Ppt 8.
3 Variabili casuali e distribuzioni di probabilità parte 3
• Variabile casuale uniforme continua
• Variabile casuale normale
• Variabile casuale chi-quadrato
• Altre distribuzioni (t studenti e F di Fisher)
• Variabili casuali multiple (cenni)
• Teorema del limite centrale
Distribuzione uniforme continua
Una variabile casuale uniforme continua, indicata con X ~ U (a;b), è una variabile casuale che
assume valori reali in un intervallo limitato (a,b) con a e b numeri reali.
Distribuzione uniforme continua in (0,1)
Esempio
.
Distribuzione Normale o Gaussiana
La variabile casuale normale X, indicata con X~N(μ,σ) o X∼N(μ,σ2) è una variabile casuale continua
che può assumere valori su tutto l’asse reale, con funzione di densità
Distribuzione Normale
• La funzione di densità Normale ha una forma a campana, unimodale e simmetrica rispetto al
valore atteso μ, in corrispondenza del quale la funzione raggiunge il suo massimo valore.
• Di conseguenza μ è anche moda e mediana della distribuzione
• μ Determina la posizione della cura sull’asse delle ascisse
• σ Determina quanto i valori sono dispersi attorno alla media
Distribuzione normale standardizzata
Funzione di densità
Funzione di ripartizione
Esempio 1 distribuzione normale standardizzata Esempio 2
Distribuzione normale, proprietà:
Curtosi
Distribuzione Chi-quadrato
• All’aumentare di g la distribuzione tende ad una normale e per g>80 l’approssimazione è
abbastanza buona.
• Al variare del parametro g la forma della distribuzione cambia, per piccoli valori di g la
distribuzione si concentra sull’estremo inferiore del supporto di X, mentre al crescere di g la
distribuzione tende a distendersi su tutti i valori positivi.
• La distribuzione Chi-quadrato è strettamente connessa alla distribuzione normale, infatti:
• La somma di g variabile casuale normali standardizzate indipendenti al quadrato si distribuisce
come una variabile casuale Chi-quadrato con g gradi di libertà:
Altre distribuzioni: t di Student e F di Fisher
• T di Student (de nita come rapporto fra una variabile casuale normale standardizzata e un Chi-
quadrato indipendenti fra loro
• F di Fisher (de nita come il rapporto fra due variabili casuali Chi-quadrato indipendenti, divise per
i loro gdl)
• Distribuzione esponenziale
fi
fi
Teorema del limite centrale
Ppt 09 Campionamento e distribuzioni campionarie
Popolazione e. Suoi parametri
Campionamento da popolazioni nite
Campionamento da popolazioni in nite
Statistiche campionarie e le loro distribuzioni
Distribuzione della media campionaria
Ogni indagine statistica è riferita a una popolazione che può essere nita o in nita e che costituisce il
principale oggetto d'interesse.
Più frequentemente si osserva solo una parte della popolazione, un suo opportuno sottoinsieme,
ossia un campione.
Il campione viene estratto dalla popolazione seguendo alcune regole probabilistiche (piano di
campionamento).
Dall'analisi dei dati campionari si ottengono, tramite procedure inferenziali, informazioni sulle
caratteristiche dell'intera popolazione.
Ovviamente, poiché ogni conclusione riguardante la popolazione è basata solo sull'osservazione di
un suo sottoinsieme, nel caso di un'indagine campionaria si aggiunge quello che è chiamato errore
campionario.
Popolazione nita e parametri Popolazione in nita e parametri
fi
fi
fi
fi
fi
fi
Campionamento da popolazioni nite
Campionamento da popolazioni nite
Campioni casuali
fi
fi
Esempio
Il campionamento casuale semplice
Il campionamento casuale semplice pt 2
Campionamento da popolazioni in nite
Campionamento da popolazioni in nite pt2
Statistiche campionarie e distribuzioni campionarie
fi
fi
Distribuzione della media campionaria nelle popolazioni in nite
Distribuzione di X nelle popolazioni in nite
fi
fi
Distribuzione di X nelle popolazioni in nite
Distribuzione di X nelle popolazioni nite
fi
fi