Distribuzioni discrete vs continue

Impara la differenza tra le distribuzioni di probabilità discrete e continue, e quando usare ciascun tipo.

Avanzato25 minLezione
Scheda da stampare

Definizione

Una distribuzione di probabilità descrive quanto probabili sono i diversi risultati per una variabile aleatoria.

Distribuzioni discrete

Una distribuzione discreta si applica a variabili che possono assumere solo valori specifici e separati (solitamente contati).
Esempi di variabili discrete:
  • Numero di teste in 10 lanci di moneta: 0,1,2,…,100, 1, 2, \ldots, 10
  • Lancio di un dado: 1,2,3,4,5,61, 2, 3, 4, 5, 6
  • Numero di studenti in una classe: 15,16,17,…15, 16, 17, \ldots
Caratteristica chiave: Puoi elencare tutti i valori possibili. Usiamo una Funzione di massa di probabilità (PMF) dove:
P(X=x)≥0 e ∑tutti gli xP(X=x)=1P(X = x) \geq 0 \text{ e } \sum_{\text{tutti gli } x} P(X = x) = 1

Distribuzioni continue

Una distribuzione continua si applica a variabili che possono assumere qualsiasi valore in un intervallo (solitamente misurate).
Esempi di variabili continue:
  • Altezza di una persona: qualsiasi valore da 0 a 300 cm
  • Tempo per completare un compito: qualsiasi valore positivo
  • Temperatura: qualsiasi valore su un termometro
Caratteristica chiave: Non puoi elencare tutti i valori possibili (infiniti). Usiamo una Funzione di densità di probabilità (PDF) dove:
P(a≤X≤b)=∫abf(x) dxP(a \leq X \leq b) = \int_a^b f(x)\, dx
Per le variabili continue, P(X=valore esatto)=0P(X = \text{valore esatto}) = 0 perché ci sono infiniti valori possibili.

Prova subito

Quale variabile è discreta?

Esempi svolti

Classifica ogni variabile come discreta o continua: (a) Numero di auto che passano a un punto di controllo (b) Peso di un pacco (c) Numero di articoli difettosi in un lotto
1

Analizza la variabile (a)

Le auto si contano: 0, 1, 2, 3, ... Non puoi avere 2,5 auto → Discreta
2

Analizza la variabile (b)

Il peso si misura: 1,234 kg, 1,235 kg, ecc. Qualsiasi valore è possibile → Continua
3

Analizza la variabile (c)

I difetti si contano: 0, 1, 2, ... Non puoi avere 1,7 difetti → Discreta

Errori comuni

Pensare che 'il denaro' sia sempre discreto perché contiamo gli euro

Perché è sbagliato: Sebbene spesso arrotondiamo il denaro ai centesimi, i modelli finanziari trattano frequentemente il denaro come continuo perché le transazioni possono teoricamente essere di qualsiasi importo.

Corretto: Il contesto conta: contare le monete è discreto, ma modellare i prezzi azionari è tipicamente continuo.

Tentare di calcolare P(X = valore esatto) per distribuzioni continue

Perché è sbagliato: Per le distribuzioni continue, la probabilità in qualsiasi punto singolo è zero. Solo gli intervalli hanno probabilità positiva.

Corretto: Per le distribuzioni continue, calcola sempre P(a<X<b)P(a < X < b) usando l'area sotto la curva.

Confondere 'pochi valori possibili' con 'discreto'

Perché è sbagliato: Una variabile è discreta in base alla sua natura, non al numero di valori osservati in un campione.

Corretto: Chiediti: 'Questa variabile può teoricamente assumere QUALSIASI valore in un intervallo?' Se sì, è continua.

Visuale interattivo

Grafico a barre

Discreta: un lancio di dado

1(0,17)
2(0,17)
3(0,17)
4(0,17)
5(0,17)
6(0,17)

Distribuzione normale

Continua: altezza (cm)

149μ − 3σ156μ − 2σ163μ − σ170μ177μ + σ184μ + 2σ191μ + 3σcm

μ = 170, σ = 7

Colora entro

P(169,5 ≤ X ≤ 170,5) ≈ 0,0569 = 5,7%z = -0,07, z = 0,07

Sandbox interattivo

Calcolatrice di espressioni

Prova questi:

Cronologia

Ancora nessun calcolo

Esercizi pratici

15 esercizi
Problema 1 di 15
Facile
Quale variabile è discreta?

Perché è importante

Comprendere la differenza tra distribuzioni discrete e continue è fondamentale per:
  • Statistica: Scegliere il test o modello giusto per i tuoi dati
  • Data Science: Selezionare algoritmi di machine learning appropriati
  • Controllo qualità: Monitorare processi di produzione (conteggio difetti vs misurazioni)
  • Finanza: Modellare prezzi azionari (continuo) vs numero di transazioni (discreto)
  • Medicina: Analizzare conteggi di pazienti (discreto) vs letture di pressione sanguigna (continuo)
Usare il tipo sbagliato di distribuzione porta a conclusioni e previsioni errate!

Applicazioni nel mondo reale

Controllo qualità nella produzione

Le fabbriche usano distribuzioni discrete per contare i difetti e distribuzioni continue per le misurazioni.

Esempio:

Una fabbrica conta gli articoli difettosi per lotto (discreto: 0, 1, 2, ...) ma misura il peso del prodotto in grammi (continuo: 250,3 g, 250,31 g, ...).

1Provaci tu stesso

Un ispettore di qualità esamina 100 lampadine e ne trova 3 difettose.

Il 'numero di lampadine difettose' è discreto o continuo?

Passo 1: Scegli la risposta giusta

Pensa: Puoi avere 2,5 lampadine difettose?

Statistiche mediche

La sanità usa entrambi i tipi: conteggi di pazienti (discreto) e segni vitali (continuo).

Esempio:

Numero di pazienti ammessi oggi (discreto: 45, 46, 47) vs lettura della pressione sanguigna (continuo: 120,5 mmHg, 121,3 mmHg).

2Provaci tu stesso

Un ospedale registra sia il numero di operazioni al giorno che la durata di ogni operazione.

Classifica ogni variabile.

Passo 1: Scegli la risposta giusta

Numero di operazioni: ___ Durata: ___

Punti chiave

  • 1Le distribuzioni discrete si applicano a variabili con valori contabili e separati (come lanci di dadi, di monete o conteggi)
  • 2Le distribuzioni continue si applicano a variabili che possono assumere qualsiasi valore in un intervallo (come altezza, peso o tempo)
  • 3Per le variabili discrete, usiamo la PMF e possiamo calcolare P(X=x)P(X = x) direttamente
  • 4Per le variabili continue, usiamo la PDF e calcoliamo le probabilità per intervalli: P(a<X<b)P(a < X < b)
  • 5Chiediti: 'Questo si conta o si misura?' Contato = discreto, Misurato = continuo

Domande frequenti

No, una variabile è fondamentalmente l'una o l'altra in base alla sua natura. Tuttavia, a volte modelliamo variabili discrete (come conteggi) con distribuzioni continue come approssimazione quando i valori sono grandi.
No, una variabile è fondamentalmente l'una o l'altra in base alla sua natura. Tuttavia, a volte modelliamo variabili discrete (come conteggi) con distribuzioni continue come approssimazione quando i valori sono grandi.
L'età in anni (18, 19, 20) è discreta. L'età come tempo esatto dalla nascita (18,5273 anni) è continua. La scelta dipende da come misuri e usi i dati.
La PMF (Funzione di massa di probabilità) dà la probabilità effettiva per valori discreti. La PDF (Funzione di densità di probabilità) dà la densità per variabili continue - devi integrare su un intervallo per ottenere la probabilità.

Glossario

Variabile discreta
Una variabile che può assumere solo valori specifici e separati, tipicamente dal conteggio
Variabile continua
Una variabile che può assumere qualsiasi valore all'interno di un intervallo, tipicamente dalla misurazione
PMF (Funzione di massa di probabilità)
Funzione che dà la probabilità che una variabile aleatoria discreta assuma ciascun valore possibile
PDF (Funzione di densità di probabilità)
Funzione il cui integrale su un intervallo dà la probabilità per una variabile aleatoria continua
Variabile aleatoria
Una variabile il cui valore dipende dal risultato di un fenomeno aleatorio
Sfida di oggiUn problema, tre tentativi

Altro su questo argomento

Introduzione alle distribuzioni di probabilità

Avanzato25 min

Probabilità binomiale

Avanzato25 min

Valore atteso

Avanzato25 min

Introduzione alla distribuzione normale

Avanzato25 min