



Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
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
1 / 7
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!




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
Una variabile aleatoria discreta è una variabile generata da un processo aleatorio che determina uno spazio di eventi elementari Ω finito, o infinito numerabile.
Se definito l’insieme della parti BΩ di tutti gli eventi Ei generabili da Ω, e selezionati n eventi Ei con un criterio:
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:
Nel caso di una variabile aleatoria continua X, il valore medio μ è espresso come:
Data una variabile come media E(X) = μ, la varianza è data da:
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)
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:
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: