Modulo 1: Messaggi insidiosi
|
|
- Gustavo Piccinini
- 5 anni fa
- Visualizzazioni
Transcript
1 Modulo 1: Messaggi insidiosi
2 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 Bet on Math - Politecnico di Milano 1/11 1
3 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Bet on Math - Politecnico di Milano 1/11 1
4 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: Bet on Math - Politecnico di Milano 1/11 1
5 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste Bet on Math - Politecnico di Milano 1/11 1
6 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste G 2 vince se escono 2 Croci Bet on Math - Politecnico di Milano 1/11 1
7 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste G 2 vince se escono 2 Croci G 3 vince se escono 1 Testa e 1 Croce Bet on Math - Politecnico di Milano 1/11 1
8 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste G 2 vince se escono 2 Croci G 3 vince se escono 1 Testa e 1 Croce Possiamo lanciare due vere monete, oppure... Bet on Math - Politecnico di Milano 1/11 1
9 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste G 2 vince se escono 2 Croci G 3 vince se escono 1 Testa e 1 Croce Possiamo lanciare due vere monete, oppure usare il simulatore Bet on Math - Politecnico di Milano 1/11 1
10 Iniziamo... giocando 3 giocatori: G 1, G 2, G 3 2 monete Regole: G 1 vince se escono 2 Teste G 2 vince se escono 2 Croci G 3 vince se escono 1 Testa e 1 Croce Possiamo lanciare due vere monete, oppure usare il simulatore Chi vuole essere G 1? Chi G 2? G 3 è l insegnante Lanciamo una volta le due monete: chi vince? Bet on Math - Politecnico di Milano 1/11 1
11 Uno sguardo al simulatore Bet on Math - Politecnico di Milano 2/11 2
12 Uno sguardo al simulatore Ci sono solo 3 eventi possibili: 2 croci 2 teste 1 testa e 1 croce Si ha la stessa probabilità di vincere scommettendo su ognuno di questi esiti. Bet on Math - Politecnico di Milano 2/11 2
13 Uno sguardo al simulatore Ci sono solo 3 eventi possibili: 2 croci 2 teste 1 testa e 1 croce Si ha la stessa probabilità di vincere scommettendo su ognuno di questi esiti....o no? Bet on Math - Politecnico di Milano 2/11 2
14 Uno sguardo al simulatore Ci sono solo 3 eventi possibili: 2 croci 2 teste 1 testa e 1 croce Si ha la stessa probabilità di vincere scommettendo su ognuno di questi esiti....o no? Giochiamo con il simulatore, chi vince? Bet on Math - Politecnico di Milano 2/11 2
15 Uno sguardo al simulatore Ci sono solo 3 eventi possibili: 2 croci 2 teste 1 testa e 1 croce Si ha la stessa probabilità di vincere scommettendo su ognuno di questi esiti....o no? Giochiamo con il simulatore, chi vince? Si tratta di un caso, oppure c è sotto qualcosa di sospetto? Bet on Math - Politecnico di Milano 2/11 2
16 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T C Bet on Math - Politecnico di Milano 3/11 3
17 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T C Bet on Math - Politecnico di Milano 3/11 3
18 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T C C-C Bet on Math - Politecnico di Milano 3/11 3
19 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Bet on Math - Politecnico di Milano 3/11 3
20 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! Bet on Math - Politecnico di Milano 3/11 3
21 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! La probabilità di ottenere due croci è: La probabilità di ottenere due teste è: La probabilità di ottenere una testa e una croce è: Bet on Math - Politecnico di Milano 3/11 3
22 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! La probabilità di ottenere due croci è: 1 4 La probabilità di ottenere due teste è: La probabilità di ottenere una testa e una croce è: Bet on Math - Politecnico di Milano 3/11 3
23 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! La probabilità di ottenere due croci è: 1 4 La probabilità di ottenere due teste è: 1 4 La probabilità di ottenere una testa e una croce è: Bet on Math - Politecnico di Milano 3/11 3
24 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! La probabilità di ottenere due croci è: 1 4 La probabilità di ottenere due teste è: 1 4 La probabilità di ottenere una testa e una croce è: 2 4 Bet on Math - Politecnico di Milano 3/11 3
25 Cosa c è che non funziona? Molte volte basta saper contare gli eventi nel modo corretto. Nel caso delle due monete, proviamo a rappresentare le cose in una tabella: T C T T-T T-C C C-T C-C Dunque gli esiti possibili sono 4, non 3! La probabilità di ottenere due croci è: 1 4 La probabilità di ottenere due teste è: 1 4 La probabilità di ottenere una testa e una croce è: 2 4 Chi scommette su 1 testa e 1 croce ha il doppio delle possibilità di vincere. Bet on Math - Politecnico di Milano 3/11 3
26 Messaggi insidiosi Smascherare il vantaggio di G 3 è stato facile, ma le insidie sono molte... Bet on Math - Politecnico di Milano 4/11 4
27 Messaggi insidiosi Smascherare il vantaggio di G 3 è stato facile, ma le insidie sono molte... Bet on Math - Politecnico di Milano 4/11 4
28 Messaggi insidiosi Smascherare il vantaggio di G 3 è stato facile, ma le insidie sono molte... Bet on Math - Politecnico di Milano 4/11 4
29 Messaggi insidiosi Smascherare il vantaggio di G 3 è stato facile, ma le insidie sono molte... Bet on Math - Politecnico di Milano 4/11 4
30 Messaggi insidiosi Smascherare il vantaggio di G 3 è stato facile, ma le insidie sono molte... Comunicazione a favore del gioco d azzardo molto efficace Budget enormi, messaggi semplici e testimonial famosi Ma è proprio vero che è più semplice vincere che giocare? Bet on Math - Politecnico di Milano 4/11 4
31 Informazione asimmetrica I giornali raccontano solo le storie di chi vince! Bet on Math - Politecnico di Milano 5/11 5
32 Un importante distinzione Il primo passo verso la costruzione di strumenti matematici per descrivere l incertezza è saper distinguere tra : eventi deterministici ed eventi non deterministici Bet on Math - Politecnico di Milano 6/11 6
33 Eventi deterministici Eventi deterministici: conosciuti i valori iniziali di alcune variabili (dati) si possono determinare con certezza i valori finali di una serie di variabili (risultati). Bet on Math - Politecnico di Milano 7/11 7
34 Eventi deterministici Eventi deterministici: conosciuti i valori iniziali di alcune variabili (dati) si possono determinare con certezza i valori finali di una serie di variabili (risultati). Esempio: traiettoria di una pallina da golf. Bet on Math - Politecnico di Milano 7/11 7
35 Eventi deterministici Eventi deterministici: conosciuti i valori iniziali di alcune variabili (dati) si possono determinare con certezza i valori finali di una serie di variabili (risultati). Esempio: traiettoria di una pallina da golf. Dati: posizione e velocità iniziali della pallina, coefficiente di resistenza dell aria. Bet on Math - Politecnico di Milano 7/11 7
36 Eventi deterministici Eventi deterministici: conosciuti i valori iniziali di alcune variabili (dati) si possono determinare con certezza i valori finali di una serie di variabili (risultati). Esempio: traiettoria di una pallina da golf. Dati: posizione e velocità iniziali della pallina, coefficiente di resistenza dell aria. Risultati: posizione e velocità della pallina ad ogni istante di tempo. Bet on Math - Politecnico di Milano 7/11 7
37 Eventi deterministici Eventi deterministici: conosciuti i valori iniziali di alcune variabili (dati) si possono determinare con certezza i valori finali di una serie di variabili (risultati). Esempio: traiettoria di una pallina da golf. Dati: posizione e velocità iniziali della pallina, coefficiente di resistenza dell aria. Risultati: posizione e velocità della pallina ad ogni istante di tempo. Quale matematica serve per calcolare la traiettoria di una palla da golf lanciata con velocità iniziale u 0? Bet on Math - Politecnico di Milano 7/11 7
38 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Bet on Math - Politecnico di Milano 8/11 8
39 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria Bet on Math - Politecnico di Milano 8/11 8
40 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria x(t) posizione della pallina all istante t Bet on Math - Politecnico di Milano 8/11 8
41 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria x(t) posizione della pallina all istante t x(t) = u 0 t 1/2gt 2 (relazione algebrica) Bet on Math - Politecnico di Milano 8/11 8
42 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria Con attrito dell aria x(t) posizione della pallina all istante t x(t) = u 0 t 1/2gt 2 (relazione algebrica) Bet on Math - Politecnico di Milano 8/11 8
43 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria Con attrito dell aria x(t) posizione della pallina all istante t ẍ(t) accelerazione della pallina all istante t f a forza d attrito x(t) = u 0 t 1/2gt 2 (relazione algebrica) Bet on Math - Politecnico di Milano 8/11 8
44 Matematica della traiettoria di una pallina da golf m massa della pallina, g forza di gravità Senza attrito dell aria Con attrito dell aria x(t) posizione della pallina all istante t ẍ(t) accelerazione della pallina all istante t f a forza d attrito x(t) = u 0 t 1/2gt 2 mẍ(t) = mg + f a (relazione algebrica) (equazione differenziale) Bet on Math - Politecnico di Milano 8/11 8
45 Eventi non deterministici (o casuali) Eventi non deterministici: i valori delle variabili (dati e/o risultati) non sono a priori determinabili con certezza. Esempi: previsioni meteorologiche, lancio dei dadi. E possibile determinare con certezza il tempo che farà domani? Bet on Math - Politecnico di Milano 9/11 9
46 Eventi non deterministici (o casuali) Eventi non deterministici: i valori delle variabili (dati e/o risultati) non sono a priori determinabili con certezza. Esempi: previsioni meteorologiche, lancio dei dadi. E possibile determinare con certezza il tempo che farà domani? No. Quante volte abbiamo lasciato a casa l ombrello perché le previsioni davano sole tutta la giornata? Bet on Math - Politecnico di Milano 9/11 9
47 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Bet on Math - Politecnico di Milano 10/11 10
48 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Ordina su una retta i seguenti eventi dal più incerto al meno incerto: Bet on Math - Politecnico di Milano 10/11 10
49 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Ordina su una retta i seguenti eventi dal più incerto al meno incerto: domani a mezzogiorno pioverà; Bet on Math - Politecnico di Milano 10/11 10
50 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Ordina su una retta i seguenti eventi dal più incerto al meno incerto: domani a mezzogiorno pioverà; domani a mezzogiorno sarò a scuola; Bet on Math - Politecnico di Milano 10/11 10
51 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Ordina su una retta i seguenti eventi dal più incerto al meno incerto: domani a mezzogiorno pioverà; domani a mezzogiorno sarò a scuola; lancio una moneta non truccata ed esce testa; Bet on Math - Politecnico di Milano 10/11 10
52 Il calcolo delle probabilità Il calcolo delle probabilità è il ramo della matematica che si occupa di quantificare il grado di certezza (o incertezza) con cui eventi non deterministici (o casuali) avvengono. Ordina su una retta i seguenti eventi dal più incerto al meno incerto: domani a mezzogiorno pioverà; domani a mezzogiorno sarò a scuola; lancio una moneta non truccata ed esce testa; oggi la prima persona che incontrerò uscendo dalla scuola sarà nata nel mio stesso mese. Bet on Math - Politecnico di Milano 10/11 10
53 Cosa abbiamo imparato Per non cadere vittima dei messaggi insidiosi, servono strumenti matematici per descrivere l incertezza Bet on Math - Politecnico di Milano 11/11 11
54 Cosa abbiamo imparato Per non cadere vittima dei messaggi insidiosi, servono strumenti matematici per descrivere l incertezza La differenza tra eventi deterministici ed eventi non deterministici Bet on Math - Politecnico di Milano 11/11 11
Esercizi di Probabilità - Matematica Applicata a. a aprile 2014
Esercizi di Probabilità - Matematica Applicata a. a. 2013-3014 db 1 aprile 2014 1 Funzione di ripartizione Si dice funzione di ripartizione o funzione cumulativa delle frequenze di una variabile casuale
DettagliUn progetto di Matematica Civile. Nicola Parolini. Dipartimento di Matematica, Politecnico di Milano
Un progetto di Matematica Civile Nicola Parolini Dipartimento di Matematica, Politecnico di Milano Dodicesima Conferenza Nazionale di Statistica Roma, 22 Giugno 2016 Il gioco d azzardo in Italia Qualche
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliIntroduzione alla Meccanica: Cinematica
Introduzione alla Meccanica: Cinematica La Cinematica si occupa della descrizione geometrica del moto, senza riferimento alle sue cause. E invece compito della Dinamica mettere in relazione il moto con
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliCalcolo 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
DettagliProbabilità. Fulvio Bisi-Anna Torre
Probabilità Fulvio Bisi-Anna Torre FRATELLI E SORELLE Per la ricorrenza della festa della mamma, la sig.ra Luisa organizza una cena a casa sua, con le sue amiche che hanno almeno una figlia femmina. La
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
DettagliModulo 7: Meccanismi psicologici
Modulo 7: Meccanismi psicologici Non solo matematica Il processo decisionale nel gioco d azzardo è influenzato (spesso guidato) da misconcetti cognitivi e/o meccanismi psicologici ingannevoli. Bet on Math
DettagliC.d.L. in Scienze naturali Prova di Matematica del 12/12/2016
C.d.L. in Scienze naturali Prova di Matematica del //06 Cognome: Nome: Matricola: Svolgere gli esercizi nelle facciate bianche disponibili e scrivere le soluzioni nei riquadri. Sarà ritirato soltanto questo
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Come opera la matematica: dagli ai teoremi. Che cosa è una funzione, il suo dominio e il suo codominio. Che cosa significa n j=1 A j dove A j sono insiemi. Che cosa significa
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliProbabilità: esercizi vari
10 Probabilità: esercizi vari 10.1. Combinatorica e probabilità uniforme Esercizio 10.1.1. Si lancia una moneta non truccata per n volte e, ogni volta, si guarda se esce testa o croce. Quanti sono i possibili
DettagliIntroduzione al calcolo delle probabilità
Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
Dettagli6.2 La probabilità e gli assiomi della probabilità
6.2 La probabilità e gli assiomi della probabilità L introduzione alla teoria della probabilità può essere vista come un applicazione della teoria degli insiemi. Essa si occupa degli esperimenti il cui
DettagliSISTEMI LINEARI A COEFFICIENTE COSTANTE
SISTEMI LINEARI A COEFFICIENTE COSTANTE Per studiare la velocità, la precisione e la stabilità di un sistema bisogna individuare il modello matematico del sistema Abbiamo visto che un sistema di controllo
DettagliP (0 semafori rossi) = 0,05 P (1 semaforo rosso) = 0,20 P (2 semafori rossi) = 0,25 P (3 semafori rossi) = 0,35 P (4 semafori rossi) = 0,15
ESERCITAZIONE : ROBABILITA, VARIABILI CASUALI, BINOMIALE ESERCIZIO N. Una donna che si reca al lavoro in macchina ha osservato che il seguente modello è un approssimato modello probabilistico per il numero
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliLA PROBABILITÀ ESISTE? ALESSIO DRIVET DI.FI.MA. 2017
LA PROBABILITÀ ESISTE? ALESSIO DRIVET DI.FI.MA. 2017 IL RAPPORTO TRA REALE E PROBABILE Il rapporto tra reale e probabile costituisce un problema ancora irrisolto. Le probabilità sono relative all osservatore
DettagliStatistica e informatica
Statistica e informatica Probabilità elementari Francesco Pauli e Nicola Torelli A.A. 2017/2018 Indice Probabilità: nozioni base Formalizzazione Alcuni esempi Francesco Pauli e Nicola Torelli Probabilità
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
Dettaglif(1, C) = 1; f(2, C) = 1; f(3, C) = 3; f(4, C) = 2; f(5, C) = 5; f(6, C) = V ar(x) = E[X 2 ] (E[X]) 2 =
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Si lanciano un dado equilibrato a sei facce e una moneta equilibrata. Se esce testa e il valore del dado è pari oppure croce e il
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliModulo 3: Eventi rari
Modulo 3: Eventi rari Probabilità: alcuni esempi 2 / Bet on Math: un progetto di Matematica Civile 2/7 7 Probabilità: alcuni esempi spendere 5 euro comprando un biglietto del Miliardario P = 100% 2 / Bet
Dettagli1) Utilizzando gli sviluppi in serie delle funzioni, calcolare. sin(x 2 ) (1 cos x) 2 (1 cos(x 2 )) sinh x. lim
UNIVERSITÀ MEDITERRANEA DI REGGIO CALABRIA Facoltà di Ingegneria Corso di Laurea in Ingegneria delle Telecomunicazioni Prova scritta di ANALISI MATEMATICA II e CALCOLO DELLE PROBABILITÀ-E 1 Ottobre 2009
DettagliQualche Esempio di Processo Markoviano
Qualche Esempio di Processo Markoviano Giugno 2002 O.Caligaris Alcuni problemi con caratteristiche comuni La Rovina del Giocatore Un Giocatore gioca contro il banco Ad ogni puntata può vincere 1 gettone
Dettaglie n n xn ( 1) n ( 1) n n + 1 2e n x n 3n [ln x]n 1 n + 1 2e n 1
1) Studiare la seguente serie di funzioni en ( 1) n n x n 2) Studiare la seguente serie di funzioni ( 1) n n + 1 2e n xn 3) Studiare la seguente serie di funzioni 3n [ln x]n 1 2n 4) Studiare la seguente
DettagliEsercizio Soluzione: Esercizio Soluzione: Esercizio Soluzione: Esercizio
Un ragazzo di massa 50 kg si lascia scendere da una pertica alta 12 m e arriva a terra con una velocità di 6 m/s. Supponendo che la velocità iniziale sia nulla: 1. si calcoli di quanto variano l energia
DettagliLeggi di distribuzione
Leggi di distribuzione 1 Esercizio 0.1 Una sorgente binaria genera le cifre 0 e 1 in modo casuale, con probabilità 0.4 e 0.6, rispettivamente. Calcolare la probabilità che, in una sequenza a 5 cifre, si
DettagliTest di preparazione all esame. Attenzione a non confonedere il coefficiente. n(n 1) (n m + 1) m(m 1) 2 1
Test di preparazione all esame. Attenzione a non confonedere il coefficiente binomiale ( ) n m con la frazione n m. I coefficiente binomiale si può calcolare come ( ) n m = n(n 1) (n m + 1). m(m 1) 2 1
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità
Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@u niroma1.it Probabilità Esercizio 1. Un esperimento casuale consiste nel lanciare tre volte una moneta. Si determini lo spazio campionario
DettagliVARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliSIMULAZIONE TEST INVALSI
SIMULAZIONE TEST INVALSI PROBABILITA Nel sacchetto A ci sono 4 palline rosse e 8 nere mentre nel sacchetto B ci sono 4 palline rosse e 6 nere. a. Completa correttamente la seguente frase inserendo al posto
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
Dettaglia) il tempo impiegato prima che il proiettile cada al suolo. b) il tempo per raggiungere la quota massima e la quota massima raggiunta;
Traccia A 1. Un proiettile viene sparato da una torre alta h = 30 m con una angolazione di α=30 rispetto all orizzontale. Se la velocità iniziale è di 2m/s,. Calcolare: a) il tempo impiegato prima che
DettagliEVENTI FUTURI EQUIPROBABILI Lezione n. 3
EVENTI FUTURI EQUIPROBABILI Lezione n. 3 Finalità: Enunciare le definizioni maturate attraverso l esercitazione pratica. Verificare la corrispondenza tra ipotesi formulate e risultati sperimentali. Metodo:
DettagliEsercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliSOLUZIONI DI ESERCIZI SCELTI ELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 MAGGIO Esercizio 18
SOLUZIONI DI ESERCIZI SCELTI ELEMENTI DI MATEMATICA E INFORMATICA TEORICA 2017-8 VERSIONE DEL 14 MAGGIO 2018 HYKEL HOSNI Esercizio 18 Scrivere le tabelle booleane per i seguenti enunciati: (1) p q (2)
DettagliESERCIZI SULLE CATENE DI MARKOV. Docente titolare: Irene Crimaldi 18/11/2009 P =
ESERCIZI SULLE CATENE DI MARKOV Docente titolare: Irene Crimaldi 8//9 ESERCIZIO Una catena di Markov (X n ) n con insieme degli stati S = {,,} ha matrice di transizione µ() =, µ() =, µ() =. a) Calcolare
DettagliIl caso, probabilmente: la partita a dadi di Riccardo Mini
Elementi di Probabilità presenti nell opera teatrale Il caso, probabilmente: la partita a dadi di Riccardo Mini con Fausto Bernardinello, Maria Eugenia D Equino, Annig Raimondi con la collaborazione dei
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità 1 A. A. 4/5 a prova in itinere 8/6/5docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento degli Esercizi
DettagliDIPARTIMENTO SCIENZE POLITICHE E SOCIALI ABILITÀ LOGICO-MATEMATICHE A.A. 2018/2019 PROBABILITÀ
1 PROBABILITÀ DI UN EVENTO PROBABILITÀ Si parla di eventi probabili o improbabili quando non si è sicuri se essi si verificheranno. Quando lanciamo in aria una moneta, da cosa dipende se dopo la caduta
DettagliCinematica. A.Solano - Fisica - CTF
Cinematica Posizione, spostamento, traiettoria Velocità media e istantanea Accelerazione media e istantanea Moto rettilineo uniforme Moto rettilineo uniformemente accelerato Oggetti in caduta libera Moto
DettagliCinematica nello Spazio
Cinematica nello Spazio Abbiamo introdotto, nelle precedenti lezioni, le grandezze fisiche: 1) Spostamento; 2) Velocità; 3) Accelerazione; 4) Tempo. Abbiamo ricavato le equazioni per i moti: a) uniforme;
DettagliMonaco Alfonso. Cinematica 2d
Monaco Alfonso Cinematica 2d 1 Moto parabolico n n n Il moto nelle direzioni e possono essere separati Nella direzione il moto è rettilineo uniforme Nella direzione il moto è uniformemente accelerato (per
DettagliPrincipio di Conservazione dell Energia
Principio di Conservazione dell Energia Giuseppe Augello 6 dicembre 2016 Giuseppe Augello 1 Che cos e l Energia? Le forme dell Energia Il Principio di Conservazione dell Energia Stabilisce che esiste una
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliIl moto uniformemente accelerato. Prof. E. Modica
Il moto uniformemente accelerato! Prof. E. Modica www.galois.it La velocità cambia... Quando andiamo in automobile, la nostra velocità non si mantiene costante. Basta pensare all obbligo di fermarsi in
DettagliProbabilità: l alfabeto Statistica: il minimo indispensabile. Dati: statistica descrittiva Inferenza statistica
... trasformazioni logaritmiche e semilogaritmiche leggi di crescita e decrescita funzioni composte, domini limiti elementari crescenza e decrescenza di funzioni convessità e concavità di funzioni massimi
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliProblema 1: SOLUZIONE: 1) La velocità iniziale v 0 si ricava dal principio di conservazione dell energia meccanica; trascurando
Problema : Un pallina di gomma, di massa m = 0g, è lanciata verticalmente con un cannoncino a molla, la cui costante elastica vale k = 4 N/cm, ed è compressa inizialmente di δ. Dopo il lancio, la pallina
DettagliCinematica e Dinamica
LAUREA TRIENNALE IN INFORMATICA - TUTORATO FISICA I Cinematica e Dinamica Margherita Lembo 28 Marzo 2018 1. PROBLEMA Un disco da hockey su una pista gelata è dotato di una velocità iniziale di 20.0 m/s,
DettagliEsercitazione del 07/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 07/0/0 Istituzioni di Calcolo delle Probabilità David Barbato Esercizio Vengono lanciati due dadi a 6 facce regolari. Calcolare le seguenti probabilità. (a) Qual è la probabilità che
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità (docenti G. Nappo, F. Spizzichino prova scritta giugno 5 (tempo a disposizione: ore La prova scritta consiste nello svolgimento
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliLaboratorio di Programmazione: Linguaggio C Lezione 9 del 27 novembre 2013
Laboratorio di Programmazione: Linguaggio C Lezione 9 del 27 novembre 2013 Damiano Macedonio Giochi d Azzardo Note Iniziali Per generare un numero casuale basta includere la libreria stdlib.h e utilizzare
DettagliI PROVA INTERCORSO FISICA INGEGNERIA MECCANICA (N-Z)
I PROVA INTERCORSO FISICA INGEGNERIA MECCANICA (N-Z) 05-11-2015 Una pallina da tennis viene lanciata con velocità V0 = 40 m/s ed angolo rispetto all orizzontale = /3. Il campo da tennis è lungo 30 m e
DettagliL accelerazione. Quando la velocità cambia.
L accelerazione Quando la velocità cambia. Questo simbolo significa che l esperimento si può realizzare con materiali o strumenti presenti nel nostro laboratorio Questo simbolo significa che l esperimento
DettagliInformazione, Entropia e Probabilità
Informazione, Entropia e Probabilità Alessandro Lenci Università di Pisa, Dipartimento di Linguistica Via Santa Maria, 36, 56100 Pisa, Italy alessandro.lenci@ilc.cnr.it Linguaggio e comunicazione - LO042
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliFunzioni di 2 variabili
Funzioni di 2 variabili 1 eterminare l insieme di definizione di ciascuna delle seguenti funzioni precisando se tali insiemi sono aperti, chiusi, itati. F (x, y) = 1 sin x cos y F (x, y) = arctan sin xy
DettagliEsercizi in preparazione all esonero
Esercizi in preparazione all esonero Andrea Susa Esercizio Un sasso viene lanciato verso l'alto a partire dall'altezza h = 50 rispetto al suolo con una velocità iniziale di modulo = 8,5/. Supponendo il
DettagliCognome Nome Matricola. Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale
Esame di Calcolo delle Probabilità mod. B del 9 settembre 2003 (Corso di Laurea in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliFISICA. La Dinamica: le forze e il moto. Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica
FISICA La Dinamica: le forze e il moto Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica LA FORZA PESO Come anticipato nella Cinematica, in assenza di attrito con l aria, un oggetto in caduta
DettagliLa scienza dei dadi.
Dalla teoria delle probabilità alla (dis)informazione Università di Bologna 4 novembre 2017 Liceo Scientifico Galilei di Dolo La Scienza a Scuola Zanichelli Alcune domande Malattie rare Test sulla emofilia
DettagliDadi, carte, diagrammi e frazioni.
Dadi, carte, diagrammi e frazioni..i primi passi nella probabilità Relatore: Prof.ssa Ana Millán Gasca Laura Sol Minicorso Insegnare la matematica ai bambini a partire dall esperienza Roma, Università
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
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
DettagliLa probabilità nelle prove Invalsi: analisi in verticale
La probabilità nelle prove Invalsi: analisi in verticale Federica Ferretti - Libera Università di Bolzano-Bozen Alice Lemmo Università di Palermo Francesca Martignone - Università del Piemonte Orientale
DettagliProbabilità. Esercizi di matematica e statistica SPES 18/19. Esercizio 1 Stabilire quanti possibili esiti diversi esistono per l evento indicato:
Probabilità Esercizi di matematica e statistica SPES 18/19 Esercizio 1 Stabilire quanti possibili esiti diversi esistono per l evento indicato: (a) Lancio contemporaneo di 5 monete da 1 e; (b) Lancio contemporaneo
DettagliStampa Preventivo. A.S Pagina 1 di 8
Stampa Preventivo A.S. 2009-2010 Pagina 1 di 8 Insegnante MIANI LUCIO Classe 3LTA ART Materia matematica preventivo consuntivo 95 0 titolo modulo 1. Funzioni 2. Calcolo combinatorio e probabilità 3. Il
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliProbabilità e Statistica
Corso PON Competenze per lo sviluppo Liceo Scientifico "Bonaventura Rescigno Baronissi Ing. Ivano Coccorullo Prof.ssa Angela D Ambrosio Teoria delle probabilità Si è soliti far risalire la nascita della
DettagliSOLUZIONI DEL 2 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA Esercizio 0.1 Una moneta non truccata viene lanciata 10 volte. Calcolare la probabilità che non esca mai testa. Quale risulta la probabilità
DettagliEsercitazione del 13/03/2018 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/08 Istituzioni di Calcolo delle Probabilità David Barbato I quesiti con asterisco saranno accessibili dalla quinta settimana di lezione. Esercizio Vengono lanciati due dadi a 6 facce
DettagliAnno accademico
Anno accademico 1998 1999 1. Dato un quadrato Q di lato unitario siano P 1, P 2, P 3, P 4, P 5 dei punti interni a Q. Sia d i j la distanza fra P i e P j. (a) Si dimostri che almeno una delle distanze
DettagliModulo 9: Combinatoria III
Modulo 9: Combinatoria III Ambo secco su una ruota Un ambo secco si realizza quando si giocano due numeri su una ruota e vengono estratti esattamente quei due numeri su quella ruota. 2 / Bet on Math: un
DettagliElementi di Calcolo delle probabilità
Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni
DettagliDOTTORATO DI RICERCA IN MATEMATICA E INFORMATICA UNIVERSITÀ DELLA BASILICATA E DEL SALENTO XXXIV CICLO PROVA SCRITTA
DOTTORATO DI RICERCA IN MATEMATICA E INFORMATICA UNIVERSITÀ DELLA BASILICATA E DEL SALENTO XXXIV CICLO PROVA SCRITTA Si scelga tra la parte Matematica e quella Informatica. Tempo a disposizione: 4 ore
DettagliIntroduzione al Calcolo delle Probabilità
Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto
DettagliEsempi di alcuni giochi
Esempi di alcuni giochi GIOCO 4: PARTITA A SEI LANCI Hai bisogno di: un dado, un foglio e almeno 2 giocatori. Devi disegnare una griglia con sei righe numerate. Il numero delle colonne corrisponde al numero
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
Dettagli1 di 5 12/02/ :23
Verifica: tibo5794_me08_test1 nome: classe: data: Esercizio 1. La traiettoria di un proiettile lanciato con velocità orizzontale da una certa altezza è: un segmento di retta obliqua percorso con accelerazione
DettagliCOMPITO n. 1. a) Determinare la distribuzione del numero X di palline nere presenti nell urna.
Università di Siena a.a. 28/9 Docente D. Papini COMPITO n. 1 a) Un dado non truccato viene lanciato due volte. Quant è la probabilità dell evento: al primo lancio esce un numero minore o uguale a 2 ed
DettagliCorso di Laurea in Scienze dei Materiali Prova scritta del 09 Aprile 2014 Fila A
Corso di Laurea in Scienze dei Materiali Prova scritta del 9 Aprile 214 Fila A 1. Riscrivere le seguenti misure con un opportuno numero di cifre significative (7±.859) m ; (19.123±1.123) kg ; (1.679 1-19
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliProbabilità. Introduzione. Esperimento casuale (o aleatorio): Può venir riproposto infinite volte.
Matematica Capitolo 4 Ivan Zivko Introduzione Esperimento casuale (o aleatorio): uò venir riproposto infinite volte. Il risultato (o esito) varia all interno di un certo numero (anche infinito) di casi
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
Dettagli1 Fisica 1 ( )
1 Fisica 1 (08 01-2002) Lo studente risponda alle seguenti domande (2 punti per ogni domanda) 1) Scrivere il legame tra la velocità lineare e quella angolare nel moto circolare uniforme 2) Un punto materiale
DettagliSoluzione. Per x da 0 a l 1 = 16 m accelerazione a 1 = costante Per x > l 1 fino a x = 100m accelerazione a 2 = 0. Leggi orarie
Problema n. 1: Un velocista corre i 100 m piani in 10 s. Si approssimi il suo moto ipotizzando che egli abbia un accelerazione costante nei primi 16 m e poi un velocità costante nei rimanenti 84 m. Si
Dettagli