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) :