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


Teoria Statistica: Variabili Aleatorie Discrete e Continue, Appunti di Statistica

Una introduzione alla teoria statistica dei processi aleatori, con un focus su variabili aleatorie discrete e continue. Una variabile aleatoria è un attributo di un elemento generato da un processo aleatorio, rappresentabile attraverso un vettore di dati e una relativa distribuzione di frequenza. Il documento include definizioni formali, esempi, proprietà del valore atteso, varianza, e distribuzioni di variabili aleatorie discrete come Bernoulli.

Tipologia: Appunti

2020/2021

Caricato il 10/05/2021

martina-costanzo-7
martina-costanzo-7 🇮🇹

5

(2)

10 documenti

1 / 7

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
Statistica inferenziale
Variabili aleatorie
Variabili statistiche e variabile aleatorie
Una variabile aleatoria (o casuale) è un attributo (o
proprietà) di un elemento (individuo o oggetto) generato da
un processo (esperimento, o fenomeno naturale) di tipo
aleatorio (o stocastico) governato da una distribuzione
teorica di probabilità
Una variabile statistica è la rappresentazione empirica di
una variabile aleatoria in un campione di elementi
(individui o oggetti), rappresentabile attraverso un vettore
di dati e una relativa distribuzione di frequenza
Variabile aleatoria discreta
Una variabile aleatoria discreta è una variabile generata da un
processo aleatorio che determina uno spazio di eventi elementari Ω
finito, o infinito numerabile.
Definizione formale
Se definito l’insieme della parti BΩ di tutti gli eventi Ei generabili da
Ω, e selezionati n eventi Ei con un criterio:
1. possiamo definire una funzione X() che assegna ad evento
Ei un numero reale univoco
xi: X(Ei) = xi
2. possiamo definire una funzione P() che assegna ad ogni
evento Ei associa una probabilità pi: P(Ei) = pi Definiamo la
variabile aleatoria discreta X come l’insieme delle n coppie:
Esempio: Dato n mazzo di carte composto da 54 carte da gioco alla
francese, definiamo uno spazio Ω di tre elementi estraibili dal
mazzo ω1 =carta numerica, ω2 = figura, ω3 = jolly
Decidiamo di definire la nostra variabile rispetto ai soli eventi
elementari. Definiamo una funzione X() che assegna ad ogni
evento elementare ωi un numero reale univoco xi, ad esempio un
punteggio diverso per ogni tipo di carta:
X(ω1) = 10 punti
X(ω2) = 15 punti
pf3
pf4
pf5

Anteprima parziale del testo

Scarica Teoria Statistica: Variabili Aleatorie Discrete e Continue e più Appunti in PDF di Statistica solo su Docsity!

Statistica inferenziale

Variabili aleatorie

Variabili statistiche e variabile aleatorie

 Una variabile aleatoria (o casuale) è un attributo (o proprietà) di un elemento (individuo o oggetto) generato da un processo (esperimento, o fenomeno naturale) di tipo aleatorio (o stocastico) governato da una distribuzione teorica di probabilità  Una variabile statistica è la rappresentazione empirica di una variabile aleatoria in un campione di elementi (individui o oggetti), rappresentabile attraverso un vettore di dati e una relativa distribuzione di frequenza

Variabile aleatoria discreta

Una variabile aleatoria discreta è una variabile generata da un processo aleatorio che determina uno spazio di eventi elementari Ω finito, o infinito numerabile.

Definizione formale

Se definito l’insieme della parti BΩ di tutti gli eventi Ei generabili da Ω, e selezionati n eventi Ei con un criterio:

  1. possiamo definire una funzione X() che assegna ad evento Ei un numero reale univoco

xi: X(Ei) = xi

  1. possiamo definire una funzione P() che assegna ad ogni evento Ei associa una probabilità pi: P(Ei) = pi Definiamo la variabile aleatoria discreta X come l’insieme delle n coppie: Esempio: Dato n mazzo di carte composto da 54 carte da gioco alla francese, definiamo uno spazio Ω di tre elementi estraibili dal mazzo ω1 =carta numerica, ω2 = figura, ω3 = jolly Decidiamo di definire la nostra variabile rispetto ai soli eventi elementari. Definiamo una funzione X() che assegna ad ogni evento elementare ωi un numero reale univoco xi, ad esempio un punteggio diverso per ogni tipo di carta: X(ω 1 ) = 10 punti X(ω 2 ) = 15 punti

X(ω 3 ) = 20 punti Per la proprietà della probabilità totale, definiamo la funzione di probabilità P() per cui, in un mazzo di 54 carte abbiamo: Definiamo quindi la variabile aleatoria discreta unidimensionale X: «Punteggio di carte da gioco alla francese» come l’insieme delle n coppie di valori e relative probabilità: L’insieme dei valori reali che la variabile può assumere con probabilità positiva è detto supporto della variabile aleatoria. Definita la variabile aleatoria discreta X possiamo definire la funzione 𝝫(x), detta funzione di ripartizione che fornisce la probabilità di osservare valori della variabile X inferiori o uguali ad ogni valore x: Si tratta di una funzione cumulativa. La figura rappresenta la funzione di ripartizione relativa alla variabile «Punteggio di carte da gioco alla francese»: dato un mazzo alla francese, ed estratta una carta a caso, la probabilità di osservare valori inferiori o uguali a 10 è 0.74, la probabilità di osservare valori inferiori uguali a 15 è 0.96, e la probabilità di osservare punteggi inferiori o uguali a 20 è 1 (evento certo).

Data una variabile X un intervallo di valori x [a, b], la probabilità P di osservare valori nell’intervallo dato, corrisponde all’area sottesa alla curva compresa tra i valori a e b nel grafico della funzione di densità. In una variabile continua, la funzione di ripartizione (o funzione cumulativa) è una funzione 𝝫(x), per −∞ < X< +∞, tale che: Dove f(u) per ogni valore di X reale, rappresenta il valore della funzione di densità f(x) La figura rappresenta la funzione di ripartizione (o funzione cumulativa) di un’ipotetica variabile X. La funzione:

  1. Assume valori compresi tra 0 e 1
  2. È monotona non-decrescente.

Valore medio di una variabile aleatoria continua

Nel caso di una variabile aleatoria continua X, il valore medio μ è espresso come:

Varianza di una variabile aleatoria continua

Data una variabile come media E(X) = μ, la varianza è data da:

Proprietà del valore atteso

Il valore atteso di una costante c corrisponde alla costante c: E(c) = c Il prodotto tra il valore atteso di una variabile X e una costante c corrisponde al valore atteso del prodotto tra la variabile X la costante c: E(Xc) = cE(X)

Somma di variabili aleatorie

Date n variabili aleatorie Xi, Xi+1, … Xn, il valore atteso della somma di queste variabili corrisponde alla sommatoria del valore atteso delle singole variabili:

Prodotto di variabili aleatorie indipendenti

Date n variabili aleatorie indipendenti Xi, Xi+1, … Xn, il valore atteso della produttoria di queste variabili corrisponde alla produttoria del valore atteso delle singole variabili: Distribuzioni di variabili aleatorie discrete:

Variabile aleatoria di Bernoulli