Title | Slides - Calcolo delle probabilità - Distribuzione Ipergeometrica |
---|---|
Course | Calcolo delle probabilità |
Institution | Università degli Studi di Palermo |
Pages | 7 |
File Size | 133.1 KB |
File Type | |
Total Downloads | 4 |
Total Views | 139 |
Slides del corso...
Distribuzione Ipergeometrica.
Estrazioni senza restituzione da un’urna di composizione nota. Si effettuano n estrazioni senza restituzione da un’urna contenente N palline, di cui pN bianche e qN nere (pN + qN = N ). Ovviamente deve essere n N . Indichiamo con Ei l’evento Pn ”l’i-esima pallina estratta `e bianca”, i = 1, . . . , n, e con X = i=1 |Ei | il numero aleatorio di palline bianche estratte nelle n estrazioni. Si pu` o facilmente verificare che il numero aleatorio X ha il seguente codominio
max{0, n qN } X min{pN, n} .
Valutiamo P (Ei), per i = 1, . . . , n. P (E1) = pN N = p. P (E2) = P (E2 ^ Ω) = P (E2 ^ (E1 _ E c1 )) = = P (E2|E1)P (E1) + P (E2|E 1c )P (E1c) = pN q = p. = pN1 N1 p + N1 G. Sanfilippo - CdP - - - pag.
185
Con il calcolo combinatorio, calcolando il rapporto fra casi favorevoli e casi possibili, si ha
P (E2) =
(N 1)pN = p. N (N 1)
Osserviamo inoltre che E1, E2 non sono stocasticamente indipendenti, infatti
P (E2|E1) =
pN 1 N 1
6= P (E2) = p .
In generale, sempre utilizzando il calcolo combinatorio, si ha
P (Ei) =
(N 1)(N 2) · · · (N i + 1)pN N (N 1) · · · (N i + 1)
= p.
In altro modo, immaginando di fare N estrazioni, le pN palline bianche N verranno estratte in uno dei sottoinsiemi di pN prove fra le N e ce ne sono pN . Quelli favorevoli N1 N1 rappresenta, in relazione alle : 1 corrisponde all’i-ma prova ed pN1 sono 1 · pN1 rimanenti N 1 prove, i sottoinsiemi possibili di pN 1 prove in cui vengono estratte le rimanenti pN 1 palline bianche. prova i-esima
P (Ei) =
N1 z}|{ 1 · pN1 = p. N pN
G. Sanfilippo - CdP - - - pag.
186
Pertanto gli eventi E1, E 2, . . . , En sono equiprobabili (ma non sono stocasticamente indipendenti). Sia 0 h n, considerando il costituente c
c
E1E2 · · · EhEh+1 · · · E n , si ha14
P (E1E2 · · · EhE ch+1 · · · Enc ) =
DpN,hDqN,nh DN,n
=
=
pN (pN 1)(pN 2)···(pN (h1))qN (qN 1)···(qN (nh)+1) N (N 1)(N2)···(N (h1))(Nh)···(Nn+1)
=
(pN)!(NpN )!(Nn)! (pNh)!(NpN n+h)!N!
(Nn)! (pNh)!(NpN n+h)! N! (pN)!(NpN )!
=
=
Nn ) (pNh = . N (pN )
Tale risultato dipende solo dagli indici h, n, quindi per ogni scelta degli h successi si ottiene Nn c h+1
P (Ei1 Ei2 · · · Eih Ei
Indicando con Ah,n il generico costituente
pNh
c
· · · E in ) = N . pN
c h+1
Ei1 Ei2 · · · Eih E i
c
· · · E in ,
14http://www.math.uah.edu/stat/urn/MultiHypergeometric.html
G. Sanfilippo - CdP - - - pag.
187
favorevole all’evento (X = h)= ’esattamente h palline bianche sono estratte nelle n estrazioni’, si ha W (X = h) = ( {i ,i ,...,in } Ah,n) , 1 2
dove l’unione `e fatta rispetto (X = h). In def initiva si ha
a
tutti
P (X = h) =
n
gli
h
n Nn h
pNh
N
costituenti
favorevoli
.
ad
(49)
pN
Suppondendo di effettuare estrazioni in blocco si giunge ad una formula, equivalente alla precedente, che si pu` o memorizzare pi` u facilmente
P (X = h) =
pN qN nh
h
N
.
(50)
n
La distribuzione di X si chiama distribuzione Ipergeometrica di parametri N, n, p e si indica con X ⇠ H(N, n, p) . Esempio 45 (Ipergeometrica) Consideriamo 15 estrazioni senza restituzione da un’urna contenente 12 palline bianche e 8 palline nere. Si ha N = 20,
pN = 12,
qN = 8,
n = 15,
p = 53, G. Sanfilippo - CdP - - - pag.
188
max{0, n qN } = max{0, 7} = 7 , min{pN, n} = min{12, 15} = 12 , X 2 {7, 8, 9, 10, 11, 12} ,
X ⇠ H(20, 15, 3/5) .
Fissato ad esempio h = 8 si ha
P (X = 8) =
pN qN nh
h
N n
128 7 8 = 20 . 15
Previsione e Varianza15 . Poich`e gli eventi Ei sono equiprobabili di probabilit` a p si ha, come per la distribuzione binomiale,
E(X) =
E(|E1| + |E2| + · · P · + |En|) = Pn n = i=1 E(|Ei|) = i=1 p(Ei ) = np .
La varianza, salvo casi banali, risulta pi` u piccola rispetto a quella della distribuzione binomiale perch`e Cov(|Ei|, |Ej |) 6= 0. Infatti Cov(|Ei|, |Ej |) = P (EiEj ) P (Ei)P (Ej ) = pq 2 = pN1 N1 p p = N1 . 15Le nozioni di varianza e covarianza, se non sono state gi`a definite, verranno definite in seguito
G. Sanfilippo - CdP - - - pag.
189
Quindi
V ar(X) = V ar(|E1| + |E2| + · · · + |En |) = n X X = Cov(|Ei|, |Ej |) = V ar(|Ei|) + 2 i=1
i...