Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2
|
|
- Mario Venturini
- 5 anni fa
- Visualizzazioni
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
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
DettagliEsercitazione 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,
DettagliEsercitazione 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:.
DettagliVariabili 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
DettagliCalcolo 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. 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
DettagliRISOLUZIONE 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
DettagliCalcolo 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
DettagliEsercizi 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
DettagliEsercizi 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.....
DettagliFRAME 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
DettagliModelli 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.
DettagliCalcolo 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.
DettagliSTATISTICA 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:
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità
Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@u niroma1.it Probabilità Esercizio 1. Un esperimento casuale consiste nel lanciare tre volte una moneta. Si determini lo spazio campionario
DettagliSia 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
DettagliESERCIZI 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
DettagliVariabili 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
DettagliIntorduzione 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 }
DettagliCostruzione 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
DettagliSoluzione 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
DettagliIntelligenza 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
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
DettagliEsercitazione 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
DettagliRisultati 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)
DettagliAnalisi 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
DettagliP(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
DettagliTutorato 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
DettagliProbabilità. Introduzione. Esperimento casuale (o aleatorio): Può venir riproposto infinite volte.
Matematica Capitolo 4 Ivan Zivko Introduzione Esperimento casuale (o aleatorio): uò venir riproposto infinite volte. Il risultato (o esito) varia all interno di un certo numero (anche infinito) di casi
DettagliCORSO DI 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
DettagliI 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
DettagliUniversità 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.
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
DettagliViene 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
DettagliPer 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
Dettagli1) 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
DettagliCALCOLO 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
DettagliProva 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
DettagliLezione 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
DettagliCOMPITO n. 1. a) Determinare la distribuzione del numero X di palline nere presenti nell urna.
Università di Siena a.a. 28/9 Docente D. Papini COMPITO n. 1 a) Un dado non truccato viene lanciato due volte. Quant è la probabilità dell evento: al primo lancio esce un numero minore o uguale a 2 ed
DettagliEsercizi 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
Dettagli6. 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
Dettagli6. 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
DettagliFondamenti 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
DettagliProbabilità 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
DettagliDipartimento 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?
DettagliIL 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
DettagliDipartimento 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
DettagliStatistica 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
Dettagli6 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
DettagliUniversità 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
DettagliEsercizi 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
DettagliE 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
DettagliGeometria 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
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliTeoremi 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 {,...,
DettagliCarla 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
DettagliEsercizi 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
DettagliDipartimento 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
DettagliSTATISTICA 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
DettagliStatistica 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
DettagliMODELLI 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
DettagliAnalisi 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
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliÈ 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
DettagliApprendimento 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
DettagliAnalisi 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
DettagliLa 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
Dettagli3 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.
DettagliPOLINOMIO 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
Dettagli10. 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
DettagliDefinizione 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
Dettagli1.2 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
DettagliLo 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
DettagliStabilità 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
DettagliTeoremi 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 {,...,
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliIl 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
DettagliIl 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
DettagliEsercizi. 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] [
DettagliDipartimento 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
DettagliCorso 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
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliPrima 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
DettagliMisure 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
DettagliInsegnare 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
DettagliDipartimento 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
DettagliAnalisi 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
DettagliUniversità 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
DettagliPropagazione 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
Dettagli3) 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
DettagliSorgenti 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
DettagliDipendenza 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
DettagliDipartimento 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:
DettagliMODELLI 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
DettagliINDAGINE 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