Formulario per l’esame di Calcolo delle Probabilità 01AGG, 04AGG, 09AGG

V1.4 del 10 ottobre 2010

  Analisi
x e−x Φ(x) erf √x
Binomio di Newton: (a + b)n =
Pn n k n−k


2
P∞ k=0 k a b . Serie geometrica:
P∞ k
0 1 0.5 0 ap k = a/(1 − p), con 0 ≤ p < 1. Serie esponenziale:
k=0 k=0 x /k! =
0.1 0.9048 0.5398 0.07966 x
R ∞ a−1 −x
e . Funzione Gamma: per a > 0, Γ(a) = 0 x e dx; Γ(a) =
0.2 0.8187 0.5793 0.1585 √
(a − 1)Γ(a − 1); se a intero Γ(a) = (a − 1)!; Γ(1/2) = π. Funzione Beta:
0.3 0.7408 0.6179 0.2358 R 1 a−1
per a, b > 0 e B(a, b) = 0 x (1 − x)b−1 dx; B(a, b)Γ(a + b) = Γ(a)Γ(b).
0.4 0.6703 0.6554 0.3108 Rx t2
0.5 0.6065 0.6915 0.3829 FdD normale standard: Φ(x) = −∞ √12π e− 2 dt. Funzione degli errori:
 
0.6 0.5488 0.7257 0.4515 Rx
erf(x) = √2π 0 exp(−t2 )dt, x ≥ 0. erf √x2 = Φ(x) − Φ(−x).
0.7 0.4966 0.758 0.5161
⇐ Tavole
0.8 0.4493 0.7881 0.5763
A destra le tavole della funzione di sopravvivenza esponenziale standard,
0.9 0.4066 0.8159 0.6319
della funzione di distribuzione normale standard e delle probabilità normali
1 0.3679 0.8413 0.6827
per intervalli simmetrici.
1.1 0.3329 0.8643 0.7287
Funzione di rischio
1.2 0.3012 0.8849 0.7699
X positiva con densità f e funzione di  distribuzione
 F . Funzione di ri-
1.3 0.2725 0.9032 0.8064 f (t) Rt
1.4 0.2466 0.9192 0.8385 schio: λ(t) = 1−F (t) , 1 − F (t) = exp − 0 λ(u) du . Condizionamento:
R t+s
1.5 0.2231 0.9332 0.8664 P (X > t + s|X > s) = e− s λ(u)du .
1.6 0.2019 0.9452 0.8904 Gamma e Poisson
1.7 0.1827 0.9554 0.9109 (λt)k
Fn (t) = e−λt ∞
P
k=n k! è la funzione di distribuzione della Γ(n, λ). Se il
1.8 0.1653 0.9641 0.9281 numero di eventi che si verificano nell’intervallo [0, t] è una Poisson(λt),
1.9 0.1496 0.9713 0.9426 allora il tempo di arrivo dell’n-mo evento è una Γ(n, λ) e gli intertempi
2 0.1353 0.9772 0.9545 sono indipendenti e Exp(λ).
2.1 0.1225 0.9821 0.9643 Convoluzione
2.2 0.1108 0.9861 0.9722 Se X e Y sono variabili aleatorie reali indipendenti e Z = X +Y , fX ?fY =
2.3 0.1003 0.9893 0.9786 R +∞
fZ . Caso continuo: = fX ? fY (z) = −∞ fX (z − y)fY (y)dy. Variabili
2.4 0.09072 0.9918 0.9836 P
aleatorie a valori interi: = fX ? fY (z) = y fX (z − y)fY (y). Casi notevoli:
2.5 0.08208 0.9938 0.9876
2.6 0.07427 0.9953 0.9907 • Binom(n, p) ? Binom(m, p) = Binom(n + m, p)
2.7 0.06721 0.9965 0.9931 • Poisson(λ1 ) ? Poisson(λ2 ) = Poisson(λ1 + λ2 )
2.8 0.06081 0.9974 0.9949 • Γ(α, λ) ? Γ(β, λ) = Γ(α + β, λ)
2.9 0.05502 0.9981 0.9963 • N(µ1 , σ12 ) ? N(µ2 , σ22 ) = N(µ1 + µ2 , σ12 + σ22 )
3 0.04979 0.9987 0.9973 Funzione generatrice dei momenti
La FGM di X è MX (t) = E etX , definita per tutti i t per cui è fi-


3.1 0.04505 0.999 0.9981
3.2 0.04076 0.9993 0.9986 nita. Se a, b ∈ R, allora MaX+b (t) = ebt MX (at). Se le derivate esi-
(n)
3.3 0.03688 0.9995 0.999 stono, allora MX (0) = E (X n ). Se X e Y sono indipendenti, allora
3.4 0.03337 0.9997 0.9993 MX+Y (t) = MX (t)MY (t). Se K(t) = log M (t), allora K 0 (0) = E (X),
3.5 0.0302 0.9998 0.9995 K 00 (0) = Var (X).
3.6 0.02732 0.9998 0.9997 Limiti per n → ∞.
3.7 0.02472 0.9999 0.9998 Poisson: Se p(n) = λ/n, allora Bin(n, p(n)) → Poisson(λ).
3.8 0.02237 0.9999 0.9999 LGN: Se X1 , X2 , . . . sono IID e ∼ X, allora X n → E (X).
3.9 0.02024 1 0.9999 TLC: Se X1 , X2 , . . .
sono IID e ∼ X, E (X) = µ, Var (X) = σ 2 ,
4 0.01832 1 0.9999 √
allora n X n − µ → N(0, σ 2 ).
Calcolo combinatorio: K e N sono insiemi finiti tali che card(K) = # (K) = k ≤ n = # (N ) = card(N ). Il
numero delle funzioni da K a N è nk ; se K = {1 . . . k} si dice disposizioni con ripetizione di k elementi di N , o k-uple
ordinate di elementi di N , o parole su di un alfabeto N lunghe k, o campioni ordinati con ripetizione lunghi k. Il
n!
numero delle funzioni iniettive da K in N , è (n−k)! = n(n−1) · · · (n−k +1), k ≤ n; se K = {1 . . . k} si dice disposizioni
senza ripetizione di k elementi di N , o campioni ordinati senza ripetizione. Il numero delle funzioni iniettive da K = N
in
se stesso, o permutazioni, è n! = 1 · 2 · 3 · · · (n − 1) · n. Il numero dei sottoinsiemi di N formati da k elementi è
n n!
k = k!(n−k)! ; si dice combinazioni di k elementi di N , o campioni non ordinati senza ripetizione. Dalle definizioni
Pn Pk
segue: 2n = k=0 nk , nk = n−1 + n−1

n1 +n2

= h=0 nh1 k−h




n2

k k−1 , k . Il numero di partizioni di N in s parti di
n n!


numerosità k1 . . . ks è k1 ···k s
= k1 !···ks ! .
Cassetti: k oggetti, n cassetti. Esclusione: al più 1 per cassetto.
In tabella: numero degli stati Oggetti distinguibili Oggetti indistinguibili
n+k−1
k


Senza esclusione n k

n! n
Con esclusione n(n − 1) . . . (n − k + 1) = (n−k)! , con n ≥ k k
Probabilità. Gli eventi sono sottoinsemi dello spazio campionario S. ∅ è l’evento impossibile, S è l’evento certo. Per

P 0 ≤ P (A) ≤ 1, P (S) = 1 e per ogni successione (An )n∈I di eventi disgiunti (in-
ogni evento si definisceSuna probabilità:
compatibili) si
ha P n∈I An = n∈I P (An ). Evento trascurabile: P (A) = 0; evento quasi certo: P (A) = 1. Pro-
prietà: P {E = 1 − P (E), se A ⊆ B allora P (A) ≤ P (B), P (A ∪ B) = P (A) + P (B) − P (A ∩ B), P (A ∪ B ∪ C) =
P (A)+P (B)+P (C)−P (A ∩ B)−P (A ∩ C)−P (B ∩ C)+P (A ∩ B ∩ C). Probabilità condizionata: P (A | B) =
P(A ∩ B) / P (B),P
P con P (B) > 0. Formula della probabilità totale: Ck non trascurabili e partizione P di S: P (A) =
k P (A ∩ C k ) = k P (A | C k ) P (Ck ). Formula di Bayes: P (C m | A) = (P (A | C m ) P (C m ))/( k P (A | Ck ) P (Ck )).
Formula del prodotto: P (A1 ∩ A2 ∩ · · · ∩ An−1 ∩ An ) = P (A1 ) · P (A2 | A1 ) . . . P (An | A1 ∩ A2 ∩ · · · ∩ An−1 ). Indi-
pendenza: A e B sono indipendenti se P (A ∩ B) = P (A) P (B) o anche, se esiste, P (A | B) = P (A). A, B e C sono
indipendenti se P (A ∩ B ∩ C) = P (A) P (B) P (C) e, inoltre, lo sono tutte le coppie. P
Densità di variabile aleatorie discreta X: 0 ≤ p(x) = P (X = x), PX (B) = x∈B p(x). Notevoli.
k (1−k)
Bernoulli(p): p(k) = p (1 − p) k = 0, 1, 0 ≤ p ≤ 1, E (X) = p, Var (X) = p(1 − p). Binomiale(n, p):
p(k) = nk pk (1 − p)n−k , k = 0, 1, . . . , n, 0 ≤ p ≤ 1, E (X) = np, Var (X) = np(1 − p). Ipergeometrica:

p(z) = nz1 n−n

n

k−z / k ,
1
max{0, k + n1 − n} ≤ z ≤ min{k, n1 }. Geometrica(p): p(k) = p(1 − p)k−1 , k = 1, 2, . . . ,
con 0 ≤ p ≤ 1, E (X) = 1/p, Var (X) = (1 − p)/p2 . Poisson(λ): p(k) P = e−λ λk /k!, k = 0, 1, . . . , con λ > 0,
E (X) = λ, Var (X) = λ. Valore atteso di funzione g(X): E (g(X)) = x g(x)p(x)
Densità congiunta, marginale e condizionata P di coppie diPVA discrete. Densità congiunta p(x, y) =
P (X = x, Y = y). Densità marginali : pX (x) = y p(x, y) e pY (y) = x p(x, y). Densità condizionata: pX|Y (x|y) =
P P
p(x, y)/pY (y) per ogni y t.c. pY (y) > 0. Valore atteso: E (g(X, Y )) = x y g(x, y)p(x, y). X è indipendente da Y se
e solo se p(x, y) = pX (x)pP Y (y), o pX|Y (x|y) = pX (x), o E (g(X)h(Y )) = E (g(X)) E (h(Y )). Valore atteso condizionato:
E (g(X, Y )|Y = y) = x g(x, y)pX|Y (x|Y = y); E (E (g(X, Y )|Y )) = E (g(X, Y )).
Variabile aleatoria R x continua X. FdD: F (x) = P (X ≤ x). Densità: f (x) ≥ 0 e PX (B) = P (X ∈ B) =
d 1
R
B
f (x) dx. F (x) = −∞
f (u) du; f (x) = dx (x). Notevoli. U(a, b): f (x) = b−a (a < x < b). E (X) = (a +
F
2 −λx
b)/2, Var (X) = (b − a) /12. Exp(λ): f (x) = λe (x > 0), E (X) = 1/λ, Var (X) = 1/λ2 . Gamma Γ(a, λ): f (x) =
a a−1 −λx 1
λ x e /Γ(a)(x > 0), E (X) = a/λ, Var (X) = a/λ2 . Beta(a, b): f (x) = B(a,b) xa−1 (1 − x)b−1 (0 < x < 1),
 2

E (X) = a/(a + b), Var (X) = ab/((a + b)2 (a + b + 1)). Gaussiana o Normale N(a, σ 2 ): f (x) = √2πσ 1
2
exp − (x−a)
2σ 2 ,
2
R
E (X) = a, Var (X) = σ . Normale standard N(0, 1). Valore atteso di funzione: E (g(X)) = g(x)f (x) dx
VA continue X e Y . FdD: F (x, y) = P (X ≤ x, Y ≤ y). F (x, +∞) = FX (x), F (+∞, y) = FY (y). Densità congiunta:
RR RbRd R
P ((X, Y ) ∈ B) = B
f (x, y) dx dy; P (a ≤ X ≤ b, c ≤ Y ≤ d) = a c f (x, y) dx dy. Marginali : fX (x) = f (x, y) dy
R Rb Rd ∂2
e fY (y) = f (x, y) dx. F (x, y) = −∞ −∞ f (u, v) du dv, ∂x∂y F (x, y) = f (x, y). Condizionata: se fY (y) > 0,
RR
fX|Y (x|y) = f (x, y)/fY (y). Valore atteso: E (g(X, Y )) = g(x, y)f (x, y) dxdy. X è indipendente da Y se e solo
se f (x, y) = fX (x)fYR(y), o fX|Y (x|y) = fX (x), o E (g(X)h(Y )) = E (g(X)) E (h(Y )). Valore atteso condizionato:
E (g(X, Y )|Y = y) = g(x, y)fX|Y (x|Y = y)dx; E (E  (g(X, Y )|Y
 )) = E (g(X, Y )). Trasformazione: Y  = g(X):
 se
−1 1 −1  d −1  y−b 1
g e g sono di classe C , allora fY (y) = fX [g (y)]  dy g (y); se Y = aX + b, a 6= 0, allora fY (y) = fX a |a| . La
coppia Y1 , Y2 è una Gaussiana
 bivariata,
 con medie a1 , a2 , varianze σ12 , σ22 , correlazione ρ12 6= ±1 se: fY1 ,Y2 (y1 , y2 ) =
2     2 
y −a y −a y −a y −a
(2π)−1 √1 exp − 2(1−ρ 1
2 )
1
σ1
1
− 2ρ12 1σ1 1 2
σ2
2
+ 2σ2 2
σ1 σ2 1−ρ212 12
R +∞
Algebra dei valori attesi . Se X ≥ 0, allora E (X) = 0 P (X >u) du. Linearità: E (aX + b) = a E (X) + b
2
2
e E (X + Y ) = E (X) + E (Y ). Varianza: Var (X) = E [X − E (X)] = E X 2 − [E (X)] . Scarto quadratico
p
medio o deviazione standard: σ (X) = Var (X). Covarianza: Cov (X, Y ) = E ([X − E (X)][Y − E (Y )]) = E (XY ) −
E (X) E (Y ). Coefficiente
P di correlazione
 lineare: −1 ≤ ρ(X, Y ) = Cov (X, Y ) /(σ(X)σ(Y )) ≤ 1. Covarianza tra
P P P
due somme: Cov X
i i , Y
j j = i j Cov (Xi , Yj ). Varianza della combinazione lineare: Var (aX + bY + c) =
a2 Var (X) + b2 Var (Y ) + 2ab Cov (X, Y ). Se X e Y indipendenti, allora sono non correlate, Cov (X, Y ) = 0. Čebičev:
P (|X − E (X) | > ) ≤ Var (X) /2 .