Distribuzioni discrete vs continue
Classificare le variabili aleatorie
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
Analizza la variabile (a): Le auto si contano: 0, 1, 2, 3, ... Non puoi avere 2,5 auto = Discreta
Analizza la variabile (b): Il peso si misura: 1,234 kg, 1,235 kg, ecc. Qualsiasi valore è possibile = Continua
Analizza la variabile (c): I difetti si contano: 0, 1, 2, ... Non puoi avere 1,7 difetti = Discreta
Answer: (a) Discreta, (b) Continua, (c) Discreta
Calcolare probabilità discrete
Si lancia un dado equilibrato. Trova: (a) $P(X = 4)$ e (b) $P(X \leq 2)$
Identifica la distribuzione: Il lancio del dado ha 6 risultati equiprobabili: 1, 2, 3, 4, 5, 6 = Distribuzione discreta uniforme
Calcola P(X = 4): Solo un risultato uguale a 4, quindi $P(X = 4) = \frac{1}{6}$ = $P(X = 4) = \frac{1}{6}$
Calcola P(X ≤ 2): Due risultati soddisfano questo: 1 e 2 $P(X \leq 2) = P(X=1) + P(X=2) = \frac{1}{6} + \frac{1}{6}$ = $P(X \leq 2) = \frac{2}{6} = \frac{1}{3}$
Answer: (a) $\frac{1}{6} \approx 0,167$, (b) $\frac{1}{3} \approx 0,333$
Comprendere la probabilità continua
Le altezze in una popolazione seguono una distribuzione continua. Spiega perché $P(\text{altezza} = 170,0000\ldots \text{ cm})$ è uguale a zero.
Considera la natura delle variabili continue: L'altezza può essere 170,0001 cm, 170,00001 cm, ecc. Esistono infiniti valori = Infiniti valori possibili
Applica il ragionamento probabilistico: Se ogni valore esatto avesse probabilità positiva, la somma sarebbe infinita (non 1) = Ogni valore esatto deve avere probabilità 0
Comprendi il significato pratico: Calcoliamo invece $P(169,5 < X < 170,5)$. Questa è l'area sotto la curva tra questi limiti = Usa intervalli, non valori esatti
Answer: Con infiniti valori possibili, assegnare probabilità positiva a ciascuno farebbe superare il totale di 1. Per le distribuzioni continue, calcoliamo le probabilità per intervalli, non per valori esatti.
Mistake: Pensare che 'il denaro' sia sempre discreto perché contiamo gli euro
Why: 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.
Correct: Il contesto conta: contare le monete è discreto, ma modellare i prezzi azionari è tipicamente continuo.
Mistake: Tentare di calcolare P(X = valore esatto) per distribuzioni continue
Why: Per le distribuzioni continue, la probabilità in qualsiasi punto singolo è zero. Solo gli intervalli hanno probabilità positiva.
Correct: Per le distribuzioni continue, calcola sempre $P(a < X < b)$ usando l'area sotto la curva.
Mistake: Confondere 'pochi valori possibili' con 'discreto'
Why: Una variabile è discreta in base alla sua natura, non al numero di valori osservati in un campione.
Correct: Chiediti: 'Questa variabile può teoricamente assumere QUALSIASI valore in un intervallo?' Se sì, è continua.
Controllo qualità nella produzione
Le fabbriche usano distribuzioni discrete per contare i difetti e distribuzioni continue per le misurazioni.
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, ...).
Statistiche mediche
La sanità usa entrambi i tipi: conteggi di pazienti (discreto) e segni vitali (continuo).
Numero di pazienti ammessi oggi (discreto: 45, 46, 47) vs lettura della pressione sanguigna (continuo: 120,5 mmHg, 121,3 mmHg).
Le **distribuzioni discrete** si applicano a variabili con valori contabili e separati (come lanci di dadi, di monete o conteggi)
Le **distribuzioni continue** si applicano a variabili che possono assumere qualsiasi valore in un intervallo (come altezza, peso o tempo)
Per le variabili discrete, usiamo la PMF e possiamo calcolare $P(X = x)$ direttamente
Per le variabili continue, usiamo la PDF e calcoliamo le probabilità per intervalli: $P(a < X < b)$
Chiediti: 'Questo si conta o si misura?' Contato = discreto, Misurato = continuo
Q: Una variabile può essere sia discreta che continua?
A: 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.
Q: Perché l'età a volte viene trattata come discreta e a volte come continua?
A: 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.
Q: Qual è la differenza tra PMF e PDF?
A: 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.
Distribuzioni discrete vs continue
1 / 11
Distribuzioni discrete vs continue
Impara la differenza tra le distribuzioni di probabilità discrete e continue, e quando usare ciascun tipo.