VARIABILI ALEATORIE DISCRETE E CONTINUE ESEMPIO DI V. A. DISCRETA: lancio di un dado regolare a 6 facce. Ad ogni possibile esito del lancio si associa il numero corrispondente alla faccia uscita. I valori della variabile aleatoria “esito del lancio del dado” sono: 1, 2, 3, 4, 5, 6. La DISTRIBUZIONE DI PROBABILITA’ di una variabile aleatoria discreta è rappresentata dall’elenco dei valori che la variabile assume, a ciascuno dei quali è associata la relativa probabilità Nell’esempio del dado: Si tratta di una DISTRIBUZIONE UNIFORME somma Una distribuzione di probabilità può essere rappresentata graficamente con un diagramma a barre: L’area di ogni rettangolo corrisponde alla probabilità di ogni xi. La somma delle aree dei rettangoli è uguale a 1 1,2 1 0,8 0,6 0,4 0,2 0 1 2 3 4 5 6 ALTRO ESEMPIO: DISTRIBUZIONE BINOMIALE La probabilità che un test medico risulti errato è del 2,3%. Prova di Bernoulli: correttezza del test. Successo: test errato, p=0,023. insuccesso: test corretto, 1-p = 0,977 Qual è la probabilità che su 10 test 3 siano errati? n = 10, k = 3 0,14% DISTRIBUZIONE DI PROBABILITA’ DELLA VARIABILE BINOMIALE (dell’esempio): VALORE ATTESO (media): VARIANZA: FUNZIONE DI RIPARTIZIONE Dimenticando ora i rettangolini, e facendo riferimento solo alla curva continua, che è il grafico di una certa funzione f, potremo dire che la probabilità che X assuma un valore compreso in un intervallo (a, b) qualsiasi sarà uguale all’area sottesa dal grafico di f su (a, b) = È il modo per indicare l’area tratteggiata in rosso, vedremo perché l’anno prossimo…) A2 A4 A1 A3 A5 La funzione f non è una funzione di probabilità (le ordinate non corrispondono ai valori della probabilità), ma una FUNZIONE DI DENSITA’ DI PROBABILITA’ di una variabile aleatoria continua. EQUAZIONE DELLA FUNZIONE f: La distribuzione di probabilità (teorica) corrispondente prende il nome di DISTRIBUZIONE NORMALE Si tratta di una distribuzione teorica, che però approssima “molto bene”un grandissimo numero di fenomeni aleatori concreti, sia continui che discreti. PER ESEMPIO, una distribuzione binomiale con n “molto grande” è approssimabile con una normale: Scriviamo l’equazione della funzione normale che otteniamo ponendo = 20 e = 4 (i parametri della binomiale precedente ) nell’equazione della funzione normale: Caratteristiche della funzione Questo è un coefficiente positivo di dilatazione sulle y: influisce solo sui valori di y, possiamo tralasciarlo per determinare limiti, ascissa del massimo, ascisse dei flessi. D = R. y > 0 per ogni x, perché è un’esponenziale. y’=0 x = 20 y’’ = 0 x = 20 4 Stessa varianza: la forma dei grafici è la stessa, la posizione del grafico varia per traslazioni lungo l’asse delle x: Stessa media: la posizione è la stessa, la forma varia : se la varianza è minore ( i dati sono meno dispersi intorno alla media) il picco si “alza”, per racchiudere la stessa area. Per indicare che X è (approssimativamente) una variabile aleatoria avente distribuzione normale, con media e scarto quadratico medio , scriviamo: La probabilità che la variabile continua X assuma valori compresi in un intervallo (a,b) si indica con: P( a< X < b) e corrisponde alla misura dell’area sotto la curva normale compresa tra a e b: P( 17< X < 29) Si potrebbe dimostrare che l’area sotto tutta la funzione normale vale 1 : E che, qualunque siano i valori di media e varianza: ESEMPIO: una variabile aleatoria segue una distribuzione normale, con media 38 e varianza 7. Qual è la probabilità che i suoi valori siano compresi tra 31 e 45? In generale come si fa a calcolare le probabilità di una variabile aleatoria che ha una distribuzione normale? Tavole - ma ci manca un pezzo di teoria……. Geogebra “Probability distribution” o un’altra app simile Calcolatrice statistica 2. Una ditta produce sbarrette della lunghezza media di 1,50 cm con scarto quadratico medio di 0,05 cm. Sapendo che le lunghezze sono normalmente distribuite, calcolare la probabilità scegliendo a caso una sbarretta, questa sia lunga: più di 1,62 cm meno di 1,45 cm; fra 1,45 e 1,60 cm.