\[1)\, \, \, p(X)=\frac{1}{\sigma \sqrt{2\pi }}e^{-\frac{\left ( X-\mu \right )^{2}}{2}}\]
con $\displaystyle \mu =M(X),\, \, Var(X)=\sigma ^{2}$ .
Nella figura 1 è rappresentata la gaussiana con la sua tipica forma a campana, mentre nella figura 2 è messo in evidenza che: \[Pr\left ( x_{1}\leqslant X<x_{2} \right )=\int_{x_{1}}^{x_{2}}p\left ( X \right )dX\]
Nota.- Posto nella (1) $Z=\frac{X-\mu }{\sigma }$ si ottiene la gaussiana standardizzata di figura 3:
\[p(Z)=\frac{1}{\sqrt{2\pi }}e^{-\frac{Z^{2}}{2}}\]
con $\mu =0,\, \sigma^{2} =1$.
Trasformare una variabile gaussiana nella corrispondente standardizzata permette di calcolare qualsiasi probabilità utilizzando la tavola di probabilità della gaussiana standardizzata.
La seguente tavola rappresenta uno stralcio della tavola di probabilità della gaussiana
standardizzata e sarà utilizzata nei prossimi esercizi. A lato è riportala la tavola della funzione di ripartizione F(z) della variabile aleatoria gaussiana standardizzata.
Tavola tratta da Statistica di Domenico Piccolo – Il Mulino – Bologna 2000