Probabilità – Lez016 (teoria ed esempi semplici)

By l1nvx

Le tre funzioni sinora analizzate (funzione di ripartizione, di massa e di densità di probabilità) che consento di stabilire il modo in cui la probabilità si distribuisce sull’insieme dei valori assunti dalla variabile casuale semplice X, sono tra loro strettamente connesse.

Funz.ripartizione e PMF

Funz.ripartizione e PMF

Utilizzando delle opportune formule è possibile migrare da una funzione nell’altra e viceversa.

Formule di conversione dalla funzione di ripartizione in quella di massa e viceversa.

1. Dalla funzione di ripartizione a quella di massa:

f_X\left (x_i\right ) = F_X\left (x_i\right ) - F_X\left (x_{i - 1}\right )

Verifica: per definizione, il punto di discontinuità di prima specie (o salto) è la quantità pari alla differenza tra il valore assunto dalla funzione di ripartizione nel punto x_i da destra e quello assunto in x_i da sinistra, in simboli:

\lim_{x \to x_i^+} F_X\left (x\right ) - \lim_{x \to x_i^-} F_X\left (x\right ) = F_X\left (x_i\right ) - F_X\left (x_i -\right ) =

e non dimenticando il significato probabilistico,

= P\left (X \le x_i\right ) - P\left (X \le x_i -\right ) =

Sapendo inoltre che, alla probabilità che la variabile casuale semplice X assuma valori minori minori o uguali ad x_i da sinistra, corrisponde un intervallo di valori di x (precisamente, \left [x_{i - 1}, x_i\right )) allora, in simboli:

= P\left (X \le x_i\right ) - P\left (X \le x_{i - 1}\right ) = F_X\left (x_i\right ) - F_X\left (x_{i - 1}\right ) = f_X\left (x_i\right )

cioé, ciò che si cercava. :)

2. Dalla funzione di massa a quella di ripartizione:

F_X\left (x_i\right ) = \sum_{j = 1}^if_X\left (x_j\right )

Verifica: la funzione di ripartizione misura la probabilità che la variabile casuale semplice X assuma valori minori o uguali alle determinazioni x_i; in simboli:

F_X\left (x_i\right ) = P\left (X \le x_i\right ) =

Quest’ultima probabilità è a sua volta equivalente alla somma delle probabilità che la stessa variabile casuale assuma valori uguali agli x_j (\forall j = 1, \dots, i); in simboli:

= \sum_{j = 1}^iP\left (X = x_j\right ) =

ma per la definizione di funzione di massa, si ottiene in simboli:

= \sum_{j = 1}^if_X\left (x_j\right ) :)


Formule di conversione dalla funzione di ripartizione in quella di densità e viceversa.

1. Dalla funzione di ripartizione a quella di densità:

f_X\left (x\right ) = \frac{dF_X\left (x\right )}{dx}

Verifica: la fX è stata precedentemente definita come la funzione che consente di stabilire la probabilità che la variabile casuale semplice continua X assuma valori in intervalli infinitesimi del tipo \left (x, x+dx\right ); in simboli:

f_X\left (x\right ) = \lim_{dx \to 0}\left [\frac{P\left (x < \; X \le x + dx\right )}{dx}\right ]

Per quanto detto circa la funzione di ripartizione, essa ci consente di stabilire la probabilità che la variabile casuale semplice X assuma valori compresi in intervalli del tipo \left (x,x+dx\right ] e tale probabilità si è dimostrato essere uguale alla differenza tra i valori assunti dalla F_X in quei punti; in simboli:

P\left (x < \; X \le x+dx\right ) = F_X\left (x+dx\right ) - F_X\left (x\right )

Sostituendo nel suddetto limite si ottiene che la funzione di densità di probabilità della variabile semplice continua è pari al limite del rapporto incrementale \frac{\Delta F_X}{dx} per dx che va a zero; in simboli:

f_X\left (x\right ) = \lim_{dx \to 0}\left [\frac{F_X\left (x+dx\right ) - F_X\left (x\right )}{dx}\right ]

In poche parole, la derivata prima della funzione di ripartizione.

2. Dalla funzione di densità a quella di ripartizione:

F_X\left (x\right ) = \int_a^xf\left (y\right ) dy

che ovviamente deriva dal Teorema Fondamentale del Calcolo Integrale.

Una Risposta a “Probabilità – Lez016 (teoria ed esempi semplici)”

  1. p4cm4n Dice:

    …magari più tardi posto qualche immagine, ora so stanco! %’)

Lascia un commento

Occorre aver fatto il login per inviare un commento