Scaricare la presentazione
La presentazione è in caricamento. Aspetta per favore
PubblicatoGerardina Molteni Modificato 8 anni fa
1
La distribuzione binomiale Detta anche di Bernoulli o delle prove ripetute (seguirà anche la presentazione della distribuzione di Poisson o dei casi rari)
2
La variabile aleatoria x è discreta Considerando n prove ripetute il cui esito può verificare una proposizione (evento) con una probabilità p, allora la probabilità P n (x) che si verifichi x volte l’evento è data da: Essendo q = 1 – p la probabilità contraria al verificarsi dell’evento.
3
Come si dimostra Nell’ipotesi che le prove siano indipendenti, cioè che il verificarsi dell’evento E non modifichi la probabilità con cui può verificarsi nella prova successiva,allora: L’evento composto “E si è verificato x volte e (quindi) non si è verificato (n – x) volte” ha probabilità data dalla somma di tutte le probabilità in cui si possono combinare le n prove negli x successi o, che è lo stesso, in cui si possono combinare le n prove negli (n – x) insuccessi.
4
Qualche spiegazione in più … Calcolo della probabilità che nelle n ripetizioni l’evento E (che ha probabilità p di verificarsi) si sia verificato nelle prime x ripetizioni: P(E E … E E E … E) = x volte(n – x) volte = p p … p q q … q = p x q n-x x volte (n – x) volte
5
La probabilità che l’evento E si sia verificato x volte indipendentemente dall’ordine: Tuttavia nelle permutazioni degli n esiti ci sono anche le x! permutazioni e le (n-x)! permutazioni in ogni combinazione:E E E E E E Ela combinazione non cambia se permuto le E o le E Ecco perché:
6
Un esempio con n = 20, p = 1/6
7
Il valore medio di una variabile binomiale è n p (= ) Dimostrazione: Posto k = x – 1 x = k + 1, la somma diventa:
8
Riassumendo: Si ha che: Ovvero: Quindi:
9
La varianza di una variabile binomiale è n p q Dimostrazione:
10
continuazione Quindi:
11
infine Quindi:
12
Il massimo di probabilità si ha in x = int[p(n+1)] Valutiamo la differenza di probabilità tra due valori successivi x e x + 1 : dP = P n (x+1) – P n (x) = Raccogliendo a fattor comune:
13
continuazione Ricordando che q = 1 – p e che p + q = 1 : La differenza P n (x+1) – P n (x) risulta maggiore di zero finché risulta:x < p(n+1) – 1 Quindi per x = int[p(n+1)] la probabilità è massima
14
Nel caso in cui n p 10 e n > 50 La distribuzione di Bernoulli è approssimata molto bene dalla distribuzione di Poisson: In cui con si è indicato il valor medio N.B.: n > 50 e n p 10 sono condizioni che approssimano le ipotesi n e p 0 da cui la distribuzione di Bernoulli diviene quella di Poisson
15
Il caso n = 100, p = 1/6 è così così
16
Il caso n = 100, p = 1/20 va meglio
17
Dimostrazione Sostituendo p = /n alla distribuzione P n (x) : Nel limite n ( p 0 ma con n p = ) Si ottiene proprio la distribuzione di Poisson.
18
La distribuzione di Poisson è detta anche dei casi rari Esempi: Probabilità che una squadra in un campionato faccia x goal per partita Probabilità che un nucleo radioattivo decada in un secondo
19
Il valore medio della variabile di Poisson è Dimostrazione: Effettuando la sostituzione k = x – 1 x = k + 1
20
La varianza della variabile di Poisson è sempre Dimostrazione: Con la solita sostiutzione k = x – 1 …
21
K = x – 1 x = k + 1 si ottiene:
22
Il massimo di probabilità si ha in k = int[ -1] Valutiamo la differenza di probabilità tra due valori successivi x e x + 1 : dP = P(x+1) – P(x) = La differenza P(x+1) – P(x) risulta maggiore di zero finché risulta:x < – 1 Quindi per x = int[ – 1] la probabilità è massima
23
L’esempio dei goal
24
L’istogramma
25
L’esempio del decadimento radioattivo Dalla legge dedotta sperimentalmente: dN = – N dt si è ricavata la legge: N = N 0 e – t Ove N 0 è il numero di nuclei radioattivi presenti all’istante iniziale (t = 0) La probabilità che uno degli N 0 nuclei decada tra t e t + dt è:
26
Per t = 1 e dt = 1 si ha: P(un decadimento tra 1 e 2 secondi) = e - Che corrisponde alla probabilità di un caso raro con valore medio
Presentazioni simili
© 2024 SlidePlayer.it Inc.
All rights reserved.