CAPITOLO X ALCUNE DISTRIBUZIONI DI PROBABILITÀ. al quale la v.a. assume il valore 0. Se ne conclude che la v.a. X assume il valore x = 0 (1)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "CAPITOLO X ALCUNE DISTRIBUZIONI DI PROBABILITÀ. al quale la v.a. assume il valore 0. Se ne conclude che la v.a. X assume il valore x = 0 (1)"

Transcript

1 TE0_dis fb - 3/0/007 3/0/007 - CAPITOLO ALCUNE DISTRIBUZIONI DI PROBABILITÀ I questo caitolo esamiiamo, ache a semlice titolo di esercizio, alcue articolari, ma comuque articolarmete imortati, distribuzioi di robabilità, determiadoe i relativi arametri, di tedeza cetrale e di disersioe 0 - Distribuzioe di Beroulli La rima, elemetare distribuzioe di robabilità che cosidereremo è quella defiita a artire da u eserimeto casuale S che ammetta solamete il successo o l isuccesso; i questo caso viee defiita ua va discreta che assume il valore al verificarsi di S ed il valore 0 el caso i cui se e verifichi la egazioe: è questa la va beroulliaa Lo sazio dei camioi Ω si comoe di due soli elemeti, quello corrisodete al verificarsi dell eserimeto, di robabilità, i corrisodeza al quale la va assume il valore, e quello corrisodete al o verificarsi dell eserimeto, di robabilità q, i corrisodeza al quale la va assume il valore 0 Se e coclude che la va assume il valore x 0 0 co robabilità 0 q e x co robabilità () Il valor medio di ua distribuzioe beroulliaa è E( ) 0 q, e la sua variaza è q( 0 ) ( ) q q q( q) q ( ) Si vede come la variaza, scritta i fuzioe della sola robabilità di successo, ovviamete semre o egativa, comresa tra 0 ed, assuma u valore miimo ullo i corrisodeza a e a 0, cioè i corrisodeza ad eveti er i quali o c è icertezza, risettivamete l eveto certo e l eveto imossibile, metre assume il valor massimo, ari ad u quarto, i corrisodeza a, e duque i corrisodeza alla massima icertezza sul risultato dell eveto () Si oti come si sia referito idiciare i valori della va a artire da 0, e o da ; ifatti, se avessimo scelto la umerazioe tradizioale che arte da a, avremmo avuto i valori x 0 e x, certamete ifelici

2 TE0_dis fb - 3/0/007 3/0/ Distribuzioe biomiale Si cosideri u eserimeto casuale costituito da rietizioi dello stesso eserimeto casuale elemetare o di Beroulli, er ciascua delle quali è defiita ua va beroulliaa i,,, Defiiamo allora ua uova va, somma delle recedeti, i, gli elemeti del cui sazio dei camioi Ω soo le le costituite dagli esiti dei successivi eserimeti beroulliai, duque del tio ω { ω ω, ω },, dove oguo degli i i i, ω uò assumere il valore o il valore 0 a secoda che il corrisodete eserimeto di Beroulli sia verificato o meo; duque il geerico ω sarà ua la formata da 0 ed, quale e ω { 0,,,0,0,, } I quato sora si ritiee, i modo del tutto aturale, che le variabili siao idiedeti tra loro, ossia che l esito della ω, o sia ifluezato dall esito della rietizioe ( i ) esima i, ω i, é ifluezi ω i, esito della rietizioe ( i ) esima i esima rietizioe dell eserimeto, e duque La uova va risulta così essere ua va discreta che uò assumere come valore tutti gli umeri iteri comresi tra 0 (otteuto el caso i cui l eserimeto elemetare o abbia mai avuto successo i essua delle rietizioi) ed (el caso i cui l eserimeto elemetare si sia verificato semre) Distiguiamo questi valori co u idice k al quale assegiamo il valore 0 er il iù iccolo, crescedo via via fio al valore er il iù grade: i questo modo ossiamo scrivere x k k La robabilità k (che idicheremo i questa sede come k, er idicare, oltre al umero di successi ache il umero di rietizioi effettuate ) del geerico valore k della va, è data dalla robabilità di trovare, tra gli elemeti che comogoo la la ω, esattamete k volte il valore, che ha robabilità, ed k volte il valore 0, che ha robabilità q idiedetemete dall ordie el quale si alterao zeri ed ui; duque q k k k, k Questa affermazioe si siega ribadedo che er otteere il valore k è ecessario che er k volte tra le rietizioi l eserimeto S abbia avuto esito ositivo, e duque si sia verificato altrettate volte u eveto di robabilità ; da qui la reseza ell esressioe roosta E ifatti evidete che o avrebbe sigificato idicare il umero di successi otteuti seza idicare ache il umeri di tetativi effettuati

3 TE0_dis fb - 3/0/007 3/0/007-3 del fattore k ; la reseza dell altro fattore k q si giustifica aalogamete, cosiderado che er k volte si è verificato u eveto, esito egativo di S, di robabilità q Rimae da siegare acora la reseza del coefficiete biomiale, che tiee coto del fatto che, se è vero che ella la di 0 ed il valore comare esattamete k volte, o è affatto imortate la osizioe i cui tali comaioo: ifatti, che i successi si siao avuti ei rimi tetativi, egli ultimi tetativi o, come iù robabile, alterati i vario modo agli isuccessi, quello che cota è solamete il loro umero Cosideriamo il caso 5 e k : le ossibilità soo esat tamete 0, come si uò vedere dall eleco di tutte le ossibili differeti ciqui- e formate da due e tre 0: {,,0,0,0 }, {,0,,0,0 }, {,0,0,,0 }, {,0,0,0, }, { 0,,,0,0 }, {,,0,,0 } { 0,,0,0, }, { 0,0,,,0 }, { 0,0,,0, }, {,0,0,, } 0 0, Risulta così giustificata l esressioe data alla robabilità di ogi sigolo valore della va biomiale (e abbiamo ache giustificato il ome dato a tale variabile) Si oti, er iciso, che k o k k, k q ( q) k o k, come deve essere La va biomiale, assieme alla sua distribuzioe di robabilità, viee sesso idicata co il simbolo ( ), k B,, semre co l idicazioe diretta del umero di rietizioi dell eserimeto che dà luogo alla sigola va Beroulliaa oché della robabilità di successo di quest ultima: è ifatti evidete che tali idicazioi cosetoo di costruire l itera distribuzioe di robabilità, k Come esemio di va biomiale e coseguete distribuzioe di robabilità, cosideriamo il lacio rietuto due volte di u ormale dado a sei facce el quale l eserimeto si ritiee verificato dall uscita del umero, e o verificato altrimeti; duque,, 5 q, B (, ) I questo caso,0 q, 0 3 q 5 0, 3,, q 3 L adameto della robabilità è riortato el grafico alla siistra che evidezia l adameto decrescete di questa Risulta

4 TE0_dis fb - 3/0/007 3/0/007-4 immediato il calcolo sia del valor medio che della variaza della distribuzioe i esame: E ( B(, )) xk k k, k, k 0 k 0 e B(, ) k 0 ( x k k E( B(, )) Dalle defiizioi recedeti otteiamo subito ( B(, ) ) E (0 3) ( 3) ( 3) Come secodo esemio cosideriamo la rietizioe er q 4 volte di u eserimeto che abbia di robabilità di successo (duque co q robabilità di isuccesso) I valori ossibili er la va biomiale associata sarao 0,,, 3, 4 co risettive robabilità,4,,4, La seraza matematica di sarà allora E ( B(4, ) e la variaza (0 ) ( ) ( 4 4 q ) 4 (3 ) (4 ) Questa volta il grafico evidezia come la distribuzioe di robabilità reseti u evidete massimo, risetto al quale essa ha u adameto simmetrico Se cosiderassimo u esemio aalogo, el quale 3 e q 3, otterremmo acora gli stessi valori della va 0,,,3, 4, ma questa volta co risettive robabilità,,,, Ache il grafico ci mostra come la macata equirobabilità faccia erdere la simmetria, ma lasci comuque evidete la reseza di u massimo Il calcolo della seraza matematica orta a

5 TE0_dis fb - 3/0/007 3/0/ E ( B(4, 3) , e quello della variaza, che calcoliamo come differeza tra il valore medio del quadrato, E( B (4, 3) e il quadrato del valore medio, [ E ( B(4, 3) ] , orta a , E( B (4, 3) [ E( B(4, 3) ] 4 q Dagli esemi roosti si vede come i tutti la seraza matematica si ossa otteere come rodotto della robabilità del sigolo successo er il umero di rietizioi dell eserimeto, e la variaza come rodotto della robabilità di successo co la robabilità di isuccesso e acora er il umero di rietizioi Questo o è aturalmete u fatto accidetale Osserviamo al roosito che la va biomiale B(, ) è stata resetata come somma delle va beroulliae i, B( ) i i,, ciascua di valor medio ; dal mometo che il valor medio di ua somma di va si uò otteere come somma dei valori medi delle sigole variabili, abbiamo che E ( B) Lo stesso uò dirsi er la variaza, erò solamete doo avere ricordato il fatto che le sigole va l essersi o meo verificato l eserimeto beroulliao ella rietizioe i risultao idiedeti tra di loro (i quato i esima o ha alcua iflueza sulla robabilità del suo verificarsi o meo ella successiva rietizioe ( i ) esima! ): duque ache i questo caso ossiamo affermare che la variaza della va somma delle va è la somma delle variaze q delle sigole va, dode la tesi Cocludiamo così che il assaggio dalla distribuzioe di Beroulli (sigola rietizioe di u eserimeto casuale suscettibile dei soli valori vero o falso, che esso assume co robabilità risettive e q, sul quale è defiita ua va che assume il valore se l eveto è verificato, 0 i caso cotrario) alla distribuzioe biomiale ( ) B, (rietizioe er volte dello eserimeto recedete) si ottiee dalla semlice moltilicazioe er il umero di rietizioi sia del valor medio che della variaza q dell eserimeto beroulliao Il giocatore icallito rifiuterà questa idiedeza

6 TE0_dis fb - 3/0/007 3/0/ Frequeza relativa Associata alla va distribuzioe biomiale è la va frequeza relativa, che assume come valori quelli della va biomiale divisi er, umero delle rietizioi dell eserimeto elemetare La relazioe tra le va biomiali ( ) B, e la va frequeza relativa è duque (, ) B Per le rorietà di valor medio e variaza, ricaviamo immediatamete come valore medio della va frequeza relativa E ( ) E( B(, ) ), ossia come valore medio la robabilità del sigolo successo; come variaza ( ) (, ) B q VAR VAR q Si osservi che al tedere di ad ifiito, ossia er u umero estremamete elevato di rietizioi di u eserimeto di Beroulli, la variaza della va frequeza relativa tede a zero, idicado u umero ercetuale di successi, e duque ua frequeza, che si stabilizza attoro al valore, robabilità di successo ricoosciuta a riori, e ciò i comleto accordo co quato affermato dalla legge dei gradi umeri Questa va frequeza relativa è imortate er le osservazioi segueti Si ricordi che i valori della uova va soo quelli della corrisodete va biomiale, cioè gli iteri dallo zero a, umero di rietizioi, divisi er, e sarao duque tutti coteuti ell itervallo [ 0, ] dell asse reale Questo è vero er tutte le va frequeza relativa, idiedetemete dal umero di rietizioi Quello che cambia co è il umero dei ossibili risultati che divetao semre iù fitti al crescere di Ifatti, se cosideriamo la va biomiale B (, ), che ha come valori gli iteri 0,,, i valori della corrisodete frequeza soo evidetemete 0,, ; se cosideriamo ivece la va biomiale B ( 4, ), che assume i valori 0,,, 3, 4, la frequeza relativa corrisodete assume i valori 0, 4, 4,3 4,, che soo acora tutti comresi ell itervallo [ 0, ] ma i umero (quasi) doio risetto al caso recedete Passado alla va biomiale ( 8, ) B si vede come i sigoli itervallii ei quali viee diviso l itervallo [ 0, ] vegao dimezzati di amiezza e raddoiati di umero acora ua volta, e così via Al crescere acora di, ossia, come si usa dire, al limite er che tede ad ifiito, otteiamo u tale ifittirsi di questi uti da suggerirci di assare dalla cosiderazioe di ua

7 TE0_dis fb - 3/0/007 3/0/007-7 va discreta alla cosiderazioe di ua va cotiua E questa ua aticiazioe del così detto Teorema del limite cetrale, del quale, forse, avremo modo di occuarci el seguito 04 - Distribuzioe di Poisso Alla distribuzioe di Poisso si arriva come arossimazioe della distribuzioe biomiale descritta i recedeza, arossimazioe ossibile el caso i cui il valor medio di questa, µ, risulta ragioevolmete costate al crescere del umero di rietizioi ; duque la sigola robabilità di successo deve tedere a zero quado tede ad ifiito i modo auto che il rodotto µ rimaga costate I tali iotesi la robabilità di k successi si k µ arossima co, k k µ e k!, dove si è scritto k i luogo di, i quato ella k sua esressioe o comare iù (é ) ma solo k (oltre che µ ) I geerale, le iotesi richieste ossoo essere soddisfatte dal caso i cui l eserimeto casuale S cosista ell effettuare u test di ositività ad ua malattia sugli idividui di u camioe di elemeti tratti da ua oolazioe, dove è la robabilità (meglio, la frequeza relativa) di u esito ositivo, e Poisso si usa se il rodotto q quella dell esito egativo La distribuzioe di µ è ressoché costate, ossia se è lecito affermare che la robabilità di successo decresce al crescere del umero degli elemeti del camioe La correzioe della robabilità della distribuzioe biomiale ella distribuzioe di Poisso comorta ua arossimazioe che rede o soddisfatte le esigeze caratterizzati ua distribuzioe di robabilità: basta osservare ifatti che la somma delle robabilità k o è er fiito Si otrebbe erò vedere come tali codizioi risultio soddisfatte semre meglio al crescere di : l arossimazioe è duque tato migliore quato maggiore è, ell esemio citato, il umero di test effettuati La verifica di questa affermazioe, come quella di altre successive, è lasciata alla buoa volotà dei Lettori che abbiao cofideza co il Calcolo ifiitesimale Ache er il calcolo della seraza matematica ossiamo dimostrare che E ( ) µ solo al limite er che tede ad ifiito Per quato ifie riguarda la variaza osserviamo che dall essere la robabilità di successo molto iccola, tedete a 0 al tedere di ad ifiito, è ossibile orre q, e duque, dal risultato otteuto er la distribuzioe bi- omiale, otteiamo q µ

8 TE0_dis fb - 3/0/007 3/0/007-8 Nell arossimazioe di Poisso, seraza matematica e variaza soo uguali, etrambe ari al rodotto del umero di rove effettuate co la robabilità di successo, : ( ) VAR( ) µ E 05 - Variabili aleatorie stadardizzate Sesso i luogo della geerica va, discreta o cotiua, si cosidera la corrisodete va stadardizzata Z associata alla, che gode della rorietà di avere seraza matematica ulla e variaza uitaria (vedremo quato siao imortati questi risultati) La defiizioe E( ) E( ) di Z è la seguete: Z VAR( ) Abbiamo immediatamete E( ) E( Z) E E( E( )) [ E( ) E( E( ))] ( E( ) E( )) e 0 E VAR Z VAR ( ) ( ) VAR VAR ( ) VAR( ) VAR( ) VAR( ) ( E( ) ) [ VAR( ) VAR( E( ) ) ] VAR( ) Per otteere questi risultati si è teuto coto del fatto che il valore medio di ua qualsiasi va è ua (va) costate, e come tale coicide co il suo valore medio ed ha variaza ulla Possiamo scrivere VAR ( E( ) ) VAR( ) VAR( E( ) ) VAR( ) 0 - Distribuzioe ormale o di Gauss Come uico esemio di distribuzioe di robabilità er ua va cotiua cosidereremo la distribuzioe di Gauss, che riveste tale imortaza da veire ache detta distribuzioe ormale La desità di robabilità è defiita sull itero asse reale R ed ha esressioe ( x µ ) ( x) e f π La distribuzioe di Gauss ha ua tiica forma di camaa (dalla quale trae u altro suo ome) resetado u massimo assoluto i µ x, el quale assume il valore f ( ) µ π Ri-

9 TE0_dis fb - 3/0/007 3/0/007-9 setto a tale uto di massimo è simmetrica (è ifatti ari risetto ad x µ di esso è crescete, er essere decrescete er x > µ ), e duque rima Il fattore che recede l esoeziale, detto fattore di ormalizzazioe, garatisce che l area comresa tra l asse delle ascisse ed il grafico della fuzioe di Gauss è uitaria, ossia ha misura ari a uo Questa codizioe è ecessaria er oter dare alla fuzioe di Gauss il sigificato di desità di robabilità (gli eserti sao che quato detto traduce i arole la codizioe f ( x) dx ) Dalla defiizioe data discede immediatamete o solo che come valor medio la distribuzioe ormale forisce il valore µ, che rareseta ache il uto di massimo, ma che questo è ache la moda, ed è ure il valore attoro al quale si disogoo simmetricamete gli altri, e rareseta così la mediaa; e discede ache che come variaza questa distribuzioe ha La corrisodete va stadardizzata si ottiee dalla sostituzioe Z µ (o ache oedo direttamete ella defiizioe della fuzioe f ( x) u valor medio ullo ed ua variaza uitaria); abbiamo i ogi modo f ( z) π e z (dove, seguedo ua cosuetudie quasi uiversale, il valore della variabile stadardizzata è stato idicato co la lettera z ) Il assaggio alla fuzioe ormale stadardizzata risulta ecessario er quato segue Come già aticiato, e come risulterà evidete dalle successive alicazioi, la distribuzioe ormale di Gauss è di fodametale imortaza, tato che i suoi valori si trovao tabulati Assieme a tali valori, forse di o eccessivo iteresse, almeo er i ostri fii, vegoo tabulati i valori delle aree delle orzioi di iao delimitate da u itervallo dell asse delle ascisse (l asse z ), co estremo (di orma quello siistro) i z 0, e dalla curva ormale stadardizzata I articolare questa secoda tabulazioe si rede ecessaria er il fatto che tali aree o sarebbero calcolabili i via esatta Queste tabulazioi o sarebbero ossibili fiché ella fuzioe comarissero due arametri arbitrari, risettivamete valore medio µ e variaza (o è ifatti esabile di tabulare la fuzioe er ogi ossibile scelta di µ e di!); ua

10 TE0_dis fb - 3/0/007 3/0/007-0 volta erò che la fuzioe è stadardizzata, cosa che orta ad u valore medio ullo e ad ua variaza uitaria, la tabulazioe risulta ossibile, ed è auto quella che si trova ei testi Nella tabulazioe delle aree idicate, avedo l itervallo dell asse reale estremo iferiore semre ell origie ed estremo sueriore i u geerico uto di ascissa z, urché z > 0, le aree stesse soo evidetemete fuzioe di z, riducedosi a zero er z 0, ed avviciado il valore 0 5 al crescere idefiitamete di z, valore che comuque si raggiugerebbe esattamete solo er z ifiitamete elevato I realtà, la tabella oe l area ari a 0 5 già er z 390, duque er valori molto coteuti della va stadardizzata La limitazioe z > 0 si siega co la simmetria, risetto all origie, della curva ormale stadardizzata La tabella uò veire letta ache al cotrario, ossia determiado l amiezza che deve avere l itervallo di base affiché l area abbia ua misura refissata Per esemio, se si volesse determiare l itervallo er il quale l area è ari a 0 45, tale umero adrebbe cercato ella tabella, e, el ostro caso, verrebbe ricoosciuto i z 45 (evidetemete, el caso i cui la misura scelta er l area o veisse trovata esattamete, ci si dovrebbe accotetare della misura iù vicia, seza doverci reoccuare iù di tato, dal mometo che è evidete il grado elevato di arossimazioe resete i tutto questo discorso) L imortaza di quato sora risiede el fatto, del quale abbiamo arlato i recedeza, che, se ua variabile aleatoria ha come fuzioe desità di robabilità la curva ormale stadardizzata, la robabilità che il valore z che essa assume sia miore od uguale ad u valore refissato, a, si ottiee dalla misura dell area comresa tra l itervallo, aerto o chiuso, (, a) dell asse delle ascisse e la curva ormale al di sora di esso Vediamo allora, er esemio, quale è la robabilità che sia z Dobbiamo valutare, usado le tavole, la misura dell area che sta al di sora dell itervallo (,] e al di sotto della curva ormale Possiamo cosiderare questa area come somma dell area osta al di sora dell itervallo (,0] co quella osta al di sora dell itervallo [ 0,], cosecutivo al recedete; data la simmetria della distribuzioe ormale, l area sovrastate il rimo itervallo è metà dell area totale, che è uitaria, sovrastate l itero asse reale, e duque la sua misura è ; l area rimaete viee letta sulle tavole, trovado il valore I defiitiva, l area totale ha misura 0 977, e la robabilità che la va assuma u valore miore od uguale a è del 97 7% Sesso, come detto, il ragioameto viee fatto all iverso, ossia, scelta ua ercetuale di robabilità, si vuole trovare l estremo sueriore dell itervallo che la garatisce Per esem-

11 TE0_dis fb - 3/0/007 3/0/007 - io, voledo ua robabilità del 95 %, ossia u area di misura 0 95, rietedo il ragioameto recedete, che attribuisce ua robabilità del % 50 all itervallo (,0), sulle tavole va ricercato il valore della arte di area macate, ossia il valore Si vede che tale valore è otteuto dall itervallo (, 45) 0, dove l estremo 45 è otteuto come media tra 4, che orta ad u area di , e 5, che orta ad u area di Duque, er avere ua robabilità del % 95 dobbiamo cosiderare l itervallo (,45) Se ifie volessimo idividuare u itervallo fiito, simmetrico risetto all origie, all itero del quale cada il valore z della va stadardizzata co robabilità refissata, α, dovremo fare il seguete ragioameto L area α si trova, come detto, riartita i arti uguali a siistra e a destra dell origie, z 0 ; duque sulle tavole adrà ricercato il valore corrisodete ad α, i base al quale si trova l estremo sueriore dell itervallo cercato; l estremo iferiore si ottiee cambiado il sego di quello ora determiato Se er esemio si fosse osto α 0 95, che idica ua robabilità del 95 %, dovremmo cercare sulle tavole l itervallo che determia u area di misura 0 95 / ; si trova così il valore z 95 9, e duque l itervallo all itero del quale cadrà il valore della va Z co robabilità ari al 95 % è [ 9, 9] Rimae aturalmete il roblema di come, ua volta che si siao letti i valori relativamete alla variabile stadardizzata, si ossa risalire ai corrisodeti valori er la variabile o stadardizzata Il roblema si risolve facilmete, ricordado la defiizioe di va stadardizzata Se ifatti volessimo trovare l itervallo el quale cade co robabilità refissata α il valore x della va, assado alla corrisodete va stadardizzata Z troviamo u itervallo, ( z, z ), el quale cade co tale robabilità il valore di Z : P ( z < z < z ) α Dal mometo che µ z x, se µ e soo risettivamete valor medio e variaza di, la disu- guagliaza recedete si scrive come x µ z < < z, dalla quale µ z < x < µ z Duque, l itervallo el quale cade il valore della co robabilità α è ( µ z µ z ),

Distribuzioni di probabilità

Distribuzioni di probabilità Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura

Dettagli

Successioni di variabili aleatorie

Successioni di variabili aleatorie 0 Caitolo 5 Successioi i variabili aleatorie 5. Covergeza i istribuzioe e teorema cetrale i covergeza Sia {X } = (X,..., X,... ua successioe ifiita i variabili aleatorie e X u ulteriore variabile aleatoria.

Dettagli

CENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica

CENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica Da u mazzo di carte (3 carte er quattro semi di cui due eri e due rossi, co 3 figure er ogi seme si estragga ua carta. Calcolare la robabilità che a si estragga u re ero b si estragga ua figura rossa,

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

CENNI DI PROBABILITÀ E VARIABILI CASUALI

CENNI DI PROBABILITÀ E VARIABILI CASUALI CI DI PROBABILITÀ VARIABILI CASUALI PROBABILITA VARIABILI CASUALI Frequeza relativa e robabilità Mediate le le robabilità si si descrivoo i i feomei che che ossoo essere essere esati come come u u eserimeto

Dettagli

ASSIOMI DELLA PROBABILITA

ASSIOMI DELLA PROBABILITA ASSIOMI DELLA PROBABILITA L assegazioe di ua misura di robabilità, qualuque sia la sua defiizioe, defiisce ua fuzioe, che ad ogi eveto associa u umero reale comreso tra 0 e. : E (E), co 0 (E) E ifatti

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Vettori riga, vettori coloa Sia u itero ositivo fissato Ciascu vettore di R uo essere esato come ua matrice riga oure come ua matrice coloa (co elemeti) Per covezioe, idetifichiamo

Dettagli

PROBLEMI DI INFERENZA SU PERCENTUALI

PROBLEMI DI INFERENZA SU PERCENTUALI ROBLEMI DI INFERENZA SU ERCENTUALI STIMA UNTUALE Il roblema della stima di ua ercetuale si oe allorchè si vuole cooscere, sulla base di osservazioi camioarie, la frazioe π di ua oolazioe N che ossiede

Dettagli

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57 Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu

Dettagli

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11 1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Corso 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) Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo

Dettagli

(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.

(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni. Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma

Dettagli

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi: Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,

Dettagli

Elementi di calcolo combinatorio

Elementi di calcolo combinatorio Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare

Dettagli

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n. SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. CAPITOLO OTTAVO LE VARIABILI CASUALI Sommario:. Geeralità. -. La variabile casuale biomiale. - 3. La variabile casuale di Poisso. - 4. La variabile casuale ormale. 5. La variabile casuale chi-quadrato.

Dettagli

2.5 Convergenza assoluta e non

2.5 Convergenza assoluta e non .5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello

Dettagli

Probabilità e Statistica (cenni)

Probabilità e Statistica (cenni) robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli

Dettagli

Probabilità CENNI DI PROBABILITÀ

Probabilità CENNI DI PROBABILITÀ CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Esercitazioni di Geometria II

Esercitazioni di Geometria II Esercitazioi di Geometria II Letizia Perigotti - perigotti@sciece.uit.it 20 aprile 2012 Esercizio 1. Dimostrare che la famiglia degli itervalli chiusi e limitati B 1 = {[a, b] R : a < b} o è base di alcua

Dettagli

Analisi Matematica Soluzioni prova scritta parziale n. 1

Analisi Matematica Soluzioni prova scritta parziale n. 1 Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.

Dettagli

ESERCITAZIONE DI PROBABILITÀ 1

ESERCITAZIONE DI PROBABILITÀ 1 ESERCITAZIONE DI PROBABILITÀ 1 12/03/2015 Soluzioi del primo foglio di esercizi Esercizio 0.1. Ua classe di studeti è costituita da 6 ragazzi e 4 ragazze. I risultati dell esame vegoo esposti i ua graduatoria

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

Distribuzione normale

Distribuzione normale Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea i Igegeria Iformatica Ao Accademico 26/27 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Acoa, geaio 27. (8 puti) Si vuole stimare il parametro p di ua legge

Dettagli

LEGGE DEI GRANDI NUMERI

LEGGE DEI GRANDI NUMERI LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi

Dettagli

1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.

1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge. Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):

Dettagli

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Esercizi di Analisi II

Esercizi di Analisi II Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare

Dettagli

1 + 1 ) n ] n. < e nα 1 n

1 + 1 ) n ] n. < e nα 1 n Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e

Dettagli

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

LE EQUAZIONI IRRAZIONALI

LE EQUAZIONI IRRAZIONALI LE EQUAZIONI IRRAZIONALI Per ricordare H Data ua qualsiasi equazioe A B, saiamo che ad essa si ossoo alicare i ricii di equivaleza che cosetoo di aggiugere o togliere esressioi ai due membri oure moltilicare

Dettagli

0.1 Esercitazioni V, del 18/11/2008

0.1 Esercitazioni V, del 18/11/2008 1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Entropia ed informazione

Entropia ed informazione Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre

Dettagli

Algebra delle matrici

Algebra delle matrici Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice

Dettagli

Scritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50

Scritto da Maria Rispoli Domenica 09 Gennaio :32 - Ultimo aggiornamento Domenica 20 Febbraio :50 Ua delle applicazioi della teoria delle proporzioi è la divisioe di u umero (o di ua gradezza) i parti direttamete o iversamete proporzioali a più umeri o a più serie di umeri dati. Tale tipo di problema

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verifica delle iotesi Iotesi ulla Il rocesso di verifica di iotesi è u rocesso di falsificaioe dell iotesi ulla (coteete lo stato dell arte) cotro l iotesi alterativa (coteete il uovo) Essa rareseta

Dettagli

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti. AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i

Dettagli

Studio matematico dei sistemi di controllo

Studio matematico dei sistemi di controllo Studio matematico dei sistemi di cotrollo Studio di u sistema fisico x(t segale di igresso (eccitazioe SISTEMA FISIO y(t segale di uscita (risosta y(t è legata a x(t da u equazioe differeziale che diede

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso

Dettagli

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE. CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate

Dettagli

Cosa vogliamo imparare?

Cosa vogliamo imparare? Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come

Dettagli

Esercitazione del 25/11/2011 Calcolo delle probabilità

Esercitazione del 25/11/2011 Calcolo delle probabilità Esercitazioe el 25//20 Calcolo elle robabilità Covergeza i istribuzioe. Sia {X } N ua successioe i variabili aleatorie reali. Sia X u ulteriore variabile aleatoria reale. Defiizioe. Diremo che la successioe

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Distribuzione normale o gaussiana

Distribuzione normale o gaussiana Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

SUCCESSIONI SERIE NUMERICHE pag. 1

SUCCESSIONI SERIE NUMERICHE pag. 1 SUCCESSIONI SERIE NUMERICHE pag. Successioi RICHIAMI Ua successioe di elemeti di u isieme X è ua fuzioe f: N X. E covezioe scrivere f( ) = x, e idicare le successioi mediate la ifiitupla ordiata delle

Dettagli

Statistica. Lezione 5

Statistica. Lezione 5 Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it

Dettagli

(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.

(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n. Algebra lieare Matematica CI) 263 Somma di matrici Siao m ed due iteri positivi fissati Date due matrici A, B di tipo m, sommado a ciascu elemeto di A il corrispodete elemeto di B, si ottiee ua uova matrice

Dettagli

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni. Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo

Dettagli

Tutorato di Probabilità 1, foglio I a.a. 2007/2008

Tutorato di Probabilità 1, foglio I a.a. 2007/2008 Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!

Dettagli

Esercizi sull estremo superiore ed inferiore

Esercizi sull estremo superiore ed inferiore AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sull estremo superiore ed iferiore Esercizio svolto. Dire se i segueti isiemi soo limitati iferiormete o superiormete ed, i caso affermativo, trovare l estremo

Dettagli

SECONDO ESONERO DI AM1 10/01/ Soluzioni

SECONDO ESONERO DI AM1 10/01/ Soluzioni Esercizio. Calcolare i segueti iti: Razioalizzado si ottiee SECONDO ESONERO DI AM 0/0/2008 - Soluzioi 2 + 2, 2 + 2 = 2 + 2 + 2 + 2 = Per il secodo ite ci soo vari modi, e mostro tre. Ora ( ) ( + si = +

Dettagli

06 LE SUCCESSIONI DI NUMERI REALI

06 LE SUCCESSIONI DI NUMERI REALI 06 LE SUCCESSIONI DI NUMERI REALI Ua successioe è ua fuzioe defiita i. I simboli ua f : A tale che f ( ) è ua successioe di elemeti di A. Se poiamo f ( i) ai co i,...,,..., ua successioe può essere rappresetata

Dettagli

LE MISURE DI TENDENZA CENTRALE

LE MISURE DI TENDENZA CENTRALE STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare

Dettagli

Algoritmi e Strutture Dati (Elementi)

Algoritmi e Strutture Dati (Elementi) Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti

Dettagli

Soluzioni degli esercizi del corso di Analisi Matematica I

Soluzioni degli esercizi del corso di Analisi Matematica I Soluzioi degli esercizi del corso di Aalisi Matematica I Prof. Pierpaolo Natalii Roberta Biachii & Marco Pezzulla ovembre 015 FOGLIO 1 1. Determiare il domiio e il sego della fuzioe ( ) f(x) = arccos x

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

Teorema delle progressioni di numeri primi consecutivi con distanza sei costante

Teorema delle progressioni di numeri primi consecutivi con distanza sei costante Teorema delle progressioi di umeri primi cosecutivi co distaza sei costate A cura del Gruppo Eratostee - http://www.gruppoeratostee.com/) Co la collaborazioe di Eugeio Amitrao ( http://www.atuttoportale.it/)

Dettagli

Statistica Inferenziale Soluzioni 1. Stima puntuale

Statistica Inferenziale Soluzioni 1. Stima puntuale ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza

Dettagli

Risoluzione del compito n. 3 (Febbraio 2018/2)

Risoluzione del compito n. 3 (Febbraio 2018/2) Risoluzioe del compito. 3 (Febbraio 08/ PROBLEMA a Determiate le soluzioi τ C dell equazioe τ iτ +=0. { αβ =4 b Determiate le soluzioi (α, β, co α, β C,delsistema α + β =i. c Determiate tutte le soluzioi

Dettagli

Ottavio Serra La costante C di Eulero-Mascheroni e la funzione Gamma. 1. =

Ottavio Serra La costante C di Eulero-Mascheroni e la funzione Gamma. 1. = Ottavio Serra La costate C di Eulero-Mascheroi e la fuzioe Gamma la costate C di Eulero Mascheroi è defiita come il limite della seguete successioe: [] a = +/+/3+ +/ log(+) Il termie a è la differeza tra

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

Definizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie.

Definizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie. SERIE NUMERICHE Defiizioe. Data ua successioe (a ) alla scrittura formale ) a + a 2 + + a +, si dà il ome di serie. I umeri a, a 2,, a, rappresetao i termii della serie, i particolare a è il termie geerale

Dettagli

Corso Propedeutico di Matematica

Corso Propedeutico di Matematica POLINOMI RICHIAMI DI TEORIA Defiizioe: u poliomio ( o fuzioe poliomiale) ella variabile x di grado a coefficieti reali ha la forma A = a0 + a1x + + a 1 x, dove a 0, a 1,..., a soo umeri reali assegati

Dettagli

Daniela Tondini

Daniela Tondini Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M

Dettagli

Richiami sulle potenze

Richiami sulle potenze Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle

Dettagli

Esercizi sui numeri complessi per il dodicesimo foglio di esercizi

Esercizi sui numeri complessi per il dodicesimo foglio di esercizi Esercizi sui umeri complessi per il dodicesimo foglio di esercizi 6 dicembre 2010 1 Numeri complessi radici ed equazioi Ricordiamo iazitutto che dato u umero complesso z = x + iy, il suo coiugato, idicato

Dettagli

Esercizi sui limiti di successioni

Esercizi sui limiti di successioni AM0 - AA 03/4 ALFONSO SORRENTINO Esercizi sui iti di successioi Esercizio svolto a) Usado la defiizioe di ite, dimostare che: + 3 si π cos e ) e b) 0 Soluzioe Comiciamo da a) Vogliamo dimostrare che: ε

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 24 maggio 26 Desità e distribuzioi cogiute e codizioate. Covergeza e approssimazioe Esercizio Uo studio dice che l ivestimeto i titoli di stato, rappresetato

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

Sviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5

Sviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5 Sviluppi di Taylor Adrea Corli settembre 009 Idice Notazioe o Liearizzazioe di ua fuzioe 3 Formula di Taylor 3 4 Esempi ed applicazioi 5 I questo capitolo aalizziamo l approssimazioe di ua fuzioe regolare

Dettagli

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5. 60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta

Dettagli

x n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma

x n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma 1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge

Dettagli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)

Dettagli

Esercitazione n 4. 1 Serie di Taylor. Esercizio 1: Verificare che la funzione. f(x) = 0 se x = 0

Esercitazione n 4. 1 Serie di Taylor. Esercizio 1: Verificare che la funzione. f(x) = 0 se x = 0 Esercitazioe 4 1 Serie di Taylor Esercizio 1: Verificare che la fuzioe f(x) { e 1/x se x 0 0 se x 0 pur essedo C o è sviluppabile i serie di Taylor i x 0. Sol.: Determiiamo le derivate di f: 0 f (0) lim

Dettagli

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4 Quarto Compito di Aalisi Matematica Corso di laurea i Iformatica, corso B 5 Luglio 016 Soluzioi Esercizio 1 Determiare tutti i umeri complessi z tali che z = 3 4 i. Soluzioe. Scrivedo z = a + bi, si ottiee

Dettagli

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi

Dettagli

Metodi di valutazione delle prestazioni di rete

Metodi di valutazione delle prestazioni di rete Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio

Dettagli

a n (x x 0 ) n. (1.1) n=0

a n (x x 0 ) n. (1.1) n=0 Serie di poteze. Defiizioi Assegati ua successioe {a } di umeri reali e u puto x dell asse reale si dice serie di poteze u espressioe del tipo a (x x ). (.) Il puto x viee detto cetro della serie e i umeri

Dettagli

Giulio Cesare Barozzi: Primo Corso di Analisi Matematica Zanichelli (Bologna), 1998, ISBN

Giulio Cesare Barozzi: Primo Corso di Analisi Matematica Zanichelli (Bologna), 1998, ISBN Giulio Cesare Barozzi: Primo Corso di Aalisi Matematica Zaichelli (Bologa), 998, ISBN 88-08-069-0 Capitolo NUMERI REALI Soluzioe dei problemi posti al termie di alcui paragrafi. Numeri aturali, iteri,

Dettagli

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

Dimostrazione dell Ultimo Teorema di Fermat

Dimostrazione dell Ultimo Teorema di Fermat Dimostraioe dell Ultimo Teorema di Fermat (M. BONO - /04/00 rev. 05/01/04) Pierre de Fermat, el 1637, artedo dalla seguete equaioe: x + y (1) dove x, y, ed devoo aarteere tutti all isieme dei umeri iteri,

Dettagli

Congruenze in ; l insieme quoziente / n

Congruenze in ; l insieme quoziente / n Cogrueze i ; l isieme quoziete / Per ogi, si cosideri i la relazioe, che per il mometo deoteremo co ( ), così defiita: a ( ) b divide a-b Esempio: 5 (7 ) 19, perché 7 5-19=-14, metre 4 o è ella relazioe

Dettagli

Lezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh.

Lezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh. Prerequisiti: Lezioe Gruppi Lezioe 2 Z Gruppi isomorfi Gruppi S e A Riferimeti ai testi: [FdG] Sezioe ; [H] Sezioe 26; [PC] Sezioe 58 Sottogruppi ormali Gruppi quoziete L Esempio 7 giustifica la seguete

Dettagli

Lezione 4. Gruppi di permutazioni

Lezione 4. Gruppi di permutazioni Lezioe 4 Prerequisiti: Applicazioi tra isiemi Lezioi e Gruppi di permutazioi I questa lezioe itroduciamo ua classe ifiita di gruppi o abeliai Defiizioe 41 ia X u isieme o vuoto i dice permutazioe su X

Dettagli