DISTRIBUZIONI CONTINUE
- Introduzione -

Nel momento in cui si parla di distribuzioni di probabilità per variabili aleatorie continue, bisogna prestare un attimo di attenzione ad un'importante questione. Attribuendo alla variabile aleatoria la potenza del continuo, accade che in un qualsiasi intervallo finito cadano un'infinità di valori della variabile stessa: di conseguenza non si può pensare di attribuire a ciascuno di essi un valore finito della probabilità.
Per questo motivo introduciamo alcuni concetti fondamentali che in seguito ci saranno molto utili per lo studio delle distribuzioni di variabili continue.

Funzione di distribuzione cumulativa
Funzione densità di probabilità
Condizione di normalizzazione

Principali distribuzioni continue


Funzione di distribuzione cumulativa

La funzione di distribuzione cumulativa per una variabile aleatoria continua X è definita come la probabilità che la variabile X assuma un qualsiasi valore minore di un valore x:

La funzione di distribuzione cumulativa è una caratteristica di una variabile aleatoria. Essa esiste per tutte le variabili aletorie, siano esse discrete o continue.
Vediamone ora alcune proprietà fondamentali:

1) La funzione cumulativa F(x) è una funzione non decrescente, vale a dire che per > si ha .

2) Quando l'argomento x della funzione tende a - la funzione di distribuzione tende a zero:
F(-) = 0

3) Quando invece l'argomento x tende a + la funzione di distribuzione tende a uno:
F(+) = 1

Senza dare una dimostrazione rigorosa di queste proprietà vediamo come esse siano di facile comprensione attraverso un esempio: esempio che, per facilitare la comprensione, viene presentato inizialmente per variabili discrete.
Supponiamo di avere una variabile aleatoria discreta che può assumere solo cinque valori: le probabilità di ottenere i singoli valori sono raccolte nella tabella seguente.

Andiamo ora a "costruire" la funzione di distribuzione cumulativa, tenendo presente che

dove la disuguaglianza <x sotto il segno di sommatoria significa che questa è estesa a tutti gli inferiori ad x. Percui abbiamo

Il grafico di tale funzione è dunque il seguente:

La funzione di distribuzione cumulativa di una variabile discreta qualsiasi è sempre una funzione discontinua a gradini i cui salti sono localizzati nei punti corrispondenti ai valori possibili di questa variabile e sono uguali alle probabilità di questi valori. La somma di tutti i salti della funzione, in accordo con il terzo assioma della probabilità, è pari a uno.
A mano a mano che aumenta il numero di valori possibili della variabile aleatoria e diminuiscono gli intervalli tra di essi, il numero di salti diventa sempre più grande e i salti stessi più piccoli. La curva inizialmente a gradini della funzione si avvicina così a una funzione continua, caratteristica delle variabili aleatorie continue.

Note

Inizio pagina


Funzione densità di probabilità

Definita la funzione di distribuzione cumulativa, vediamo cosa succede se consideriamo la probabilità che la variabile assuma un qualsiasi valore entro un intervallo di estremi e : avremo allora

Infatti, l'appartenenza della variabile X all'intervallo di estremi e equivale al verificarsi della disuguaglianza

Esprimendo la probabilità di questo evento attraverso i seguenti tre eventi

evento A corrispondente a X <
evento B corrispondente a X <
evento C corrispondente a

abbiamo che l'evento A si può esprimere come la somma degli altri due, cioè A = B + C.
Per il
teorema di addizione delle probabilità abbiamo

da cui ricaviamo la formula che avevamo introdotto

Operando un processo al limite percui , il rapporto tra la differenza della funzione di distribuzione cumulativa e l'intervallo stesso è la derivata

Si definisce la densità di probabilità o funzione di distribuzione:

La funzione p(x) caratterizza la densità di distribuzione dei valori della variabile aleatoria in un dato punto x: la densità di probabilità è una delle forme per esprimere la legge di distribuzione delle variabili aleatorie.

Note

Inizio pagina


Condizione di normalizzazione

La condizione di normalizzazione non è altro che la generalizzazione al caso continuo del terzo assioma della probabilità.
Analogamente al caso discreto, nel caso continuo deve valere la seguente

che deriva dal fatto che F(+)=1.

Inizio pagina


Distribuzioni discrete
Principali distribuzioni continue