S S Definisco una funzione f(x) 1 all’uscita di T associo il numero 0 e all’uscita di C il numero 1, faccio la somma dei risultati e moltiplico per 3 E1 : T;T S = E2 : T;C Ω E3 : C;T E4 : C;C Xi 0 3 6 P(Xi )____ 1/4 = 0,25 2/4 = 0,50 1/4 = 0,25 1,00 Ad ogni evento viene associato un numero reale Xi che ha una certa probabilità p(Xi ) di manifestarsi 2 Variabili Casuali (v.c.) Una variabile casuale X e’ una funzione definita sullo spazio campionario S che associa ad ogni evento E S un unico numero reale. Insieme dei numeri reali X x6 S spazio campionario E3 E2 x5 E1 E6 E5 E4 E7 E9 x4 E8 x3 x2 x1 3 Variabili casuali discrete e continue • Una variabile casuale discreta può assumere un insieme discreto (finito o numerabile) di numeri reali. • Una variabile casuale continua può assumere tutti i valori compresi in un intervallo reale. S discreto V.C. discreta S continuo V.C. discreta o continua 4 Variabili casuali discrete P(X=xi) Probabilità che la v.c. X assuma il valore xi La funzione di probabilità di una variabile casuale discreta X associa ad ognuno dei valori xi la corrispondente probabilità P(X=xi) Proprietà i P( xi ) 1 P ( xi ) 0 5 Funzione di Ripartizione Data una v.c discreta X, la funzione che fa corrispondere ai valori x le probabilità cumulate PX x viene detta funzione di ripartizione ed indicata con F x P X x PX w w x 6 La funzione di ripartizione e il suo grafico per l’esempio proposto 0 1 -∞ < X < 0 F(X)= 0,25 0≤X<3 0,75 3≤X<6 0,75 0,5 1 6≤X<∞ 0,25 0 0 1 2 3 4 5 6 7 7 Variabili casuali continue Chiameremo Funzione di densità, la funzione matematica f(x) per cui l’area sottesa alla funzione, corrispondente ad un certo intervallo, è uguale alla probabilità che X assuma un valore in quell’intervallo. 2,0 f x 1,5 1,0 0,5 0,0 0,0 0,229 0,5 esempio libro 0,7 1,0 X 8 Proprietà delle funzioni di densità • f(x)0 sempre • L’area totale sottesa alla funzione =1, ossia f ( x )dx 1 La probabilità che la v.c. assuma un particolare valore dell’intervallo è zero. 9 Valore atteso di una v.c. (Valore medio) Il valore medio di una v.c. X, è definito come E X xi Pxi Se la v.c. è discreta i EX x f x dx Se la v.c. è continua Nel nostro esempio µ = 3,00 10 La varianza di una v.c. La varianza V(X) di una variabile casuale X è definita da V X 2 xi E X P xi 2 i V ( X ) E ( X ) E ( X ) 2 V X 2 2 2 2 x E X f x dx La deviazione standard è definita Nel nostro esempio V(X) = 4,50 Se la v.c. è discreta Formula ridotta Se la v.c. è continua SD X V X 11 V.c. Standardizzate I valori standardizzati esprimono la distanza tra i valori osservati e la media in termini di deviazione standard. Se X è una v.c. con valore µ e σ allora: Z X È una v.c. standardizzata con µZ =0 e σZ=1 12 Valor medio e varianza di una v.c. discreta Il responsabile di un settore operativo di una certa industria ritiene che il numero di giorni, nell’arco di una settimana lavorativa, durante i quali si verificano interruzioni di energia elettrica all’impianto, segua questa distribuzione di probabilità Xi P(Xi) Xi P(Xi) Xi^2 Xi^2 P(Xi) 0 0,18 0,00 0 0,00 1 0,35 0,35 1 0,35 2 0,25 0,50 4 1,00 3 0,12 0,36 9 1,08 4 0,08 0,32 16 1,28 5 0,02 0,10 25 0,50 Totale 1,00 1,63 4,21 Calcolare 1. Il numero medio dei giorni lavorativi nell’arco di una settimana durante i quali c’è da aspettarsi che si verifichino delle interruzioni di energia elettrica dell’impianto E(X)=1,63 13 2. Determinare la varianza della distribuzione V(X)= 4,21-1,632= 1,55