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


Probabilità e Distribuzioni Probabilistiche: Capitolo 5 e 6, Appunti di Statistica

Una introduzione alla probabilità e alle distribuzioni probabilistiche, con un focus sui concetti di eventi, probabilità, spazio campionario, regole della probabilità, calcolo probabilità empirico e classico, algebra di boole, postulati e teoremi. In aggiunta, il testo introduce le variabili casuali discrete e continue, distribuzioni di probabilità, regole distribuzioni di probabilità discrete e grafiche di probabilità. Il capitolo successivo descriverà la distribuzione binomiale.

Tipologia: Appunti

2019/2020

Caricato il 05/03/2020

martina-glielmi
martina-glielmi 🇮🇹

4.7

(6)

6 documenti

1 / 2

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
CAPITOLO 5
la probabilità è una misura della possibilità che un fenomeno casuale possa verificarsi. La
probabilità descrive l'incertezza nel breve periodo di un risultato che nel lungo periodo è certo.
Riguarda quindi quegli esperimenti che nel breve periodo conducono a risultati casuali, ma che
divengono prevedibili all'aumentare del numero di tentativi. Legge dei grandi numeri: all'aumentare
del numero di ripetizioni di un esperimento probabilistico, la proporzione con la quale uno specifico
risultato si osserva tende a essere sempre più vicina alla probabilità di ottenere lo specifico risultato.
PROVA O ESPERIMENTO: di cui sono noti i risultati possibili che si possono ottenere, ma non
quello che poi effettivamente si presenterà. Il risultato, prima della prova, è incerto.
EVENTO: uno dei possibili risultati che la prova può generare. È una proporzione che caratterizza
uno dei possibili risultati (E oppure A,B,C)
PROBABILITA': è un numero compreso tra 0 e 1 che viene associato ad pgni evento generato da
una prova e misura il grado di verificarsi di quell'evento. 0=eventi che non possono mai verificarsi
(impossibile) 1=eventi che si presenteranno in ogni prova (certo) (P)
Lo spazio campionario S di un esperimento probabilistico è l'insieme di tutti i possibili risultati.
Regole della probabilità:
1- la probabilità che un evento E accada, P(E), deve essere maggiore di 0 e minore o uguale a 1
2- la somma delle probabilità di tutti i possibili risultati di un evento E, deve essere pari a 1.
Un modello probabilistico elenca tutti i possibili risultati di un esperimento probabilistico e la
probabilità associata ad ognuno di essi. Deve soddisfare le due regole.
CALCOLARE LA PROBABILITA' CON METODO EMPIRICO:
P(E) = frequenza di E/numeri di tentativi dell'esperimento
la probabilità ottenuta utilizzando questo metodo non è esatta ma approssimata
CALCOLARE LA PROBABILITA' CON METODO CLASSICO:
questo non richiede che sia condotto un esperimento probabilistico ma richiede che vi siano
risultati probabilistici equiprobabili. Un esperimento ha risultati equiprobabili quando ogni possibile
risultato ha la stessa probabilità di verificarsi.
P(E) = numero di modi in cui l'evento E può accadere/ numero di risultati possibili
P(E) = N(E)/N(S)
Si ottiene un risultato specifico.
PRIMO POSTULATO: gli eventi generati da una prova generano un'algebra di Boole chiusa e
completa.
NEGAZIONE: (operazione unaria)
ex: prova: lancio di un dado
eventi: E1 esce testa E2 esce croce
E1: non esce testa
UNIONE: si verifica E1, E2 oppure entrambi contemporaneamente
E1 ed E2 possono essere disgiunti o non disgiunti
ex: prova: lancio del dado
E1= (esce un numero pari) (F2, F4, F6)
E2= (esce un numero dispari) (F1, F3, F5
E1 o E2 = (F2, F4, F6, F1, F3, F5)
INTERSEZIONE:
ex: prova: sacchetto con numeri da 1 a 10
E1: (scegli un numero pari) ( F2, F4, F6, F8, F10)
E2: (scegli un numero > 5) (F6, F7, F8, F9, F10)
E1 e E2: (F6, F8, F10)
SECONDO POSTULATO: Pr(A)≥0
TERZO POSTULATO: Pr(S)= 1
QUARTO POSTULATO: REGOLA ADDITIVA PER EVENTI DISGIUNTI: se A e B sono
disgiunti posso calcolare la probabilità della loro unione come somma delle probabilità:
P(A o B)= P(A) + P(B)
pf2

Anteprima parziale del testo

Scarica Probabilità e Distribuzioni Probabilistiche: Capitolo 5 e 6 e più Appunti in PDF di Statistica solo su Docsity!

CAPITOLO 5

la probabilità è una misura della possibilità che un fenomeno casuale possa verificarsi. La probabilità descrive l'incertezza nel breve periodo di un risultato che nel lungo periodo è certo. Riguarda quindi quegli esperimenti che nel breve periodo conducono a risultati casuali, ma che divengono prevedibili all'aumentare del numero di tentativi. Legge dei grandi numeri: all'aumentare del numero di ripetizioni di un esperimento probabilistico, la proporzione con la quale uno specifico risultato si osserva tende a essere sempre più vicina alla probabilità di ottenere lo specifico risultato. PROVA O ESPERIMENTO: di cui sono noti i risultati possibili che si possono ottenere, ma non quello che poi effettivamente si presenterà. Il risultato, prima della prova, è incerto. EVENTO: uno dei possibili risultati che la prova può generare. È una proporzione che caratterizza uno dei possibili risultati (E oppure A,B,C) PROBABILITA': è un numero compreso tra 0 e 1 che viene associato ad pgni evento generato da una prova e misura il grado di verificarsi di quell'evento. 0=eventi che non possono mai verificarsi (impossibile) 1=eventi che si presenteranno in ogni prova (certo) (P) Lo spazio campionario S di un esperimento probabilistico è l'insieme di tutti i possibili risultati. Regole della probabilità: 1- la probabilità che un evento E accada, P(E), deve essere maggiore di 0 e minore o uguale a 1 2- la somma delle probabilità di tutti i possibili risultati di un evento E, deve essere pari a 1. Un modello probabilistico elenca tutti i possibili risultati di un esperimento probabilistico e la probabilità associata ad ognuno di essi. Deve soddisfare le due regole. CALCOLARE LA PROBABILITA' CON METODO EMPIRICO: P(E) = frequenza di E/numeri di tentativi dell'esperimento la probabilità ottenuta utilizzando questo metodo non è esatta ma approssimata CALCOLARE LA PROBABILITA' CON METODO CLASSICO: questo non richiede che sia condotto un esperimento probabilistico ma richiede che vi siano risultati probabilistici equiprobabili. Un esperimento ha risultati equiprobabili quando ogni possibile risultato ha la stessa probabilità di verificarsi. P(E) = numero di modi in cui l'evento E può accadere/ numero di risultati possibili P(E) = N(E)/N(S) Si ottiene un risultato specifico. PRIMO POSTULATO: gli eventi generati da una prova generano un'algebra di Boole chiusa e completa. NEGAZIONE: (operazione unaria) ex: prova: lancio di un dado eventi: E 1 esce testa E 2 esce croce E 1 : non esce testa UNIONE: si verifica E 1 , E 2 oppure entrambi contemporaneamente E 1 ed E 2 possono essere disgiunti o non disgiunti ex: prova: lancio del dado E1= (esce un numero pari) (F2, F4, F6) E2= (esce un numero dispari) (F1, F3, F E1 o E2 = (F2, F4, F6, F1, F3, F5) INTERSEZIONE: ex: prova: sacchetto con numeri da 1 a 10 E1: (scegli un numero pari) ( F2, F4, F6, F8, F10) E2: (scegli un numero > 5) (F6, F7, F8, F9, F10) E1 e E2: (F6, F8, F10) SECONDO POSTULATO: Pr(A)≥ TERZO POSTULATO: Pr(S)= 1 QUARTO POSTULATO: REGOLA ADDITIVA PER EVENTI DISGIUNTI: se A e B sono disgiunti posso calcolare la probabilità della loro unione come somma delle probabilità: P(A o B)= P(A) + P(B)

due eventi si dicono disgiunti se non hanno possibili risultati in comune. Un'altra definizione è mutuamente esclusivi. Per rappresentare graficamente gli eventi si utilizzano i diagrammi di Venn. PRIMO TEOREMA: P( 0 //) = 0 SECONDO TEOREMA: P(A) = 1-P(A) TERZO TEOREMA: se A,B,C sono disgiunti in coppia, la probabilità dell'unione di questi eventi è la somma delle probabilità P(A o B o C)= P(A) + P(B) + P( C ) QUARTO TEOREMA: REGOLA GENERALE ADDITIVA: se P(A o B) sono non disgiunti abbiamo: P(A) + P(B) – P(A e B) Due eventi si dicono indipendenti se la probabilità che l'evento E accada non influenzi la probabilità di accadimento dell'evento F. regola moltiplicazione eventi indipendenti: P(E e F) = P(E) x P(F) Quando invece un evento è dipendente dall'altro abbiamo una probabilità condizionata: P(A|B) = P(A e B)/ P(B) regola moltiplicazione eventi dipendenti: P(A e B) = P(A) x P(B|A) CAPITOLO 6 Supponiamo di lanciare una moneta due volte. I possibili esiti sono (TT, TC, CT, CC. Piuttosto che essere interessati a un particolare esito, potremmo essere interessati a conoscere il numero di volte in cui si presenta testa. Quando gli esperimenti sono condotti in modo tale che il loro esito sia un risultato numerico, allora l'esito si dice variabile casuale. Una variabile casuale X è una misura numerica dell'esito di un esperimento casuale, quindi il suo valore è determinato dal caso. Si utilizzano le lettere maiuscole per le variabili casuali e le minuscole per indicare tutti i possibili valori che assume la variabile. Esistono variabili casuali discrete e continue. Una variabile casuale discreta assume un numero finito e numerabile di valori. Una variabile casuale continua assume un numero infinito di valori. I possibili valori di una variabile corrispondono a determinate probabilità. La distribuzione di probabilità di una variabile casuale discreta x fornisce i possibili valori assunti dalla variabile casuale e le corrispondenti probabilità. Una distribuzione di probabilità si può presentare a forma di tabella, un grafico o di una formula matematica. Regole distribuzione di probabilità discreta: Σ(Px) = 1 0 ≤ P(x) ≤ 1 Le distribuzioni di probabilità discrete si rappresentano graficamente con istogrammi di probabilità. La media (valore atteso) di una variabile casuale discreta è data dalla somma dei prodotti di ogni possibile valore della variabile per la corrispondente probabilità E = Σ [x P(x)] LA varianza di una variabile casuale discreta: VAR = Σ[(x – Ex)^2 P(x)] Una particolare forma di distribuzione di probabilità discreta è la distribuzione di probabilità binomiale. Essa descrive la probabilità di esperimenti in cui esistono solo due eventi mutuamente esclusivi. (disgiunti). Ci riferiamo a questi due eventi in termini di successo o insuccesso. Gli esperimenti nei quali è possibile osservare solo due eventi sono definiti esperimenti binomiali, a condizioni che tali esperimenti soddisfino alcuni requisiti. 1- l'esperimento è ripetuto un numero definito di volte. 2- le prove sono indipendenti 3- in ogni prova ci sono solo due eventi disgiunti: successo e insuccesso 4- la probabilità di successo è la stessa in ciascuna prova dell'esperimento il termine successo non implica necessariamente che si sia verificato un evento positivo. Funzione della distribuzione di probabilità binomiale: P(x) = (^) nCx px(1 – p)n-x nCx = n!/x! (n-x)! '' la probabilità dell'evento A dato l'evento B