemente si scrive n X Binn, X i i 1 con Xi Bern indipendenti. Da tali considerazioni si possono ricavare la media e la varianza di una Binomiale: n n n E X E X i E X i n i1 i1 i 1 n V X V Xi i1 2 n n i 1 i 1 per l’indipendenza V X i 1 n 1 4.2) V.c. di Bernoulli Nel caso particolare di un’unica prova, la v.c. X Bin (n = 1, ) è detta v.c. di Bernoulli, brevemente si scrive X Bern (), e ha f.p. P X x x 1 1 x o anche più esplicitamente: x p(x) 0 (1-) 1 Media e varianza della v.c. di Bernoulli sono: 1 E X x p x 0 1 1 x 0 1 2 V X E X x 2 p x 2 x 0 0 1 1 (1 ) 2 2 4.3) Distribuzione uniforme (o rettangolare) Nel discreto, si dice “uniforme” una variabile casuale che assume i valori di cui è suscettibile con probabilità (o frequenze) tutte uguali a 1/n. Nel continuo, è una variabile dotata di densità costante entro il suo campo di esistenza. La rappresentazione nel discreto è il seguente diagramma a canne: 1/n - 1 2 3 4 n Nel continuo si ha il seguente istogramma: 1/(b-a) - a b La distribuzione cumulativa (schema di ripartizione) si esprime, in campo discreto, nella seguente “gradinata”: 1- 0 1 mentre è descritta, nel continuo, dal seguente grafico: 1- a b I valori notevoli della funzione di densità f(x)=1/(b-a)=C sono: 1) per x<a: f(x)=0 2) per a<x<b: f(x)=C=1/(b-a) 4.4) La v.c. casuale normale (o Gaussiana) È la più importante fra le v.c. continue perché si presta a ben interpretare molti fenomeni statistici reali. Caratteristiche della v.c. normale 1. Assume tutti i valori reali x , cioè - < x < +. 2. È caratterizzata da 2 parametri e 2 che coincidono con la media e la varianza di X, cioè = E(X) e 2 = V(X), brevemente si scrive XN(, 2). 3. La f.d. (x) di X ha forma “campanulare”, simmetrica rispetto a e cambia concavità nei punti x = - e x = + (flessi); graficamente: (x) x 4. (x) è f.d., quindi l’area sottesa alla campana rappresenta la probabilità di X. L’area totale è 1. 5. rappresenta anche la moda di X (punto a maggior densità di probabilità) e la mediana di X ((x) è simmetrica rispetto a , cioè P(X) = P(X) = 0.5). 6. Variazioni del valore di rappresentano “traslazioni” (movimenti orizzontali) di (x). Cioè: dati 1< 2< 3 e 2 fisso, graficamente si ha: N (2 / 2 ) N (1 / 2 ) N (3 / 2 ) (x) 1 2 3 x 7. Variazioni del valore di 2 rappresentano variazioni nella forma di (x) (innalzamento o appiattimento). Cioè, dati 12 < 22 < 32 e fisso, graficamente si ha: N ( / 1 ) 2 N ( / 2 ) 2 (x) N ( / 3 ) 2 x e l’area totale sottesa alle curve sempre pari a 1. 8. Come per tutte le v.c. continue, dati due numeri a e b con a < b si ha: P(a < X < b) = area sottesa a (x) nell’intervallo (a,b) = (b) - (a). (b)- (a)=P(a<X<b) (b) (x) (x) (x) (a) ab x ab x ab x Standardizzazione e v.c. Normale standardizzata La “standardizzazione” è un’operazione che si effettua sulla v.c.. Consiste nel sottrarre alla v.c. la sua media e dividerla per la radice quadrata della sua varianza = scarto quadratico medio. La standardizzazione ha l’effetto di rendere la media nulla e la varianza unitaria. La standardizzazione è un caso particolare di trasformazione lineare. Se si effettua la standardizzazione su una v.c. XN(, 2) si ottiene la v.c. Normale standardizzata: X Z N 0,1 con: X 1 E Z E E X E 1 1 E X E X 0 X 1 X V V Z V V 1 1 1 V X 0 2 V X 2 2 1 Le tavole della Normale standardizzata La v.c. ZN(0,1) è v.c. Normale e come tale possiede le caratteristiche descritte. Inoltre la f.r. (z) di ZN(0,1) è stata completamente tabulata. Dalla tavola 1 (tratta da: S. Kokoska - C. Nerison “Statistical Tables and Formulae”; Springer - Verlag, 1988) si possono ricavare le seguenti informazioni: • La prima colonna a sinistra intestata ai valori z riporta le prime 2 cifre dei valori delle v.c. ZN(0,1) compresi tra 0 e 3.4. • La prima riga in alto (anch’essa intestata ai valori z) riporta la seconda cifra decimale da accostare alle prime 2 cifre per ottenere un valore z composto da una cifra intera e 2 cifre decimali. •All’interno della tabella sono riportati i valori della f.r. (z)delle v.c. ZN(0,1). Ad esempio, all’incrocio fra la 5° riga e la 4° colonna, cioè in corrispondenza del valore z = 0.42, si legge: (z) = (0.42) = 0.6628. (x) (z)=P(Z<z) z x Le tavole della Normale standardizzata possono essere utilizzate: • in via diretta per determinare la probabilità di un intervallo (a,b) di qualunque v.c. XN(,2). La regola generale: a X b Pa X b P a b b a P Z . Si cercano sulle tavole i valori z=(a-)/ e z = (b -)/ e si leggono i valori corrispondenti all’interno delle tavole. • in via indiretta per determinare il valore x di una qualunque v.c. X~N(,2) corrispondente ad una data probabilità p, cioè tale che: P(Xx) = (x) = p con 0<p<1 la regola generale è: X x p P X x P x x P Z con p noto e x incognita. All’interno delle tavole si cerca il valore p e all’incrocio della riga e della colonna corrispondenti si legge il valore zp. Si pone zp = (x-)/ e si ha: x = zp· + . • le tavole non riportano valori z negativi (z<0) perché si possono ottenere da quelli positivi sfruttando la simmetria. La regola generale è: (-z) = 1- (z) e (z) = 1- (-z) Graficamente: (x) 1(-z) (-z) -z 0 z x Esempio: il peso di un neonato può essere interpretato come una v.c. Normale con media =3 kg e scarto quadratico medio =0.5 kg. Si è interessati a conoscere la probabilità che, scelto a caso un neonato fra quelli del reparto maternità di un ospedale, questo abbia peso “regolare”, cioè compreso tra 2.7 e 3.7 kg. Sia X la suddetta v.c. Normale interprete del peso. La probabilità richiesta risulta P(2.7<X<3.7). Procedendo alla standardizzazione e consultando la tavola 1 si ottiene: 2.7 3 3.7 3 Z ) 0.5 0.5 P(0.6 Z 1.4) (1.4) (0.6) 0.91924 0.27425 0.64499 P(2.7 X 3.7) P(