<dc:title> Teoria degli errori e fondamenti di statistica </dc:title><dc:creator opt:role="aut">Maurizio Loreti</dc:creator><dc:date>2006</dc:date><dc:subject></dc:subject><dc:rights>CC BY-SA 3.0</dc:rights><dc:rights>GFDL</dc:rights><dc:relation>Indice:Teoria_degli_errori_e_fondamenti_di_statistica.djvu</dc:relation><dc:identifier>//it.wikisource.org/w/index.php?title=Teoria_degli_errori_e_fondamenti_di_statistica/8.4&oldid=-</dc:identifier><dc:revisiondatestamp>20220830100421</dc:revisiondatestamp>//it.wikisource.org/w/index.php?title=Teoria_degli_errori_e_fondamenti_di_statistica/8.4&oldid=-20220830100421
Teoria degli errori e fondamenti di statistica - 8.4 La distribuzione di Bernoulli Maurizio LoretiTeoria degli errori e fondamenti di statistica.djvu
Consideriamo un evento casuale ripetibile E, avente probabilità costante p di verificarsi; indichiamo con la probabilità del non verificarsi di E (cioè la probabilità dell’evento complementare ). Vogliamo ora determinare la probabilità che in N prove ripetute E si verifichi esattamente x volte (deve necessariamente risultare ).
L’evento casuale costituito dal presentarsi di E per x volte (e quindi dal presentarsi di per le restanti ) è un evento complesso che può verificarsi in diverse maniere, corrispondenti a tutte le diverse possibili sequenze di successi e fallimenti; queste sono ovviamente mutuamente esclusive, ed in numero pari a quello delle possibili combinazioni di N oggetti a x a x, che vale
Essendo poi ognuna delle prove statisticamente indipendente dalle altre (infatti la probabilità di E non cambia di prova in prova), ognuna delle possibili sequenze di x successi ed fallimenti ha una probabilità di presentarsi che vale ; in definitiva
(8.7)
Questa distribuzione di probabilità per una variabile casuale discreta x si chiama distribuzione binomiale o di Bernoulli1; vogliamo ora determinarne alcune costanti caratteristiche.
Verifichiamo per prima cosa che vale la condizione di normalizzazione: sfruttando la formula per lo sviluppo delle potenze del binomio, risulta
.
Vogliamo ora calcolare la speranza matematica della variabile x (ossia il numero di successi attesi, in media, in N prove): per questo useremo la stessa variabile casuale ausiliaria già considerata nel paragrafo 5.6.3, y, che rappresenta il numero di successi nella generica delle N prove eseguite.
Avevamo a suo tempo già calcolato, sempre nel paragrafo 5.6.3, la speranza matematica della y
;
e, osservando che anche può assumere i due soli valori 1 e 0, sempre con le probabilità rispettive p e q,
e quindi la varianza della y esiste e vale
(8.8)
Il numero totale x di successi nelle N prove è legato ai valori y_i della y in ognuna di esse dalla
e risulta quindi, per speranza matematica e varianza della distribuzione binomiale,
.
Figura 8e - La distribuzione binomiale, per un numero di prove e due differenti valori della probabilità p.
Come è evidente dalla figura 8e, la forma della distribuzione binomiale è molto simile a quella di una curva di Gauss; si può in effetti dimostrare che [p. 111modifica]quando N tende all’infinito la distribuzione di probabilità dei possibili valori tende ad una distribuzione normale avente la stessa media Np e la stessa varianza Npq. Infatti la funzione generatrice dei momenti della distribuzione di Bernoulli è
o anche, ricordando che ,
e se, per semplificare i calcoli, ci riferiamo alla variabile standardizzata
e tende quindi alla funzione generatrice dei momenti di una distribuzione normale standardizzata; in conseguenza si è effettivamente provato, visto uno dei teoremi citati nel paragrafo 6.4, che la distribuzione binomiale tende ad una distribuzione normale.
In pratica, quando il numero di prove N è elevato e la probabilità p non è troppo vicina ai valori estremi 0 ed 1, la distribuzione binomiale è bene approssimata da una distribuzione normale; in generale si ritiene che l’approssimazione sia accettabile quando entrambi i prodotti Np e Nq hanno valore non inferiore a 5.
Note
↑I Bernoulli furono una famiglia originaria di Anversa poi trasferitasi a Basilea, numerosi membri della quale ebbero importanza per le scienze del diciassettesimo e del diciottesimo secolo; quello cui vanno attribuiti gli studi di statistica ebbe nome Jacob (o Jacques), visse dal 1654 al 1705, e fu zio del più noto Daniel (cui si deve il teorema di Bernoulli della dinamica dei fluidi).