Sito Visitato 498739 volte | Pagina Visitata 17120 volte | Sei in : Etantonio/IT/Universita/2anno/TeoriaFenomeniAleatori/ |
Variabili aleatorie 1) Variabili aleatorie : Si tratta di una funzione che ha come dominio l´insieme S dei risultati di un esperimento e come codominio l´insieme dei numeri reali.
2) Funzione di distribuzione cumulativa : Permette di quantificare la probabilità che la variabile aleatoria X assuma valori minori od uguali ad un dato valore x
3) Proprietà della funzione di distribuzione : a) FX(-¥) = 0 FX(+¥) = 1 b) FX è una funzione monotona non decrescente, cioè se x1 £ x2 Û FX(x1) £ FX(x2) c) P{X>x} = 1 - FX(x) d) La funzione di distribuzione è continua da destra e) P{x1 < X £ x2 } = FX(x2) - FX(x1) f) il salto della funzione di distribuzione in corrispondenza di un punto di discontinuità x0 è uguale alla probabilità che la variabile assuma il valore x0
4) Variabile aleatoria di tipo continuo : Una variabile aleatoria x si dice di tipo continuo se la sua funzione di distribuzione è continua.
5) Variabile aleatoria di tipo discreto : Una variabile aleatoria x si dice di tipo discreto se la sua funzione di distribuzione è una funzione a gradini.
6) Variabile aleatoria di tipo misto : Una variabile aleatoria x si dice di tipo misto se la sua funzione di distribuzione è discontinua ma non a gradini.
7) Distribuzione empirica : Una distribuzione empirica è una funzione a gradini avente come punti del dominio i valori della variabile aleatoria corrispondente all´esito della prova, ad ognuno di essi la funzione empirica associa un gradino di altezza 1/n .
8) Percentile : Il percentile u (o percentile n-esimo) della variabile aleatoria X è quel valore xu tale che P{X £ xu} = u. La funzione percentile è quindi l´inversa della funzione di distribuzione. In altre parole il 10 percentile indica il valore di x per il quale la area che va da -¥ ad x e sottesa dalla funzione di distribuzione è pari al 10% .
9) Mediana della variabile aleatoria X : Si tratta del valore 0.5 percentile ed è indicato con la lettera m..
10) Funzione densità di probabilità : La densità di probabilità fX(x) è definita come la derivata della funzione di distribuzione .
11) Proprietà della densità di probabilità : a) La funzione di densità è non negativa fX(x) ³ 0 b) FX(x2) - FX(x1) = c) FX(x) = d) e) P{ x1 < X £ x2 } =
12) Funzione di massa di probabilità per variabili aleatorie : Si tratta della funzione pk = P { X = xk}.
13) Valore atteso : Il valore atteso di una variabile aleatoria X è il centro di gravità della densità o delle masse di probabilità nei casi continuo o discreto rispettivamente. In altre parole è il valore medio della distribuzione.
14) Valore atteso di una variabile aleatoria continua :
15) Valore atteso di una variabile aleatoria discreta :
16) Proprietà della media statistica : a) E[a*X] = a*E[X] b) E[a*X + b*Y] = a*E[X] + b*E[Y]
17) Varianza : La varianza di una variabile aleatoria X esprime una misura della “concentrazione” dei valori assunti da una variabile aleatoria attorno al suo valore medio.
18) Deviazione standard : È la radice della varianza
19) Varianza di una variabile aleatoria continua :
20) Varianza di una variabile aleatoria discreta :
21) Relazione tra media quadratica e varianza :
22) Momento di ordine n di una variabile aleatoria X : mn = E[Xn] 23) Momento centrale di ordine n di una variabile aleatoria X :
24) Disuguaglianza di Chebyschev :
25) Disuguaglianza di Markov :
26) Variabili statisticamente indipendenti : Due variabili aleatorie X ed Y si dicono statisticamente indipendenti se, dati 2 insiemi arbitrari A e B di valori di X ed Y rispettivamente, si ha .
27) Variabile aleatoria uniforme : Una variabile aleatoria continua X si dice uniforme tra e se la sua densità è costante nell´intervallo e nulla altrove.
28) Variabile aleatoria gaussiana : Una variabile aleatoria continua X è detta gaussiana se la sua funzione di densità è della forma
29) Variabile gaussiana standard : Si tratta di una variabile gaussiana con valor medio nullo e varianza unitaria.
30) Funzione di densità di una variabile aleatoria esponenziale :
31) Funzione di densità di una variabile iperesponenziale :
32) Funzione di densità di una variabile aleatoria distribuita secondo Rayleigh :
33) Funzione di densità di una variabile lognormale :
34) Funzione di densità di una variabile distribuita secondo il modello gamma :
35) Funzione di densità di una variabile aleatoria distribuita secondo il modello chi-quadro :
36) Funzione di densità di una variabile aleatoria distribuita secondo il modello di Erlang :
37) Funzione di densità di una variabile aleatoria distribuita secondo Student :
38) Funzione di densità di una variabile aleatoria distribuita secondo il modello K :
39) Funzione di densità di una variabile aleatoria distribuita secondo il modello beta :
40) Funzione di densità di una variabile aleatoria distribuita secondo il modello di Cauchy :
41) Funzione di densità di una variabile aleatoria distribuita secondo il modello binomiale :
42) Funzione di densità di una variabile aleatoria distribuita secondo il modello geometrico :
43) Variabile aleatoria Poissoniana : Se l è un parametro ed X una variabile aleatoria intera e positiva.
44) Legge dei grandi numeri : In una serie di n prove ripetute, in cui la probabilità di successo di una singola prova è pari a p, il rapporto tra il numero di successi k ed il numero di prove n tende a p quando n ® ¥ ,
45) teorema centrale del limite per funzioni binomiali : In una serie di n prove ripetute, indicando con X il numero di successi, si costruisce la variabile aleatoria Y
La distribuzione di probabilità FY(y) è tale che
46) Funzione di distribuzione di una funzione di variabile aleatoria : La funzione di distribuzione FY(y) fornisce la probabilità P{Y £ y}
47) Teorema fondamentale della densità di probabilità : Per uno specifico valore y della densità fY(y) è data da
48) Valore atteso di una variabile aleatoria Y = g(X) :
|