ln x a 2 f x exp x 0
|
|
- Flavia Cappelletti
- 5 anni fa
- Visualizzazioni
Transcript
1 Il Modello Lognormale La funzione di densità di probabilità lognormale è data: ln x a 1 f x exp x 0 X b xb in cui a e b sono due costanti, con b 0. Se X è una v.a. lognormale allora Y lnx è distribuita secondo una legge normale: a, b. Docenti: Gaspare Galati Gabriele Pavan 1
2 0.70 Il Modello Lognormale (segue) 0.60 Densita' di Probabilita' X 1 a 0, b 1, moda e Docenti: Gaspare Galati Gabriele Pavan
3 Il Modello Lognormale (segue) Il momento r-esimo di una variabile lognormale è: E X r exp ar rb E X exp a b a b b Var X e e 1 Docenti: Gaspare Galati Gabriele Pavan 3
4 Il Modello di Weibull f X x 1 x exp x x 0 0 x 0 0, 0 1, si ha una v.a. di Rayleigh con valore atteso unitario. Docenti: Gaspare Galati Gabriele Pavan 4
5 La densità di Weibull Docenti: Gaspare Galati Gabriele Pavan 5
6 La distribuzione di Weibull F X x 1 exp x x 0 0 x 0 infatti: df X dx x x 1 X e x f x Docenti: Gaspare Galati Gabriele Pavan 6
7 La Funzione Gamma La funzione Gamma che è definita mediante l'integrale: b 1 y che converge se b 0. b y e dy 0 Valori particolari della funzione gamma sono: Docenti: Gaspare Galati Gabriele Pavan 7
8 La Funzione Gamma Docenti: Gaspare Galati Gabriele Pavan 8
9 La Funzione Gamma La funzione Gamma è calcolabile per ogni b 0 se si conosce il suo andamento nell'intervallo 1 b. b1 b b Se b n (intero), vale la relazione: n 1 n n n n n! Quindi la funzione Gamma generalizza il fattoriale. Docenti: Gaspare Galati Gabriele Pavan 9
10 Il modello Chi Quadro La densità di probabilità di una v.a. X di tipo chi-quadro, n, con n gradi di libertà, ha la forma: n x 1 1 x e x 0 n f x n X 0 x 0 L intero positivo n costituisce l'unico parametro di questa distribuzione. Docenti: Gaspare Galati Gabriele Pavan 10
11 Il modello Chi Quadro Per n si ottiene l'esponenziale negativa con parametro 1 c. La somma dei quadrati di n v.a. indipendenti con distribuzione N0,1 è una variabile aleatoria di tipo n con n gradi di libertà. Se n la distribuzione Chi-quadro tende a quella Normale. Docenti: Gaspare Galati Gabriele Pavan 11
12 Il modello Chi Quadro (segue) Docenti: Gaspare Galati Gabriele Pavan 1
13 Il modello Chi Quadro (segue) Il momento di ordine k di una v.a. Chi Quadro con n gradi di libertà è: n k k k E X n E X n Var X n Docenti: Gaspare Galati Gabriele Pavan 13
14 Il modello di Student Una v.a. continua X di tipo Student ha una funzione di densità: n 1 x f x 1 n n X n n1 x in cui n viene detto numero di gradi di libertà. Docenti: Gaspare Galati Gabriele Pavan 14
15 Il modello di Student Poiché si ha f x f x X, la funzione di densità di Student è simmetrica rispetto all'origine. X All'aumentare del parametro n (n 30) il modello di Student approssima quello gaussiano standard. Docenti: Gaspare Galati Gabriele Pavan 15
16 Il modello di Student (segue) f t (; tn) n = n. di gradi di libertà n nn t t Docenti: Gaspare Galati Gabriele Pavan 16
17 Il modello di Student (segue) Una v.a. di Student si può ottenere mediante la trasformazione: X U V/n in cui: 1. U è una v.a. gaussiana standard. V è una v.a. di tipo Chi Quadro con n gradi di libertà 3. U e V sono indipendenti Docenti: Gaspare Galati Gabriele Pavan 17
18 Valore atteso e Varianza: Il modello di Student (segue) Il valore atteso è nullo (simmetria della densità) La varianza esiste solo per n e vale Var X n n Docenti: Gaspare Galati Gabriele Pavan 18
19 Il modello di Erlang Una v.a. X è distribuita secondo la legge di Erlang (erlangiana) se: X n f x n 1! n1 x x e x 0 0 x 0 Quando n 1 la distribuzione Erlang si riduce ad una esponenziale. Docenti: Gaspare Galati Gabriele Pavan 19
20 Il modello di Erlang La funzione di distribuzione è: 1 e x 0 0 x<0 n1 i x x F x i! X i0 Una v.a. di tipo Erlang con parametri e n si può ottenere come somma di n v.a. esponenziali indipendenti con uguale parametro. Docenti: Gaspare Galati Gabriele Pavan 0
21 Il modello di Erlang (segue) X n = 3, =5 n = 3, =3 n = 3, = x Docenti: Gaspare Galati Gabriele Pavan 1
22 Il modello Gamma Una v.a. è distribuita secondo il modello Gamma se: b x b1 e x f x b X x 0 0 x 0 in cui b 0, 0, b è la funzione Gamma (b parametro di forma, parametro di scala). Docenti: Gaspare Galati Gabriele Pavan
23 Il modello Gamma La funzione di distribuzione esiste in forma chiusa solamente se il parametro b è un intero positivo, altrimenti è esprimibile tramite la cosiddetta funzione Gamma incompleta che è tabulata. b E X b Var X Docenti: Gaspare Galati Gabriele Pavan 3
24 Il modello Gamma Valore atteso, varianza e momenti si ricavano dalla identità: k b1 x k b 0 x x e dx k b che si ottiene integrando per parti, ricordando che b1 b b. k b E X k k b Docenti: Gaspare Galati Gabriele Pavan 4
25 Il modello Gamma (segue) La somma di n v.a. indipendenti X i (i 1,,...,n) distribuite secondo il modello gamma con parametri e b i (i 1,,...,n), cioè con densità: i b 1 f x x i e x, x 0 X i b è una v.a. Y di tipo gamma con parametri e b i b = n i1 b i Docenti: Gaspare Galati Gabriele Pavan 5
26 Il modello Gamma (segue) I modelli esponenziali, Chi Quadro ed Erlang possono essere considerati come casi particolari del modello Gamma. Per b 1 x x f X x e e x 0 1 Esponenziale Docenti: Gaspare Galati Gabriele Pavan 6
27 Per b n e Il modello Gamma (segue) 1 n x 1 1 x e x 0 n f x n X 0 x 0 Chi Quadro Docenti: Gaspare Galati Gabriele Pavan 7
28 Per b intero positivo: X Il modello Gamma (segue) n f x n 1! n1 x x e x 0 0 x 0 Erlang Docenti: Gaspare Galati Gabriele Pavan 8
29 Il modello di Laplace Una v.a. continua segue il modello di Laplace se: c cx f x e X, c 0 La densità è simmetrica rispetto all origine e quindi X ha valore atteso nullo. Tutti i momenti di ordine dispari sono nulli. Se invece r è pari, il momento di ordine r vale: r r c cx r cx r! E X x e dx x ce dx 0 0 r c Docenti: Gaspare Galati Gabriele Pavan 9
30 Il modello di Cauchy Una v.a. continua è distribuita secondo il modello di Cauchy se: f x 1 a x a, a 0 X La funzione di distribuzione di probabilità è: 1 1 x F x arctg X a Docenti: Gaspare Galati Gabriele Pavan 30
31 Il modello di Cauchy La variabile aleatoria di Cauchy non ha valore atteso, infatti: +t lim t t x a ax dx non esiste (non corverge). Una v.a. di Cauchy può essere generata a partire da una variabile Uniforme in ; X atg mediante: Docenti: Gaspare Galati Gabriele Pavan 31
32 Il modello Geometrico Una v.a. geometrica ha una funzione di massa: P X k p q k 1 k 1,,3,... con p q 1 X m m, X k1 F x f k 1 q m x m 1 Docenti: Gaspare Galati Gabriele Pavan 3
33 Il modello Geometrico Tre masse della legge geometrica (k =, 3, 4) al variare di p. Docenti: Gaspare Galati Gabriele Pavan 33
34 Il modello Geometrico Il valore atteso di una variabile geometrica: E X 1 p La varianza vale: q VarX p Docenti: Gaspare Galati Gabriele Pavan 34
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
DettagliTECNICHE 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
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliVARIABILI 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
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
DettagliLa 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
DettagliValori caratteristici di distribuzioni
Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliStima 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
DettagliAFFIDABILITA DEI SISTEMI
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento
Dettagli1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
.5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013
Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliMisurare il rischio finanziario con l Extreme Value Theory
Misurare il rischio finanziario con l Extreme Value Theory M. Bee Dipartimento di Economia, Università di Trento MatFinTN 2012, Trento, 24 gennaio 2012 Outline Introduzione Extreme Value Theory EVT e rischio
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
Dettaglia) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha:
ESERCIZIO - Data la funzione f (x) = (log x) 6 7(log x) 5 + 2(log x) 4, si chiede di: a) calcolare il dominio di f ; ( punto) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliELEMENTI DI STATISTICA PER IDROLOGIA
Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono
Dettagli1 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
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliCalcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo
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 http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliSESSIONE ORDINARIA 2007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE
SESSIONE ORDINARIA 007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE PROBLEMA Si consideri la funzione f definita da f ( x) x, il cui grafico è la parabola.. Si trovi il luogo geometrico dei
DettagliEsercizi svolti su serie di Fourier
Esercizi svolti su serie di Fourier Esercizio. (Onda quadra. Determinare i coefficienti di Fourier della funzione x [, f(x = x [, prolungata a una funzione -periodica su R (d ora in poi denoteremo con
DettagliSTATISTICA PER L INNOVAZIONE
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 TRASFORMAZIONI DI VARIABILI ALEATORIE TVE: Gumel dei valori minimi
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliRISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?
Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
Dettaglierrore 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
DettagliCorso 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
DettagliDistribuzione Weibull
Disribuzione Weibull f() 6.6.4...8.6.4. 5 5 5 3 Disribuzione di Weibull Una variabile T ha disribuzione di Weibull di parameri α> β> se la sua densià di probabilià è scria nella forma: f ( ) exp da cui
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliNota su Crescita e Convergenza
Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di
DettagliGli 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)
DettagliEsercizi sugli integrali impropri
Esercizi sugli integrali impropri Esercizio. Studiare 2 x4 dx. Svolgimento: è un integrale improprio, in quanto f(x) =, x (, 2] ha una singolarità in : x4 lim x + x4 = +. Osserviamo che f è positiva, quindi
DettagliCorso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliMetodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 2012/2013 12 febbraio 2013
Tempo massimo 2 ore. Consegnare solamente la bella copia. Metodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 212/213 12 febbraio 213 1. Disegnare il grafico della funzione: [1
DettagliSTATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica
DettagliScheda n.5: variabili aleatorie e valori medi
Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata
Dettagli3. Sia g(x) = 4. Si calcoli l area del triangolo mistilineo ROS, ove l arco RS appartiene al grafico di f(x) o, indifferentemente, di g(x).
Esame liceo Scientifico : ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMI Problema. Sia ABCD un quadrato di lato, P un punto di AB e γ la circonferenza
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di rasmissione Numerica docente: Prof. Vito Pascazio 18 a Lezione: 13/1/4 19 a Lezione: 14/1/4 Sommario rasmissione di segnali PM numerici su
DettagliEQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.
EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliAffidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N
Affidabilità nel tempo tasso di guasto 1 N=numero componenti N s (t)=numero componenti sopravvissuti al tempo t N f (t)=numero componenti rotti al tempo t N ( ) ( ) s t N f t R( t) = = 1! N N dr( t) 1
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliMetodi di previsione
Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali
DettagliNumeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.
Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliIndice. Notazioni generali
Indice Notazioni generali XIII 1 Derivati e arbitraggi 1 1.1 Opzioni 1 1.1.1 Finalità 3 1.1.2 Problemi 4 1.1.3 Leggi di capitalizzazione 4 1.1.4 Arbitraggi e formula di Put-Call Parity 5 1.2 Prezzo neutrale
DettagliAnalisi Matematica I Palagachev
Analisi Matematica I Palagachev Numeri complessi Risolvere nel campo complesso C la seguente equazione: ) 3 z i = i z + 2 Risolvere nel campo complesso C la seguente equazione: z 2 + 2iz = 2 3 Risolvere
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliSoluzioni classiche dell'equazione di Laplace e di Poisson
Soluzioni classiche dell'equazione di Laplace e di Poisson Antonio Paradies Dipartimento di Matematica e Applicazioni Renato Caccioppoli Università degli studi di Napoli Federico II Napoli, 25 Febbraio
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
DettagliFUNZIONE REALE DI UNA VARIABILE
FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliFunzione reale di variabile reale
Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A
Dettaglib) Il luogo degli estremanti in forma cartesiana è:
Soluzione della simulazione di prova del 9/5/ PROBLEMA È data la funzione di equazione: k f( ). a) Determinare i valori di k per cui la funzione ammette punti di massimo e minimo relativi. b) Scrivere
DettagliUniversità degli Studi di Catania A.A. 2012-2013. Corso di laurea in Ingegneria Industriale
Università degli Studi di Catania A.A. 2012-2013 Corso di laurea in Ingegneria Industriale Corso di Analisi Matematica I (A-E) (Prof. A.Villani) Elenco delle dimostrazioni che possono essere richieste
DettagliEsercitazione di Martedì 28 Ottobre (Rischio-Rendimento) Esercizio n 1, Calcolo dei pesi all interno di un portafoglio costituito da 2 titoli
Esercitazione di Martedì 28 Ottobre (Rischio-Rendimento) Esercizio n 1, Calcolo dei pesi all interno di un portafoglio costituito da 2 titoli Un portafoglio è costituito dal titolo A e dal titolo B. Il
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche 1. Esercizio (1 marzo 211 n.
DettagliInsegnamento di Idrologia. Esercitazione n. 2
Insegnamento di Idrologia Esercitazione n. 2 Si vuole determinare la quota da assegnare alla sommità di un argine del Po, posto in corrispondenza del ponte ferroviario di Piacenza, dove esiste una stazione
DettagliESERCIZI SULLE PROBABILITA E LE VARIABILI ALEATORIE
ESERCIZI SULLE PROBABILITA E LE VARIABILI ALEATORIE Esercizio N. Calcolare: - la probabilità di vincere la rendita ventennale (4 euro al mese) al Win for life, - la probabilità di fare il 6 o il 5 + al
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005
esercitazione 2 p. 1/12 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione2: 04-03-2005 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
DettagliLa 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
DettagliStatistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni
Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Note. Si pensi di poter rispondere alle seguenti domande avendo l ausilio di: 1) un foglio con l elenco
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
DettagliCOMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica
COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.
DettagliAnno 5 4 Funzioni reali. elementari
Anno 5 4 Funzioni reali elementari 1 Introduzione In questa lezione studieremo alcune funzioni molto comuni, dette per questo funzioni elementari. Al termine di questa lezione sarai in grado di definire
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
DettagliPROBABILITA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
PROBABILITA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO Probabilità Variabili casuali: distribuzioni, densità, istogrammi Media, varianza, momenti Distribuzione
DettagliIl calore nella Finanza
Il calore nella Finanza Franco Moriconi Università di Perugia Facoltà di Economia Perugia, 12 Novembre 2008 Quotazioni FIAT Serie giornaliera dal 6/11/2007 al 6/11/2008 F. Moriconi, Il calore nella Finanza
DettagliProve d'esame a.a. 20082009
Prove d'esame aa 008009 Andrea Corli settembre 0 Sono qui raccolti i testi delle prove d'esame assegnati nell'aa 00809, relativi al Corso di Analisi Matematica I (trimestrale, 6 crediti), Laurea in Ingegneria
DettagliCapitolo 5. Funzioni. Grafici.
Capitolo 5 Funzioni. Grafici. Definizione: Una funzione f di una variabile reale,, è una corrispondenza che associa ad ogni numero reale appartenente ad un insieme D f R un unico numero reale, y R, denotato
DettagliAnalisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06
Analisi Mat. - Ing. Inform. - Soluzioni del compito del 3-3-6 Sia p il polinomio di quarto grado definito da pz = z 4. Sia S il settore circolare formato dai numeri complessi che hanno modulo minore o
Dettagli