Variabili Casuali Quale che sia uno spazio campionario S è possibile definire una o più funzioni che associno ogni elemento di S a un elemento di . Consideriamo ad esempio il lancio di 3 monete e consideriamo le funzioni X e F così definite: ... 4 = X (S) {-3,-1,1,3} 2 3 1 0 -1 -2 -4 -3 ... F: s(S) x () x=F(s)=nTnc [T,T,T] [T,T,C] [T,C,T] [C,T,T] [T,C,C] [C,T,C] [C,C,T] [C,C,C] ... 3 2 1 0 ...-3 F (S) = X: s(S) x () x=X(s)=nT-nc -1 -2 {0,1,2} Variabili Casuali ... 4 = X (S) {-3,-1,1,3} 2 3 1 0 -1 -2 -4 -3 ... [T,T,T] [T,T,C] [T,C,T] [C,T,T] [T,C,C] [C,T,C] [C,C,T] [C,C,C] ... 3 2 1 0 F (S) = -1 -2 {0,-1,2} ...-3 Definizione: Dato uno spazio campionario S, si definisce Variabile Casuale X su S qualsiasi funzione che abbia per dominio S e codominio . X: S Se l’insieme X(S) è finito la variabile casuale X si dice finita Gli elementi di X(S) sono detti valori o determinazioni X(S) SPAZIO CAMIONARIO [T,T,T] [T,T,C] [T,C,T] [C,T,T] [T,C,C] [C,T,C] [C,C,T] [C,C,C] Variabile Casuale X -3 -1 1 3 Variabili Casuali Teoremi: Sia X una VC su uno spazio campionario S e k un numero reale, allora anche le funzioni: X+k: (X+k)(s) = X(s) + k kX: (kX)(s) = k • X(s) "sS sono VC X: s(S) x () x=X(s)=nT-nc F: s(S) x () x=F(s)=nTnc Variabili Casuali Teoremi: Siano X e F due VC su uno spazio campionario S, allora anche le funzioni: X+F: (X + F)(s) = X(s) + F(s) X•F: (X • F)(s) = X(s) • F(s) "sS sono VC X: s(S) x () x=X(s)=nT-nc F: s(S) x () x=F(s)=nTnc Variabile Casuale S X: s(S) x () [TTT] [TTC] [TCT] [CTT] [TCC] [CTC] [CCT] [CCC] Notazione x=X(s)=nT-nc 3 X(S) 1 -1 -3 X[TTT]=3 X[TTC]= X[TCT]= X[CTT]=1 X[TCC]= X[CTC]= X[CCT]=-1 X[CCC]=-3 {X(s)=a} {X=a} La simbologia {X=a} è una forma sintetica per rappresentare l’evento che la variabile X assuma la determinazione a. Variabile Casuale S Notazione X: s(S) x () x=X(s)=nT-nc [TTT] [TTC] [TCT] [CTT] [TCC] [CTC] [CCT] [CCC] 3 X(S) 1 -1 -3 X[TTT]=3 X[TTC]= X[TCT]= X[CTT]=1 X[TCC]= X[CTC]= X[CCT]=-1 X[CCC]=-3 {X(s)=a} {X=a} {X=3} = evento che X assuma la determinazione 3 = = { [TTT] } {X=1} = evento che X assuma la determinazione 1 = = { [TTC], [TCT], [CTT] } {X=-1} = evento che X assuma la determinazione -1= = { [TCC], [CTC], [CCT] } {X=-3} = evento che X assuma la determinazione -3= = { [CCC] } Variabile Casuale {X=3} = { [TTT] } Notazione P({X=3}) = 1/8 {X=1} = { [TTC], [TCT], [CTT] } P({X=1}) = 3/8 {X=-1}= { [TCC], [CTC], [CCT] } P({X=-1}) = 3/8 {X=-3}= { [CCC] } P({X=-3}) = 1/8 1 La probabilità dell’evento che X assuma valore a si esprime con la simbologia P({X=a}) o più semplicemente P( X=a ). P({X=3}) oppure P(X=3) Funzione di distribuzione Definizione: Sia X una vc su S, chiamiamo funzione di distribuzione o funzione di probabilità di X la funzione f così definita: f: X(S) tale che f: x P( X=x ). f(-1) = P(X=-1) = 3/8 f(-3) = P(X=-3) = 1/8 3 X(S) f(3) = P(X=3) = 1/8 f(1) = P(X=1) = 3/8 1 -1 -3 1/8 3/8 Funzione di distribuzione Rappresentazione X(S) f(3) = P(X=3) f(1) = P(X=1) f(-1) = P(X=-1) f(-3) = P(X=-3) = 1/8 = 3/8 = 3/8 = 1/8 xi f(xi) -3 -1 1 3 1/8 3/8 3/8 1/8 3 1/8 1 3/8 -1 -3 3/8 f(X(S)) 1/8 -3 -1 1 3 X(S) Grafico a Barre Variabile Casuale X SPAZIO CAMIONARIO S [T,T,T] [T,T,C] [T,C,T] [C,T,T] [T,C,C] [C,T,C] [C,C,T] [C,C,C] X(S) -3 3 1 -1 Funzione di distribuzione f(x) = P(X=x) P(X=x) 1/8 3/8 Esempio: Da un’urna contiene 5 palline (2 B, 2 G, 1 V) si estraggono contemporaneamente 3 palline. Determinare la funzione di distribuzione della variabile casuale X tale che: 2 3 X: (nV,nG,nB) nB + nG + nV (nV,nG,nB) S Si possono avere 60 terne: 6 [BBV] e [GGV], 12 [BBG] e [GGB], 24 [BGV], si può creare lo spazio campionario NON equiprobabile S a cui applicare la vc X: S [BBV] [GGV] [BBG] [GGB] [BGV] X(S) 9 5 3 {X=9} = {[BBV],[BBG]} {X=5} = {[GGV],[GGB]} {X=3} = {[BGV]} f(9)=P(X=9)=P([BBV])+P([BBG])=18/60 f(5)=P(X=5)=P([GGV])+P([GGB] )=18/60 f(3)=P(X=3)=P([BGV])=24/60 Problema: Ugo alla lotteria europea ha vinto 5 volte 5 ECU, 4 volte 10 ECU e 1 volta 50 ECU. Quale è stata la vincità media?: 5 5 4 10 1 50 11.5 10 L’espressione può essere riscritta evidenziando le frequenze relative ƒ: 5 4 1 5 10 50 11.5 10 10 10 ƒ(5) =5/10; ƒ(10) =4/10; Possiamo allora scrivere che: ƒ(50) =1/10; n valor _ medio x i f ( x i ) i 1 MEDIA DI UNA VARIABILE CASUALE Definizione: Dato su uno spazio campionario S una vc X caratterizzata dalla funzione di distribuzione f, diremo valor medio o media di X, il numero reale: M(X) = m= n xi i1 f (xi ) MEDIA DI UNA VARIABILE CASUALE Teoremi Sia X una vc e k un numero reale, allora: m(X+k) = m(X)+k m(k·X) = k · m(X) Siano X e F due vc su uno spazio campionario, allora: m(X+F) = m(X)+ m(F) VARIANZA DI UNA VARIABILE CASUALE Definizione: Data una vc X su S tc X(S)={x1,...,xn} e la funzione di distribuzione f, diremo scarto del valor medio il numero reale: xi - m Si dice varianza di una variabile casuale X, la media della variabile casuale [X - m]2 Var(X) = s2 = n (xi - m ) i1 2 f (xi ) VARIANZA DI UNA VARIABILE CASUALE Teoremi La vc X-m ha valor medio nullo: M(X - M(X)) = 0 La varianza della vc X è espressa da: s2 = M(X2) - m2 DEVIAZIONE STANDARD DI UNA VARIABILE CASUALE Definizione: Si dice deviazione standard o scarto quadratico medio di una variabile casuale X, la radice quadrata della varianza: s Var ( X ) DISUGUAGLIANZA DI TCHEBYCHEFF Permette di mettere in relazione i parametri (m, s) di una distribuzione: Se X è una vc con media m e sqm s, allora dato k è valida la relazione: s2 = M(X2) - m2