Dispense del corso - Dipartimento Ingegneria dell'Informazione ...

Dispense del corso - Dipartimento Ingegneria dell'Informazione ... Dispense del corso - Dipartimento Ingegneria dell'Informazione ...

20.05.2013 Views

Facoltà di Ingegneria 10 quando il numero di uscite è infinito. Con E inoltre viene indicato un evento di un sottoinsieme di Ω, in modo da poter definire la probabilità di quell’evento, P (E). Consideriamo adesso le proprietà principali della probabilità: • La probabilità di un evento è sempre compresa tra 0 ed 1 • La probabilità di un evento nullo è 0 0 ≤ P (E) ≤ 1; (1.46) P (E = null) = 0; (1.47) • La probabilità di un evento che contiene tutte le possibili uscite è uguale ad 1 P (E = Ω) = 1; (1.48) • La probabilità di un evento complementare è uguale ad 1 meno la probabilità dell’evento stesso P (E) = 1 − P (E); (1.49) • La probabilità dell’unione di due eventi è uguale alla somma delle probabilità dei due eventi meno la probabilità dell’intersezione • Se E1 ⊂ E2 allora P (E1 ∪ E2) = P (E1) + P (E2) − P (E1 ∩ E2); (1.50) P (E1) ≤ P (E2) (1.51) • La Probabilità condizionata di due eventi E1 e E2 con rispettive probabilità P (E1) e P (E2) è definita come P (E1|E2) = P (E1∩E2) P (E2) P (E2) = 0 0 altrimenti (1.52) se i due eventi sono statisticamente indipendenti allora P (E1|E2) = P (E1) e P (E1 ∩ E2) = P (E1) · P (E2); • Teorema della Probabilità Totale Dato un insieme N di eventi {Ei} N i=1 con N i=1 Ei = Ω e Ei ∩ Ej = null ∀ i, j con i = j, la probabilità di un evento generico A è calcolata come somma pesata delle probabilità condizionate agli eventi Ei: N P (A) = P (A|Ei) · P (Ei) (1.53) i=1

Facoltà di Ingegneria 11 • Teorema di Bayes Dati due eventi A e B il Teorema di Bayes consente di scambiare i termini sulle probabilità condizionate P (B|A) = 1.4.2 Variabili aleatorie P (A|B) · P (B) P (A) (1.54) Una variabile aleatoria x è il risultato numerico di un esperimento quando questo non è deterministico. Ad esempio il risultato del lancio di un dado a sei facce può essere matematicamente modellizzato come una variabile casuale che può assumere uno dei sei possibili valori 1, 2, 3, 4, 5, 6. Più formalmente dato Ω, la variabile aleatoria x è una funzione misurabile dallo spazio Ω allo spazio Euclideo. Ad ogni variabile aleatoria X è associata la sua funzione distribuzione cumulativa, Fx(x), che assegna ad ogni sottoinsieme, dell’insieme dei possibili valori di x, la rispettiva probabilità: Fx(x) = P (x ≤ x). (1.55) Sono elencate di seguito alcune proprietà della Fx(x): • 0 ≤ Fx(x) ≤ 1; • Fx(x) non è una funzione decrescente; • lim n→−∞ Fx(x) = 0 e lim n→+∞ Fx(x) = 1; • P (a ≤ x ≤ b) = Fx(b) − Fx(a). Si definisce inoltre la funzione densità di probabilità: fx(x) = d Fx(x) dx Alcune proprietà della funzione densità di probabilità: • fx(x) ≥ 0 ∀ x; • +∞ −∞ fX(x)dx = 1; • b a fx(x)dx = P (a ≤ x ≤ b); • Fx(x) = x −∞ fx(x)dx. (1.56)

Facoltà di <strong>Ingegneria</strong> 11<br />

• Teorema di Bayes<br />

Dati due eventi A e B il Teorema di Bayes consente di scambiare i<br />

termini sulle probabilità condizionate<br />

P (B|A) =<br />

1.4.2 Variabili aleatorie<br />

P (A|B) · P (B)<br />

P (A)<br />

(1.54)<br />

Una variabile aleatoria x è il risultato numerico di un esperimento quando<br />

questo non è deterministico. Ad esempio il risultato <strong>del</strong> lancio di un dado<br />

a sei facce può essere matematicamente mo<strong>del</strong>lizzato come una variabile casuale<br />

che può assumere uno dei sei possibili valori 1, 2, 3, 4, 5, 6.<br />

Più formalmente dato Ω, la variabile aleatoria x è una funzione misurabile<br />

dallo spazio Ω allo spazio Euclideo.<br />

Ad ogni variabile aleatoria X è associata la sua funzione distribuzione cumulativa,<br />

Fx(x), che assegna ad ogni sottoinsieme, <strong>del</strong>l’insieme dei possibili<br />

valori di x, la rispettiva probabilità:<br />

Fx(x) = P (x ≤ x). (1.55)<br />

Sono elencate di seguito alcune proprietà <strong>del</strong>la Fx(x):<br />

• 0 ≤ Fx(x) ≤ 1;<br />

• Fx(x) non è una funzione decrescente;<br />

• lim<br />

n→−∞ Fx(x) = 0 e lim<br />

n→+∞ Fx(x) = 1;<br />

• P (a ≤ x ≤ b) = Fx(b) − Fx(a).<br />

Si definisce inoltre la funzione densità di probabilità:<br />

fx(x) =<br />

d Fx(x)<br />

dx<br />

Alcune proprietà <strong>del</strong>la funzione densità di probabilità:<br />

• fx(x) ≥ 0 ∀ x;<br />

• +∞<br />

−∞ fX(x)dx = 1;<br />

• b<br />

a fx(x)dx = P (a ≤ x ≤ b);<br />

• Fx(x) = x<br />

−∞ fx(x)dx.<br />

(1.56)

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!