Il peso medio delle scatole di detersivo prodotte da una azienda è di 4 kg con una deviazione standard di 0.20 kg. Supponiamo che i pesi siano distribuiti normalmente. (1) Se prendo a caso una scatola, qual è la probabilità che il suo peso differisca dalla media meno di 0.35 kg? (2) Se prendo a caso 1000 scatole, quante me ne aspetto che abbiano peso inferiore a 3.7 kg?
Disponendo di un computer o di un cellulare il modo più semplice per risolverlo consiste nel procedere con del software gatuito, come lo script gauss, calcolando tra a = 4-0.35 e b = 4+0.35 e tra a = -∞ e b = 3.7:
0.91988168624 if a=3.65 b=4.35, m=4 sigma=0.2 0.066807201269 if a=-inf b=3.7, m=4 sigma=0.2 |
Arrotondando ai decimi (di percentuale) la prima risposta è 92.0 (%), la seconda è 0.066807201269*100 = 66.8072..., che approssimo a 67 (scatole).
# Facciamo i calcoli ad es. con R. f <- function(x) 1/(sqrt(2*pi)*s)*exp(-(x-m)^2/(2*s^2)) m <- 4; s <- 0.2 integrate(f,m-0.35,m+0.35) # 0.9198817 with absolute error < 4.3e-13 # assumo 92.0% # integrate(f,-Inf,3.7)$value # 0.0668072 integrate(f,-Inf,3.7)$value*1000 # 66.8072 # assumo 66.8 o, meglio, 67 # # Ovvero posso usare la funzione densità della gaussiana predefinita: g <- function(x) dnorm(x,m=m,s=s) integrate(g,-Inf,3.7) # 0.0668072 with absolute error < 2.4e-07 # # Ovvero posso usare la funzione ripartizione della gaussiana predefinita: pnorm(3.7,m=m,s=s) # 0.0668072