Sessione Live 5 Approssimazione e convergenza.
Transcript
Sessione Live 5 Approssimazione e convergenza.
Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Sessione Live 5 Approssimazione e convergenza. M.Giorgetti 27 e 29 Gennaio 2009 M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Convergenza in legge Convergenza in probabilità Esercizio Si dice che la successione di v.a. {Xn }n∈N converge in legge (o in distribuzione) ad una v.a. X e si scrive L Xn → X se e solo le la successione {Fn (·)}n∈N delle funzioni di ripartizione delle Xn converce puntualmente alla funzione di ripartizione F (·) di X , per ogni punto di continuità di F (·); cioè in ogni punto di continuità X di F (x) si ha lim Fn (x) = F (x). n→∞ M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Convergenza in legge Convergenza in probabilità Esercizio Si dice che la successione di v.a. {Xn }n∈N converge in probabilità ad X e si scrive P Xn → X se per ogni ε > 0 si ha: lim P(|Xn − X | > ε) = 0 n→∞ Vale che: Convergenza in probabilità ⇒ Convergenza in legge ma NON vale il viceversa. Vediamo un controesempio con il prossimo esercizio. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Convergenza in legge Convergenza in probabilità Esercizio Sia Ω = {ω1 , ω2 , ω3 , ω4 }, A la σ−algebra di tutti i sottoinsiemi di Ω, e P la distribuzione uniforme di probabilità. Sia per ogni n ( ( Xn (ω1 ) = Xn (ω2 ) = 1 X (ω1 ) = X (ω2 ) = 0 Xn = X = Xn (ω3 ) = Xn (ω4 ) = 0 X (ω3 ) = X (ω4 ) = 1 P Non può essere che Xn → X , perchè per ogni n, |Xn − X | = 1, cioè P({ω ∈ Ω : |Xn (ω) − X (ω)| = 1}) = 1 basta però calcolare le funzioni di ripartizione per vedere che c’è convergenza in legge, infatti, per ogni n 8 8 > > x <0 x <0 <0 <0 Fn (x) = 1/2 0 ≤ x < 1 F (x) = 1/2 0 ≤ x < 1 > > : : 1 x ≥1 1 x ≥1 M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Legge debole dei grandi numeri Legge forte dei grandi numeri Siano X1 , . . . , Xn n v.a. indipendenti e indenticamente distribuite con media µ. Allora, per ogni ε > 0 vale che ˛ „˛ « ˛ X1 + . . . Xn ˛ ˛ ˛ lim P ˛˛ − µ˛˛ ≥ ε = lim P(˛X̄n − µ˛ ≥ ε) = 0. n→+∞ n→+∞ n Il significato di questo enunciato, è esattamente la convergenza in probabilità della media campionaria alla media effettiva (incognita) della popolazione. Ovvero, sotto le ipotesi della legge debole dei grandi numeri si può affermare che P X̄n → µ. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Legge debole dei grandi numeri Legge forte dei grandi numeri Siano X1 , . . . , Xn n v.a. indipendenti e indenticamente distribuite con media µ. Allora vale „ « P lim X̄n = µ = 1 n→+∞ Osservazione 1: in questo caso stiamo considerando la probabilità dell’evento ff ω ∈ Ω : lim X̄n (ω) = µ , n→+∞ cioè l’insieme degli eventi elementari dello spazio Ω per i quali vi è una convergenza puntuale della successione di funzioni (perché tali sono, ricordiamolo!) X̄n (ω). Questo tipo di convergenza si chiama convergenza quasi certa. Quindi sotto le ipotesi dellla legge forte dei grandi numeri, vale che q.c. X̄n → µ Osservazione 2: si può mostrare che la legge forte implica la legge debole. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Siano X1 , . . . , Xn n v.a. indipendenti e indenticamente distribuite (cioè X1 , . . . , Xn sia un campione aleatorio estratto da una popolazione X ) con media µ e varianza σ 2 > 0, entrambe finite. Sia X̄ − µ √ ; Zn = σ/ n dove Pn X̄ = i=1 n Xi , cioè la media campionaria delle v.a. che compaiono nel campione, se indichiamo con Fn (x) la funzione di ripartizione di Zn e con Φ(x) la funzione di ripartizione di una v.a. normale standard, allora per ogni x ∈ R: lim Fn (x) = Φ(x). n→∞ Cioè, per n “sufficientemente grande” vale la relazione P(a < Zn ≤ b) = Fn (b) − Fn (a) ' Φ(b) − Φ(a) = P(a < Z ≤ b), dove Z ∼ N(0, 1). M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Se le v.a. Xi , i = 1, . . . , n sono normali, cioè la popolazione da cui estraggo il campione è normale, ovvero Xi ∼ N(µ, σ 2 ), allora vale che X̄ ∼ N(µ, σ 2 /n) e non è necessario il teorema centrale del limite per mostrare che Zn = X̄ − µ √ ∼ N(0, 1). σ/ n La v.a.Zn converge in legge ad una v.a. normale standard. In generale (ma non sempre!) è sufficiente n > 30 per applicare il teorema centrale del limite. La v.a. Yn = X1 + . . . + Xn − nµ √ σ n è la standardizzata della v.a. Sn = X1 + . . . + Xn , di media nµ, e varianza nσ 2 (ma con distribuzione incognita!). Si può allora riformulare colloquialmente il teorema nel seguente modo: la v.a. Sn per n “sufficientemente grande” è approssimativamente una v.a. N(nµ, nσ 2 ); vale quindi che P(Sn ≤ a) ' P(N(nµ, nσ 2 ) ≤ a) M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Se X ∼ Bin(n, p), allora X rappresenta il numero di successi in n esperimenti indipendenti, dove la probabilità di successo in ogni esperimeno è data da p. Sappiamo che X si può considerare come la somma di n v.a. indicatrici, cioè v.a. di Bernoulli Xi di parametro p, indipendenti, tali per cui E(Xi ) = p, Var (Xi ) = p(1 − p) = pq. Per il teorema centrale del limite, se n è “sufficientemente grande”, X − np ∼ N(0, 1). √ npq N.B.: l’approssimazione di una v.a. binomiale Bin(n, p) con una normale N(np, npq) “funziona bene” quando valgono le due relazioni np > 5 M.Giorgetti npq > 5 Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Il teorema centrale del limite implica che se la dimensione del campione n è “sufficientemente grande” allora la distribuzione della somma Yn = X1 + . . . + Xn di n v.a. (o equivalentemente della loro media campionaria) è approssimativamente normale. Questo è un risultato di importanza fondamentale, perché ci permette di approssimare la distribuzione di certe statistiche anche se non abbiamo informazioni sulla distribuzione originaria. Il termine “grande” è evidentemente relativo Genericamente, tanto più la distribuzione sottostante è “anormale”, tanto più n deve essere grande affinché l’approssimazione sia soddisfacente. Una regola operativa diffusa è che una dimensione campionaria n di almeno 30 elementi è sufficiente, anche se per molte distribuzioni n più piccoli sono ugualmente accettabili. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Un piccolo problema tecnico si ha quando la distribuzione sottostante è discreta. (Libro Prof.Piazza, pagg.224-225.) In questo caso anche la somma Sn ha distribuzione discreta, perciò stiamo approssimando una distribuzione discreta con una continua. Per esempio: supponiamo che Xi , i = 1, . . . , n assumano valori interi; anche la somma Sn avrà valori interi. Mostrare che per ogni h ∈ (0, 1] sono equivalenti (cioè hanno la stessa probabilità) gli eventi {k − h < Sn < k + h} {Sn = k} Nel contesto di questo esercizio, diversi valori di h conducono ad approssimazioni diverse, anche se gli eventi sono equivalenti. L’approssimazione più piccola sarebbe 0, per h = 0, e le approssimazioni tendenzialmente crescerebbero all’aumentare di h. È d’uso suddividere la differenza univocamente ponendo h = 0.5. Ciò si chiama correzione di continuità Consideriamo con la tabella seguente, l’esempio di una v.a. X ∼ Bin(n, p) con diverse possibilità: M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Valore cercato Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Correz.di cont. P(X = x) P(x − 0.5 ≤ X ≤ x + 0.5) P(X ≤ x) P(X ≤ x + 0.5) P(X < x) = P(X ≤ x − 1) P(X ≤ x − 1 + 0.5) P(X ≥ x) P(X ≤ x − 0.5) P(X > x) = P(X ≥ x + 1) P(X ≤ x + 1 − 0.5) P(a ≤ X ≤ b) P(a − 0.5 ≤ X ≤ b + 0.5) M.Giorgetti Valori in termini di distrib.della N(0, ” “ 1) ” x+1/2−np x−1/2−np √ √ Φ − Φ npq “ ” npq x+1/2−np √ Φ npq “ ” x−1/2−np √ Φ “ npq ” x−1/2−np √ 1−Φ npq “ ” x+1/2−np √ 1−Φ npq ” “ ” “ b+1/2−np a−1/2−np √ √ Φ − Φ npq npq “ Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio I pesi delle uova prodotte in un’azienda avicola hanno media µ = 60g., varianza σ 2 = 16g 2 , primo quartile q0.25 = 57g e terzo quartile q0.75 = 63.5g. Considerato un campione di n = 900 uova si calcoli la probabilità che a) il campione abbia un peso complessivo inferiore a 53.8kg.; b) almeno il 52% delle uova abbia peso compreso nell’intervallo (57kg, 63.5kg). Soluzione: a) Sia Xi la v.a. che misura il peso dell’ i−esimo uovo; allora il peso complessivo del campione sarà dato dalla v.a. S900 = X1 + . . . + X900 . Per il teorema centrale del limite varrà che X̄n = Sn ∼N n „ « σ2 µ, n pertanto la probabilità richiesta sarà „ « 53800 P(S900 < 53800) = P X̄n < ' P(X̄n < 59.778) = 900 „ « „ « 59.778 − µ 59.778 − 60 √ =P Z < =P Z < = 4/30 σ/ n = Φ(−1.665) = 1 − Φ(1.665) ' 0.048 M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio b) Per definizione di terzo quartile si ha: p = P(57 < Xi ≤ 63.5) = P(q0.25 < Xi < q0.75 ) = 0.5; pertanto, la verifica che il peso di un uovo sia incluso nell’intervallo specificato, è un esperimento di Bernoulli di parametro p = 0.5. Sia Yi la v.a. che rileva l’esito della verifica sull’uovo i−esimo: risulta ovviamente Yi ∼ B(p), ed Y = X1 + . . . + Xn ∼ Bin(n, p). Poichè in questo caso np > 5 ed np(1 − p) > 5 la probabilità richiesta può essere calcolata per approssimazione, sapendo che, tramite il teorema centrale del limite, vale approssimativamente che Bin(n, p) ' N(np, np(1 − p)). Dunque P(Y > 900 · 0.52) = 1 − P(Y < 468) = 1 − P(Y ≤ 467) da cui, ricordando di utilizzare la correzione di continuità, risulta « „ 467 + 0.5 − 450 √ 1 − P(Y ≤ 467) ' 1 − Φ ' 1 − Φ(1.17) ' 0.121. 225 M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Una ditta di trasporti internazionali possiede 100 TIR dello stesso tipo. Ogni TIR percorre una media di 600km al giorno, con una deviazione standard di 50km. a) Supponendo che i giorni lavorativi siano 340 in un anno, quanti km. percorre mediamente un TIR in un anno? b) Una merce deve essere trasportata da un TIR ad una distanza di 7000km. Viene chiesto al titolare dopo quanti giorni dalla partenza avverrà la consegna. Che risposta deve dare il titolare affinchè con probabilità almeno pari al 90% la merce arrivi a destinazione entro il tempo dichiarato? Soluzione: a) Sia Xi la v.a. che descrive i km percorsi nel giorno i. Sappiamo che E(Xi ) = 600km, Var (Xi ) = 502 km2 . Allora la distanza percorsa in 340 giorni è descritta dalla v.a. 340 X S= Xi . i=1 La media di questa v.a. è E(S) = 340 · 600 = 204000km. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev b) Occorre calcolare il valore di n affinchè risulti n X P ! Xi ≥ 7000 ≥ 0.9. i=1 Dal teorema centrale del limite sappiamo che P n X i=1 ! Xi ≥ 7000 „ Pn Pn i=1 Xi ∼ N(nµ, nσ 2 ), perciò Xi − nµ 7000 − 600n √ √ ≥ σ n 50 n „ « 7000 − 600n √ =1−Φ ≥ 0.9 50 n =P i=1 « = Da cui segue che « „ 7000 − 600n 7000 − 600n √ √ Φ ≥ 0.1 che implica ≤ z0.1 = −1.28. 50 n 50 n M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Osservazioni Approssimazioni via TCL Correzione di continuità Tabella delle correzioni di continuità per una Bin(n, p) Esercizio √ Si ottiene cosı̀ la disequazione 64 n − 600n + 7000 ≤ 0. √ Risolvendo si ottiene n ≥ 3.47, che implica n ≥ 12.04. Il titolare dichiarerà dunque 13 giorni di attesa. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Se X è una v.a. di media µ e varianza σ 2 , vale che P (|X − µ| ≥ k) ≤ σ2 k2 Osserv. 1: la disuguaglianza si può riscrivere, ponendo k = tσ come P (|X − µ| ≥ tσ) ≤ 1 t2 Osserv. 2: passando ai complementari, inoltre P (|X − µ| < k) = 1 − P (|X − µ| ≥ k) ≥ 1 − σ2 k2 pertanto P (µ − k < X < µ + k) ≥ 1 − σ2 k2 e, riparametrizzando come sopra, si ha P (µ − tσ < X < µ + tσ) ≥ 1 − M.Giorgetti 1 t2 Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una popolazione con secondo momento finito, dire se le seguenti affermazioni sono vere o false usando la disuguaglianza di Chebyshev P(|X − µ| ≥ kσ) ≥ 1/k k 2 P(|X − µ| ≥ k) ≤ σ 2 Non si può utilizzare la disuguaglianza di Chebyshev per valutare P(|X − µ| ≥ k) P(|X − µ| ≥ k) ≤ 1/k 2 M.Giorgetti V V F F V F V F Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una popolazione con secondo momento finito, dire se le seguenti affermazioni sono vere o false usando la disuguaglianza di Chebyshev P(|X − µ| ≥ kσ) ≥ 1/k k 2 P(|X − µ| ≥ k) ≤ σ 2 Non si può utilizzare la disuguaglianza di Chebyshev per valutare P(|X − µ| ≥ k) P(|X − µ| ≥ k) ≤ 1/k 2 M.Giorgetti V V F F V F V F Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una popolazione con secondo momento finito, dire se le seguenti affermazioni sono vere o false usando la disuguaglianza di Chebyshev P(|X − µ| ≥ kσ) ≥ 1/k k 2 P(|X − µ| ≥ k) ≤ σ 2 Non si può utilizzare la disuguaglianza di Chebyshev per valutare P(|X − µ| ≥ k) P(|X − µ| ≥ k) ≤ 1/k 2 M.Giorgetti V V F F V F V F Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una popolazione con secondo momento finito, dire se le seguenti affermazioni sono vere o false usando la disuguaglianza di Chebyshev P(|X − µ| ≥ kσ) ≥ 1/k k 2 P(|X − µ| ≥ k) ≤ σ 2 Non si può utilizzare la disuguaglianza di Chebyshev per valutare P(|X − µ| ≥ k) P(|X − µ| ≥ k) ≤ 1/k 2 M.Giorgetti V V F F V F V F Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una popolazione con secondo momento finito, dire se le seguenti affermazioni sono vere o false usando la disuguaglianza di Chebyshev P(|X − µ| ≥ kσ) ≥ 1/k k 2 P(|X − µ| ≥ k) ≤ σ 2 Non si può utilizzare la disuguaglianza di Chebyshev per valutare P(|X − µ| ≥ k) P(|X − µ| ≥ k) ≤ 1/k 2 M.Giorgetti V V F F V F V F Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Data una successione di v.a. i.i.d., il teorema centrale del limite fornisce informazioni riguardo alla Convergenza in legge di tale successione Convergenza in legge di tale successione solo se per ogni i, µXi < +∞, σX2 < +∞ i Disuguaglianza di Chebyscev P applicabile a tutte le Xi Distribuzione asintotica di Xi , solo se per ogni i, µXi < +∞, σX2 < +∞ i Distribuzione limite della media campionaria standardizzata, solo se per ogni i, µXi < +∞, σX2 < +∞ V F V F V F V F V F i Soluzione: F, F, F, V, V. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Le confezioni di pasta alimentare di una certa linea di produzione hanno un peso che può essere assimilato ad una v.a. X avente media µ = 0.5kg e varianza σ 2 = 0.003kg 2 . Si determini: a) il limite inferiore della probabilità che, estraendo a sorte una confezione, il peso della confezione sia compreso nell’intervallo (0.5 − 2 · 0.003, 0.5 + 2 · 0.003); b) il limite superiore della probabilità che X sia esterna all’intervallo (0.491, 0.509); c) il limite inferiore della quantità P(0.495 < X < 0.505); d) l’intervallo centrato sulla media in cui è compresa la v.a. X con probabilità almeno uguale al 95%. Soluzione: a) Si tratta di un ’applicazione diretta della formula P(|X − µ| < kσ) ≥ 1 − 1/k 2 , dalla quale si ricava, nel nostro caso, che k = 2; pertanto l’estremo inferiore cercato è 1 P(|X − 0.5| < 0.006) ≥ 1 − 2 = 0.75 2 M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi b) Per utilizzare ancora la formula precedente, occorre ricavare k: dalla relazione 0.5 − k · 0.003 = 0.491, si ottiene k = 3. Pertanto l’estremo superiore cercato è dato da 1 P({X ≤ 0.491} ∪ {X ≥ 0.509}) ≤ 2 ' 0.11 3 c) Dalla relazione 0.5 − k · 0.003 = 0.495, si trova k = 1.7. Ne consegue che il limite inferiore cercato è 0.65; d) Anche in questo caso occorre ricavare k. Vale che 1− 1 1 = 0.95, da cui k = √ = 4.47 k2 1 − 0.95 pertanto l’intervallo richiesto è (µ − 4.47σ, µ + 4.47σ) = (0.487, 0.513). M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Un calcolatore addiziona un milione di numeri e in ognuna di queste operazioni viene effettuato un errore di arrotondamento; supponiamo che i singoli errori siano tra loro indipendenti e si distribuiscano secondo una distribuzione uniforme sull’intervallo [−0.5 · 10−10 , 0.5 · 10−10 ] (cioè supponiamo che la decima cifra decimale sia significativa). Qual è la probabilità che l’errore finale sia più piccolo in valore assoluto di 0.5 · 10−7 ? E di 0.5 · 10−8 ? Soluzione: se indichiamo con Xi l’errore commesso nella i−esima addizione, allora l’errore complessivo è X1 + . . . + X106 . Dunque vale che P(−0.5 · 10−7 < X ≤ 0.5 · 10−7 ) = P(X ≤ 0.5 · 10−7 ) − P(X ≤ −0.5 · 10−7 ); osserviamo che le v.a. X hanno densità ( 1010 se − 0.5 · 10−10 ≤ t ≤ 0.5 · 10−10 f (t) = 0 altrimenti M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Inoltre per simmetria, le v.a. hanno media nulla (provare per credere!) e la loro varianza risulta Var (Xi ) = E(Xi2 ) = 1010 0.5·10−10 Z −0.5·10−10 t 2 dt = 10−20 := σ 2 . 12 Quindi, con l’approssimazione normale, e ricordando che n = 106 , si ha „ « 0.5 · 10−7 √ = P(X ≤ 0.5 · 10−7 ) = P(X1 + . . . + Xn ≤ 0.5 · 10−7 ) ' Φ σ n √ √ = Φ(0.5 · 107 · 10−3 · 1010 12) = Φ( 3) ' 0.96 Allo stesso modo si ottiene che P(X ≤ −0.5 · 10−7 ) ' 0.04, e dunque la probabilità che la sesta cifra decimale sia significativa è 0.96 − 0.04 = 0.92. Con gli stessi calcoli si ottiene facilmente che P(−0.5 · 10−8 < X ≤ 0.5 · 10−8 ) ' Φ(0.178) − Φ(−0.178) ' 0.14. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi Sia {Xn }n≥1 una successione di v.a. con legge geometrica di parametro pn = λ/n. La successione {(1/n)Xn }n≥1 converge in legge? In caso affermativo qual è la legge limite? Soluzione: sia Fn la funzione di ripartizione di Yn = (1/n)Xn ; sappiamo allora che per t < 0, Fn (t) = 0, mentre per t ≥ 0: bntc Fn (t) = P(Xn ≤ nt) = P(Xn ≤ bntc) = « „ « Xλ„ λ k λ bntc+1 1− =1− 1− ; n n n k =0 e dunque per ogni t ≥ 0 lim Fn (t) = 1 − e−λt n→+∞ da cui riconosciamo la funzione di ripartizione di una v.a. esponenziale di parametro λ. M.Giorgetti Sessione Live 5 Approssimazione e convergenza. Alcuni tipi di convergenza Leggi dei grandi numeri Teorema Centrale del Limite Disuguaglianza di Chebyshev Definizione Esercizio Esercizio per voi Esercizio Esercizi per voi La percentuale di realizzazioni nei tiri da 2 punti di un giocatore di basket è del 55%. Si calcolino a) la probabilità che il giocatore segni non più di 50 punti su 50 tiri; b) il numero mnimo di tiri da effettuare afinchè la probabilità di segnare almeno 100 punti sia non inferiore al 90%. Il tempo di lavorazione di un pezzo meccanico è una v.a. di media µ = 2 minuti e deviazione standard σ = 0.3 minuti. a) Ricorrendo all’approssimazione normale calcolare la probabilità di effettuare la 0 lavorazione di 150 pezzi in un tempo minore a 5h 10 ; b) Ricorrendo all’approssimazione normale calcolare la probabilità che la media campionaria dei tempi di lavorazione relativa a 100 pezzi sia compresa tra 10 5500 e 20 1000 ; c) Di quanti pezzi dobbiamo misurare il tempo di lavorazione per essere certi al 95% che la media campionaria dei loro tempi non differisca da 2 minuti per più di 4 secondi? FIne. M.Giorgetti Sessione Live 5 Approssimazione e convergenza.