La probabilità e la statistica inferenziale

Operazioni con Eventi e Probabilità

Gli eventi possono essere combinati usando operazioni come l'unione e l'intersezione, che corrispondono ai concetti logici di "o" ed "e". La probabilità dell'unione di eventi mutualmente esclusivi è la somma delle loro probabilità. Per eventi non mutualmente esclusivi, si deve considerare anche la probabilità della loro intersezione. Per eventi indipendenti, la probabilità dell'intersezione è il prodotto delle loro probabilità. L'evento complementare di un evento A include tutti gli esiti non in A, e la sua probabilità è 1 meno la probabilità di A.

Tipi di Probabilità e Distribuzioni Campionarie

La probabilità può essere interpretata in diversi modi: l'approccio frequentista basa la probabilità sulla frequenza di un evento in un gran numero di prove, mentre l'approccio classico la definisce come il rapporto tra il numero di casi favorevoli e il numero totale di casi possibili. La probabilità condizionata è la probabilità di un evento dato che un altro evento si è già verificato. Le distribuzioni campionarie descrivono la probabilità dei valori di una statistica campionaria, come la media campionaria, che ha una distribuzione con media uguale a quella della popolazione e una deviazione standard che diminuisce all'aumentare della dimensione del campione.

Stima dei Parametri e Intervallo di Confidenza

La stima dei parametri è un processo fondamentale nell'inferenza statistica, che utilizza i dati di un campione per inferire i valori dei parametri della popolazione. Gli stimatori sono funzioni dei dati campionari e possono essere puntuali o intervallari. La stima puntuale fornisce un singolo valore stimato per un parametro, mentre la stima intervallare fornisce un intervallo di valori entro cui il parametro è stimato con una certa probabilità. L'intervallo di confidenza è un tipo di stima intervallare che, con un dato livello di confidenza, si ritiene contenga il vero valore del parametro.

Variabili Casuali e Distribuzioni di Probabilità

Le variabili casuali sono quantità numeriche che risultano da esperimenti casuali e possono essere discrete o continue. La distribuzione di probabilità associa una probabilità ad ogni possibile valore di una variabile casuale. La funzione di distribuzione cumulativa somma le probabilità fino a un dato valore. Il valore atteso è la media ponderata dei valori possibili di una variabile casuale. La varianza e la deviazione standard quantificano la variabilità dei valori attorno al valore atteso. La distribuzione binomiale è un esempio di distribuzione per variabili casuali discrete, mentre la distribuzione normale di Gauss è un modello per variabili continue. La distribuzione normale standardizzata, con media zero e deviazione standard uno, è utilizzata per facilitare i calcoli statistici.