P (non E) = 1 - P(E) regola del complementare
P (A U B) = P(A) + P(B) – P (A Ո B) regola della somma con eventi non disgiunti
P (A|B) = P (A 0 5 4 8 B) / P(B) probabilità condizionata (probabilità di A sapendo che è accaduto B)
P (A 0 5 4 8 B) = P (A|B) * P (B)
P (A|B) = P(A) indipendenza stocastica
P (B) = P (B|A) * P (A) + P (B|Ā) * P (Ā) teorema probabilità totali
P (A|B) = P (B|A) * P (A) / P(B) teorema di Bayes 0 3 0 5[non P (B|A) = P (B|A)]
P (B|A) = P (B|Ā) * P (A) / P (B)
P(X=x) = (n x) * p x * (1-p) n-x distribuzione binomiale (n x)fattoriale
E (X) = n * p media della binomiale
1 E F C
2 (X) = n * p * (1-p) varianza della binomiale
1 E F C (X) = √ n * p * (1-p) deviazione standard della binomiale
0 2 7 8 1 E F Cp = 1 - (x - µ / √ ) approssimazione normale della binomiale
1 E F CX~ N (µ, 2)
1 E F CP (X ≥ x) = P (z ≥ x-µ / √ )
P (X < x) = ∫ f(x) * d*x
1 E F CZ ~N (µ=0, 2 = 1
0 2 7 8P (Z < z) = (z)
0 2 7 8P (Z >z) = 1- (z)
0 2 7 8P (Z < -z) = 1 – (z)
0 2 7 8P (Z > -z) = (z)
P (Z > z) = 0.25
∫ab f (t) dt = P (a ≤ X ≤ b) funzione di densità
F(x) = P (X ≤ x) = ∫-∞x f (t) dt funzione di ripartizione
1 E F C = x - µ / ɸ
X ¯ = µ
1 E F CX ~ N (µ, 2 nota)
X¯ =1/n ∑xi1 E F C ~ N (µ, 2 / n) teorema del limite centrale
P [µ ± z α/2 1 E F C * ( / √n)]
X ~N (µ, S2 non nota)
X¯ ~ t n-1
X¯ ± t n-1/α/2 * (S / √n)
