Distribuzioni discrete • Definizione La variabile casuale X ha distribuzione uniforme discreta se la sua funzione di densità discreta è data da: 1 f X (x) = N 0 Si dimostra che: N +1 E[ X ] = 2 per x = 1,2,.., N altrove N 2 −1 σ = 12 2 x Distribuzioni binomiale • Definizione 3.3 La variabile casuale X ha distribuzione binomiale se la sua funzione di densità discreta è data da: n ⋅ p x ⋅ (1 − p ) n − x f X ( x ) = x 0 per x = 0,1,2,.., n altrove Si dimostra che: E[ X ] = n ⋅ p σ x2 = n ⋅ p ⋅ (1 − p ) 1 Distribuzioni binomiale • Esempio Consideriamo la variabile X relativa al lancio di una moneta 3 volte dove con X si indica il numero di volte in cui risulta testa. T T T C C C C T C T T C T C X=3 X=2 X=2 X=1 X=2 X=1 X=1 X=0 1 8 3 f x (1) = 8 3 f x ( 2) = 8 1 f x (3) = 8 f x ( 0) = Distribuzioni binomiale Utilizzando la distribuzione binomiale con: • p=0.5 • n=3 n ⋅ p x ⋅ (1 − p ) n − x f X ( x ) = x 0 Si ha: 3 1 f x ( 0) = ⋅ 0 2 0 1 ⋅ 2 3 per x = 0,1,2,.., n altrove 1 8 3 f x ( 2) = 8 f x ( 0) = 3 8 1 f x (3) = 8 f x (1) = 2 Distribuzioni ipergeometrica • Definizione La variabile casuale X ha distribuzione ipergeometrica se la sua funzione di densità discreta è data da: K ⋅ M − K x n − x f X (x) = M n 0 Si dimostra che: E[ X ] = n ⋅ K M σ x2 = n ⋅ per x = 0,1,2,.., n altrove K M −K M −n ⋅ ⋅ M M M −1 Distribuzioni ipergeometrica • Esempio Consideriamo una fornitura di 30 PC portatili di cui 6 presentano un difetto allo schermo. Esaminandone 10, qual è la probabilità di averne 3 con quel difetto? M = 30 K =6 6 ⋅ 30 − 6 x 10 − x f X (x) = 30 10 n = 10 f X (3) = 0.23039 3 Distribuzioni ipergeometrica • Utilizzo di Excel Tornando all’esempio: M = 30 K =6 n = 10 Distribuzioni di Poisson • Definizione La variabile casuale X ha distribuzione di Poisson se la sua funzione di densità discreta è data da: e −λ ⋅ λx f X ( x ) = x! 0 per x = 0,1,2,.., n,.. altrove Si dimostra che: E[ X ] = λ σ x2 = λ 4