Smetti di pensare alla probabilità come a un semplice elenco di probabilità. Nel disordinato mondo reale dei dati continui, le cose non accadono o non accadono e basta. Esistono su uno spettro. Per dare un senso a questo spettro, gli statistici utilizzano una funzione di densità di probabilità.
Sembra intimidatorio. Non lo è.
Fondamentalmente, un PDF è solo una mappa. Ti dice dove è probabile che i valori si raggruppino e dove siano rari. Il grafico di questa funzione è una curva sospesa sopra l’asse orizzontale. L’area totale sotto quella curva è sempre esattamente 1. Questa non è una regola casuale. È una necessità matematica. L’area rappresenta il 100% di tutti i possibili risultati.
Perché l’area è uguale alla probabilità
È qui che la maggior parte delle persone rimane bloccata. Non guardi l’altezza della curva per trovare una probabilità. L’altezza è la densità. L’area è la probabilità.
Se vuoi conoscere la probabilità che un risultato rientri tra due valori specifici, calcola l’area sotto la curva tra quei punti. Quell’area è la probabilità.
Ad ogni variabile casuale è associata una funzione di densità di probabilità.
Consideriamo una distribuzione normale. La conosci come la curva a campana. Quella forma a campana è il PDF per quella variabile. Il picco al centro mostra dove è più probabile che i valori raggiungano. Le code che si estendono all’infinito mostrano dove diventano meno probabili, ma mai veramente impossibili.
Scomposizione dei componenti
Per utilizzare effettivamente un PDF, è necessario comprenderne i tre vincoli principali:
- Continuità: a differenza delle variabili discrete (come il lancio di un dado), le variabili continue possono assumere qualsiasi valore entro un intervallo. Tempo, peso e altezza sono continui. Un PDF gestisce questa fluidità.
- Non negatività: la curva non scende mai al di sotto dell’asse orizzontale. Una densità di probabilità non può essere negativa.
- Area totale = 1: La somma dell’intera regione sotto la curva è 1. Se così non fosse, i conti non funzionerebbero. Le probabilità sarebbero inferiori al 100% (risultati impossibili) o superiori al 100% (magia).
Quando utilizzare un PDF
Si raggiunge una funzione di densità di probabilità quando si ha a che fare con variabili casuali continue. Se stai misurando qualcosa che può essere suddiviso all’infinito, probabilmente stai guardando un PDF.
Ad esempio, se desideri conoscere la probabilità che un pezzo prodotto pesi tra 4,99 e 5,01 grammi, integri il PDF entro tale intervallo. Non stai solo indovinando. Stai misurando l’area sotto la curva.
L’esempio della distribuzione normale
Il PDF più comune che incontrerai è la distribuzione normale. È ovunque. Altezza umana. Punteggi dei test. Errori di misurazione.
La curva a campana è simmetrica. La media, la mediana e la moda si trovano nello stesso punto. Ma il PDF fa molto di più che mostrare semplicemente la forma. Quantifica il rischio. Quanto più ripido è il calo delle code, tanto più prevedibile è la variabile. Curve più piatte significano maggiore volatilità.
Idee sbagliate comuni
Molte persone confondono il valore della funzione con la probabilità stessa. Se il PDF in un punto è 0,5, ciò non significa che esiste una probabilità del 50% che si verifichi quel valore esatto. In una distribuzione continua, la probabilità di ogni singolo valore esatto è tecnicamente
