(P): ARGOMENTO 3: Variabili Aleatorie Generali e Funzione di Ripartizione

0.0(0)
Studied by 0 people
call kaiCall Kai
learnLearn
examPractice Test
spaced repetitionSpaced Repetition
heart puzzleMatch
flashcardsFlashcards
GameKnowt Play
Card Sorting

1/6

encourage image

There's no tags or description

Looks like no tags are added yet.

7 Terms

1
New cards

(D9) Definizione di Variabile Aleatoria (V.A.) e Misurabilità

  • Definizione: Sia (Ω,A,P) uno spazio di probabilità. Una funzione X:Ω→R è una variabile aleatoria se per ogni t∈R:

    {ω∈Ω:X(ω)≤t}∈A

  • Notazione Controimmagine: L'insieme sopra corrisponde a X−1((−∞,t])∈A.

  • Significato: L'evento {X≤t} appartiene alla σ-algebra A, quindi ne possiamo calcolare la probabilità P(X≤t).


2
New cards

D10/D14 Definizione formale di Legge (o Distribuzione) di una V.A. X.

  • Definizione: Per ogni A∈B(R) (sigma-algebra di Borel su R), la mappa:

    A⟼P({ω∈Ω:X(ω)∈A})

    si dice legge di X oppure distribuzione di X (indicata con PX​ o LX​).

  • Significato: È la misura di probabilità indotta su R da X, cioè PX​(A)=P(X∈A).


3
New cards

(D15) Definizione di Funzione di Ripartizione FX​ e suo ruolo nel determinare la Legge PX​

  • Definizione: Sia (Ω,A,P) uno spazio di probabilità e X una V.A. La funzione FX​:R→[0,1] definita da:

    FX​(x):=P(X≤x)=P(X∈(−∞,x])

    si dice funzione di distribuzione o di ripartizione di X.

  • Caratterizzazione della Legge: FX​(x) descrive completamente la legge PX​.


4
New cards

(D13) Definizione formale di Variabile Aleatoria Degenere (o Costante)

Una variabile aleatoria X:Ω→R si dice degenere (o deterministica) se esiste un valore costante c∈R tale che:

P(X=c)=1(ovvero P({ω∈Ω:X(ω)=c})=1)

5
New cards

(D24) Definizione di quantile

Dato un livello di probabilità p∈(0,1) e una V.A. X con funzione di ripartizione FX​, un p-quantile (o quantile di ordine p) è un numero reale xp​ tale che la probabilità a sinistra e a destra soddisfi le condizioni:

P(X≤xp​)≥peP(X≥xp​)≥1−p

6
New cards

(T10) Proprietà caratterizzanti di una funzione di ripartizione

  • Monotonia non decrescente (s≤t⟹FX​(s)≤FX​(t)):

    • Idea: Per s≤t, l'evento {X≤s}⊆{X≤t} è contenuto nel secondo; la tesi segue per monotonia della probabilità (P(A)≤P(B)).

  • Continuità da destra (lims→t+​FX​(s)=FX​(t)):

    • Idea: Usando una successione xn​=t+n1​, l'evento si scompone in {X≤t} più una coda An​ la cui probabilità tende a 0 per continuità dall'alto.

  • Limiti agli estremi (limt→−∞​FX​(t)=0 e limt→+∞​FX​(t)=1):

    • Idea: Si usano successioni bn​→−∞ e an​→+∞; gli eventi corrispondenti formano catene con intersezione vuota (∅) e unione totale (Ω).


7
New cards

(T11) Come si calcolano P(a<X≤b) e P(X=a) usando la CDF FX​?

  1. Per l'intervallo (a,b]:

P(a<X≤b)=FX​(b)−FX​(a)

  • Dimostrazione: L'evento (−∞,b] si scompone nell'unione disgiunta (−∞,a]∪(a,b]. Passando alle probabilità: FX​(b)=FX​(a)+P(a<X≤b).

  1. Per il singolo punto {a}:

P(X=a)=FX​(a)−s→a−lim​FX​(s)=FX​(a)−FX​(a−)

  • Dimostrazione: Applicando il limite dell'intervallo precedente ristretto a a, la probabilità del punto isolato è esattamente l'altezza del "salto" della CDF.


Variazioni sugli intervalli (con disuguaglianze strette o larghe):

  • P(a≤X≤b)=FX​(b)−FX​(a−)

  • P(a<X<b)=FX​(b−)−FX​(a)

  • P(a≤X<b)=FX​(b−)−FX​(a−)