Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Introduzione alla Statistica: Campioni, Distribuzioni e Misure di Dispersione, Appunti di Statistica

Una panoramica introduttiva ai concetti fondamentali della statistica, come campioni, distribuzioni statistiche, misure di dispersione e concentrazione. Esplora le diverse tipologie di caratteri, la loro aggregazione e la rappresentazione grafica delle distribuzioni. Inoltre, introduce concetti chiave come la media, la mediana, i quartili e i percentili, fornendo una base solida per comprendere l'analisi dei dati.

Tipologia: Appunti

2021/2022

In vendita dal 05/02/2025

182mr
182mr 🇮🇹

12 documenti

1 / 11

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
STATISTICA
PARTE I – CAPITOLO 1
LA STATISTICA DESCRITTIVA
La statistica descrittiva è una branca della statistica che studia i criteri di rilevazione, classificazione, sintesi
e rappresentazione dei dati appresi dallo studio di una popolazione o di una parte di essa detta campione.
La popolazione è l’insieme delle unità di rilevazione.
[# popolazione = N —> numerosità della popolazione]
Il campione è la parte della popolazione su cui vengono effettuate le indagini. L’analisi sul campione è
meno precisa rispetto a quella sull’intera popolazione. Per estendere i risultati dell’analisi campionaria a
tutta la popolazione viene utilizzata una tecnica di calcolo delle probabilità, misurando circa la dimensione
dell’errore. Maggiore è la numerosità del campione, più precisa potrebbe essere l’indagine.
[# campione = n —> numerosità del campione]
Dunque il campione è un sottoinsieme della popolazione è la loro relazione è n <= N.
L’oggetto dello studio sono i caratteri (X) che possono essere di natura:
1. Quantitativa: i caratteri possono essere:
oDiscreti : esplicitati da espressioni numeriche che fanno parte dei numeri naturali (x
es.: numero dei componenti della famiglia [tra 4 e 5 non vi sono valori intermedi]);
oContinui : esplicitati da espressioni numeriche che possono assumere come valore
qualsiasi intervallo di R (x es.: altezza [tra 170 cm e 171 cm vi sono infinite
possibilità]);
2. Qualitativa: i caratteri possono essere:
oOrdinali : di cui è possibile creare una scala in base alla valenza (x es.: titolo di
studio [diploma < laurea]);
oNominali : di cui non è possibile creare una scala di valore (x es.: colore dei
capelli). Il carattere si estrinseca attraverso delle osservazioni/rilevazioni (x). Il numero delle osservazioni
coincide con la numerosità della popolazione (# x = N), per cui indichiamo le osservazioni in un insieme
non aggregato.
CAPITOLO 2
AGGREGAZIONE DEI CARATTERI: LA DISTRIBUZIONE STATISTICA
Per migliorare l’analisi è necessario trasformare l’insieme non aggregato di rilevazioni in un insieme
aggregato. Questa aggregazione varia a seconda che si tratti di un carattere quantitativo discreto o
continuo.
AGGREGAZIONE DI UN CARATTERE QUANTITATIVO DISCRETO
L’aggregazione di un carattere discreto avviene mediante la distribuzione statistica che indica l’insieme
delle coppie ordinate di modalità e frequenza.
Le modalità (x*i) sono le osservazioni diverse.
[Indichiamo con h il numero delle modalità (h <= N)]
La distribuzione statistica può avvenire con frequenze:
1. Assolute (ni): indicano quante volte ciascuna modalità si presenta; la sommatoria delle
frequenze assolute per i che va da 1 a N è uguale alla numerosità della popolazione;
2. Relative (pi): sono relativizzate rispetto alla numerosità della popolazione; pi = ni / N.
pf3
pf4
pf5
pf8
pf9
pfa

Anteprima parziale del testo

Scarica Introduzione alla Statistica: Campioni, Distribuzioni e Misure di Dispersione e più Appunti in PDF di Statistica solo su Docsity!

STATISTICA

PARTE I – CAPITOLO 1

LA STATISTICA DESCRITTIVA

La statistica descrittiva è una branca della statistica che studia i criteri di rilevazione, classificazione, sintesi e rappresentazione dei dati appresi dallo studio di una popolazione o di una parte di essa detta campione. La popolazione è l’insieme delle unità di rilevazione. [# popolazione = N —> numerosità della popolazione] Il campione è la parte della popolazione su cui vengono effettuate le indagini. L’analisi sul campione è meno precisa rispetto a quella sull’intera popolazione. Per estendere i risultati dell’analisi campionaria a tutta la popolazione viene utilizzata una tecnica di calcolo delle probabilità, misurando circa la dimensione dell’errore. Maggiore è la numerosità del campione, più precisa potrebbe essere l’indagine. [# campione = n —> numerosità del campione] Dunque il campione è un sottoinsieme della popolazione è la loro relazione è n <= N. L’oggetto dello studio sono i caratteri (X) che possono essere di natura:

  1. Quantitativa : i caratteri possono essere: o Discreti: esplicitati da espressioni numeriche che fanno parte dei numeri naturali (x es.: numero dei componenti della famiglia [tra 4 e 5 non vi sono valori intermedi]); o Continui: esplicitati da espressioni numeriche che possono assumere come valore qualsiasi intervallo di R (x es.: altezza [tra 170 cm e 171 cm vi sono infinite possibilità]);
  2. Qualitativa : i caratteri possono essere: o Ordinali: di cui è possibile creare una scala in base alla valenza (x es.: titolo di studio [diploma < laurea]); o Nominali: di cui non è possibile creare una scala di valore (x es.: colore dei capelli). Il carattere si estrinseca attraverso delle osservazioni/rilevazioni (x). Il numero delle osservazioni coincide con la numerosità della popolazione (# x = N), per cui indichiamo le osservazioni in un insieme non aggregato.

CAPITOLO 2

AGGREGAZIONE DEI CARATTERI: LA DISTRIBUZIONE STATISTICA

Per migliorare l’analisi è necessario trasformare l’insieme non aggregato di rilevazioni in un insieme aggregato. Questa aggregazione varia a seconda che si tratti di un carattere quantitativo discreto o continuo. AGGREGAZIONE DI UN CARATTERE QUANTITATIVO DISCRETO L’aggregazione di un carattere discreto avviene mediante la distribuzione statistica che indica l’insieme delle coppie ordinate di modalità e frequenza. Le modalità (x*i) sono le osservazioni diverse. [Indichiamo con h il numero delle modalità (h <= N)] La distribuzione statistica può avvenire con frequenze:

  1. Assolute (ni): indicano quante volte ciascuna modalità si presenta; la sommatoria delle frequenze assolute per i che va da 1 a N è uguale alla numerosità della popolazione;
  2. Relative (pi): sono relativizzate rispetto alla numerosità della popolazione; pi = ni / N.

La rappresentazione grafica della distribuzione statistica si attua mediante il diagramma delle frequenze che mette in relazione le modalità e le frequenze relative. All’interno del diagramma non vi sono modalità intermedie e la superficie tra le frequenze non ha importanza analitica. AGGREGAZIONE DI UN CARATTERE QUANTITATIVO CONTINUO L’aggregazione di un carattere continuo avviene mediante la distribuzione statistica continua per intervalli, creando una classe di modalità (xi-xi-1), ossia si prendono in considerazione degli intervalli di valori e si procede per classi. Per ogni classe di modalità l’estremo inferiore è incluso e quello superiore è escluso. Se sono presenti valori anomali (outliers) l’ultimo intervallo è n -. La rappresentazione grafica della distribuzione statistica continua per intervalli è data dalla funzione di densità delle frequenze; questa si rappresenta mediante un istogramma che mette in relazione le modalità e la densità di frequenza. Nell’istogramma tutti i punti sull’asse delle ascisse rappresentano una possibile misurazione, dunque la superficie tra le frequenze ha importanza analitica e le aree dei rettangoli indicano la frequenza relativa. La densità di frequenza (fi) è data dal rapporto tra la frequenza relativa e l’ampiezza della classe (xi+1-xi [estremo superiore-estremo inferiore]). Le proprietà della funzione di densità delle frequenze sono:

  1. È non negativa ;
  2. La somma delle aree corrisponde alla somma delle frequenze relative. LA FUNZIONE DI RIPARTIZIONE La funzione di ripartizione assume forme diverse a seconda che il carattere sia:
  3. Discreto : inseriamo la frequenza cumulata (Fi), ovvero la frequenza con cui il carattere assume valori minori o uguali alle modalità; le proprietà di questa funzione di ripartizione sono: o La differenza tra la frequenza cumulata e la frequenza cumulata più bassa è uguale alla frequenza del relativo punto iniziale; o F è definito in R e il codominio (valori possibili di Y) abbraccia l’intervallo da 0 a 1 con gli estremi esclusi;
  4. Continuo : inseriamo la frequenza cumulata con cui il carattere si manifesta in un determinato intervallo; le proprietà di questa funzione di ripartizione sono: o F è definito in R e il codominio abbraccia l’intervallo da 0 a 1 con gli estremi inclusi; o La funzione F(x) è continua e derivabile per ogni x appartenente ad R ad eccezione dei punti estremi delle classi (sono punti angolosi —> la derivata destra è diversa da quella sinistra e quindi la funzione non è derivabile in quei punti).

CAPITOLO 3

LE MISURE DI SINTESI RIFERITE AD UN CARATTERE UNICO

Ci troviamo nel campo della statistica univariata, ossia che studia un carattere per volta. Si tratta di effettuare un’ulteriore sintesi dell’indagine statistica con una sola variabile attraverso le misure di sintesi, quali:

  1. Misure di posizione/tendenza : la posizione può essere: o Centrale: le misure sono:  Media ;  Moda ;  Mediana ; o Non centrale: le misure sono:  Quartili ;  Decili ;  Percentili ;
  2. Misure di dispersione/variabilità : sono:

pari al 50% la mediana è data dalla media aritmetica tra la modalità in cui la frequenza cumulata è 0,5 e la modalità successiva;

  1. Distribuzione statistica continua per intervalli : per ricavare la mediana determiniamo la forma analitica della funzione di ripartizione ed individuiamo il binomio relativo alla classe mediana in cui la frequenza cumulata supera per la prima volta il 50%. MISURE DI POSIZIONE NON CENTRALE: QUARTILI, DECILI E PERCENTILI I quartili sono quei valori che ripartiscono la popolazione in quattro parti uguali. Distinguiamo diversi casi:
  2. Insieme non aggregato : dopo aver ordinato le osservazioni in modo non decrescente avremo: o Primo quartile: valore corrispondente alla posizione (N + 1) / 4 delle osservazioni ordinate; o Secondo quartile: valore corrispondente alla posizione (N + 1) / 2 delle osservazioni ordinate (= Me); o Terzo quartile: valore corrispondente alla posizione 3(N + 1) / 4 delle osservazioni ordinate; Possiamo avere tre risultati: o Un intero: il quartile sarà dato da una valore posto nelle posizioni prima elencate; o Un punto di posizionamento a metà strada tra due interi (x es.: 0,5): il quartile sarà dato dalla media aritmetica tra l’osservazione della prima posizione e quella della seconda posizione prima elencate; o Un risultato da arrotondare;
  3. Distribuzione statistica : avremo: o Primo quartile: valore in corrispondenza del quale le Fi superano per la prima volta il 25%; o Secondo quartile: valore in corrispondenza del quale le Fi superano per la prima volta il 50%; o Terzo quartile: valore in corrispondenza del quale le Fi superano per la prima volta il 75%;
  4. Distribuzione statistica continua per intervalli : avremo: o Primo quartile: classe di modalità in corrispondenza della quale le Fi superano per la prima volta il 25%; o Secondo quartile: classe di modalità in corrispondenza della quale le Fi superano per la prima volta il 50%; o Terzo quartile: classe di modalità in corrispondenza della quale le Fi superano per la prima volta il 75%. I decili hanno una determinazione identica a quella dei quartili ma rapportata al 10%. Il 10% della popolazione avrà modalità <= del primo decile; il 90% della popolazione avrà modalità >= del primo decile. I percentili hanno una determinazione identica a quella dei quartili ma rapportata all’1%. L’1% della popolazione avrà modalità <= del primo percentile; il 99% della popolazione avrà modalità >= del primo percentile. MISURE DI DISPERSIONE: VARIANZA, SCARTO QUADRATICO MEDIO E COEFFICIENTE DI VARIAZIONE Vediamo il calcolo della varianza in diversi casi:
  5. Insieme non aggregato : la varianza è la media aritmetica degli scarti (distanza delle osservazioni dalla media) quadratici;
  6. Distribuzione statistica con frequenze assolute : la varianza è uguale a 1 / N che moltiplica la sommatoria per i che va da 1 a K delle singole modalità meno la loro media (tutto al quadrato), il tutto moltiplicato per le frequenze assolute;
  7. Distribuzione statistica con frequenze relative : la varianza è uguale alla sommatoria per i che va da 1 a K delle singole modalità meno la loro media (tutto al quadrato), il tutto moltiplicato per le frequenze relative;
  1. Distribuzione statistica continua per intervalli : per determinare la varianza occorre determinare il punto medio delle classi. La varianza può essere anche data dalla differenza tra la media quadratica e il quadrato della media aritmetica. Le proprietà della varianza sono:
  2. La varianza di una costante è uguale a 0 ;
  3. La varianza di una costante sommata ad una variabile è data dalla varianza della variabile ;
  4. La varianza di una costante che moltiplica una variabile è data dal prodotto tra la costante al quadrato e la varianza della variabile ;
  5. La varianza di una somma algebrica di due variabili è data dalla somma della varianza della prima variabile e della varianza della seconda variabile solo se le due variabili sono tra loro statisticamente indipendenti. Lo scarto quadratico medio è il valore positivo della radice quadrata della varianza. Ha la stessa unità di misura della popolazione. Il coefficiente di variazione essendo un numero puro (e quindi adimensionale) ci permette di mettere a confronto le dispersioni di popolazioni che hanno variabili (e quindi unità di misura) diverse (x es.: peso e altezza). LE MISURE DI CONCENTRAZIONE La concentrazione si studia solo per i caratteri quantitativi trasferibili, ossia quei caratteri per cui ha senso pensare che l’intero ammontare del carattere sia detenuto da una unità. Per calcolare la concentrazione vanno seguite diverse fasi:
  6. Fase 1 : si ordinano le osservazioni in modo non decrescente;
  7. Fase 2 : si inseriscono i dati in una tabella indicando nella prima colonna la posizione (i) e accanto le osservazioni ordinate;
  8. Fase 3 : si determina l’indice Fi dato dal rapporto tra la posizione e la numerosità;
  9. Fase 4 : si determina l’indice Qi dato dal rapporto tra la sommatoria per j che va da 1 a i di xj (xi che si sommano in ordine di posizione) e la sommatoria per i che va da 1 a N di xi. L’indice di concentrazione di Gini si indica con R ed è dato dal rapporto tra la sommatoria per i che va da 1 a N - 1 (penultima osservazione) di Fi - Qi e la sommatoria per i che va da 1 a N - 1 di Fi. [0 <= R <= 1] [R = 0 —> equidistribuzione (tutti i soggetti detengono il patrimonio nella stessa misura)] [R = 1 —> massima concentrazione (tutto il patrimonio è detenuto nelle mani di un unico soggetto)] L’area di concentrazione è la parte di piano compresa tra la retta di equidistribuzione (bisettrice) e la spezzata di Lorentz.

CAPITOLO 4 STATISTICA

BIVARIATA

La statistica bivariata considera due variabili contemporaneamente, ossia X e Y. Essa analizza:

  1. La tabella a doppia entrata ;
  2. La connessione ;
  3. La correlazione lineare ;
  4. La regressione. LA TABELLA A DOPPIA ENTRATA La tabella a doppia entrata può essere:
  5. Con frequenze assolute : fasi di costruzione: o Fase 1 : scriviamo le modalità di X in verticale e quelle di Y in orizzontale;

PARTE II – CAPITOLO 1

IL CALCOLO COMBINATORIO

LE DISPOSIZIONI CON RESTITUZIONE

Le disposizioni con restituzione (D*) sono tutti gli allineamenti che si possono costruire tra n oggetti a classi di r tali che due allineamenti si dicono diversi se:

  1. Sono costituiti da elementi diversi ;
  2. Sono costituiti dagli stessi elementi ma disposti in modo diverso ;
  3. Sono costituiti dagli stessi elementi ma ripetuti un numero diverso di volte. Nel caso in cui n o r dovessero essere troppo grandi non sarebbe possibile calcolare le disposizioni una ad una. Individuiamo dunque una teoria che ci permetta di calcolarle a priori: la numerosità delle disposizioni con restituzione di n elementi presi in classi di r è uguale a n elevata a r. LE DISPOSIZIONI SENZA RESTITUZIONE Le disposizioni senza restituzione (D) sono tutti gli allineamenti che si possono costruire tra n oggetti a classi di r tali che due allineamenti si dicono diversi se:
  4. Sono costituiti da elementi diversi ;
  5. Sono costituti dagli stessi elementi ma disposti in modo diverso. Lo stesso elemento di un allineamento non si può ripetere più volte. Nel caso in cui n o r dovessero essere troppo grandi non sarebbe possibile calcolare le disposizioni una ad una. Individuiamo dunque una teoria che ci permetta di calcolarle a priori: la numerosità delle disposizioni senza restituzione di n elementi presi in classi di r è uguale a n elevata a (r). LE COMBINAZIONI SENZA RESTITUZIONE Le combinazioni senza restituzione sono tutti gli allineamenti che si possono costruire tra n oggetti a classi di r tali che due allineamenti si dicono diversi se sono costituti da elementi diversi. Nel caso in cui n o r dovessero essere troppo grandi non sarebbe possibile calcolare le disposizioni una ad una. Individuiamo dunque una teoria che ci permetta di calcolarle a priori: la numerosità delle combinazioni senza restituzione è data dal coefficiente binomiale di n elementi presi in classi di r che è uguale a n / r che a sua volta è uguale a n fattoriale diviso r fattoriale che moltiplica (n - r) fattoriale. LE PERMUTAZIONI Le permutazioni (P) sono date da tutti gli allineamenti previsti nel calcolo delle disposizioni senza restituzione dove n = r. Nel caso in cui n o r dovessero essere troppo grandi non sarebbe possibile calcolare le disposizioni una ad una. Individuiamo dunque una teoria che ci permetta di calcolare a priori: la numerosità delle permutazioni di n elementi è uguale a n fattoriale.

CAPITOLO 2

DEFINIZIONI

L’EVENTO (A, B, …)

L’evento si indica con le lettere maiuscole latine che possono avere anche un indice (x es.: A1). Dato un esperimento, dicasi evento qualsiasi fatto fisico o concettuale descritto in una formulazione a parole da un enunciato che ammette solo due risultati logici: vero o falso. LO SPAZIO (O INSIEME) DEI RISULTATI ( ) Dato un esperimento, dicasi spazio dei risultati l’insieme di tutti i possibili risultati, incompatibili tra di loro, connessi ad un determinato esperimento. Si indica con una parentesi graffa contenente tante parentesi tonde contenenti i risultati ottenibili. Gli elementi nella graffa non seguono un ordine prestabilito mentre quelli nelle tonde sì.

Individuiamo una teoria che ci permetta di calcolare a priori la numerosità dello spazio dei risultati: quest’ultima è uguale alla numerosità delle disposizioni con restituzione di n elementi presi in classi di r che a sua volta è uguale a n elevata a r. [Un evento è un elemento dello spazio dei risultati —> A contenuto in ] Possiamo avere:

  1. A U B (A unito a B): è un nuovo evento che è vero se è vero A oppure B;
  2. A intersecato a B : è un nuovo evento che è vero se sono veri A e B;
  3. Completamento di A : è un nuovo evento che è vero se A è falso. LA CLASSE DEGLI EVENTI (F) La classe degli eventi si indica con F corsivo (maiuscolo). Dato un insieme di risultati, la classe degli eventi è un insieme che ha le seguenti proprietà:
  4. appartiene a F ;
  5. Se A appartiene a F allora anche il complemento di A apparterrà a F ;
  6. Se A da 1 a n appartiene a F allora anche l’unione per i che va da 1 a n delle Ai apparterrà a F. La classe degli eventi si costruisce inserendo tutti i sottoinsiemi dello spazio dei risultati, compreso lo spazio stesso e l’insieme vuoto. La numerosità della classe degli eventi è uguale a 2 elevato a n in cui n è la numerosità dello spazio dei risultati.

CAPITOLO 3

L’INTERPRETAZIONE DELLA PROBABILITÀ

Esistono tre interpretazioni della probabilità:

  1. Probabilità oggettiva : dato un esperimento, determinati l’insieme dei risultati e un evento A, la probabilità di A è data dal rapporto tra casi favorevoli e casi possibili;
  2. Probabilità frequentista : dati n (numero di volte in cui un esperimento si ripete), sia k il numero di volte in cui si è verificato A, la probabilità di A è data dal limite per n che tende a infinito di k fratto n;
  3. Probabilità soggettiva : dato un esperimento, dato un evento A, si dice probabilità di A il prezzo che un individuo è disposto a pagare per riscuotere un importo monetario unitario se A si verifica (0 se A non si verifica). La definizione della probabilità è: dato un esperimento, definito l’insieme dei risultati, definita la classe degli eventi e definito un evento A, si dice probabilità qualsiasi funzione P definita su F tale che:
  4. A appartiene a F e quindi P(A) è sempre maggiore-uguale a 0 ;
  5. L’insieme dei risultati è un evento certo e la sua probabilità è 1 ;
  6. Dato A da 1 a n appartenente a F lì dove Ai intersecato Aj è uguale all’insieme vuoto per ogni i diversa da j avremo che la probabilità dell’unione degli eventi per i che va da 1 a n di Ai è data dalla sommatoria per i che va da 1 a n delle probabilità dei singoli Ai.

CAPITOLO 4

DETERMINAZIONE O CALCOLO DELLE PROBABILITÀ

Dato un esperimento, determinato l’insieme dei risultati, determinata la classe degli eventi, determinato l’evento contenuto in F, la probabilità di A è data dal numero di casi favorevoli ad A fratto il numero di casi possibili.

  1. Variabile aleatoria dotata di densità. VARIABILE ALEATORIA DISCRETA Dati un esperimento, un insieme di risultati e una variabile aleatoria definita in , se l’unione di tutti gli omeghini (elementi di ) è un insieme finito o numerabilmente infinito, la variabile aleatoria si dice discreta. Essa prende ciascun elemento dell’insieme del risultati e lo trasforma in un numero. La funzione di probabilità prende R e trasforma ciascun numero in una probabilità, sapendo che la probabilità da 1 a n sarà maggiore di 0 mentre per gli altri sarà uguale a 0. La probabilità condizionata di X che appartiene ad A nell’ipotesi in cui X appartiene a B è data dalla sommatoria per X che appartiene ad A intersecato B di P(X) fratto la sommatoria per X che appartiene a B di P(X). VARIABILE ALEATORIA DOTATA DI DENSITÀ La variabile aleatoria si dice dotata di densità se la probabilità con cui X assume valori nell’intervallo (a, b] è data dalla probabilità con cui X assume valori compresi fra a e b che a sua volta è uguale all’integrale tra a e b di f(x) in dx. La probabilità condizionata di X che appartiene a B nell’ipotesi in cui X appartiene ad A è uguale all’integrale definito in A intersecato B di f(x) in dx fratto l’integrale definito in A di f(x) in dx. LE MISURE DI SINTESI Le misure di sintesi sono:
  2. La speranza matematica : si indica con E(X) e possiamo chiamarla valore atteso o media; distinguiamo: o Variabile aleatoria discreta: la speranza è data dalla sommatoria per X che appartiene a RX di X che moltiplica P(X); o Variabile aleatoria dotata di densità: la speranza è data dall’integrale tra - e
  • di X che moltiplica f(x) in dx; Le proprietà della speranza sono: o La speranza di una costante è la costante stessa; o La speranza della somma di una costante e di una variabile è la somma della costante e della speranza della variabile; o La speranza del prodotto di una costante e di una variabile è il prodotto della costante e della speranza della variabile; o La speranza della somma algebrica di due variabili è la somma algebrica della speranza della prima variabile e della speranza della seconda variabile; o La speranza del prodotto di due variabili è il prodotto della speranza della prima variabile e della speranza della seconda variabile solo se le due variabili sono tra loro stocasticamente indipendenti;
  1. La varianza : si indica con V(X) ed è uguale alla speranza dei quadrati meno il quadrato della speranza, in cui: o Per la variabile aleatoria discreta:  E(X al quadrato) = sommatoria per X che appartiene a RX di X al quadrato che moltiplica P(X) ;  [E(X)] al quadrato = quadrato della sommatoria per X che appartiene a RX di X che moltiplica P(X); o Per la variabile aleatoria dotata di densità:  E(X al quadrato) = integrale tra - e + di X al quadrato che (^) moltiplica f(x) ;  [E(X)] al quadrato = quadrato dell’integrale tra - e + di X che moltiplica f(x) ; Le proprietà della varianza sono: o La varianza di una costante è uguale a 0 ; o La varianza di una costante sommata ad una variabile è data dalla varianza della variabile; o La varianza di una costante che moltiplica una variabile è data dal prodotto tra la costante al quadrato e la varianza della variabile;

o La varianza di una somma algebrica di due variabili è data dalla somma della varianza della prima variabile e della varianza della seconda variabile solo se le due variabili sono tra loro stocasticamente indipendenti.