Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo"

Transcript

1 Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo 25 giugno Informazioni e registro delle Lezioni Denominazione e CFU. Corso di Calcolo delle Probabilità per il Corso di Studi in STAD, 10 CFU. Esame. L esame consiste in una prova scritta ed in una prova orale. La prova scritta si intende superata se si ottiene una votazione maggiore o uguale a 18/30. Ricevimento. Lunedi Studio del docente: primo piano ex Dipartimento di Scienze Statistiche e Matematiche, Univ. di Palermo. Orario delle Lezioni. Periodo di lezioni 26 Marzo Giugno Lunedi-Martedi dalle 12 alle 14 (Aula 5), Mercoledì dalle 12 alle 15 (Aula 5) Vacanze di Paqua 17 aprile aprile 2014 P.S. Per recuperare si potranno svolgere altre lezioni. Libri di testo consigliati. Calcolo delle Probabilità, Sheldon Ross, Apogeo, 2007,2013 Incertezza e Probabilità, Romano Scozzafava, Zanichelli, 2003 Altri libri consultabili. Calcolo delle Probabilità, Giorgio Dall Aglio, Zanichelli, 2001 Calcolo delle Probabilità, Paolo Baldi, McGraw-Hill (2007) Teoria delle Probabilità, vol.1 e vol.2, Bruno de Finetti, Giuffrè (ristampa 2005) Calcolo delle Probabilità ed Elementi di Statistica, Luciano Daboni, Utet Dispense fornite dal docente durante il corso. Raccolta di esercizi svolti ([7]) e compiti di esame degli anni precedenti disponibili sul sito del docente Riferimenti bibliografici [1] G. Dall Aglio. Calcolo delle probabilità. Zanichelli. [2] P. Baldi. Calcolo delle probabilità. McGraw-Hill [3] D. Costantini. Regole matematiche del gioco d azzardo.- Perché il banco non perde mai? Muzzio, Roma, 2009 [4] B. de Finetti. Teoria delle Probabilità, vol.1 e vol.2. Giuffrè (ristampa 2005) [5] R. Lowry. Bayes Theorem. Programma che calcola le probabilità a posteriori mediante il Teorema di Bayes. 1

2 [6] S. M. Ross. Calcolo delle Probabilità. Apogeo. Anni 2007, 2013 [7] G. Sanfilippo. Raccolta di Esercizi svolti di Calcolo delle Probabilità. nome file: RaccoltadiEsercizidiProbabilita.pdf. [8] G. Sanfilippo. Alcuni argomenti di Calcolo delle Probabilità affrontati durante il corso. (http://www.unipa.it/sanfilippo) [9] R. Scozzafava. Incertezza e Probabilità. Zanichelli, Registro delle lezioni /03/2014, 12:00-15:00 Lezione. Ore complessive: 3 Cenni storici, problema della ripartizione della posta (vedi [1, 6]), problema di de Mere e soluzione ([1]). Probabilita nel lancio dei dadi. Criterio classico di valutazione della Probabilita. Eventi e rappresentazione insiemistica. Eventi incompatibili. Probabilita dellunione di due eventi. Casi possibili giudicati ugualmente possibili. Proposizioni logiche, eventi, operazioni e relazioni logiche tra eventi (unione intersezione negazione, implicazione). Indicatore di un evento. Operazioni tra gli indicatori. Diagrammi di Venn. Tavole di verita. Formule di DE MORGAN. Partizione finita dell evento certo /03/ :00-14:00 Lezione. Ore 2. Complessive 5 Decomposizione di un evento. Altro problema del cavalier de Merè. Codice in R per il calcolo della frequenza di successo. Proprietà degli indicatori per una partizione dell evento certo. Esercitazione /04/ :00-14:00 Lezione. Ore 2. Complessive 7 Proprietà fondamentali della probabilità. Probabilità e partizione dell evento certo. Proprietà di monotonia. Probabilità totali per tre eventi. Principio di inclusione/esclusione (Probabilità dell unione di n eventi) /04/ :00-15:00 Lezione ed esercitazione. Ore 3. Complessive 10 Esercitazione sulle proprietà della probabilità. Commenti critici sulla definizione classica, esempi vari. Calcolo combinatorio: Principio della moltiplicazione, Disposizioni con ripetizione, Disposizioni semplici, combinazioni semplici, /04/ :00-14:00 Lezione ed esercitazione. Ore 2. Complessive 12 Fattoriale, coefficiente binomiale. Cardinalità dell insieme delle parti di un insieme finito. Proprietà del coefficiente binomiale. Triangolo di Pascal. Esercitazione sul calcolo combinatorio /04/ :00-14:00 Lezione. Ore 2. Complessive 14 Binomio di Newton. Numero di successi su n prove. Probabilità nel gioco del lotto. Probabilità nel gioco del Poker. Problema dei compleanni ; Problema delle concordanze o degli accoppiamenti [1, 6]. Cenni sulla serie esponenziale /04/ :00-15:00 Lezione. Ore 3. Complessive 17 Impostazione frequentista al calcolo delle probabilita e commenti critici. Cenni sull impostazione assiomatica. Impostazione soggettiva, condizione di coerenza, criterio di scommessa ([4, 9]). Guadagno aleatorio. Valutazioni di probabilità coerenti su n eventi arbitrari. I primi due assiomi del calcolo delle probabilità come condizioni necessarie di coerenza. Esercitazione: esempi di valutazioni incoerenti di probabilità. Probabilità e quote di scommessa nelle partite di calcio /04/ :00-14: h 11:00 :12:00 recupero. Lezione ed esercitazione. Ore 3. Complessive 20 Costituenti associati ad una famiglia di eventi. Sul Teorema delle Probabilità totali. Esercitazione. 2

3 2.9 15/04/ :00-14:00+ 1 h 14:00 :15:00 recupero Lezione ed esercitazione. Ore 3. Complessive 23 Decomposizione di un evento nei costituenti ad esso favorevoli. Eventi logicamente indipendenti. Coerenza di un assegnazione di probabilità su una famiglia finita di eventi ([4, 9]) e risolubilità di un opportuno sistema lineare. Esercitazione sulla verifica della coerenza. Esercizi tratti dai compiti di esame (ad esempio es.1 del 12/09/12). Principio di monotonia ottenuto dal principio di coerenza. Cenni sull interpretazione geometrica della coerenza /04/ :00-15:00 Lezioni. Ore 3. Complessive 26 Definizione di evento condizionato, casi particolari, probabilità di un evento condizionato con il criterio della scommessa, proprietà della probabilità condizionata, esempi. Probabilità condizionate. Teorema delle probabilità composte (scommessa). Generalizzazione del teorema delle probabilità composte. Esercitazione: roulette russa; /04/ :00-15:00 Lezione-Esercitazione. Ore 3. Complessive 29 Proprietà della probabilità condizionata. Formula di disintegrazione. Esercitazione (2 ore) sulle urne di Polya /04/ :00-14:00 Lezione-Esercitazione. Ore 2. Complessive 31 Problema del condannato. Teorema di Bayes: dimostrazione, probabilità iniziali, probabilità finali e verosimiglianze. Apprendimento Bayesiano. Teorema di Bayes nella sua forma generale. Esercitazione. Applicazione del Teorema di Bayes sui sui test di un laboratorio di analisi: esempio 3d [6] pag ; esercizio 3 del compito di esame del 22/06/ /04/ :00-14:00 Lezioni. Ore 2. Complessive 33 Indipendenza stocastica. Eventi valutati stocasticamente indipendenti ([9],[1], [6]) /04/ :00-15:00 Lezione-Esercitazione. Ore 3. Complessive 36 Famiglia finita di eventi stocasticamente indipendenti. Esercitazione: esempi e controesempi sull indipendenza stocastica ([6],[9]); problema dei tre prigionieri (tre carcerati) /05/ :00-15:00 (1h di recupero) Lezione-Esercitazione. Ore 3. Complessive 39 Introduzione ai numeri aleatori discreti (variabile aleatorie discrete). Numero aleatorio con distribuzione binomiale. Esercitazione: estrazioni con restituzione da urna di composizione nota; n lanci di un dado /05/ :00-15:00(1h di recupero) Lezioni. Ore 3. Complessive 42 Numero aleatorio semplice, forma canonica ([9]). Valore atteso (o previsione) di un numero aleatorio semplice. Valore atteso e combinazione lineare convessa. Interpretazione del valore atteso con il criterio della scommessa /05/ :00-15:00 Lezioni. Ore 3. Complessive 45 Valore atteso dell indicatore di un evento. Proprietà del valore atteso. Valore atteso di una combinazione lineare di numeri aleatori. Valore atteso del numero aleatorio si successi. Valore atteso della frequenza relativa di successo. Gioco equo. Coerenza e valore atteso del guadagno aleatorio. Calcolo delle probabilità di vincita e del valore atteso della vincita in un biglietto del tipo gratta e vinci ( es n.2 del 03/03/3014) /05/ :00-13:00 Esercitazione (recupero). Ore 3. Complessive 48 Esercitazione: verifica della coerenza; probabilità condizionate; teorema di Bayes; relazioni logiche. 3

4 /05/ :00-15:00 Lezioni. Ore 3. Complessive 51 Estrazioni senza restituzione da un urna di composizione nota. Distribuzione Ipergeometrica, formula per le estrazioni in blocco, valore atteso. Approssimazione binomiale della distribuzione ipergeometrica. Esercitazione: gioco del lotto /05/ :00-15:00 Lezioni. Ore 3. Complessive 54 Indipendenza condizionata. Estrazioni con restituzione da urna di composizione incognita. Mistura di distribuzioni binomiali. Esercitazione /05/ :00-15:00 Lezioni. Ore 3. Complessive 57 Estrazioni senza restituzione da urna di composizione incognita. Mistura di distribuzioni ipergeometriche. Eventi scambiabili ed estrazioni con o senza restituzione da urna di composizione nota o incognita. Varianza. Scarto quadratico medio. Varianza di un indicatore. Proprietà della varianza /05/ :00-12:00 Esercitazione extra. Ore 2. Complessive 59 Implicazione materiale. Esercitazione sulle estrazioni senza restituzione da urna di composizione incognita /05/ :00-15:00 Lezioni. Ore 3. Complessive 62 Numeri aleatori discreti, valore atteso e varianza. Funzione di ripartizione di un numero aleatorio. Successione di eventi stocasticamente indipendenti. Numero aleatorio con distribuzione geometrica, proprietà di assenza di memoria (con dimostrazione), valore atteso e varianza ([9, 6]). Ritardi nel gioco del lotto ([1]). Eventi di probabilità nulla /05/ :00-15:00 Lezioni. Ore 3. Complessive 65 Misture di distribuzioni geometriche. Distribuzione di Pascal. Distribuzione di Poisson. Valore atteso e varianza. Distribuzione di Poisson come approssimazione di una distribuzione binomiale. Varianza di un numero aleatorio con distribuzione binomiale. Varianza di un numero aleatorio con distribuzione ipergeometrica /05/ :00-15:00 Lezioni. Ore 3. Complessive 68 Probabilità di ottenere k successi prima di m insuccessi. Soluzione del problema della ripartizione della posta. Probabilità su famiglie numerabili di eventi incompatibili, σ-additività. Estrazione di un intero a caso. Richiami sulla cardinalità di un insieme. Probabilità su famiglie infinite di eventi incompatibili. Considerazioni sulle probabilità nulle. ([8],[9]). Numeri aleatori continui: definizione, distribuzioni assolutamente continue, densità di probabilità Funzione di ripartizione e densità di probabilità di un numero aleatorio continuo. Distribuzione Uniforme: densità, calcolo della costante di normalizzazione, funzione di ripartizione /06/ :00-15:00 Lezioni. Ore 3. Complessive 72 Valore atteso di un numero aleatorio continuo. Valore atteso di una funzione di un numero aleatorio continuo e definizione di varianza. Funzione di Sopravvivenza. Distribuzione Esponenziale, calcolo della previsione e varianza. Proprietà di assenza di memoria e caratterizzazione di un numero aleatorio con distribuzione esponenziale /06/ :00-15:00 Lezioni. Ore 3. Complessive 75 Numeri aleatori standardizzati. Numero aleatorio con distribuzione normale standard: definizione; studio del grafico della densità; funzione di ripartizione e uso dei prontuari; calcolo del valore atteso; proprietà della funzione di ripartizione; utilizzo della funzione inversa della funzione di ripartizione. Numero aleatorio con distribuzione normale: definizione; trasformazione lineare. Proprietà della distribuzione normale. 4

5 /06/ :00-15:00 Lezioni. Ore 3. Complessive 78 Vettori aleatori (assolutamente) continui, definizione, densità di probabilità. Distribuzioni marginali e marginali condizionate di un vettore aleatorio continuo. Caso bidimensionale. Funzione di ripartizione congiunta. Indipendenza stocastica tra numeri aleatori. Vettore aleatori con distribuzioni uniforme su un insieme A limitato e misurabile di R 2. Distribuzione uniforme sul cerchio di centro l origine e raggio unitario. Calcolo delle distribuzioni marginali, marginali condizionate e della covarianza tra (X, Y ) ([6] /06/ :00-15:00 Lezioni. Ore 3. Complessive 81 Dispositivi in serie e in parallelo. Distribuzione del minimo e del massimo di n numeri aleatori indipendenti con distribuzione esponenziale. Funzione Gamma. Distribuzione Gamma, valore atteso e varianza. P (X > Y ), X, Y Exp(λ), X, Y stocasticamente indipendenti. Somma di numeri aleatori con distribuzione esponenziale /06/ :00-15:00 Lezioni. Ore 3. Complessive 84 Vettori aleatori discreti ( [6, 8]): distribuzioni congiunte, distribuzioni marginali e marginali condizionate, indipendenza stocastica. Distribuzione del numero aleatorio somma di due numeri aleatori di Poisson indipendenti (vedi [7], [8]). Distribuzione multinomiale. Cenni alla distribuzione ipergeometrica multivariata /06/ :00-13:00 Lezioni. Ore 3. Complessive 87 Esercitazione sui vettori aleatori continui. Calcolo della distribuzione di probabilità del numero aleatorio somma di due numeri aleatori continui. Somma di due numeri aleatori continui stocasticamente indipendenti e operatore di convoluzione (dim.). Esempi: distribuzione uniforme in [0, a]. Covarianza e proprietà di incorrelazione. Proprietà della covarianza. Coefficiente di correlazione lineare. Proprietà del coefficiente di correlazione lineare. Matrice delle varianze e delle covarianza /06/ :00-15:00 Lezioni. Ore 3. Complessive 90 Funzione caratteristica ([8, 1, 9]). Richiami sui numeri complessi. Funzione caratteristica di un numero aleatorio e proprietà. Calcolo della funzione caratteristica delle seguenti distribuzioni: binomiale, esponenziale, geometrica, Poisson. Funzione caratteristica di alcune distribuzioni (no dim.): gamma, normale, uniforme. Corrispondenza tra funzione caratteristica e funzione di ripartizione. Funzione caratteristica di una trasformazione lineare di un numero aleatorio. Funzione caratteristica del numero aleatorio somma di n numeri aleatori indipendenti. Numero aleatorio con distribuzione chi-quadro come quadrato di un numero aleatorio con distribuzione normale standard. Distribuzione chi-quadro con n gradi di libertà. Distribuzione di Erlang /06/ :00-15:00 Lezioni. Ore 3. Complessive 93 Momenti di un numero aleatorio. Funzione caratteristica e calcolo dei momenti. Convergenza in distribuzione. Esempi. Teorema centrale del limite: enunciato e cenno alla dimostrazione. Approssimazione normale della distribuzione binomiale ([6]). Esercitazione /06/ :00-15:00 Lezioni. Ore 3. Complessive 96 Disuguaglianze di Markov e di Cebicev. Convergenze in probabilità. Previsione e varianza della media aritmetica e della frequenza relativa di successo. Legge debole dei grandi numeri. Teoremi di Bernoulli /06/ :00-13:00 Lezioni. Ore 3. Complessive 99 Distribuzione normale bidimensionale, distribuzioni marginali e marginali condizionate, indipendenza e incorrelazione, matrice delle varianze e covarianze ([9]). Cenni alla distribuzione normale n-dimensionale. Introduzione alla teoria dell affidabilità. Definizione di funzione di rischio. Legame tra densità di probabilità e funzione di rischio [6, 9]. Distribuzione di Weibull. Esercitazione sulla funzione di rischio. Palermo, 25 giugno Giuseppe Sanfilippo 5

6 . 6

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E 2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Generale Matematica e Complementi Classi: 2 Biennio Quarta I Docenti della Disciplina Salerno, lì 12 settembre 2014 Finalità della Disciplina

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi Funzioni tra insiemi niti Numeri di Stirling e Bell Davide Penazzi 2 Funzioni tra insiemi niti: i numeri di Stirling e Bell 1 Contare il numero delle funzioni tra insiemi 1.1 Denizioni e concetti preliminari

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Esercizi di calcolo combinatorio

Esercizi di calcolo combinatorio CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola secondaria di II grado

Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola secondaria di II grado Servizio Nazionale di Valutazione a.s. 2013/14 Guida alla lettura Prova di Matematica Classe seconda Scuola secondaria di II grado I quesiti sono distribuiti negli ambiti secondo la tabella seguente Ambito

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A. UdA n. 1 Titolo: Disequazioni algebriche Saper esprimere in linguaggio matematico disuguaglianze e disequazioni Risolvere problemi mediante l uso di disequazioni algebriche Le disequazioni I principi delle

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Istituto Istruzione Superiore Liceo Scientifico Ghilarza Anno Scolastico 2013/2014 PROGRAMMA DI MATEMATICA E FISICA

Istituto Istruzione Superiore Liceo Scientifico Ghilarza Anno Scolastico 2013/2014 PROGRAMMA DI MATEMATICA E FISICA PROGRAMMA DI MATEMATICA E FISICA Classe VA scientifico MATEMATICA MODULO 1 ESPONENZIALI E LOGARITMI 1. Potenze con esponente reale; 2. La funzione esponenziale: proprietà e grafico; 3. Definizione di logaritmo;

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi ommario Corso di tatistica Facoltà di Economia a.a. 2006-2007 2007 francesco mola L algebra degli eventi Diagrammi di Venn Teoremi fondamentali Probabilità Condizionata ed Indipendenza tocastica Lezione

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0. Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini

Dettagli

Esistenza di funzioni continue non differenziabili in alcun punto

Esistenza di funzioni continue non differenziabili in alcun punto UNIVERSITÀ DEGLI STUDI DI CAGLIARI FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI CORSO DI LAUREA IN MATEMATICA Esistenza di funzioni continue non differenziabili in alcun punto Relatore Prof. Andrea

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

Calcolo combinatorio

Calcolo combinatorio Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Calcolo combinatorio Ines Campa e Marco Longhi Probabilità e Statistica

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione

Dettagli

CALCOLO COMBINATORIO E PROBABILITA

CALCOLO COMBINATORIO E PROBABILITA CALCOLO COMBINATORIO E PROBABILITA Con calcolo combinatorio si indica quel settore della matematica che studia i possibili modi di raggruppare ed ordinare oggetti presi da un insieme assegnato, con l obiettivo

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

Dettagli

Appunti di Analisi Matematica 1. Docente:Fabio Camilli. SAPIENZA, Università di Roma A.A. 2014/15. http://www.dmmm.uniroma1.it/~fabio.

Appunti di Analisi Matematica 1. Docente:Fabio Camilli. SAPIENZA, Università di Roma A.A. 2014/15. http://www.dmmm.uniroma1.it/~fabio. Appunti di Analisi Matematica Docente:Fabio Camilli SAPIENZA, Università di Roma A.A. 4/5 http://www.dmmm.uniroma.it/~fabio.camilli/ (Versione del 9 luglio 5) Note scritte in collaborazione con il prof.

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4.0. Esponenziale. Nella prima sezione abbiamo definito le potenze con esponente reale. Vediamo ora in dettaglio le proprietà della funzione esponenziale a,

Dettagli

LA MATEMATICA PER LE ALTRE DISCIPLINE. Prerequisiti e sviluppi universitari G. ACCASCINA, G. ANICHINI, G. ANZELLOTTI, F. ROSSO, V. VILLANI, R.

LA MATEMATICA PER LE ALTRE DISCIPLINE. Prerequisiti e sviluppi universitari G. ACCASCINA, G. ANICHINI, G. ANZELLOTTI, F. ROSSO, V. VILLANI, R. LA MATEMATICA PER LE ALTRE DISCIPLINE Prerequisiti e sviluppi universitari a cura di G. ACCASCINA, G. ANICHINI, G. ANZELLOTTI, F. ROSSO, V. VILLANI, R. ZAN Unione Matematica Italiana 2006 Ho continuato

Dettagli

Equazioni non lineari

Equazioni non lineari Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

Cenni sul calcolo combinatorio

Cenni sul calcolo combinatorio Cenni sul calcolo combinatorio Disposizioni semplici Le disposizioni semplici di n elementi distinti di classe k con kn sono tutti i gruppi di k elementi scelti fra gli n, che differiscono per almeno un

Dettagli

L. Pandolfi. Lezioni di Analisi Matematica 2

L. Pandolfi. Lezioni di Analisi Matematica 2 L. Pandolfi Lezioni di Analisi Matematica 2 i Il testo presenta tre blocchi principali di argomenti: A Successioni e serie numeriche e di funzioni: Cap., e 2. B Questa parte consta di due, da studiarsi

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance Note e istruzioni per i test di ingresso ai Corsi di Studio del Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche (DEAMS) a.a. 2013/2014 Gli insegnamenti relativi ai Corsi di Laurea

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

2 Formulazione dello shortest path come problema di flusso

2 Formulazione dello shortest path come problema di flusso Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

5 Radici primitive dell unità e congruenze del tipo

5 Radici primitive dell unità e congruenze del tipo 5 Radici primitive dell unità e congruenze del tipo X m a (mod n ) Oggetto di questo paragrafo è lo studio della risolubilità di congruenze del tipo: X m a (mod n) con m, n, a Z ed m, n > 0. Per l effettiva

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

PROGETTO EM.MA PRESIDIO

PROGETTO EM.MA PRESIDIO PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i

Dettagli

I numeri relativi. Il calcolo letterale

I numeri relativi. Il calcolo letterale Indice Il numero unità I numeri relativi VIII Indice L insieme R Gli insiemi Z e Q Confronto di numeri relativi Le operazioni fondamentali in Z e Q 0 L addizione 0 La sottrazione La somma algebrica La

Dettagli

POLITECNICO DI BARI REGOLAMENTO TEST DI AMMISSIONE

POLITECNICO DI BARI REGOLAMENTO TEST DI AMMISSIONE POLITECNICO DI BARI REGOLAMENTO TEST DI AMMISSIONE IMMATRICOLAZIONI AL PRIMO ANNO DEI CORSI DI LAUREA TRIENNA- LI IN INGEGNERIA DEL POLITECNICO DI BARI - A.A. 2015/2016 Sommario REGOLAMENTO TEST DI AMMISSIONE...

Dettagli

C è solo un acca tra pi e phi ing. Rosario Turco, prof. Maria Colonnese

C è solo un acca tra pi e phi ing. Rosario Turco, prof. Maria Colonnese C è solo un acca tra pi e phi ing. Rosario Turco, prof. Maria Colonnese Introduzione Nell articolo vengono mostrate vari possibili legami tra la costante di Archimede (pi greco) e la sezione aurea (phi).

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

2 Rappresentazioni grafiche

2 Rappresentazioni grafiche asi di matematica per la MPT 2 Rappresentazioni grafiche I numeri possono essere rappresentati utilizzando i seguenti metodi: la retta dei numeri; gli insiemi. 2.1 La retta numerica Domanda introduttiva

Dettagli

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015 NUMERI. SPAZIO E FIGURE. RELAZIONI, FUNZIONI, MISURE, DATI E PREVISIONI Le sociali e ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA procedure

Dettagli