Vettori aleatori discreti PROBABILITÁ GENERICA

Ω: spazio campionario (tutti gli eventi possibili) P( Ω ) = 1 e P(0) = 0

Esponenziale
X ∼ Esp(λ ) F(t) = 1 − e−λt (funzione di ripartizione) 1 E[x] = λ = µ Var(x) = λ22 Minimo: se X ∼ Esp(λ ) e Y ∼ Esp( µ ) sono indipendenti, allora w = min(x, y) → w ∼ Esp(λ + µ ) Per v. a. con assenza di memoria: P(x > a|x > b) = P(x > a − b)

VARIABILI ALEATORIE DISCRETE Bernoulli
X ∼ B( p) p = probabilità di successo di 1 evento. p se x=1 Densità: p(x) = 1 − p se x=0

X = (x1 , x2 , ..., xm ) (v. a. discreta
v. a. discrete

m-dimensionale) Ω → R ω → x = (x1 , x2 , ..., xm ) Densità: p : Rm → R+

Spazi uniformi
P(A) =
#A #Ω

Vettori aleatori bidimensionali
z = (x, y) Ω → R ω → x = (x1 , x2 , ..., xm ) Densità: p : Rm → R+

Uguaglianze
1) P(Ac ) = 1 − P(A) 2) P(A) ≤ P(B) se A ⊂ B 3) P(A ∪ B) = P(A) + P(B) (se A ∩ B = 0) / oppure P(A ∪ B) = P(A) + P(B) − P(A ∩ B) (se A ∩ B = 0) / 4) A ∩ Ac = 0, A ∪ Ac = 1 / P ( Ac ) = P ( Ω ) = 1 = P ( A ) + P ( Ac ) 5) P(Ac ∩ Bc ) = 1 − P(A ∪ B) 6) 0 = Ω (proprietà del complementare) /
c

Binomiale
X ∼ Bi (n, p) Descrive il numero di successi p su n prove indipendenti. Densità: p(x = k) = (n) pk (1 − p)n−k k E[x] = np Var(x) = np(1 − p)

Gamma
X ∼ Γ(n, λ ) F(t) = 1 − ∑n−1 e−λt k =0 n E[x] = λ n Var(x) = λ 2
(λt )k k!

(per t

0)

Vettori aleatori bidimensionali
z = (x, y) Densità congiunta: pz (x, y) = P(X = x,Y = y) Densità marginale: px (x) = P(X = x) e py (y) = P(Y = y)

Chi-Quadro
X ∼ χ 2 (n) x = z2 + ... + z2 (dove n indica i gradi di n 1 libertà) F(t) = consultare le tavole (1a colonna per gli n gradi di libertà, 1a riga per t) E[x] = n Var(x) = 2n Quantile: usare le tavole "al contrario"

Binomiale negativa
X ∼ Bi (−n, p) Descrive il numero di insuccessi prima del primo successo. k−1 Densità: p(x = k) = (n+k ) pn (1 − p)k E[x] = n( 1−p ) p Var(x) = n( 1−p ) p2

7) B = B ∩ (A ∪ Ac ) = (B ∩ A) ∪ (B ∩ Ac ) P(B) = P(B ∩ A) + P(B ∩ Ac ) (prob. dell’evento certo) 8) P(A ∪ B ∪C ) = P(A) + P(B) + P(C ) − P(A ∩ B) − P(A ∩C ) − P(B ∩C ) + P(A ∩ B ∩C ) (prob. dell’ordinamento certo) 9) (A ∪ B)c = Ac ∩ Bc (De Morgan)

Covarianza
Cov(x, y) = E [(x − E [x])(y − E [y])] E [xy] = E [x]E [y] Coefficiente di correlazione: x,y ρxy = √ Cov(√ )
Var (x) Var (y)

Geometrica
X ∼ G( p) Descrive il numero di prove necessarie per ottenere il primo successo. Densità: p(x = k) = p(1 − p)k−1 E[x] = 1 p Var(x) =
1−p p2

T di Student
T ∼ t (n) z T = √ y (con z ∼ N (0, 1) e y ∼ χ 2 (n))
n

Proprietà: Var (x, y) = Var (x) + Var (y) + 2Cov(x, y)

Probabilità condizionata (Bayes)
• P(A | B) =
P(A∩B) P(B)

• P ( A ) = P ( A | B ) P ( B ) + P ( A | Bc ) P ( Bc ) P(F ) = P(F | A)P(A) + P(F | B)P(B) + · · · + P(F | Z )P(Z ) (teorema delle probabilità totali)
) • P(B | A) = P(A|BAP(B) P( ) se B ⊂ A ⇒ P(A | B) = 1 (vero) se A ⊂ B ⇒ P(A | B) = 0 (falso)

Geometrica traslata
X ∼ G( p) Descrive il numero di insuccessi precedenti al primo successo. Densità: p(x = k) = p(1 − p)k E[x] = 1−p p Var(x) =
1−p p2

VARIABILI ALEATORIE CONTINUE Normale standard
Z ∼ N (0, 1) Funzioni di ripartizione sulle tavole: 1) P(a z z b) = Φ (b) − Φ (a) t ) = 2Φ(t ) − 1

F(t) = consultare le tavole (per n > 120 si ha che t (n) ∼ N (0, 1)) E[T] = 0 (per n 2) n Var(T) = n−2 (per n 3) Quantile: per n 120 leggere le tavole, per n > 120 usare le tavole della Normale

Distribuzione uniforme in un intervallo [a, b]
X ∼ U (a, b) Densità: f (x) = E[x] = Var(x)
a+b 2 2 = (b−a) 12 1 b−a

0

se a<x<b altrimenti

• P ( Bc | A ) = 1 − P ( B | A ) se P(A | B) = P(A) ⇔ P(B | A) = P(B) • Indipendenza: → di 2 insiemi sse P(A ∩ B) = P(A)P(B) → di 3 insiemi sse P(A ∩ B ∩C ) = P(A)P(B)P(C ) e P(A ∩ B) = P(A)P(B) e P(A ∩C ) = P(A)P(C ) e P(B ∩C ) = P(B)P(C )

Ipergeometrica
X ∼ G(n, b, r ) Estraggo n oggetti da un insieme di r + b oggetti. X indica quanti oggetti di tipo r ci sono tra gli n estratti.
b ( r )(n−k) Densità: p(x = k) = k b+r ( n ) r E[x] = np (con p = b+r ) b+r−n Var(x) = np(1 − p)( b+r−1 )

2) P(−t

3) P(z < −a) = Φ(−a) = 1 − Φ(a) 4) P(z < a) = Φ(−a) 5) P(z > a) = 1 − Φ(a)

Media (valore atteso)
E[x] = ∑∞ 0 xi p(xi ) i= Non ho speranza matematica finita se E [x] = 0, quindi si dice "x centrata". Prop. della linearità: E [cx] = cE [x] E [x + y] = E [x ] + E [y] Prop. della densità: E [cx] = cE [x] E [xy] = E [x]E [y]

Permutazione
Semplice: Pn = n! Con ripetizione: Pn,k1 ,k2 ,...,kr =
n! k1 !k2 !...kr !

Poisson
X ∼ P0 (λ ) Se ho X ∼ B(n, p) con n grande e p piccolo, lo approssimo a Poisson con λ = E [x] = np Densità: p(x = k) = E[x] = λ Var(x) = λ
λ k −λ k! e

Normale standard traslata
Z ∼ N ( µ, σ 2 ) Dev’essere ricondotta ad una Normale standard: P(x > a) = P(z > a−µ ) = 1 − Φ( a−µ ) σ σ Somma: 2 2 w = x1 + x2 → w ∼ N ( µ1 + µ2 , σ1 + σ2 ) Differenza: 2 2 w = x1 − x2 → w ∼ N ( µ1 − µ2 , σ1 + σ2 ) Quantile: usare le tavole "al contrario"

Disposizione
Semplice: Dn,k = n(n − 1)(n − 2)...(n − k + 1)
k termini

(binomiale)

Disuguaglianza di Chebychev
Data x v. a. (discreta o continua) con µ = E [x] e σ 2 = Var (x), preso un qualunque r > 0 si ha che ∀r > 0 P(|x − µ| r)
σ2 r2

Con ripetizione: Dn,k = nk

Proprietà della varianza
µ = media σ = deviazione standard σ 2 = varianza Var (x) = E [(x − E [x])2 ] Var (x) = ∑∞ 1 (xi − µ )2 p(xi ) i= E [xy] = E [x]E [y] ⇒ x e y sono indipendenti Proprietà: 1) Var (x) = E [x2 ] − E [x]2 2) Var (aX ) = a2Var (X ) 3) Var (a + X ) = Var (X ) 4) se x e y hanno varianza finita e sono indipendenti, allora Var (x + y) = Var (x) + Var (y) (con la media lo posso fare anche se non sono indipendenti)

Combinazione
Semplice: Cn,k = (n) = k Con ripetizione:
Dn,k n! Pk = k!(n−k)! n n+k−1 Cn,k = ( n ) = (k!+k−1))!! (n−1

Quantile α-esimo
É l’unico valore qα tale che P(x qα ) = α Come si fa a trovare il qα di una v. a. Normale? Si legge la tavola delle Normali "al contrario". ES: ho α = 0, 52 e voglio trovare il quantile zα ⇒ Φ(zα ) = 0, 52. Dalle tavole, il più vicino è 0, 51994 che corrisponde a 0, 0 (riga) e 0, 05 (colonna) ⇒ zα = 0, 05 ES: siccome nelle tavole non esiste 0 < α < 0, 5, allora α > 0, 5 ⇒ 1 − α > 0, 5 (e quindi z1−α esiste nelle tavole) ES: z0,05 = z1−0,05 = −z0,95 = −1, 6449 (α = 0, 95 ⇒ zα = 1, 6449)

Densità di v. a. continue
Normale standard: t f (t ) = √1 e− 2 = ϕ (t ) 2π Distrib. Esponenziale: se t 0 λ e−λt f (t ) = 0 se t < 0 Distribuzione Gamma fx (t ) con X ∼ N (0, 1) Distribuzione T di Student ϕ (t ) = √1 e 2 2π z T = √ y (con z ∼ N (0, 1) e y ∼ χ 2 (n))
n −t 2

Proprietà del binomio
n • (n) = (n−k) k n • (n) = (n−1) = n 1 n • (n) = (n−0) = 1 0

• (n) = (n−1) + (n−1) k k k−1
n • (n) = (k−1) n−k+1 k k

T ∼ t (n) (per n > 120)