Appunti VERIFICATO
Dispensa matematica 3
26 visualizzazioni
21 download
★ 3,5 (1)
Di cosa parla
- Concetti Fondamentali di Probabilità: Introduce la definizione di evento (certo, impossibile, possibile, elementare, incompatibile) e lo spazio campionario. Spiega le operazioni logiche sugli eventi (unione, intersezione, complemento).
- Assiomi e Proprietà della Probabilità: Delinea i tre assiomi di Kolmogorov e le proprietà derivate, come la probabilità dell'evento impossibile P(Ø)=0 e la formula P(A U B) = P(A) + P(B) - P(A ∩ B).
- Probabilità Condizionata e Indipendenza: Definisce la probabilità di un evento dato che un altro si è verificato, P(B|A) = P(A ∩ B) / P(A). Spiega il concetto di eventi indipendenti, dove P(A ∩ B) = P(A) * P(B).
- Teorema di Bayes: Presenta la formula P(A_i|B) = [P(A_i) * P(B|A_i)] / [Σ P(A_j) * P(B|A_j)] e le sue applicazioni.
- Variabili Aleatorie Discrete:
- Definizione: Una funzione X: S → R che associa un numero reale ad ogni evento elementare.
- Distribuzione Binomiale: Modella il numero di successi in un numero fisso di prove indipendenti con due esiti possibili. Include formule per media (μ = na) e varianza (σ^2 = na(1-a)).
- Distribuzione di Poisson: Descrive il numero di eventi che si verificano in un intervallo fisso di tempo o spazio, con media (μ = m) e varianza (σ^2 = m) uguali al parametro 'm'. Utilizzata per approssimare la binomiale per grandi n e piccoli a.
- Valor Medio, Varianza e Deviazione Standard: Spiega come calcolare queste misure per caratterizzare una distribuzione di probabilità discreta.
- Variabili Aleatorie Continue:
- Funzione di Densità di Probabilità (f(x)): Utilizzata per calcolare la probabilità di un evento continuo come l'integrale dell'area sotto la curva.
- Distribuzione Uniforme: Eventi con uguale probabilità in un dato intervallo [a,b]. Include formule per media (μ = (a+b)/2) e varianza (σ^2 = (b-a)^2/12).
- Distribuzione Normale o di Gauss: La più comune, caratterizzata da una curva a campana. Fornisce formule per media (μ = m) e varianza (σ^2 = 1/(2h^2)).
- Teorema di De Moivre-Laplace: Stabilisce l'approssimazione della distribuzione binomiale con la distribuzione normale per grandi valori di n.
- Funzione di Distribuzione (F(x)) e di Errore (Φ(x)): Descrive come calcolare le probabilità per intervalli e l'uso delle tabelle per la normale.
- Applicazioni del Teorema di Bayes ai Test Diagnostici: Analizza i concetti di vero-positivo, vero-negativo, falso-positivo, falso-negativo, tassi di errore (α, β), specificità e sensibilità. Illustra come il Teorema di Bayes aiuti a interpretare i risultati dei test in presenza di malattie rare.
- Misure di Tendenza Centrale:
- Media Aritmetica: La somma di tutti i valori divisa per il numero di valori. Sensibile agli outlier.
- Mediana: Il valore centrale in un dataset ordinato, meno sensibile agli outlier.
- Moda: Il valore o la classe che appare più frequentemente nel dataset. Applicabile anche a dati non numerici.