Esempi di dumande è discussione di a distribuzione di probabilità
A distribuzione di probabilità hè unu di i cuncetti fundamentali in statistica è probabilità. Hè aduprata per capisce a probabilità chì diversi valori di un numeru aleatoriu si verificanu. E distribuzioni di probabilità ponu piglià parechje forme secondu a natura di i dati chì sò analizati. I dui tipi più cumuni di distribuzioni di probabilità sò discrete è continue. In questu articulu, esamineremu parechji esempi di prublemi è discuteremu e distribuzioni di probabilità per aiutà ci à capisce megliu questu tema.
Distribuzione Discreta
Una distribuzione discreta hè una distribuzione chì calcula a probabilità di una variabile aleatoria discreta, vale à dì, una variabile chì pò piglià solu certi valori. Esempi ben cunnisciuti di distribuzioni discrete sò a distribuzione binomiale è a distribuzione di Poisson.
Esempiu 1: Distribuzione binomiale
A distribuzione binomiale descrive u numeru di successi in una seria di prove di Bernoulli. Ogni prova di Bernoulli hà dui risultati: successu o fallimentu. A probabilità di successu ferma custante in tutta a prova.
Quistione:
Una sucietà farmaceutica face teste di una nova medicina nant'à 10 pazienti. A probabilità chì a medicina funziona in un paziente hè 0.7. Calcula a probabilità chì a medicina funziona esattamente in 7 pazienti su 10.
Discussione:
A variabile aleatoria \(X\) seguita una distribuzione binomiale cù \(n = 10\) è \(p = 0.7\). A funzione di probabilità binomiale hè:
P(X = k) = \binom{n}{k} p^k (1 – p)^{n – k}
Per \(k = 7\):
P(X = 7) = \binom{10}{7} (0.7)^7 (0.3)^3
Calculà u cuefficiente binomiale \(\binom{10}{7}\):
\[ \binom{10}{7} = \frac{10!}{7!(10-7)!} = \frac{10!}{7!3!} = 120 \]
Calculà i valori di probabilità:
P(X = 7) = 120 × (0.7)^7 × (0.3)^3
P(X = 7) circa 120 × 0.0823543 × 0.027
P(X = 7) circa 0.231
Cusì, a probabilità chì a droga funziona esattamente in 7 pazienti su 10 hè di circa 0.231 o 23.1%.
Esempiu 2: Distribuzione di Poisson
A distribuzione di Poisson hè aduprata per modellà u numeru di occorrenze di un avvenimentu raru in un intervallu di tempu o di spaziu datu.
Quistione:
Una buttega riceve in media 4 clienti per ora. Chì ghjè a probabilità chì a buttega riceva esattamente 5 clienti in un'ora ?
Discussione:
A variabile aleatoria \(X\) seguita una distribuzione di Poisson cù u parametru \(\lambda = 4\). A funzione di massa di probabilità di Poisson hè:
P(X = k) = \frac{λke^{-λ}}{k!}
Per \(k = 5\):
P(X = 5) = \frac{4^5 e^{-4}}{5!}
Conte:
P(X = 5) = \frac{1024 \cdot e^{-4}}{120} \]
P(X = 5) circa 1024 ± 0.0183 ± 120
P(X = 5) circa 0.156
Cusì, a probabilità chì u magazinu ricevi esattamente 5 clienti in una ora hè circa 0.156, o 15.6%.
Distribuzione Continua
E distribuzioni continue sò aduprate quandu a variabile aleatoria misurata pò piglià qualsiasi valore in un certu intervallu. Esempi ben cunnisciuti di distribuzioni continue sò a Distribuzione Normale è a Distribuzione Esponenziale.
Esempiu 3: Distribuzione Normale
A Distribuzione Normale, spessu chjamata Distribuzione Gaussiana, hè una distribuzione cumunemente aduprata in diversi campi, cumpresi a scienza, l'ingegneria è l'ecunumia.
Quistione:
L'altezza di l'omi adulti in una cità hè nurmalmente distribuita cù una media di 170 cm è una deviazione standard di 10 cm. Chì ghjè a probabilità chì un omu sceltu à casu sia trà 160 cm è 180 cm d'altezza ?
Discussione:
Avemu bisognu di calculà u z-score per 160 cm è 180 cm. U z-score hè definitu cusì:
\[ Z = \frac{X – \mu}{\sigma} \]
Per \(X = 160\):
\[ Z_{160} = \frac{160 – 170}{10} = -1 \]
Per \(X = 180\):
\[ Z_{180} = \frac{180 – 170}{10} = 1 \]
Avà ci vole à fighjà i valori di probabilità da -1 à 1 in a tavula z. U valore da z = -1 à z = 1 hè circa 0.6826.
Cusì, a probabilità chì un omu sceltu à casu sia trà 160 cm è 180 cm d'altezza hè circa 0.6826 o 68.26%.
Esempiu 4: Distribuzione esponenziale
A Distribuzione Esponenziale hè aduprata per modellà u tempu trà l'eventi in un prucessu di Poisson.
Quistione:
U tempu mediu trà l'arrivu di dui clienti in un magazinu hè di 15 minuti. Chì ghjè a probabilità chì u tempu trà l'arrivu di dui clienti sia menu di 10 minuti ?
Discussione:
A Distribuzione Esponenziale hà un parametru λ chì hè l'inversu di a media (μ). Cù una media di 15 minuti:
\[ λ = \frac{1}{\mu} = \frac{1}{15} = 0.0667 \]
A funzione di distribuzione cumulativa esponenziale hè:
P(X ≤ x) = 1 – e^{-λ x}
Per \(x = 10\):
P(X ≤ 10) = 1 – e^{-0.0667 × 10}
P(X ≤ 10) = 1 – e^{-0.667}
P(X ≤ 10) circa 1 – 0.5134
P(X ≤ 10) circa 0.4866
Cusì, a probabilità chì u tempu trà l'arrivu di dui clienti sia menu di 10 minuti hè circa 0.4866 o 48.66%.
Cunclusioni
E distribuzioni di probabilità, sia discrete sia continue, sò cuncetti assai utili per a modellazione è a comprensione di u cumpurtamentu di e variabili aleatorie. E distribuzioni binomiali è di Poisson sò spessu aduprate per e variabili discrete, mentre chì e distribuzioni nurmali è esponenziali sò esempi di distribuzioni continue.
Attraversu l'esempii sopra, speremu chì avete acquistatu una megliu capiscitura di cumu calculà è interpretà e probabilità in e distribuzioni di probabilità. Cù una pratica consistente, a vostra capacità di capisce e distribuzioni di probabilità migliurà è pò esse applicata in diverse discipline.
