Escolar Documentos
Profissional Documentos
Cultura Documentos
Kvolte
n-kvolte
Poich le k volte in cui levento si verifica si pu presentare con ordine diverso, dobbiamo applicare il teorema della
somma logica di eventi e quindi moltiplicare il valore precedente per il numero delle possibilit che ci sono che nel caso
di n prove e k successi il coefficiente binomiale ()
Formula di Bernoulli
Dato un vento E, sottoposto a n esperimenti indipendenti ognuno con probabilit p costante di verificarsi, essendo
q= 1-p la probabilit che ha levento di non verificarsi, la probabilit di ottenere k successi su n prove :
, = ( )
Esempio1:
Determinare la probabilit che su 12 lanci di una moneta non truccata si ottengano esattamente 8 teste.
Soluzione
Si tratta di un esperimento di Bernoulli in cui il successo coincide con levento E= esce T;
1
1
() = =
( ) = =
2
12,8
12 18 14
12! 112 12 11 10 9 112
= ( )
=
=
= 0,1208
8 2 2
8! 4! 2
432
2
Esempio2
Un tiratore colpisce un bersaglio con probabilit 0,2. Facendo 8 tiri qual la probabilit che
a) Non colpisca mai l bersaglio
b) Colpisce due volte il bersaglio
c) Colpisce almeno 2 volte il bersaglio
Soluzione
E= colpisce il bersaglio P(E) = 0,2 =p q = 1-p = 0,8
8!
a)
b)
c)
d)
0!8!
8!
Una variabile casuale discreta X una variabile che pu assumere i valori x1, x2,...., xn corrispondenti
a n eventi aleatori E1, E2, E3...., En, non impossibili, che si escludono a vicenda e tali che sicuramente
uno di essi si verifichi ( costituiscono quindi una partizione dello spazio di probabilit)
Facciamo un esempio.
Consideriamo il lancio di cinque monete e vogliamo calcolare tutti i possibili successi dellevento E = esce testa ; la
probabilit di avere 0 successi,1 successo, 2, 3, 4, 5 successi.
P(X = 0) = (50)
10 15
2 2
P (X = 2) = (52)
12 12
( = 4) = (54)
14 11
5! 1
0!5! 32
2 2
2 2
5! 1
2!3! 32
5! 1
4!1! 32
=
=
=
P(X = 1) = (51)
32
10
2 2
P(X = 3) = (53)
32
5
P(xi)= pi
1/32
5/32
10/32
10/32
5/32
1/32
5! 1
13 12
2 2
( = 5) = (55)
32
xi
Definizione:
11 14
1!4! 32
15 10
2 2
5! 1
3!2! 32
32
5! 1
5!0! 32
10
32
1
32
Data una variabile casuale discreta X, con valori x1, x2,...., xn, , la successione p1, p2, ...pn a essi
associati si chiama distribuzione di probabilit della variabile X e si ha:
0 <pi <1 e p1+p2+...+ pn = 1
Distribuzione binomiale
Si dice che una variabile discreta X, con valori x=0,1,2,...,n ha una distribuzione di probabilit di parametri n, p se
( = ) = ( )
Esempio1
Unurna contiene 10 palline di cui 3 bianche. Si eseguono 4 successive estrazioni rimettendo ogni volta la pallina
estratta nellurna. Determinare la distribuzione di probabilit della variabile casuale X = numero di palline bianche
estratte.
Soluzione
La probabilit di estrarre una pallina bianca 0,3. La variabile casuale X ha come possibili valori 0, 1, 2, 3 e 4 e le
rispettive probabilit sono:
p= 0,3 q = 0,
( = ) = (4)0,3 0,74
P(X = 0) = (40)0,30 0,74 = 0,2401
P(X = 2) =
P(X = 3) =
(42)0,32 0,72
= 0,2646
4
P(X = 4) = ( ) 0,34 0,70 = 0,0081
4
xi
0
1
2
P(xi)= pi
0,0756
0,0081
0,2401
0,4116
0,2646
(43)0,33 0,71
4!
1!3!
= 0,0756
In generale la distribuzione di probabilit di una variabile aleatoria discreta pu essere rappresentata graficamente in un
sistema cartesiano con un istogramma, ponendo sullasse delle ascisse i valori xi e sullasse delle ordinate i valori della
relativa probabilit pi
0,45
0,4
0,35
0,3
0,25
0,2
0,15
0,1
0,05
0
0