Statistica. Lezione : 18, 19. Variabili casuali
|
|
- Adamo Conte
- 5 anni fa
- Visualizzazioni
Transcript
1 Corsi di Laurea: a.a Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 18, 19 Docente: Alessandra Durio 1
2 Contenuti I momenti delle variabili casuali Variabili casuali notevoli DISCRETE (uniforme, di Bernoulli, Binomiale) Variabile casuali notevoli CONTINUE: (uniforme, Gaussiana (o normale) ) Docente: Alessandra Durio 2
3 Definizione di Momento di ordine r di una v.c. X Data una v.c. X si dice momento di ordine r (con r=0,1,2, ) il numero reale risultante da: & ( E[X r ] = ' ( ) i R x i r p(x i ) x r f (x)dx Il momento di ordine r=1 si dice media di X (o valore atteso) Il momento di ordine r=2 è utile per il calcolo della varianza di X se X è una v.c. Discreta se X è una v.c. Continua & ( µ = E[X] = ' )( & ( µ 2 = E[X 2 ] = ' )( i R i R x i p(x i ) x f (x)dx x i 2 p(x i ) x 2 f (x)dx La VARIANZA di X è definita come: σ 2 = V[X] = E[(X E[X]) 2 ] se X è una v.c. Discreta se X è una v.c. Continua se X è una v.c. Discreta se X è una v.c. Continua Ma si può calcolare facendo la differenza di due momenti: V[X] = E[X 2 ] ( E[X] ) 2 Docente: Alessandra Durio 3
4 Esempio di calcolo di media e varianza di una v.c. X Quale esperimento casuale si consideri il lancio di una moneta regolare ripetuto tre volte, il cui insieme dei possibili esiti è: S={TTT,TTC,TCT,CTT,CCT,CTC,TCC,CCC} Se introduciamo la v.c. X = {numero di Teste ottenute nella sequenza}, è facile notare che si tratta di una variabile casuale di tipo discreto che assume i valori interi 0, 1, 2, 3. Tale v.c. possiede la seguente distribuzione di probabilità La media di X: Il momento secondo: " x i % " # & = % # $ p(x i )' $ 1/8 3/8 3/8 1/8 & ' i=1,2,3,4 4 E[X] = x i p(x i ) = =1.5 = µ i=1 4 E[X 2 ] = x 2 i p(x i ) = = 3 i=1 E da questi due ricaviamo la varianza di X: V[X] = E[X 2 ] ( E[X] ) 2 = = 0.75 = σ 2 Docente: Alessandra Durio 4
5 Contenuti I momenti delle variabili casuali Variabili casuali notevoli DISCRETE (uniforme, di Bernoulli, Binomiale) Variabile casuali notevoli CONTINUE: (uniforme, Gaussiana (o normale) ) Docente: Alessandra Durio 5
6 Variabile casuale Uniforme Discreta Una variabile casuale discreta X viene detta possedere una distribuzione uniforme se le sue determinazioni sono i primi n numeri interi e queste hanno probabilità costante di verificarsi, cioè se possiede distribuzione di probabilità: " $ x i & $ # ' % $ p(x i )( $ i=1,...,n " = # 1/n 1 1/n /n n " & r ' % ( = $ & $ # ' % $ 1/n( $ r=1,...,n Per tale variabile casuale, abbiamo: E[X] = n +1 2 V[X] = n Docente: Alessandra Durio 6
7 Esempio Variabile casuale Uniforme Discreta Un semplice esperimento casuale consiste nell estrazione di una pallina da un urna che ne contiene dieci, indistinguibili al tatto e numerate progressivamente a partire da uno. La v.c. X = {# impresso sulla pallina estratta} è di tipo discreto con distribuzione uniforme, cioè: " $ x i & $ # ' % $ p(x i )( $ i=1,...,10 " & " r = # % 1/10 1/ /10 ' ( = $ & $ # ' % $ 1/10( $ r=1,...,10 E[X] = = 5.5 V[X] = = 8.25 Calcoliamo ora la probabilità dell evento A={X < µ}: P(X < µ) = P(X < 5.5) = P(X = r) = p(r) = 10 = 0.5 r=1 r=1 Docente: Alessandra Durio 7
8 Variabile casuale di Bernoulli Si immagini un esperimento casuale i cui esisti possano semplicemente essere classificati in Successo S, e Insuccesso I. Posto P(S)=θ la variabile casuale X che associa al Successo 1 e all insucesso 0 si dice di Bernoulli con parametro θ ed ha distribuzione di probabilità: " x i % " 0 1% # & = # $ p(x i )' $ 1 θ θ & ' i=1,2 Possiamo anche dire che la v.c X conta i successi Per tale variabile casuale, abbiamo: infatti E[X] = 0 (1 θ) +1 θ = θ E[X 2 ] = 0 2 (1 θ) +1 2 θ = θ E[X]=θ Var[X]=θ(1 θ) V[X] = E[X 2 ] (E[X]) 2 = θ θ 2 = θ(1 θ) Docente: Alessandra Durio 8
9 Esempio variabile casuale di Bernoulli Si immagini di controllare casualmente, a fine linea di produzione, un pezzo meccanico prodotto, e che il tasso di difettosità del processo di produzione sia θ = Gli eventi elementari di tale esperimento sono due: D = {il pezzo è difettoso} ND = {il pezzo non è difettoso} La v.c. X di Bernoulli, che associa all evento ND il valore x 1 = 0 ed all evento D il valore x 2 = 1 ha distribuzione di probabilita` Per tale variabile casuale si ha " x i % " 0 1 % # & = # $ p(x i )' $ & ' i=1,2 E[X] = 0.01 Var[X] = = Docente: Alessandra Durio 9
10 Variabile casuale di Binomiale Una variabile casuale X che esprime il numero di Successi in una serie di n prove bernoulliane indipendentim che, ricordiamo, equivale a θ = P(S) costante in ogni prova viene detta BINOMIALE e possiede funzione di distribuzione di probabilità: " $ x i & $ # ' % $ p(x i )( $ i=1,...,n +1 " n & " r & $ ) n, ) n, ) n, $ = # +. * 0 θ 0 (1 θ) n * 1 θ1 (1 θ) n * n θ n (1 θ) $ n n ' $ = $ ) n, $ # +. % - ( * r θ r (1 θ) $ n r ' $ % - ( r=0,...,n Una v.c. binomiale è interamente caratterizzata dai parametri n, che indica il numero delle prove, e θ, che è la probabilità del successo nella singola prova. Per tale variabile casuale, abbiamo: E[X]=nθ Var[X]=nθ(1 θ) Considerando la probabilità che la v.c assuma una generica sua determinazione r " n% p(r) = P(X = r) = $ ' # r θ r (1 θ) n r & θ r (1 θ) n r la probabilità di una generica sequenza formata da r successi e n-r insuccessi e ricordando quanto detto per le prove ripetute si ha Docente: Alessandra Durio 10 " n% $ ' # r & il Coefficiente binomiale, dà il numero di combinazioni n su r. (il numero di modi possibili di avere r successi in n prove)
11 Docente: Alessandra Durio 11
12 Esempio Variabile casuale di Binomiale Un addetto dell Italgas in una mattina compie 10 visite ad altrettanti utenti dell azienda energetica municipale. Volendo conoscere la probabilità che l addetto possa eseguire in mattinata la lettura di piu` di 7 contatori, introduciamo la variabile casuale X = {numero di letture eseguite} che possiede distribuzione binomiale di parametri n = 10 e θ = Si osservi che quest ultimo parametro rappresenta la probabilità che un generico utente sia in casa alla mattina. La funzione di distribuzione di probabilità e quella di ripartizione sono in figura. La probabilità che ci interessa è: P(X > 7) = P(X = 8) + P(X = 9) + P(X =10) = " 10% " 10% " 10% = $ ' # $ ' & # $ ' & # = & = = In definitiva l addetto ha una probabilità del 2.7% di eseguire più di 7 letture del contatore ogni mattina. Ovviamente egli ha una probabilità del 97.3% si eseguire al più 7 letture. Docente: Alessandra Durio 12
13 OSSERVAZIONI sulla v.c. Binomiale Naturalmente, al variare dei parametri che la caratterizzano, la funzione di distribuzione di una v.c. binomiale assume forme diverse, in particolare al variare del parametro θ. In figura è riportato il grafico delle funzioni di distribuzione di probabilità di alcune v.c. binomiali caratterizzate da diversi valori di θ e tutte con n=5. Quale è quella con la varianza più grande? Docente: Alessandra Durio 13
14 Contenuti I momenti delle variabili casuali Variabili casuali notevoli DISCRETE (uniforme, di Bernoulli, Binomiale) Variabile casuali notevoli CONTINUE: (uniforme, Gaussiana (o normale) ) Docente: Alessandra Durio 14
15 Variabile casuale Uniforme continua (o rettangolare) Una variabile casuale X continua viene detta possedere distribuzione uniforme se ha funzione di ripartizione e funzione di densità rispettivamente: Per tale variabile casuale, abbiamo: E[X] = a + b 2 V[X] = (b a)2 12 Docente: Alessandra Durio 15
16 Esempio: Variabile casuale Uniforme continua Sia X una v.c. con distribuzione uniforme nell intervallo [ 2; 2]. Ci proponiamo di calcolare la probabilita` dell evento { 1 < X 1} Area=0.5 f (x) = P( 1 < X <1) = 1 2 ( 2) = 1 4 = f (x) = dx 4 dx =... 1 ma è l area di un rettangolo P( 1 < X <1) = base altezza = (1 ( 1)) 0.25 = 0.5 volendo usare la funz. di ripartizione: E[X] = a + b 2 =... F(x) = x ( 2) 2 ( 2) = x P( 1 < X <1) = F(1) F( 1) = = 0.5 Docente: Alessandra Durio 16
17 Variabile casuale Normale di Gauss Tra le variabili casuali continue un posto di notevole rilievo occupa la variabile casuale Normale, o di Gauss o più semplicemente gaussiana. Una v.c. X viene detta possedere distribuzione Normale di parametri (µ, σ 2 ), in simboli X N (µ, σ 2 ), qualora essa possegga la seguente funzione di densità: f (x) = σ 1 2π e (x µ ) 2 2σ 2 massimo per x=µ flessi x=µ±σ Per tale variabile casuale si dimostra che: il valore atteso coincide con il parametro µ cioè E[X]=µ la varianza coincide con il parametro σ cioè Var[X]=σ 2 Docente: Alessandra Durio 17
18 La posizione della Normale Docente: Alessandra Durio 18
19 La forma della Normale Docente: Alessandra Durio 19
20 Altre proprietà della Normale Ogni trasformazione lineare di una v.c. Normale è ancora una v.c. Normale. Se X è normale allora anche Y=aX+b è normale e si ha che: E[Y]=aE[X]+b e V[Y]=a 2 V[X] In particolare se X N(µ,σ) la v.c standardizzata Z = X µ σ (che è una trasformata lineare di X con a=1/σ e b=-µ/σ) sarà una v.c. Normale di media 0 e varianza 1, cioè Z N(µ=0,σ=1) La somma di due v.c. Normali indipendenti è ancora una v.c. Normale (con media e varianza pari, rispettivamente, alla somma delle medie e delle varianze delle due v.c. Normali). Docente: Alessandra Durio 20
21 Per conoscere la probabilità si ricorre alla v.c. Normale standardizzata Posto di lavorare con una variabile casuale con distribuzione Normale, ci si pone il problema del calcolo delle probabilità di eventi di interesse, quali A={X a}, B={a < X b}, C={X b},... Le probabilità di tali eventi possono evidentemente essere calcolate con la funzione di ripartizione oppure valutando l area sottesa alla funzione di densità. Purtroppo, non conoscendo la forma analitica della primitiva della funzione di densità della variabile casuale Normale con media e varianza qualsiasi, l integrale per il calcolo dell are non si può risolvere. Il problema si può risolvere ricorrendo alla standardizzazione di X: Docente: Alessandra Durio 21
22 Il legame tra X N(µ,σ) e Z N(0,1) ad ogni intervallo di valori di X corrisponde uno ed un solo intervallo di valori di Z e la probabilità associata ai due intervalli è la stessa! Docente: Alessandra Durio 22
23 La tavola della Normale (0,1) Docente: Alessandra Durio 23
24 La tavola della Normale (0,1) Docente: Alessandra Durio 24
25 Esempio: probabilità di eventi nel caso di v.c. Normale Data la variabile casuale X N (µ=20, σ=5), ci proponiamo di calcolare la probabilità dell evento: A= {X < 21} Anziché lavorare sulla v.c. X data, scegliamo di trasformare quest ultima in una v.c. Normale standardizzata semplicemente ponendo X 20 Z = 5 Dunque la probabilità cercata è: # P(A) = P(X < 21) = P% Z < $ & ( = P(Z < 0.2) = ' dalla tavola Se si volessero le probabilità dei seguenti eventi? B= {X > 21} C= {18< X < 21} e il problema inverso, trovare c tale che P(X < c) = 0.64 Problemi aperti Docente: Alessandra Durio 25
26 Concetti Introdotti Momenti di variabili casuali: valore atteso (media), varianza Variabile casuale discreta uniforme Variabile casuale discreta di Bernoulli Variabile casuale discrete Binomiale Variabile casuale continua uniforme Variabile casuale continua di Gauss Normale Docente: Alessandra Durio 26
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliStatistica. Esercizi: 8. Statistica Descrittiva Bivariata 3 Probabilità 1
Corsi di Laurea: a.a. 2017-1 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Statistica
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliLEZIONE 2.6. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.6 p. 1/15
LEZIONE 2.6 p. 1/15 LEZIONE 2.6 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.6 p. 2/15 variabili aleatorie continue consideriamo la distribuzione del fatturato mensile in una popolazione
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliStatistica a.a Autovalutazione 3
Statistica a.a. 2018-19 Autovalutazione 3 CORSI: Diritto per le Imprese e le Istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione 1. Un esperimento consiste nell estrarre una carta da
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliFunzioni di probabilità per variabili casuali discrete e continue
Funzioni di probabilità per variabili casuali discrete e continue Prof.ssa Antonella Bitetto Facoltà di Economia Aziendale, Dipartimento di Management Università degli Studi di Torino PER USO DIDATTICO
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) (discrete) variabile casuale
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliBasi matematiche per il Machine Learning
Basi matematiche per il Machine Learning Corso di AA, anno 2017/18, Padova Fabio Aiolli 04 Ottobre 2017 Fabio Aiolli Basi matematiche per il Machine Learning 04 Ottobre 2017 1 / 14 Probabilità Un esperimento
DettagliCorso di Istituzioni di Matematiche con Elementi di Statistica. anno accademico 2015/2016 corso A-L (G. Gaeta & N. Bressan)
Corso di Istituzioni di Matematiche con Elementi di Statistica anno accademico 215/216 corso A-L (G. Gaeta & N. Bressan) Esercizi Foglio 9 (Funzioni aleatorie; distribuzioni di probabilita ) Esercizio
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliPROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliX ~ N (20, 16) Soluzione
ESERCIZIO 3.1 Il tempo di reazione ad un esperimento psicologico effettuato su un gruppo di individui si distribuisce normalmente con media µ = 20 secondi e scarto quadratico medio σ = 4 secondi: X ~ N
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliCP110 Probabilità: Esame 27 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 27 gennaio, 213 CP11 Probabilità: Esame 27 gennaio 213 Testo e soluzione 1. (6 pts) Tre amici dispongono di 6 monete da un euro e
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica
Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili casuali I Ines Campa Probabilità e Statistica - Esercitazioni
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliUtilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi
La variabile standardizzata Utilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi X'= X Media(X ) DS(X ) Visto l ampio uso in statistica di questa procedura, la
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
DettagliEquidistribuzione su un insieme finito
su un insieme finito È la distribuzione che abbiamo già visto per il lancio del dado. Se {x 1, x 2,..., x n } sono gli n diversi valori che una variabile aleatoria X può assumere e tali valori sono equiprobabili,
DettagliANNO ACCADEMICO 2015/2016 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA IV appello 1/6/2017 1
ANNO ACCADEMICO 205/206 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA IV appello /6/207 Esercizio. Ho tre monete, A, B e C, apparentemente identiche ma tali che: A dà testa in media 4 volte in 0 lanci B
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
Dettagli1! 4! = 5. Quindi la probabilità di ottenere 1 successo su 5 lanci sarà 5 2 = 5! 2! 3! = 10
Note sulla Distribuzione Binomiale La distribuzione binomiale è relativa ad una variabile aleatoria discreta, che descrive i possibili risultati di un esperimento composto da n prove. In particolare, definisce
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliCP110 Probabilità: Esame 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2010-11, II semestre 30 gennaio, 2012 CP110 Probabilità: Esame 30 gennaio 2012 Testo e soluzione 1. (5 pts) Un gioco consiste in n prove ripetute, tali
DettagliEsercizi di Calcolo combinatorio: disposizioni
Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli
DettagliVARIABILI CASUALI. E (X) = ( 0 x 0,125) + (1 x 0,375) + (2 x 0,375) + (3 x 0,125) = 0 + 0, ,75 + 0,375 = 1,5
VARIABILI CASUALI ESERCIZIO 1.1 Determinate la funzione di probabilità del numero di teste nel lancio di tre monete regolari. Trovare quindi il valore atteso e lo scarto quadratico medio dell uscita di
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliStatistica A. Corsi di Laurea afferenti alla IV Facoltà Prova del Cognome e Nome...
Compito A Statistica A Corsi di Laurea afferenti alla IV Facoltà Prova del 12-07-2007 Cognome e Nome...... N 0 di Matricola ISTRUZIONI: Copiare in modo chiaro e leggibile lo svolgimento di ciascun esercizio
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliLA DISTRIBUZIONE DEGLI ERRORI DI MISURA. La distribuzione normale. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE DEGLI ERRORI DI MISURA La distribuzione normale http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
Dettagli