Una variabile casuale ha una legge di distribuzione con
densità definita su [0,2] da:
|
|
• A lato è tracciato
il grafico delle nostra funzione; chiamiamola h.
|
∫ [0,2] f = ∫ [0,2] 3/8x2 dx =
• Media =
∫ [0,2] x·f(x) dx =
• La mediana è il valore M tale che
∫ [0,M] f(x) dx = 1/2, ossia M3/8 = 1/2, ossia M =
3√4 = 1.5874....
• Il 25° percentile è il numero p tale che
• Il 75° percentile è il numero p tale che
• Varianza =
∫ [0,2] (x−3/2)2·f(x) dx =
Sc. quad. medio = √(3/20) = √15/10 = 0.3872983 (arrotondamento).
• Indichiamo con σ lo sc.quad.medio. Dobbiamo
valutare
∫ [3/2−σ, 3/2+σ] f.
( Si noti come [25°percentile, 75°percentile] =
[3√2, 3√6] =
[1.2599, 1.8171], in cui cade il 50% dei valori,
o altri intrevalli riferiti ai percentili,
siano in questo caso più significativi dell'intervallo
Per altri commenti: Leggi di distribuzione (continue) neGli Oggetti Matematici.
Calcoli effettuati col software online WolframAlpha (vedi):
Effettuazione dei calcoli con un programma (ad es. R):
f <- function(x) 3/8*x^2; integrate(f,0,2) # 1 l'intergrale deve esse 1 g <- function(x) x*f(x); integrate(g,0,2) # 1.5 la media # mediana: integrate(f,0,mediana)$value = 1/2 I <- function(x) integrate(f,0,x)$value-1/2 uniroot(I, c(0,2), tol=1e-10 )$root # cerco la soluzione di I(x)=0 # fisso una tolleranza che mi assicuri una decina di cifre # 1.587401 E' 4^(1/3), infatti 4^(1/3) # 1.587401 I <- function(x) integrate(f,0,x)$value-1/4 uniroot(I,c(0,2), tol=1e-10)$root # 1.259921 primo quartile 2^(1/3) # 1.259921 I <- function(x) integrate(f,0,x)$value-3/4 uniroot(I,c(0,2), tol=1e-10)$root # 1.817121 terzo quartile 6^(1/3) # 1.817121 v <- function(x) (x-3/2)^2*f(x); s <- sqrt(integrate(v,0,2)$value); s # 0.3872983 sqm integrate(f, 3/2-s, 3/2+s) # 0.6680896 probabilita' cercata