Calcolatore di distribuzione di probabilità: formule, esempi ed esercizi
Un calcolatore di distribuzione di probabilità trova il valore atteso, la varianza e la probabilità di qualsiasi esito per una variabile casuale discreta o continua, senza costringerti a costruire ogni volta una tabella di probabilità completa o a consultare a mano una tavola z. Riceve il tipo di distribuzione — una tabella discreta, un processo binomiale o una curva normale — insieme ai suoi parametri, e restituisce la probabilità, la media e la deviazione standard che ti servono. Gli studenti di statistica lo usano per i lanci di moneta, il campionamento nel controllo qualità, i punteggi dei test e qualunque variabile casuale con un insieme di esiti chiaramente definito. Questa guida costruisce le formule sottostanti passo dopo passo, con numeri reali che puoi verificare a mano, così che il calcolatore non sembri mai una scatola nera.
Contenuto
- 01Che cos'è un calcolatore di distribuzione di probabilità?
- 02Come funziona un calcolatore di distribuzione di probabilità?
- 03Distribuzioni di probabilità discrete e continue
- 04Come verifichi che le probabilità sommino a 1?
- 05Esempio svolto: valore atteso e varianza di una distribuzione discreta
- 06Esempio svolto: probabilità della distribuzione binomiale
- 07Quando una distribuzione normale può approssimare una binomiale?
- 08Quali errori comuni rovinano i calcoli sulle distribuzioni di probabilità?
- 09Esercizi con soluzioni complete
- 10Quando conviene usare un calcolatore di distribuzione di probabilità?
- 11Come può Solvify aiutarti a controllare i problemi sulle distribuzioni di probabilità?
Che cos'è un calcolatore di distribuzione di probabilità?
Un calcolatore di distribuzione di probabilità è uno strumento che prende gli esiti possibili di una variabile casuale e le loro probabilità — oppure i parametri di una famiglia di distribuzioni nota, come la binomiale o la normale — e restituisce la probabilità di un evento specifico, insieme a valori di sintesi come il valore atteso (media) e la varianza. Una distribuzione di probabilità in sé è semplicemente l'elenco completo di ogni esito che una variabile casuale può assumere, abbinato alla probabilità di ciascun esito. Le distribuzioni discrete elencano singoli esiti, come il numero di pezzi difettosi in un lotto di 10; le distribuzioni continue descrivono esiti lungo un intervallo, come l'altezza di una persona. Qualunque sia il tipo con cui lavori, un calcolatore di distribuzione di probabilità è affidabile solo quanto la distribuzione che gli fornisci: per questo controllare la matematica sottostante conta, anche quando è uno strumento a fare i conti al posto tuo.
Ogni distribuzione di probabilità valida deve soddisfare due regole: ogni singola probabilità è compresa tra 0 e 1, e tutte le probabilità insieme sommano esattamente a 1.
Come funziona un calcolatore di distribuzione di probabilità?
Che tu stia lavorando con una tabella costruita a mano o con un calcolatore statistico completo, un calcolatore di distribuzione di probabilità segue ogni volta la stessa logica in quattro passaggi. Per prima cosa deve sapere con che tipo di distribuzione ha a che fare, perché una tabella discreta, un processo binomiale e una curva normale usano ciascuno una formula diversa per probabilità, valore atteso e varianza.
1. Passo 1: Identifica il tipo di distribuzione
Stabilisci se la variabile casuale è discreta (un elenco fisso di esiti, come in una tabella di distribuzione di probabilità) o continua (un intero intervallo di valori possibili, come in una distribuzione normale) e se rientra in una famiglia nota come la binomiale.
2. Passo 2: Inserisci i parametri della distribuzione
Per una tabella discreta, inserisci ogni esito e la sua probabilità. Per una distribuzione binomiale, inserisci il numero di prove (n) e la probabilità di successo (p). Per una distribuzione normale, inserisci la media (μ) e la deviazione standard (σ).
3. Passo 3: Calcola probabilità, valore atteso e varianza
Il calcolatore applica la formula corrispondente — somma diretta per una tabella discreta, formula binomiale per un processo binomiale o tavola della normale standard per una curva normale — per restituire la probabilità richiesta insieme a media e varianza.
4. Passo 4: Interpreta il risultato
Converti la probabilità decimale in percentuale e confrontala con una verifica di buon senso, come la regola empirica o una stima approssimativa, prima di considerarla definitiva.
Distribuzioni di probabilità discrete e continue
Una distribuzione di probabilità discreta si applica a una variabile casuale con un elenco numerabile di esiti: il numero di teste in tre lanci di moneta, il numero di reclami dei clienti in un giorno o il numero di successi in un numero fisso di prove. Ogni esito ha la propria probabilità, e un calcolatore di distribuzione di probabilità per una variabile discreta non è altro che addizione e moltiplicazione organizzate su quell'elenco. Una distribuzione di probabilità continua, come la normale, si applica a una variabile casuale che può assumere qualsiasi valore in un intervallo — altezza, peso o tempo di reazione — quindi invece di una probabilità per ogni valore esatto calcoli la probabilità di cadere entro un intervallo, usando l'area sotto una curva. Sapere con quale tipo stai lavorando determina tutte le formule che seguono.
Come verifichi che le probabilità sommino a 1?
Prima di fidarti di qualsiasi calcolo di valore atteso o varianza, verifica che la distribuzione sia valida: ogni probabilità deve essere compresa tra 0 e 1 e l'insieme completo delle probabilità deve sommare esattamente a 1 (a meno di piccoli arrotondamenti). Saltare questo controllo è di gran lunga la causa più comune di risposte sbagliate nei problemi di probabilità discreta, perché una probabilità digitata o conteggiata male manda in errore ogni calcolo costruito su di essa.
1. Elenca ogni esito e la sua probabilità
Supponiamo che un piccolo team di assistenza registri il numero di reclami, X, ricevuti al giorno: P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2.
2. Somma tutte le probabilità
0,1 + 0,3 + 0,4 + 0,2 = 1,0. Le probabilità sommano esattamente a 1, quindi questa è una distribuzione di probabilità valida.
3. Riconosci una distribuzione non valida
Se l'ultimo valore fosse invece indicato come P(X=3) = 0,3, il totale sarebbe 0,1 + 0,3 + 0,4 + 0,3 = 1,1 — oltre 1, il che è impossibile per una distribuzione di probabilità e segnala un errore di inserimento dati da correggere prima di calcolare qualsiasi altra cosa.
Se le probabilità di una distribuzione non sommano esattamente a 1, la distribuzione non è valida e va corretta prima di calcolare valore atteso, varianza o qualsiasi altra probabilità a partire da essa.
Esempio svolto: valore atteso e varianza di una distribuzione discreta
Usando la stessa distribuzione dei reclami al giorno — P(X=0) = 0,1, P(X=1) = 0,3, P(X=2) = 0,4, P(X=3) = 0,2 — un calcolatore di distribuzione di probabilità trova il valore atteso (la media a lungo termine) e la varianza (quanto sono dispersi gli esiti) nello stesso modo in cui lo faresti a mano.
1. Passo 1: Moltiplica ogni valore per la sua probabilità e somma
E[X] = (0×0,1) + (1×0,3) + (2×0,4) + (3×0,2) = 0 + 0,3 + 0,8 + 0,6 = 1,7 reclami al giorno in media.
2. Passo 2: Trova E[X²]
E[X²] = (0²×0,1) + (1²×0,3) + (2²×0,4) + (3²×0,2) = 0 + 0,3 + 1,6 + 1,8 = 3,7.
3. Passo 3: Sottrai il quadrato della media
Var(X) = E[X²] − (E[X])² = 3,7 − 1,7² = 3,7 − 2,89 = 0,81.
4. Passo 4: Estrai la radice quadrata per la deviazione standard
σ = √0,81 = 0,9 reclami al giorno, il che significa che il conteggio giornaliero dei reclami varia in genere di circa 0,9 rispetto alla media di 1,7.
Esempio svolto: probabilità della distribuzione binomiale
Una distribuzione binomiale si applica quando hai un numero fisso di prove indipendenti, ciascuna con esattamente due esiti (successo o insuccesso) e la stessa probabilità di successo ogni volta. La formula è P(X=k) = C(n,k) × p^k × (1−p)^(n−k), dove n è il numero di prove, k il numero di successi che ti interessa e p la probabilità di successo in una singola prova. Supponiamo che il 30 % dei visitatori di una landing page si registri (p = 0,3) e che tu osservi 10 visitatori indipendenti (n = 10). Qual è la probabilità che esattamente 3 di loro si registrino?
1. Passo 1: Individua n, k e p
n = 10, k = 3, p = 0,3, quindi 1 − p = 0,7.
2. Passo 2: Calcola il numero di combinazioni
C(10,3) = 10! ÷ (3! × 7!) = 120.
3. Passo 3: Calcola p^k e (1−p)^(n−k)
p³ = 0,3³ = 0,027. (1−p)^7 = 0,7^7 = 0,0823543.
4. Passo 4: Moltiplica tutto insieme
P(X=3) = 120 × 0,027 × 0,0823543 ≈ 0,2668, ovvero circa il 26,68 %.
Per una distribuzione binomiale la media è μ = np e la varianza è σ² = np(1 − p): con n = 10 e p = 0,3 si ottiene una media di 3 e una varianza di 2,1, senza bisogno di alcuna tabella di probabilità completa.
Quando una distribuzione normale può approssimare una binomiale?
Quando il numero di prove è grande, calcolare a mano una probabilità binomiale esatta — o anche solo sommare molti termini binomiali — diventa impraticabile, perciò gli statistici approssimano la distribuzione binomiale con una distribuzione normale. L'approssimazione è considerata affidabile quando valgono sia np ≥ 5 sia n(1−p) ≥ 5. Supponiamo che vengano inviate 200 e-mail e che ciascuna abbia il 40 % di probabilità di essere aperta (n = 200, p = 0,4). Qual è la probabilità che al massimo 45 dei primi 100 destinatari aprano l'e-mail, usando n = 100 per questa domanda?
1. Passo 1: Verifica le condizioni dell'approssimazione
Con n = 100 e p = 0,5 per questa specifica domanda, np = 50 ≥ 5 e n(1−p) = 50 ≥ 5, quindi l'approssimazione normale è valida.
2. Passo 2: Trova la media e la deviazione standard
μ = np = 100 × 0,5 = 50. σ = √(np(1−p)) = √(100 × 0,5 × 0,5) = √25 = 5.
3. Passo 3: Applica la correzione di continuità
Poiché la distribuzione binomiale è discreta e quella normale è continua, correggi X = 45 in X = 45,5 prima di convertire in punteggio z: z = (45,5 − 50) ÷ 5 = −0,9.
4. Passo 4: Cerca la probabilità sulla tavola
P(Z < −0,9) ≈ 0,1841, quindi P(X ≤ 45) ≈ 18,41 %.
La correzione di continuità — aggiungere o sottrarre 0,5 prima di convertire in punteggio z — è ciò che mantiene accurata un'approssimazione normale per una distribuzione che in realtà è discreta.
Quali errori comuni rovinano i calcoli sulle distribuzioni di probabilità?
La maggior parte degli errori nei problemi sulle distribuzioni di probabilità deriva da un piccolo insieme di sbagli ricorrenti, e controllarli prima di fidarsi di una risposta finale intercetta gran parte degli errori nei compiti e negli esami.
1. Dimenticare di verificare che le probabilità sommino a 1
Costruire valore atteso o varianza su una distribuzione che non somma a 1 garantisce una risposta sbagliata, anche se ogni altro passaggio è svolto correttamente.
2. Confondere varianza campionaria e varianza della popolazione
Quando ogni esito e ogni probabilità di una distribuzione sono pienamente noti, usa Var(X) = E[X²] − (E[X])², non la formula della varianza campionaria che divide per n − 1: quella formula serve a stimare la varianza da un campione di dati, non da una distribuzione nota.
3. Applicare l'approssimazione normale senza verificare np ≥ 5 e n(1−p) ≥ 5
Usare un'approssimazione normale su una distribuzione binomiale con n piccolo o p estremo produce una probabilità visibilmente imprecisa, perché la binomiale è troppo asimmetrica perché una campana simmetrica la modelli bene.
4. Dimenticare la correzione di continuità
Saltare l'aggiustamento di 0,5 quando si approssima una binomiale discreta con una curva normale continua sposta sistematicamente la probabilità risultante, soprattutto per valori piccoli di n.
Esercizi con soluzioni complete
Svolgi questi tre esercizi prima di controllare il risultato di qualsiasi calcolatore, usando le stesse formule viste sopra.
1. Esercizio 1: valore atteso e varianza
Una variabile casuale discreta X ha P(X=−1) = 0,2, P(X=0) = 0,3, P(X=1) = 0,3, P(X=2) = 0,2. Trova E[X] e Var(X). Soluzione: E[X] = (−1×0,2)+(0×0,3)+(1×0,3)+(2×0,2) = −0,2+0+0,3+0,4 = 0,5. E[X²] = (1×0,2)+(0×0,3)+(1×0,3)+(4×0,2) = 0,2+0+0,3+0,8 = 1,3. Var(X) = 1,3 − 0,5² = 1,3 − 0,25 = 1,05.
2. Esercizio 2: probabilità binomiale di «almeno uno»
Se il 25 % dei pezzi prodotti da una macchina è difettoso (p = 0,25) e si campionano 8 pezzi (n = 8), trova P(almeno 1 difettoso). Soluzione: P(nessun difettoso) = (0,75)^8 ≈ 0,1001. P(almeno 1) = 1 − 0,1001 ≈ 0,8999, ovvero circa l'89,99 %.
3. Esercizio 3: approssimazione normale a una binomiale
Con n = 200 e p = 0,4, trova P(X ≥ 90) usando l'approssimazione normale. Soluzione: μ = np = 80, σ = √(200×0,4×0,6) = √48 ≈ 6,93. Con la correzione di continuità, X = 89,5, quindi z = (89,5 − 80) ÷ 6,93 ≈ 1,37. P(Z ≥ 1,37) ≈ 1 − 0,9147 = 0,0853, ovvero circa l'8,53 %.
Quando conviene usare un calcolatore di distribuzione di probabilità?
Un calcolatore di distribuzione di probabilità si guadagna il suo posto ovunque ti serva una risposta rapida e verificabile per una variabile casuale con esiti noti o appartenente a una famiglia di distribuzioni nota: nei corsi di statistica che trattano tabelle discrete, distribuzione binomiale e normale; nel campionamento per il controllo qualità, dove una fabbrica stima la probabilità che un lotto contenga troppi pezzi difettosi; in assicurazioni e finanza, dove i calcoli di valore atteso determinano premi e prezzo del rischio; e nei test A/B, dove un modello binomiale stima la probabilità che una differenza di conversione osservata sia significativa. In ogni caso il calcolatore è più utile una volta che capisci la formula che sta applicando: così puoi individuare un dato sbagliato o un'approssimazione non applicabile prima che produca una risposta sbagliata ma sicura di sé.
Come può Solvify aiutarti a controllare i problemi sulle distribuzioni di probabilità?
Una volta capito il ragionamento esposto sopra, uno strumento è più utile per verificare rapidamente il tuo lavoro che per sostituire il ragionamento. Il risolutore passo passo di Solvify scompone le domande sulle distribuzioni di probabilità — tabelle discrete, probabilità binomiali e approssimazioni normali — negli stessi passaggi etichettati usati in questa guida, così puoi confrontare il tuo lavoro riga per riga invece di vedere solo una percentuale finale.
1. Scatta una foto del problema
Usa la scansione intelligente di Solvify per catturare una domanda sulle distribuzioni di probabilità direttamente da un libro di testo o da una scheda e ottenere in cambio una soluzione completamente svolta.
2. Confronta i tuoi passaggi con la soluzione
Verifica il tuo valore atteso, la tua varianza e la probabilità finale rispetto alla scomposizione di Solvify per individuare errori come quelli descritti sopra.
3. Fai domande di approfondimento
Usa il tutor AI di Solvify per chiedere perché si applica l'approssimazione normale, o per vedere lo stesso problema risolto con la formula binomiale esatta.
Un calcolatore dovrebbe confermare il tuo ragionamento, non sostituirlo: Solvify mostra l'intero percorso passo passo così puoi vedere esattamente dove il tuo calcolo coincideva o divergeva.
Articoli correlati
Calcolatore della Distribuzione Binomiale: Come Calcolare le Probabilità Manualmente
Un approfondimento sulla formula binomiale usata sopra, con altri esempi svolti di probabilità binomiali esatte e cumulate.
Calcolatore della curva di distribuzione normale: formule, passaggi ed esempi
La matematica del punteggio z e della regola empirica dietro l'esempio di approssimazione normale, applicata a distribuzioni continue come punteggi dei test e altezze.
Calcolatore di probabilità con i dadi: formule, esempi svolti e problemi di pratica
Un altro argomento di probabilità discreta costruito sullo stesso ragionamento di spazio campionario e valore atteso usato per le tabelle di distribuzione di probabilità.
Risolutori matematici
Soluzioni passo passo
Vedi ogni formula, sostituzione e valore intermedio esposti con chiarezza, invece di una sola probabilità finale.
Risolutore con scansione intelligente
Scatta una foto a una domanda sulle distribuzioni di probabilità e ottieni all'istante una spiegazione completamente svolta.
Tutor di matematica AI
Fai domande di approfondimento su valore atteso, varianza o su quando usare un'approssimazione normale al posto della formula binomiale esatta.