Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2"

Transcript

1

2 Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn sottonseme F d (W) che soddsf le seguent condzon: ) W w F ) WF ) E F E F v) E,E, F E F

3 Evento elementare : ogn elemento d W Evento : ogn elemento d F Evento certo : W Evento mpossble : ø Event ncompatbl : E E ø W E E Evento elementare

4 Esemp Espermento: durata (n ore) d una lampadna W=R + F= (W) E ={00} evento elementare E = [0 ; 500] evento Espermento: 3 lanc d una moneta W={CCC, CCT, CTC, TCC, CTT, TCT, TTC, TTT} F= (W) E ={ottenere tre croc} ={CCC} evento elementare E = {ottenere almeno due croc}={cct, CTC, TCC, CCC} evento

5 W spazo degl est F spazo degl event : F 0 ; è una funzone d probabltà se: ) [W]= ) E, E, successone d event ncompatbl E E (W, F, [.]) spazo d probabltà

6 ropretà d [.] ) E E ) ø 0 ) E E E E E E W E E

7 Esempo Espermento : estrazone d una pallna da un urna contenente due pallne rosse, una verde e una blu. W F= (W) [ { } ] = / [ { } ] = /4 [ { } ] = /4 [ {, } ]=3/4 [ {, } ]=3/4 [ {, } ]=/ [W]= [ ]=0 (W, F, [.]) spazo d probabltà

8 Esempo Espermento : lanco d un dado. W={,, 3, 4, 5, 6} F= (W) A={ottenere un numero >4} B= {ottenere un numero par} [ A] = [ {5,6} ] = /3 [ A ] = [ {,,3,4} ] = /3 [A B] = [A]+[B]-[A B] = [ {5,6} ] + [ {, 4, 6} ] - [ {6} ] = /3+/ -/6=/3

9 (W, F, [.]) spazo d probabltà A, B F [B]>0 [ A B ] = probabltà d A a condzone d B A B B [A] = 4/ [A B] = /5

10 La funzone [. B] è una funzone d probabltà, n quanto soddsfa gl assom rchest: W B B ) W B B B ) E, E, successone d event ncompatbl : E E B B B E B B E B B E B B E B Qund (W, F, [. B]) è uno spazo d probabltà.

11 Esempo Espermento : 3 lanc d una moneta. A = {almeno una T} B = {meno d due T} A T T T T C T T T C C T T C T C T C C C C T C C C W B 7 8 A A B 3 4 AB 3 / 8 B /

12 Teorema delle probabltà total Sano: (W, F, [.]) spazo d probabltà B, B,, B n F tal che [B ]>0, j B B j =, W n B A F Allora: n A A B B B A B 3 Dmostrazone B B 4 n A n A B A A B A B A B B n n

13 Esempo Espermento : due estrazon successve senza remmssone d pallne da un urna contenente due pallne rosse, una verde e una blu. A={ la seconda pallna estratta è rossa} R={la prma pallna estratta è rossa} V={la prma pallna estratta è verde} B={la prma pallna estratta è blu} Event ncompatbl e tal che W = R B V [A] = [A R] [R]+ [A V] [V]+ [A B] [B]=

14 a estrazone a estrazone

15 Teorema d Bayes Sano: (W, F, [.]) spazo d probabltà B, B,, B n F tal che [B ]>0, j B B j =, W n B A F Allora: B A k A Bk Bk A n A B B k A B B k

16 Esempo Espermento : due estrazon successve senza remmssone d pallne da un urna contenente due pallne rosse, una verde e una blu. A={ la seconda pallna estratta è rossa} R={la prma pallna estratta è rossa} V={la prma pallna estratta è verde} B={la prma pallna estratta è blu} V A 3 4 A V V A 3

17 a estrazone a estrazone

18 (W, F, [.]) spazo d probabltà A, B F [A], [B]>0 A e B stocastcamente ndpendent A B A B Equvalentemente: A e B stocastcamente ndpendent [A B]=[A] o [B A]=[B] Nota A e B ndpendent A e B ndpenden t A e B ndpenden t A e B ndpenden t

19 Esempo Espermento : 3 lanc d una moneta truccata, con [T] = 0.5 [C] = 0.75 A = {esce sempre lo stesso rsultato} = {T T T, C C C} B = {esce al pù una T} = {T C C, C T C, C C T, C C C} A B={C C C} [A] = = 0,4 [B]=3(0.5)(0.75) = 0,659 [A B]= 0,0565 (0,4) (0,659) qund A e B sono dpendent Se la moneta fosse equlbrata: [A] = 0.5 [B] = 0.5 [A B]= 0.5 = (0.5) (0.5) qund A e B ndpendent.

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Variabili casuali. Variabili casuali

Variabili casuali. Variabili casuali Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

RISOLUZIONE ESERCIZI SULLA PROBABILITA. E, pertanto

RISOLUZIONE ESERCIZI SULLA PROBABILITA. E, pertanto RISOLUZIO SRIZI SULLA PROBABILITA PROBABILITA LASSIA ) a) I cas possbl sono 0, mentre quell faoreol sono ; ; 0 b) cas faoreol sono 0, 0 ; 0 cas faoreol sono, ; 0 0 0 0 0 P. 0 0 ) 0 pallne, 0B, V, R, 0G

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà pr - 1 Che collegamento c è tra gl strument statstc per lo studo de fenomen real e l calcolo delle probabltà? Vedremo che non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali. FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

STATISTICA 1 ESERCITAZIONE 8

STATISTICA 1 ESERCITAZIONE 8 STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità

Esercitazioni 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

Dettagli

Sia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è

Sia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è Cenni di probabilità di Carlo Elce Definizioni Lo spazio campionario per un esperimento è l'insieme di tutti i suoi possibili esiti. Per esempio, se l'esperimento è il lancio di due di dadi e si rappresentano

Dettagli

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2: Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto

Dettagli

Soluzione esercizi (quarta settimana)

Soluzione esercizi (quarta settimana) Soluzione esercizi (quarta settimana) Marco Riani Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? 1 Esempio Gioco la schedina mettendo a caso i segni (1 X

Dettagli

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

Ragionamento probabilistico: rappresentazione

Ragionamento probabilistico: rappresentazione Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem

Dettagli

Esercitazione 1 del corso di Statistica (parte 2)

Esercitazione 1 del corso di Statistica (parte 2) Esercitazione del corso di Statistica (parte Dott.ssa Paola Costantini 8 Gennaio 0 Esercizio n Compro due cassette contenenti 0 piante di rosa che ancora devono sbocciare. Nella prima cassetta ci sono

Dettagli

Risultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1

Risultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1 Esercizio 1 Determinare la distribuzione di probabilità e la funzione di ripartizione della v.c. discreta X = numero di croci in 3 lanci di una moneta. Calcolare F(-1), F(1.5), F(300). Risultati X P(X)

Dettagli

Analisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la

Analisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la a.a. 0/0 giuseppe.espa@economia.unitn.it 046/857 robabilità (prima parte) erchè la Statistica resentare e descrivere i dati Inferire su una sulla base di dati da C Migliorare i processi revedere variabili

Dettagli

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k Una sura della robabltà Data una rova che genera k event eleentar,..., k necessar, 2. k I, ncopatbl a due a due O/ per ogn ed equprobabl 2! k Una sura della robabltà Da postulat s deduce unvocaente la

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

Dettagli

Probabilità. Introduzione. Esperimento casuale (o aleatorio): Può venir riproposto infinite volte.

Probabilità. 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

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

{, A, A, Ω } Ae n SPAZI PROBABILIZZATI PRO. 0. Algebre d'insiemi. Assegnato un universo finito Ω, sia (Ω) l'insieme delle parti di Ω.

{, A, A, Ω } Ae n SPAZI PROBABILIZZATI PRO. 0. Algebre d'insiemi. Assegnato un universo finito Ω, sia (Ω) l'insieme delle parti di Ω. 1 PRO SPAZI PROBABILIZZATI 0. Algebre d'nsem Assegnato un unverso fnto Ω, sa (Ω) l'nseme delle part d Ω. S chama algebra su Ω, ogn A (Ω) che soddsf seguent assom d stabltà: (A1) (A2) A,B (Ω). A A A A A

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

CALCOLO DELLE PROBABILITA'

CALCOLO DELLE PROBABILITA' STATISTICA Esercitazione 5 Dott.ssa Vera Gurtovaya 9//05 CALCOLO DELLE POBABILITA' Elemen del calcolo delle probabilità:. Esperimento: fenomeno cui sono interessato, il cui esito è caraerizzato da incertezza

Dettagli

Prova intercorso di laboratorio di Fisica I AA Matricole Pari 07-apr-16. Esercizi preparatori tipici

Prova intercorso di laboratorio di Fisica I AA Matricole Pari 07-apr-16. Esercizi preparatori tipici Prova intercorso di laboratorio di Fisica I AA 2015-2016 Matricole Pari 07-apr-16 Esercizi preparatori tipici 1. Quale e' la probabilita' di avere almeno una testa, lanciando 3 monete? Risposta: P= 7/8

Dettagli

Lezione 3 Calcolo delle probabilità

Lezione 3 Calcolo delle probabilità Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il

Dettagli

COMPITO n. 1. a) Determinare la distribuzione del numero X di palline nere presenti nell urna.

COMPITO 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

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 2 aprile 200 Funzioni di v.a., Media e Varianza Esercizio Calcolare la media delle distribuzioni binomiale, e quella di Poisson. Di quest ultima calcolare

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Fondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio

Fondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio Fondamenti di Statistica Prof. V. Simoncini Orario di Lezione: Mar 14-16 Gio 9.00-11.00 Orario di ricevimento: per appuntamento valeria@dm.unibo.it Siti del corso: www.dm.unibo.it/ simoncin/fondamenti.html

Dettagli

Probabilità delle cause:

Probabilità delle cause: Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 18 1 dcembre 2011 Covaranza, Varabl aleatore congunte professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19?

Dettagli

IL CALCOLO DELLE PROBABILITA

IL CALCOLO DELLE PROBABILITA IL CALCOLO DELLE PROBABILITA «Nella misura in cui le leggi della matematica si riferiscono alla realtà, esse non sono certe; e nella misura in cui sono certe, esse non si riferiscono alla realtà.» ALBERT

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo

Dettagli

Statistica per le ricerche di mercato

Statistica per le ricerche di mercato Statstca per le rcerche d mercato a.a. 00/ Prof.ssa Tzana Lauret Prof. Luca Second Introduzone al concetto d probabltà nelle stratege azendal L azenda che vende artcol d abbglamento per govan può essere

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

Esercizi di Probabilità

Esercizi di Probabilità Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

Probabilità Condizionale - 1

Probabilità 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

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Esercizi di Probabilità

Esercizi di Probabilità Esercizi di Probabilità Grazia Corvaia, Patrizio Lattanzio, Alessandra Nardi February 0, 09 L urna colorata In un urna si trovano 0 palline, 5 viola e 5 arancioni. Calcolare la probabilità che, in due

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 15 23 novembre 211 Funzon Eulerane - robabltà professor Danele Rtell www.unbo.t/docent/danele.rtell 1/2? Cambo

Dettagli

STATISTICA A K (63 ore)

STATISTICA A K (63 ore) STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizi Dati i tre insiemi A={x: 0 x 4} B={x: 3 x 10} C={x: -1 x 3} Si determinino gli eventi A U B U C A B C A B C c 1 A={x: 0

Dettagli

Statistica Descrittiva

Statistica Descrittiva Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86

Dettagli

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE MODLLI R GSTION LA RICRCA DLL'INFORMAZION Algortm d Apprendmento avanzato per l Informaton Retreval Alessandro Moschtt Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: moschtt@nfo.unroma2.t

Dettagli

Analisi Matenatica Lezione 1 23 settembre 2013

Analisi Matenatica Lezione 1 23 settembre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 1 23 settembre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/24? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del docente www.danelertell.name

Dettagli

Matematica e Statistica per Scienze Ambientali

Matematica e Statistica per Scienze Ambientali per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.

Dettagli

È l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.

È l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo. A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di

Dettagli

Apprendimento Bayesiano. Metodi di apprendimento di concetti basati sul calcolo delle probabilità

Apprendimento Bayesiano. Metodi di apprendimento di concetti basati sul calcolo delle probabilità Apprendmento Bayesano Metod d apprendmento d concett basat sul calcolo delle probabltà Rcamo d Concett d Calcolo delle robabltà Assom del calcolo delle probabltà Spazo d camponamento è l nseme degl est

Dettagli

Analisi Class info sul corso Lezione 1 22 settembre 2014

Analisi Class info sul corso Lezione 1 22 settembre 2014 CLASS Bologna Anals Matematca @ Class nfo sul corso Lezone 1 22 settembre 2014 professor Danele Rtell danele.rtell@unbo.t 1/27? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del

Dettagli

La probabilità. Calcolo combinatorio ed elementi di probabilità

La probabilità. Calcolo combinatorio ed elementi di probabilità La probabilità Calcolo combinatorio ed elementi di probabilità Origini e definizioni Il calcolo delle probabilità è nato intorno ai giochi di azzardo. Oggi è una disciplina a sé stante che può essere di

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

Dettagli

10. VARIABILI CASUALI MULTIPLE

10. VARIABILI CASUALI MULTIPLE . VARIABILI CASUALI MULTIPLE.. Introduzione La definizione di v.c. può essere facilmente estesa al caso in cui a ciascun evento elementare che costituisce è associata una coppia di numeri reali così come

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione .2 Calcolo combnatoro 2.2 Calcolo combnatoro Rcordamo dallesempo.3 che uno spazo d probabltà dscreto (W, P) s dce unforme se W è un nseme fnto e s ha P(A)= A W, per ogn A W. Pertanto, l calcolo della probabltà

Dettagli

Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6

Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6 EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 0-0-03) Teorema d Tellegen Ipotes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Calcolo delle Probabilità

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

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Esercizi. Volume 2. Capitolo 1, p. 1 Capitolo 2, p. 5 Capitolo 12, p. 6

Esercizi. Volume 2. Capitolo 1, p. 1 Capitolo 2, p. 5 Capitolo 12, p. 6 Apertura_Es_vol.qxd 0-0-0 : Pagina Esercizi Volume Capitolo, p. Capitolo, p. Capitolo, p. Volume Capitolo Individuare le C.E. dei seguenti radicali a a m b x c a x + x [ a R] [a 0] [ m R] [b 0] [x 0] [

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

Dettagli

Esercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione 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

Dettagli

Prima prova parziale

Prima prova parziale Università di Bologna - A.A. 009/010-4 Aprile 010 - Prof. G.Cupini COG Esercizio 1. (Punti ) Si lancia un dado due volte. Si considerino gli eventi: A = il prodotto dei numeri usciti è pari. B= esce almeno

Dettagli

Misure dirette utilizzate per il calcolo della misura indiretta X:

Misure dirette utilizzate per il calcolo della misura indiretta X: Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X

Dettagli

Insegnare la probabilità

Insegnare la probabilità Piano Lauree Scientifiche in Statistica AA 2017/18 Azione C: Formazione Insegnanti Insegnare la probabilità Giovanni De Luca giovanni.deluca@uniparthenope.it 0 Sommario o La probabilità: concetto e misura

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua

Dettagli

Analisi Class Successioni Lezione 6 2 ottobre 2014

Analisi Class Successioni Lezione 6 2 ottobre 2014 CLASS Bologna Anals Matematca @ Class Successon Lezone 6 2 ottobre 2014 professor Danele Rtell danele.rtell@unbo.t 1/17? Successon Una successone d numer real è una funzone a valor real l cu domno è l

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

Propagazione degli errori

Propagazione degli errori Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Dipendenza ed indipendenza

Dipendenza ed indipendenza PROBABILITA Dipendenza ed indipendenza Estrazioni senza reimmissione DIPENDENZA INDIPENDENZA Estrazioni con reimmissione o lancio di (dadi/monete) Dipendenza ed indipendenza Estrazioni senza reimmissione

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

Dettagli

MODELLI MULTISTATO. Introduzione ai modelli multistato. Esempio di modello multistato per descrivere la progressione di una malattia

MODELLI MULTISTATO. Introduzione ai modelli multistato. Esempio di modello multistato per descrivere la progressione di una malattia MODELLI MULTISTATO Introuzone a moell multstato Esempo moello multstato per escrvere la progressone una malatta I moell multstato Un moello multstato per l asscurazone malatta Introuzone a moell multstato

Dettagli

INDAGINE ESAUSTIVA O CAMPIONARIA?

INDAGINE ESAUSTIVA O CAMPIONARIA? INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone

Dettagli