La presentazione è in caricamento. Aspetta per favore

La presentazione è in caricamento. Aspetta per favore

UN ESEMPIO DI ESPERIMENTO CASUALE Valori attesi di variabile casuale.

Presentazioni simili


Presentazione sul tema: "UN ESEMPIO DI ESPERIMENTO CASUALE Valori attesi di variabile casuale."— Transcript della presentazione:

1 UN ESEMPIO DI ESPERIMENTO CASUALE Valori attesi di variabile casuale

2 Universo finito di N elementi Si consideri un universo formato da un numero N finito di elementi, e sia la frequenza di un certo carattere in tale universo. Si immagini un esperimento consistente nell'osservare n

3 Campione finito di n=3 elementi Il campione osservato è solo uno dei possibili campioni di 3 elementi; ma quanti e quali sono gli eventi possibili dell'operazione di campionamento? In una situazione che implica piccoli numeri, è facile compilare l'elenco di tutti i possibili eventi. Per le regole del calcolo combinatorio, i possibili eventi sono tutte le k combinazioni N elementi in classe n : k = N!/[n!(N-n)!] = 8!/(3!5!) = 8765!/(325!) = 56 dove N! (detto N fattoriale) denota il prodotto dei primi N numeri naturali: N! = N (N-1)... 1, NB: se N=0, per definizione, N!=1.

4 un esempio di esperimento casuale Dette a 1 a 2 a 3 le 3 capsule difettose, e ā 1 ā 2 ā 3 ā 4 ā 5 le 5 capsule non difettose, universo ed eventi si possono così denotare: universo (I): {a 1 a 2 a 3 ā 1 ā 2 ā 3 ā 4 ā 5 } un evento (e E): {a 1 ā 1 ā 5 } I: a 1 a 2 a 3 ā 1 ā 1 ā 2ā 2 ā 3ā 3 ā 4ā 4 ā 5ā 5 e: a 1 ā 1ā 1 ā 4ā 4 L'insieme di tutti i possibili eventi prende nome di spazio «E» degli eventi o spazio campionario

5 ELENCO DI TUTTI I POSSIBILI EVENTI elementiElementi elementi e 01 a1a1 a2a2 a3a3 e 02 a1a1 a2a2 ā1ā1 e07 a1a1 a3a3 ā1ā1 e12 a2a2 a3a3 ā 1 e 03 a1a1 a2a2 ā2ā2 e08 a1a1 a3a3 ā2ā2 e13 a2a2 a3a3 ā 2 e 04 a1a1 a2a2 ā3ā3 e09 a1a1 a3a3 ā3ā3 e14 a2a2 a3a3 ā 3 e 05 a1a1 a2a2 ā4ā4 e10 a1a1 a3a3 ā4ā4 e15 a2a2 a3a3 ā 4 e 06 a1a1 a2a2 ā5ā5 e11 a1a1 a3a3 ā 5 e16 a2a2 a3a3 ā 5 e 17 a1a1 ā 1 ā2ā2 e27 a2a2 ā 1 ā2ā2 e37 a3a3 ā 1 ā 2 e 18 a1a1 ā 1 ā3ā3 e28 a2a2 ā 1 ā3ā3 e38 a3a3 ā 1 ā 3 e e19 a1a1 ā 1 ā4ā4 e29 a2a2 ā 1 ā4ā4 e39 a3a3 ā 1 ā 4 e 20 a1a1 ā 1 ā5ā5 e30 a2a2 ā 1 ā5ā5 e40 a3a3 ā 1 ā 5 e 21 a1a1 ā 2 ā3ā3 e31 a2a2 ā 2 ā3ā3 e41 a3a3 ā 2 ā 3 elementi e22 a1a1 ā 2 ā 4 e32 a2a2 ā 2 ā 4 e42 a3a3 ā 2 ā 4 e23 a1a1 ā 2 ā 5 e33 a2a2 ā 2 ā 5 e43 a3a3 ā 2 ā 5 e24 a1a1 ā 3 ā 4 e34 a2a2 ā 3 ā 4 e44 a3a3 ā 3 ā 4 e25 a1a1 ā 3 ā 5 e35 a2a2 ā 3 ā 5 e45 a3a3 ā 3 ā 5 e26 a1a1 ā 4 ā 5 e36 a2a2 ā 4 ā 5 e46 a3a3 ā 4 ā 5 e47 ā 1 ā 2 ā 3 e48 ā 1 ā 2 ā 4 e50 ā 1 ā 3 ā 4 e49 ā 1 ā 2 ā 5 e51 ā 1 ā 3 ā 5 e52 ā 1 ā 4 ā 5 e53 ā 2 ā 3 ā 4 e54 ā 2 ā 3 ā 5 e55 ā 2 ā 4 ā 5 e56 ā 3 ā 4 ā 5

6 COME ASSOCIARE LE PROBABILITÀ (1) Rimane il problema di associare ad ogni evento una particolare probabilità; a tal fine, si assuma che la probabilità che ogni singolo elemento dell'universo ha di essere incluso nel campione non dipenda dalle caratteristiche dell'elemento. Ciò equivale ad affermare che i 56 campioni elencati in tabella hanno tutti la stessa probabilità di essere estratti, e si deduce che ad ogni campione è associata la probabilità p=1/56. Supponiamo di estrarre un campione di 3 capsule dalla confezione: l'operazione porterà sicuramente a uno dei 56 eventi possibili indicati in tabella: p {e E} = 1 (certezza) p {e E} = 0 (impossibilità)

7 COME ASSOCIARE LE PROBABILITÀ (2) Perché le probabilità assegnate siano coerenti con la «legge empirica del caso» l'estrazione del campione va eseguita in modo conforme all'assunto. Possono non essere conformi i campioni formati dalle prime 3 capsule uscite al rovesciamento del contenitore: una capsula difettosa può avere probabilità minore di uscire per prima se è più leggera o di forma meno regolare, e diventa concettualmente impossibile asse­gnare le probabilità ai campioni.

8 CREAZIONE DI UNA VARIABILE CASUALE (1) Si consideri la variabile x=«numero di capsule difettose in un campione di 3 elementi». La probabilità p(x i ), associata ad ogni valore x i che la variabile x può assumere, è la somma delle probabilità associate a tutti i campioni con x i capsule difettose, poiché gli eventi «estrazione di un particolare campione» sono incompatibili. La probabilità che x assuma valore 0, ad esempio, è la somma delle probabilità associate ai campioni che non includono capsule difettose (da e 47 a e 56 ). La funzione che assegna la probabilità p(x x i ) che x sia minore uguale ad x i si chiama «funzione di partizione o di distribuzione», e si denota come F(x).

9 CREAZIONE DI UNA VARIABILE CASUALE (2) Variabile x=«numero di capsule difettose in un campione di 3 elementi», e valori della probabilità [p(x)] e della funzione di partizione [F(x)] associati a ogni valore x che la variabile xi può assumere: valoren° di campioniprobabilità p(x)Distribuzione xitali che x=xiassociata a x = xi F(xi) = p{x xi} x = 010 (da e 47 a e 56 )10/56= x = 130 (da e17 a e46)30/56= /56= x = 215 (da e02 a e16)15/56= /56= x = 31 ( e01 )1/56= /56=

10 DEFINIZIONE DI VARIABILE CASUALE Quanto enunciato sinora è premessa sufficiente ad una definizione più generale di variabile casuale: Una variabile casuale è una variabile reale, per ogni intervallo di valori della quale è definita la probabilità di manifestarsi. La funzione F(x), che associa univocamente la probabilità a ciascuno degli intervalli (funzione di distribuzione o funzione di partizione), indica la probabilità che la variabile x assuma valori non superiori a una soglia (x*): e deve soddisfare certi requisiti tra cui essere compresa tra 0 ed 1, ed essere mai decrescente: F(x*) = p(x x*) 0 F(x) 1F(x1) F(x2) per x1 < x2 La probabilità che la variabile x assuma valori nell'inter­vallo (x1, x2 ], è data dalla differenza tra i valori della funzione di partizione associati a x1 e x2 : p(x1 < x x2 ) = F(x2) - F(x1)

11 VARIABILI CASUALI DISCRETE (1) Una variabile casuale è discreta se può assumere solo un numero finito o al più un'infinità numerabile di valori. Quale esempio di variabile casuale discreta infinita, si consideri un processo produttivo continuo in cui la pro­porzione di confezioni che, una dopo l'altra, cadono col marchio rivolto in basso (B) su un nastro trasportatore equivale a quella delle confezioni che cadono col marchio rivolto in alto (A): p(A) = p(B) = 0.5 Si definisca la variabile casuale x = «lunghezza della sequenza di confezioni che si osservano sino alla comparsa di una confezione con il marchio rivolto in basso», Tale variabile è discreta poiché può assumere solo i valori 1, 2,... n, ed infinita poiché non è possibile definire un valore massimo per x.

12 VARIABILI CASUALI DISCRETE (2) xsequenza*p(xi) F(x)=p{x x i } 1B = = A1 B = = A1 A2 B = = n... An-1 Bn0.5 x x Le probabilità associate ai valori di x riportate nella seguente tabella si calcolano assai facilmente, poiché la probabilità dell'evento Bn=«comparsa di una confezione B dopo una sequenza di (n-1) confezioni A» equivale alla probabilità dell'evento B per il prodotto di (n-1) fattori pari alla probabilità dell'evento A, poiché A e B sono eventi indipendenti. Anche nel caso di variabili discrete ma infinite si può assegnare la probabilità ad ogni singolo evento. Si noti che la funzione F(x) è una funzione di partizione: *)A = marchio rivolto in alto;B = marchio rivolto in basso.

13 VARIABILI CASUALI DISCRETE (3) Rappresentazione grafica della distribuzione della variabile casuale x = «lunghezza della sequenza di confezioni che si osservano sino alla comparsa di una confezione con il marchio rivolto in basso». La variabile qui descritta prende il nome di variabile casuale geometrica.

14 DISTRIBUZIONE BINOMIALE (1) Si abbia un processo per la produzione di compresse tale che la probabilità di una compressa di essere difettosa sia = Si vuole calcolare la probabilità di trovare 0, 1, 2, 3, 4 compresse difettose in un blister di 4 compresse, sotto l'assunto che la probabilità di una compressa di finire in un dato blister non dipenda dalle caratteristiche della compressa stessa. Si noti che il blister può essere considerato un campione tratto da un universo virtualmente infinito (la produzione di compresse).

15 DISTRIBUZIONE BINOMIALE (2) Per enumerazione dei casi possibili, si osserva che 4 compresse difettose (f) e no (s) si combinano, con probabilità ed (1- ) in 2 4 = 16 diversi modi. In analogia con ciò che si è già visto, la probabilità di osservare un blister con x compresse difettose è la somma delle probabilità associate ad ognuno dei diversi modi con cui il blister può includere x compresse difettose. Ad esempio, vi sono 4 modi con cui un blister può avere una sola compressa difettosa: essa può essere la prima, la seconda, la terza o la quarta.

16 compresse x1234probabilità 0(1-π)(1-π)(1-π)(1-π)(1-π) 4 =.994= dsss π (1-π)(1-π)(1-π)=π(1-π) 3 = = sdss(1-π) π (1-π)(1-π)=π(1-π) 3 = = ssds(1-π)(1-π) π (1-π)=π(1-π) 3 = = sssd(1-π)(1-π)(1-π) π=π(1-π) 3 = = =4(1-π) 3 = = ddss π π (1-π)(1-π)=π 2 (1-π) 2 = = dsds π (1-π) (1-π) π=π 2 (1-π) 2 = = dssd π (1-π)(1-π) π=π 2 (1-π) 2 = = sdds(1-π) π π (1-π)=π 2 (1-π) 2 = = sdsd(1-π) π =π 2 (1-π) 2 = = ssDd(1-π)(1-π) π π=π 2 (1-π) 2 = = π 2 (1-π) ddds π π π (1-π)=π 3 (1-π)= = ddsd π π (1-π) π=π 3 (1-π)= = dsddπ (1-π) π π=π 3 (1-π)= = sddd(1-π) π π π=π 3 (1-π)= = π 3 (1-π) ddddπ π =π4π4 =.014=

17 DISTRIBUZIONE BINOMIALE (3) Detto n il numero delle occasioni (ad es., il numero di compresse nel blister) ed x il numero di eventi (ad es., il numero di compresse difettose nel blister) ognuno dei quali ha la stessa probabilità di verificarsi, si ha che: dove il termine n C x è detto coefficiente binomiale, e denota il numero di sequenze di lunghezza n che si possono formare con x elementi aventi il carattere d ed (n-x) elementi aventi il carattere s.

18 DISTRIBUZIONE BINOMIALE (4) La variabile le cui probabilità siano assegnate secondo tale legge è chiamata variabile casuale binomiale e si denota come x ~Bi(,n). Se è nota la funzione di probabilità, possiamo assegnare le probabilità agli eventi senza dover enumerare i casi possibili. Nell'esempio la probabilità d'osservare un blister con 2 compresse difettose può essere calcolata direttamente:

19 VALORE ATTESO DI UNA VARIABILE CASUALE: MEDIA E VARIANZA La media di una variabile casuale x, che è detta anche valore atteso di x e si denota come E(x), è un parametro tipico che indica la posizione dei valori di x. Nel caso di variabili discrete, può essere calcolata come La varianza σ 2, o V(x), di una variabile casuale x è anch'essa parametro tipico di x ed indica la dispersione dei valori di x. Per definizione, essa è il valore atteso del quadrato degli scarti dalla media : Nel caso di variabili discrete, può essere calcolata come varianza: media:

20 Per la variabile casuale discreta finita x = «numero di capsule difettose in un campione di 3 elementi, estratto da una confezione dove vi sono 3 capsule difettose»: Per la variabile casuale discreta infinita x = «lunghezza della sequenza di confezioni che si osservano sino alla comparsa di una confezione con il marchio in basso (B) anziché in alto (A), per p(A)=p(B)=0.5»

21 COVARIANZA E CORRELAZIONE E(x)= μ x ; E(y)= μ y ; coefficiente di correlazione: Il coefficiente di correlazione lineare xy è definito come rapporto tra la covarianza di x e y e la media geometrica delle varianze di x e y Nel caso di variabili discrete, può essere calcolata come covarianza: La covarianza xy di x e y è il valore atteso del prodotto (x- μ x )(y- μ y ) e si denota come Cov(xy). Essa è un parametro tipico che indica l'associazione tra i valori di x e i valori di y. cioèx (x, ) cioèy ( y, ) V(x)= ; V(y)= ; considerino due variabili casuali x e y tali che

22 OPERATORI MEDIA E VARIANZA (1) Per gli operatori media [ E( ) ] e varianza [ V( ) ] valgono le seguenti regole: Il valore atteso di una costante k è la costante stessa: I II III IV e varianza uguale a quella di x: Data una variabile casuale x avente E(x)= μ x e V(x)=σ 2,per aggiunta di una costante k ad x si ottiene una nuova variabile casuale y, che ha media:

23 OPERATORI MEDIA E VARIANZA (1) Data una variabile casuale x avente E(x)= e V(x)=2, il prodotto di x per una costante k dà una variabile casuale y, che ha media e varianza Data la variabile casuale z = x ± y somma (o differenza) delle variabili casuali x (x, ) ed y ( y, ), si ha: V VI VII VIII

24 VARIABILI INDIPENDENTI Definizione: Due variabili casuali x e y si dicono indipendenti, se indipendenti sono gli eventi «comparsa di un valore x=x0» e «comparsa di un valore y=y 0 ». Se le variabili casuali x e y sono indipendenti si ha che il valore atteso del loro prodotto è uguale al prodotto dei loro valori attesi e che, quindi, la loro covarianza è nulla: Pertanto, la varianza della variabile z = x ± y somma (o differenza) delle variabili casuali indipendenti è uguale alla somma delle loro varianze: x~ ( x, ) e y ( y, ) IX

25 OPERATORI MEDIA E VARIANZA (ESEMPIO) Si consideri la variabile casuale z =«difettosità della prima compressa in un blister di n compresse» Essa assume il valore 1 con probabilità, se la prima compressa è difettosa, e 0 con probabilità (1-), se la prima compressa è non-difettosa. Tale variabile è detta bernoulliana e ha media e varianza Si consideri ora che la variabile casuale binomiale x = «numero di compresse difettose in un blister di n compresse» può essere espressa come somma di n variabili casuali bernoulliane indipendenti: Per applicazione delle regole VII e IX, se ne deduce che:

26 MEDIA E VARIANZA DI VARIABILI CONTINUE Benché gli esempi di variabili casuali sinora illustrati siano stati riferiti a variabili discrete, il concetto di valore atteso vale anche per le variabili continue. Occorre tuttavia fornirne una definizione più generale, perché l'operatore sommatoria non si applica al caso di infinità non numerabile: Valore atteso di una variabile casuale continua x è l'integrale definito tra - e + del prodotto della variabile x per la funzione di densità di probabilità f(x) ad essa associata. distribuzione: varianza: media: NB: nel caso di variabili casuali discrete, l'operatore integrale corrisponde a quello di sommatoria, e f(x)dx=p(x), se x è un valore della variabile discreta, f(x)dx=0 in caso contrario.


Scaricare ppt "UN ESEMPIO DI ESPERIMENTO CASUALE Valori attesi di variabile casuale."

Presentazioni simili


Annunci Google