Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza"

Transcript

1 Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo 5 settembre 2008 Versione 1.1 Per comunicare eventuali errori scrivere a giuseppesanfilippochioccioladssm.unipa.it indicando numero della sezione e dell esercizio. 1

2 INDICE p. 2 Indice 1 Costituenti, Coerenza, Numeri aleatori semplici. 3 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete Esercizi Svolti Quesiti Riepilogo esercizi sui numeri aleatori discreti e sulle Probabilità condizionate Esercizi Svolti Quesiti Numeri aleatori Continui Esercizi Svolti Quesiti Distribuzione normale Esercizi Svolti Quesiti Vettori aleatori Esercizi Svolti Quesiti

3 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 3 1 Costituenti, Coerenza, Numeri aleatori semplici. Esercizio 1.1 (Costituenti). Dati 2 eventi A, B con A B si hanno i seguenti costituenti (vedi Figura 1) C 1 = AB C 2 = A c B C 3 = A c B c. Infatti l intersezione AB c =, A B Ω Figura 1: A B Esercizio 1.2. Dati tre eventi A, B, C, con A C =, verificare se la valutazione P (A) = P (B) = P (C) = 0.4, P (A B) = P (B C) = 0.2 è coerente. Inoltre, considerato il numero aleatorio X = A A B B + B C, calcolare la previsione di X. I costituenti sono C 1 = AB c C c C 2 = ABC c C 3 = A c BC c C 4 = A c BC C 5 = A c B c C C 6 = A c B c C c. Il seguente sistema P (A) = 0.4 = x 1 + x 2 P (B) = 0.4 = x 2 + x 3 + x 4 P (C) = 0.4 = x 4 + x 5 P (AB) = 0.2 = x 2, P (BC) = 0.2 = x 4 x 1 + x 2 + x 3 + x 4 + x 5 + x 6 = 1, x i 0, i = ammette la soluzione (0.2, 0.2, 0, 0.2, 0.2, 0.2) pertanto la valutazione è coerente. Infine P(X) = P( A ) P( A B )+P( B ) P( B C ) = P (A) P (A B) P (B)+P (B C) = 0.

4 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 4 Quesito 1.1. Provare che il sistema relativo alla valutazione di probabilità P = (0.4, 0.3, 0.2) su F = {A, B, A c B c } non ammette soluzioni. Esercizio 1.3. Siano A, B, C tre eventi tali che A e B siano incompatibili, inoltre (A B) C =. Determinare se la valutazione di probabilità P (A) = 2, P (B) = 1, P (C) = 1 è coerente, e in caso affermativo calcolare i valori di probabilità coerenti p per l evento A c B c C c. Si ha A B = A C = B C = e quindi i costituenti sono C 1 = A B c C c = A, C 2 = A c B C c = B, C 3 = A c B c C = C, C 4 = A c B c C c. Allora, per la coerenza, dev essere: P (A)+P (B)+P (C) 1, ed essendo P (A)+P (B)+P (C) = 1 l assegnazione è coerente. Inoltre, dalla relazione segue: p = P (A c B c C c ) = 0. P (A) + P (B) + P (C) + P (A c B c C c ) = 1, Quesito 1.2. Dati tre eventi A, B, C, con A BC, P (B) = P (C) = 0.6, P (BC) = x, P (A) = 0.1, determinare l insieme I dei valori x coerenti. Esercizio 1.4. Dati 3 eventi A, B, C, con A c B c C c =, verificare se le valutazioni di probabilità P (A) = 1, P (B) = 3, P (C) = 5 sono coerenti Risp.: Coerenti? Essendo A c B c C c =, dalle formule di De Morgan segue A B C = Ω e quindi P (A B C) = 1. D altra parte, dev essere: P (A B C) P (A) + P (B) + P (C) = 9 10 < 1, il che è assurdo. Pertanto le valutazioni non sono coerenti. Esercizio 1.5. L architettura di un software è costituita da 3 moduli M 1, M 2, M 3. Sia A i l evento il modulo M i funziona. E noto che se M 1 funziona allora M 2 funziona, se M 2 funziona allora M 3 funziona. Determinare l insieme C dei costituenti generati dagli eventi A i con i = 1, 2, 3 (tenendo conto dei vincoli logici dati). Supposto che P (A 1 ) = 1, P (A 4 3) = 6, determinare i 10 valori di probabilità coerenti p per A 2. Stabilire inoltre se A 1 e A 3 possono essere stocasticamente indipendenti. Siccome A 1 A 2 A 3, i costituenti sono C 1 = A 1 A 2 A 3 ; C 2 = A c 1 A 2 A 3 ; C 3 = A c 1 A c 2 A 3 ; C 4 = A c 1 A c 2 A c 3.

5 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 5 Dalla monotonia della probabilità segue che necessariamente 1 4 P (A 2) Essendo A 1 A 3, si ha che A 1 e A 3 non possono essere stocasticamente indipendenti. Infatti P (A 1 A 3 ) = P (A 1 ) P (A 1 )P (A 3 ). Esercizio 1.6. In base a un indagine sanitaria condotta su una fabbrica di carta viene valutata pari a 0.1 la probabilità dell evento E, che una persona che vi lavora da almeno 5 anni soffra di disturbi polmonari, 0.15 la probabilità dell evento H che soffra di cefalea, e 0.8 la probabilità dell evento S che sia sana. E coerente tale assegnazione? si no Gli eventi E ed H sono stocasticamente indipendenti? si no A). Gli eventi E ed H sono incompatibili con l evento S, cioè si ha E S =, H S =. I costituenti possibili sono dati da C 1 = E H S c = E H C 2 = E c H S c C 3 = E H c S c C 4 = E c H c S C 5 = E c H c S c. Il sistema per la verifica della coerenza è dato da x 1 + x 3 = P (E) x 1 + x 3 = 0.1 x 1 + x 2 = P (H) x 1 + x 2 = 0.15 x 4 = P (S) x 4 = 0.8 x 1 + x 2 + x 3 + x 4 + x 5 = 1 x 1 + x 2 + x 3 + x 4 + x 5 = 1 x i 0, i = 1, 2, 3, 4, 5 x i 0, i = 1, 2, 3, 4, 5 x 3 = 0.1 x 1 x 2 = 0.15 x 1 x 4 = 0.8 x 5 = x x i 0, i = 1, 2, 3, 4, 5 esso ammette soluzioni per ogni valore di x 1 [0.05, 0.1]. Quindi l assegnazione è coerente. Inoltre osserviamo che x 1 rappresenta P (E H), pertanto non potendo essere x 1 = = gli eventi E ed H non sono stocasticamente indipendenti. B) Osservato che E S = e H S =, si ha inoltre si ha P (E H) + P (S) 1 P (E) + P (H) P (E H) +P (S) 1 P (E H) P (E) + P (S) + P (H) 1 P (E H) 0.05 P (E H) min{p (E), P (H)} P (E H) 0.1 allora per P (E H) [0.05, 0.1] l assegnazione di probabilità data è coerente. Invece per P (E H) = = l assegnazione data non è coerente quindi E ed H non sono stocasticamente indipendenti.

6 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 6 Esercizio 1.7. La probabilità che uno studente scelto a caso tra gli iscritti al I anno di Ingegneria dopo la prima sessione non abbia ancora superato l esame di Analisi é 0.7, la probabilità che abbia fatto il liceo scientifico ed abbia superato l esame di Analisi é 0.2. Quali valori coerenti può assumere la probabilità p che abbia fatto il liceo classico ed abbia superato Analisi? p Consideriamo i seguenti eventi: A = Lo studente supera l esame di Analisi alla prima sessione ; S = Lo studente ha fatto il liceo scientifico ; C = Lo studente ha fatto il liceo classico. Essendo gli eventi S e C incompatibili si ha P ((A S) (A C)) = P (A S) + P (A C) P (A) p 0.3 p 0.1 Inoltre dovendo essere anche p 0 si ha p [0, 0.1] Esercizio 1.8. Siano dati 4 eventi A, B, C, D, con A B, C D, B D =, P (A) = P (C) = 1, P (B) = P (D) = p. 5 Determinare l insieme I dei valori p coerenti. Da P (B) P (A) segue p 1. 5 Da P (B D) = P (B) + P (D) = 2p 1, segue p 1 2. Pertanto I = [ 1 5, 1 2 ]. Esercizio 1.9. Dati gli eventi E 1, E 2, E 3, E 4, con E 1 E 2 =, E 1 E 3, E 2 E 3, E 4 E c 3 determinare l insieme C dei costituenti e stabilire per quali valori di p 2 = P (E 2 ) e di p 4 = P (E 4 ) l assegnazione P (E 1 ) = 2P (E 2 ), P (E 3 ) = 1 2, P (Ec 1E 3 ) = 1 4 è coerente. I costituenti possibili sono C = {E 1, E 2, E c 1E c 2E 3, E 4, E c 3E c 4}.

7 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 7 Osservando che si ha E 3 = E 1 E 3 E c 1E 3 = E 1 E c 1E 3 P (E 1 ) = P (E 3 ) P (E c 1E 3 ) = = 1 4 e quindi p 2 = 1 2 P (E 1) = 1 8. Per quanto riguarda p 4 osservando che E 4 E c 3 si ha 0 P (E 4 ) e quindi p 4 [0, 1 2 ]. Esercizio 1.10 (Es.1:EF06lug05). Dati 3 eventi A, B, C con A e C incompatibili e B C. Verificare che l assegnazione P (A) = 2 5, P (B) = 3 10, P (C) = 1 2 è coerente. Inoltre calcolare la previsione e la varianza di X = A 2 B + 3 C. Coerenza? SI NO P(X) = σ 2 (X) = La valutazione assegnata è coerente, infatti si ha P (A) + P (C) 1 e P (B) < P (C). La previsione è data da P(X) = P (A) 2P (B) + 3P (C) = = = Inoltre, osservando che X {0, 1, 3} e che P (X = 0) = 1 P (A) P (C) = 1 10, P (X = 1) = P (A) + P (B) = 7 10, P (X = 3) = P (C) P (B) = 2 10, si ha Pertanto, P(X 2 ) = = σ 2 (X) = P(X 2 ) [P(X)] 2 = = Esercizio 1.11 (Es.1:EF12gen05). Dati tre eventi E 1, E 2, E 3, con E 1 E 3 =, verificare se la valutazione P (E 1 ) = P (E 3 ) = 0.4, P (E 2 ) = 0.5, P (E 1 E 2 ) = P (E 2 E 3 ) = 0.2 è coerente. Inoltre, considerato il numero aleatorio X = 1 E E E 3, calcolare il codominio C X dei possibili valori di X e la previsione di X. coerente? SI, NO C X = { }, P(X) =

8 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 8 I costituenti sono C 1 = E 1 E c 2E c 3 C 2 = E 1 E 2 E c 3 C 3 = E c 1E 2 E c 3 C 4 = E c 1E 2 E 3 C 5 = E c 1E c 2E 3 C 6 = E c 1E c 2E c 3. Il seguente sistema P (E 1 ) = 0.4 = x 1 + x 2 P (E 2 ) = 0.5 = x 2 + x 3 + x 4 P (E 3 ) = 0.4 = x 4 + x 5 P (E 1 E 2 ) = 0.2 = x 2, P (E 2 E 3 ) = 0.2 = x 4 x 1 + x 2 + x 3 + x 4 + x 5 + x 6 = 1, x i 0, i = ammette la soluzione (x 1 = 0.2, x 2 = 0.2, x 3 = 0.1, x 4 = 0.2, x 5 = 0.2, x 6 = 0.1), quindi, la valutazione è coerente. Per il calcolo del codominio di X consideriamo i costituenti C 1 = E 1 E2E c 3 c X = 1 C 2 = E 1 E 2 E3 c X = = 3 C 3 = E1E c 2 E3 c X = 2 C 4 = E1E c 2 E 3 X = = 5 C 5 = E1E c 2E c 3 X = 3 C 6 = E1E c 2E c 3 c X = 0, pertanto C X = {0, 1, 2, 3, 5}. Infine P(X) = P( E 1 )+P(2 E 2 )+P(3 E 3 ) = P (E 1 )+2P (E 2 )+3P (E 3 ) = = 2.6. Esercizio 1.12 (Es1:EF16set05). Dati tre eventi A, B, C, con BC A B, P (A) = 0.4, P (B) = P (C) = 0.6, determinare l insieme I dei valori di probabilità coerenti per ABC e determinare se esiste un valore p I che renda A, B e C stocasticamente indipendenti. I = [0.2, 0.4], p? NO Quesito 1.3. Dati tre eventi E 1, E 2, E 3, con E 3 E 1 E 2, determinare l insieme C dei costituenti e stabilire in ciascuno dei seguenti due casi se l assegnazione di probabilità è coerente: (i) P (E 1 ) = 0.8, P (E 1 E 2 ) = 0.5, P (E 3 ) = 0.2; (ii) P (E 1 ) = 0.4, P (E 1 E 2 ) = 0.6, P (E 3 ) = 0.2. C = (0.8, 0.5, 0.2) coerente? (0.4, 0.6, 0.2) coerente? Quesito 1.4. Dati tre eventi E 1, E 2, E 3, con E 3 E 1 E 2, determinare l insieme C dei costituenti e stabilire in ciascuno dei seguenti due casi se l assegnazione di probabilità è coerente: (i) P (E 1 ) = 0.7, P (E 1 E 2 ) = 0.4, P (E 3 ) = 0.1; (ii) P (E 1 ) = 0.3, P (E 1 E 2 ) = 0.4, P (E 3 ) = 0.1. C = (0.7, 0.4, 0.1) coerente? (0.3, 0.4, 0.1) coerente? Quesito 1.5. Dati tre eventi A, B, C, con A B, BC =, sia X = A + 2 B C. Supposto P (A) = x, P (B) = 0.4, P (C) = y, calcolare l insieme I delle coppie (x, y) coerenti e il minimo m della previsione di X.

9 1 Costituenti, Coerenza, Numeri aleatori semplici. p. 9 Quesito 1.6. Dati tre eventi A, B, C, con AB =, C B, P (A) = x, P (B) = 1 2, P (C) = y, calcolare l insieme I delle coppie (x, y) coerenti. Posto, inoltre, X = A + B C e indicato con m la previsione di X, stabilire se risulta m = 1 per qualche (x, y) I. I = {(x, y) } ; (x, y) I m = 1? Quesito 1.7 (Es.1:EF13dic05). Dati tre eventi A, B, C con A e C incompatibili. Determinare i costituenti e verificare se l assegnazione P (A) = 0.5, P (B) = 0.2, P (C) = 0.4, P (AB) = 0.1 P (BC) = 0.1 è coerente. Inoltre, calcolare la probabilità dell evento (A B C). 1 a valutazione coerente SI No, Cost. P (A B C) =

10 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete 2.1 Esercizi Svolti Esercizio 2.1. Estrazioni del lotto. Sia X = 1 0 numero estratto, E = (X 45) e H = (X > 30). Si ha P (E) = 1 ep (H) = 2. Calcolare P (E H). 2 3 Esercizio 2.2. (Gioco della roulette russa) In una pistola a 6 colpi viene inserito un solo proiettile e il tamburo viene fatto girare vorticosamente. Quindi 6 prigionieri sono costretti a sottomettersi alla prova della roulette russa. Considerati gli eventi E i = il proiettile esplode all i-mo colpo, i = 1,..., 6, verificare che tali eventi hanno tutti probabilità 1, cioè che i 6 prigionieri hanno la stessa probabilità di morire. 6 Ovviamente, si ha P (E 1 ) = 1. Inoltre 6 Allora, osservando che P (E 2 E c 1) = 1 5, P (E 3 E c 1E c 2) = 1 4,, P (E 6 E c 1 E c 5) = 1. E 2 = E c 1E 2, E 3 = E c 1E c 2E 3,, E 6 = E c 1 E c 5E 6, applicando il teorema delle probabilità composte si ha P (E 2 ) = P (E c 1)P (E 2 E c 1) = = 1 6 ; P (E 3 ) = P (E c 1)P (E c 2 E c 1)P (E 3 E c 1E c 2) = = 1 6 ;... P (E 6 ) = P (E c 1)P (E c 2 E c 1)P (E c 3 E c 1E c 2) P (E c 5 E c 1 E c 4)P (E 6 E c 1 E c 5) = = = 1 6. Esercizio 2.3. (Problema del condannato) In un paese orientale un prigioniero è stato condannato a morte da uno sceicco. Prima dell esecuzione, lo sceicco offre una possibilità di salvezza al condannato, mettendogli a disposizione 2 urne U 1 e U 2, con 2 palline bianche e 2 nere. Il condannato deve distribuire a suo piacere le palline nelle due urne, con la condizione che nessuna urna rimanga vuota. Verrà poi scelta a caso un urna da cui verrà estratta una pallina. Se la pallina estratta sarà bianca il prigioniero sarà graziato.

11 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 11 Qual è la migliore ripartizione delle palline nelle due urne? Definiti gli eventi B = la pallina estratta è bianca, H 1 = viene utilizzata l urna U 1, H 2 = viene utilizzata l urna U 2, la decisione migliore per il condannato è quella che rende massima la probabilità di B. Supponiamo che il condannato inserisca h palline bianche e k palline nere in U 1, con 0 < h + k < 4, e le rimanenti 4 h k palline in U 2. Con tale strategia si ha P (B) ( = P (H 1 )P (B H 1 ) + P (H 2 )P (B H 2 ) = h + 2 h. ) h+k 4 h k = 1 2 Sostanzialmente, basta esaminare i seguenti casi (tra parentesi il simbolo indica una decisione equivalente che si può fare a meno di esaminare): 1. h = 0, k = 1 ( h = 2, k = 1) ; 2. h = 0, k = 2 ( h = 2, k = 0) ; 3. h = 1, k = 1 ; 4. h = 1, k = 0 ( h = 1, k = 2). Nel caso 1 si ha P (B) = 1 2 ( ) = 1 3 ; nel caso 2 si ha P (B) = 1 2 ( ) = 1 2 ; nel caso 3 si ha P (B) = 1 2 ( ) = 1 2 ; Nel caso 4 si ha P (B) = 1 2 ( ) = 2 3. La decisione migliore pertanto è la n. 4 (una pallina bianca in un urna e le rimanenti nell altra). Il problema si può generalizzare considerando n palline bianche ed n nere, con n > 2. Si può ve- rificare che la decisione migliore è sempre quella di mettere una pallina bianca in un urna e le rimanenti nell altra. A tale decisione corrisponde per P (B) il valore (massimo) P (B) = 1 ( 1 + n 1 ), 2 2n 1 che all aumentare di n sale verso 3 4. Esercizio 2.4. Un mazzo di 4 chiavi contiene un sola chiave adatta ad aprire una certa serratura. Provando a caso le chiavi una dopo l altra, occorre effettuare un numero aleatorio X di tentativi per aprire la serratura. Calcolare la varianza di X. V ar(x) = Soluzione

12 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 12 Indicando con E i l evento la chiave che apre la serratura viene individuata all i-mo tentativo, i = 1, 2, 3, 4, si ha P (X = 1) = P (E 1 ) = 1 4, P (X = 2) = P (Ec 1E 2 ) = = 1 4, P (X = 3) = P (E c 1E c 2E 3 ) = = 1 4, P (X = 4) = P (Ec 1E c 2E c 3) = = 1 4, da cui segue Allora IP (X) = = 5 2, IP (X2 ) = V ar(x) = IP (X 2 ) [IP (X)] 2 = = = Esercizio 2.5. Dati due numeri aleatori X, Y ugualmente distribuiti, si ponga U = X Y e V = X + Y. Calcolare la covarianza di U, V. Risp.: Cov(U, V ) = Si ha Cov(X Y, X + Y ) = Cov(X, X + Y ) Cov(Y, X + Y ) = Cov(X, X) + Cov(X, Y ) Cov(Y, X) Cov(Y, Y ). Essendo X e Y ugualmente distribuite si ha Cov(X, X) = var(x) = var(y ) = Cov(Y, Y ), inoltre Cov(X, Y ) = Cov(Y, X), pertanto si ha Cov(X Y, X + Y ) = 0 Esercizio 2.6. Da un lotto contenente 5 pezzi buoni e 3 difettosi si estraggono senza restituzione 3 pezzi. Sia E i l evento l i-mo pezzo estratto è buono. Calcolare la probabilità dell evento condizionato (E 2 E 3 E 2 E 3 ). P (E 2 E 3 E 2 E 3 ) = 2 5 Gli eventi E i hanno tutti probabilità 5 8. Inoltre Allora P (E 2 E 3 ) = P (E 1 E 2 ) = P (E 1 )P (E 2 E 1 ) = = 5 14 P (E 2 E 3 E 2 E 3 ) = P (E 5 2E 3 ) P (E 2 E 3 ) = Esercizio 2.7. Dati 3 eventi E 1, E 2, E 3, con E 1 E 2 E 3 = e con 14 = 2 5 P (E i ) = 2 5, i {1, 2, 3}, P (E i E j ) = 1, i j, i, j {1, 2, 3}, 3

13 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 13 calcolare la probabilità p dell evento condizionato (E 1 E 2 E 1 E 2 E 3 ). p = Tenendo conto che P (E 1 E 2 E 3 ) = 0, si ha p = P (E 1 E 2 E 1 E 2 E 3 ) = P (E 1 E 2 ) P (E 1 E 2 E 3 ) = = Esercizio 2.8. P (E 1 )+P (E 2 ) P (E 1 E 2 ) P (E 1 )+P (E 2 )+P (E 3 ) P (E 1 E 2 ) P (E 1 E 3 ) P (E 2 E 3 ) = = 5 6 Una ditta riceve merce da tre fornitori A, B, C nelle seguenti proporzioni: il 42% della merce è fornita da A, il 14% da B, e la restante merce da C. E noto che la probabilità che un pezzo sia difettoso è, rispettivamente, 0.05, 0.04, 0.1, a seconda che sia fornito da A, B, C. Calcolare la probabilità α che un pezzo estratto da quelli ricevuti dalla ditta sia difettoso. Inoltre, esaminato un pezzo e supposto che sia difettoso, calcolare la probabilità p che esso provenga dal fornitore B. α = p = Indicando con A (analogamente B, C) l evento il pezzo proviene dal fornitore A, si ha: P (A) = , P (B) =, P (C) =. Inoltre, definito l evento F = il pezzo estratto è difettoso, risulta: P (F A) = 1 1 1, P (F B) =, P (F C) =. La percentuale di pezzi difettosi che la ditta riceve è %; infatti: P (F ) = P (A)P (F A) + P (B)P (F B) + P (C)P (F C) = = = = La probabilità di B F (che un pezzo provenga dal fornitore B supposto che sia difettoso) si determina tramite il teorema di Bayes: P (B F ) = P (B)P (F B) P (F ) = = Esercizio 2.9. In una ditta che vende dispositivi di un certo tipo il 60 % proviene da una fabbrica A, il 30 % da una fabbrica B e il 10 % da C. Le percentuali di lampadine difettose prodotte da A, B, C sono rispettivamente il 2 %, il 4 % e il 5 %. Calcolare la probabilità α che un dispositivo venduto dalla ditta e risultato difettoso sia stato prodotto da C. Risp.: α = Indicando con D l evento il dispositivo è difettoso, si ha P (D A) = 0.02, P (D B) = 0.04, P (D C) = 0.05, con P (A) = 0.6, P (B) = 0.3,, P (C) = 0.1. Allora α = P (C D) = P (D C)P (C) P (D A)P (A)+P (D B)P (B)+P (D C)P (C) = = 5 29.

14 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 14 Esercizio Date tre urne A (contenente 3 palline bianche e 1 nera), B (contenente 1 pallina bianca e 3 nere) e C (contenente 1 pallina bianca e 1 nera), da C si estrae una pallina. Se è bianca (evento H) viene effettuata una seconda estrazione da A, in caso contrario (evento H c ) da B. Posto E = la seconda pallina estratta è nera, calcolare la probabilità che la prima pallina estratta sia bianca, supposto di aver osservato pallina nera nella seconda. Risp.: P (H E) = Si ha: P (H) = 1 2, P (E H) = 1 4, P (E Hc ) = 3 4, da cui segue: e quindi: P (H E) = P (E) = P (E H)P (H) + P (E H c )P (H c ) = = 1 2, P (E H)P (H) = P (E) 1 2 = 1 4. Esercizio Dati tre eventi A, B, C, con C AB, P (A) = 0.5, P (AB) = 0.3, P (C) = x, stabilire se esiste un valore x tale che P (C AB c C) = 0.5. Risp.: x = Si ha: P (AB c ) = P (A) P (AB) = = 0.2. Inoltre, dall ipotesi C AB, segue P (C) = x 0.3. Allora, tenendo conto che AB c C =, si ottiene: P (C AB c C) = P [C (ABc C)] P (AB c C) = P (C) P (AB c C) = P (C) P (AB c ) + P (C). Pertanto: P (C AB c C) = x x = 0.5 x = P (C) = 0.2. Esercizio Un lotto è costituito da 100 componenti, dei quali 40 sono stati costruiti da una macchina M 1 e 60 da una macchina M 2. Il generico componente risulta difettoso con probabilità 1 5 se prodotto da M 1 e con probabilità 2 5 se prodotto da M 2. Dal lotto viene estratto a caso un componente e viene esaminato. Definiti gli eventi E = Il pezzo esaminato risulta non difettoso ed H = Il pezzo esaminato è stato prodotto dalla macchina M 1, calcolare il rapporto r tra le probabilità P (H E) e P (H c E). r = 8 9 Si ha e quindi P (H E) = r = P (H)P (E H) P (E) P (H E) P (H c E) =, P (H c E) = P (Hc )P (E H c ) P (E) 40 P (H)P (E H) P (H c )P (E H c ) = = 8 9,

15 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 15 Esercizio Date tre urne A,B,C, contenenti ciascuna 1 pallina bianca e 1 nera, dalle urne B e C si estrae a caso una pallina che (senza osservarne il colore) viene inserita in A. Successivamente da A si estrae una pallina che risulta bianca (evento E). Definiti gli eventi F = la pallina estratta da B è bianca, K = la pallina estratta da C è bianca, H r = r delle 2 palline inserite in A sono bianche, r = 0, 1, 2, calcolare la probabilità dell evento condizionato H 1 E. P (H 1 E) = Osservando che gli eventi F e K sono indipendenti e che si ha H 0 = F c K c, H 1 = F K c F c K, H 2 = F K, P (H 0 ) = P (F c )P (K c ) = = 1 4 = P (F )P (K) = P (H 2), P (H 1 ) = P (F K c ) + P (F c K) = P (F )P (K c ) + P (F c )P (K) = = 1 2 Allora P (H 1 E) = P (EH 1) P (E) = P (H 1 )P (E H 1 ) P (H 0 )P (E H 0 )+P (H 1 )P (E H 1 )+P (H 2 )P (E H 2 ) = = = 1 2 = P (H 1). Esercizio Un lotto è formato da 100 componenti, di cui r costruiti con una apparecchiatura A e i rimanenti con una apparecchiatura B. Ciascuno dei componenti prodotti da A (risp. da B) è non difettoso con probabilità 4 (risp. 3 ). Dal lotto si prende a caso un pezzo che viene esaminato. 5 4 Considerati gli eventi H = il componente preso a caso è stato prodotto da A, E = il componente preso a caso è difettoso, determinare i valori di r tali che P (H E) > 1. 2 r Si ha Allora P (H) = r 100, P (Hc ) = 100 r, P (E H) = , P (E Hc ) = 1 4. da cui segue P (H E) = P (H)P (E H) P (H)P (E H) + P (H c )P (E H c ) = r r r P (H E) > 1, r {56, 57,..., 100}. 2 = 4r 500 r,

16 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 16 Esercizio Con riferimento all esempio 2.14, sia X il numero aleatorio di pezzi non difettosi fra gli r componenti prodotti dall apparecchiatura A. Sia inoltre E i l evento l i-mo pezzo prodotto da A è non difettoso, i = 1, 2,..., r. Supposto che E 1,..., E r siano stocasticamente indipendenti, calcolare: (i) la probabilità p h di ogni possibile valore h di X; Si ha X B(r, 4 ), ovvero X {0, 1, 2,..., r}, con 5 P (X = h) = ( r h ) ( ) h ( ) r h 4 1, h = 0, 1, 2,..., r. 5 5 Esercizio In un controllo di qualità, si estrae (senza restituzione) un campione di n = 6 pezzi da un lotto che ne contiene N = 30 fra i quali x difettosi. Il lotto viene accettato (sia H questo evento) se nel campione non c e alcun pezzo difettoso: calcolare la probabilità di H nell ipotesi x = 2. P (H) = Essendo le estrazioni senza restituzione si ha, nell ipotesi x = 2, ( 28 )( 2 6 P (H) = ) 0) = = 276 0, ( 30 6 Esercizio Dati due lotti A e B, ciascuno contenente 6 componenti buoni e 2 difettosi, da entrambi si effettuano 3 estrazioni con restituzione, ottenendo X pezzi difettosi fra quelli estratti da A ed Y pezzi difettosi fra quelli estratti da B. Considerato il numero aleatorio discreto Z = X +Y, calcolare: (i) la previsione m e la varianza σ 2 di Z; (Si noti che X e Y sono stocasticamente indipendenti). m = σ 2 = X e Y sono indipendenti ed ugualmente distribuiti, con distribuzione binomiale di parametri n = 3, p = 1. Pertanto IP (X) = IP (Y ) = np = 3 9, V ar(x) = V ar(y ) = npq =, quindi m = IP (Z) = IP (X) + IP (Y ) = 3 2 ; σ2 = V ar(z) = V ar(x) + V ar(y ) = 9 8 Esercizio Un lotto è costituito da 15 componenti simili, dei quali 10 costruiti da una macchina M 1 e 5 da una macchina M 2. Ogni componente, prodotto da M 1 o da M 2, è non difettoso con probabilità 0.8 e gli eventi E i = l i-esimo componente è difettoso, per i = 1,..., 15, sono stocasticamente indipendenti. Indicati con X e Y i numeri aleatori di pezzi difettosi fra quelli prodotti rispettivamente da M 1 e M 2, calcolare la probabilità dell evento (X + Y = 2), il coefficiente di correlazione ρ X+Y,Y dei numeri aleatori (X + Y ) e Y. Determinare inoltre la probabilità dell evento condizionato (X = 1 X + Y = 2). P (X+Y = 2) = ρ X+Y,Y = P (X = 1 X+Y = 2) =

17 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 17 Osserviamo che X Bin(10, 0.2), Y Bin(5, 0.2) e X + Y Bin(15, 0.2). Quindi ( ) 15 P (X + Y = 2) = (0.2) 2 (0.8) = (0.2) 2 (0.8) Il coefficiente di correlazione ρ X+Y,Y tra X + Y e Y è dato da ρ X+Y,Y = cov(x + Y, Y ) σ X+Y σ Y = =0 { }} { cov(x, Y ) +cov(y, Y ) σ X+Y σ Y = σ 2 Y σ X+Y σ Y = σ Y σ X+Y = = 1 3. Inoltre si ha P (X = 1 X + Y = 2) = P (X=1,X+Y =2) P (X+Y =2) = P (X=1,Y =1) P (X+Y =2) = P (X=1) P (Y =1) P (X+Y =2) = = (10 1 )(0.2) 1 (0.8) 9 ( 5 1)(0.2) 1 (0.8) 4 ( 15 2 )(0.2) 2 (0.8) 13 = (10 1 )( 5 1) ( 15 2 ) = Esercizio Un lotto formato da 8 componenti elettronici, uno dei quali é difettoso, é stato suddiviso a caso in 2 gruppi, A e B, di 4 componenti ciascuno. Dal gruppo A vengono prelevati a caso 2 componenti. Definiti gli eventi E = i 2 componenti prelevati da A sono entrambi non difettosi, H = il componente difettoso sta nel gruppo B, calcolare la probabilità dell evento condizionato H E. Risp.: P (H E) = Si ha: ( 3 ) ( 1 ) Allora: P (H) = 4 8 = 1 2, P (E H) = 1, P (E Hc ) = 2 0 ( ) = P (H E) = P (EH) P (E) = P (E H)P (H) P (E H)P (H) + P (E H c )P (H c ) = = Esercizio Un lotto é composto da 4 pezzi, dei quali 2 prodotti da una macchina M 1 e 2 prodotti da una macchina M 2. Il singolo pezzo prodotto da M 1 (rispettivamente M 2 ) risulta difettoso, indipendentemente dagli altri pezzi, con probabilitá p 1 (rispettivamente p 2 ). Definiti gli eventi A = esattamente uno dei 4 pezzi é difettoso, K = uno dei pezzi prodotti da M 1 é difettoso, calcolare la probabilità dell evento condizionato K A. Risp.: P (K A) = Indicando con X (rispettivamente Y ) il numero di pezzi difettosi prodotti da M 1 (rispettivamente

18 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 18 M 2 ), si ha e quindi: A = (X + Y = 1) = AK AK c = (X = 1, Y = 0) (X = 0, Y = 1), P (A) = P (X = 1, Y = 0) + P (X = 0, Y = 1) = P (X = 1)P (Y = 0) + P (X = 0)P (Y = 1) = ( 2 1 ) ( 2 p 1 (1 p 1 ) 0 ) ( 2 (1 p 2 ) = 2p 1 (1 p 1 )(1 p 2 ) 2 + 2(1 p 1 ) 2 p 2 (1 p 2 ). ) (1 p 1 ) 2 ( 2 1 ) p 2 (1 p 2 ) = Allora: P (K A) = P (AK) P (A) = P (X=1,Y =0) P (X=1,Y =0)+P (X=0,Y =1) = = 2p 1 (1 p 1 )(1 p 2 ) 2 2p 1 (1 p 1 )(1 p 2 ) 2 +2(1 p 1 ) 2 p 2 (1 p 2 ) = p 1 (1 p 2 ) p 1 (1 p 2 )+p 2 (1 p 1 ) Esercizio Da un lotto contenente 4 lampadine buone e 4 difettose se ne prendono 4 in blocco. Sia X il numero aleatorio di lampadine buone fra le 4 estratte. Calcolare la varianza di X. V ar(x) = 4 7 X ha distribuzione ipergeometrica di parametri N = 8, n = 4, p = 1 2. Pertanto V ar(x) = npq(1 n 1 N 1 ) = 4 7 Esercizio Un azienda possiede 10 autobus ognuno dei quali la mattina, indipendentemente dagli altri autobus, con una certa probabilità p riesce a mettersi in moto. Calcolare la probabilità α che, in una data mattina, almeno un autobus riesca a partire. Risp.: α = l numero aleatorio X di autobus che partono in una data mattina ha una distribuzione binomiale di parametri 10, p. Allora: α = P (X 1) = 1 P (X = 0) = 1 (1 p) 10 = 1 q 10. Esercizio Date due urne U (contenente 2 palline bianche e 3 nere) e V (contenente 4 palline nere e 1 bianca), si consideri il seguente esperimento aleatorio. Piero effettua un estrazione da U, vincendo una somma S se esce pallina bianca (evento A). In tal caso l esperimento termina. In caso contrario, Carlo effettua tre estrazioni con restituzione da V e vince la somma S se almeno una volta esce pallina bianca. Sia E i l evento nell i-ma prova viene estratta pallina bianca e B l evento Carlo vince la somma S. Calcolare P (B). Risp.: P (B) =

19 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 19 Si ha: da cui: P (A) = P (E 1 ) = 2 5, B = Ac (E 2 E 3 E 4 ), P (B) = P (A c )P (E 2 E 3 E 4 A c ) = P (A c )[1 P (E c 2E c 3E c 4 A c )] = = 3[1 ( )3 ] = 3 64 (1 ) = Esercizio Dati n eventi E 1,..., E n indipendenti ed equiprobabili, con P (E i ) = 1, stabilire 2 la condizione che dev essere soddisfatta da n affinchè la probabilitá α dell evento A = gli eventi E 1,..., E n sono tutti veri condizionata all evento H = almeno uno degli eventi E 1,..., E n é vero sia minore di 1, dove k è un numero intero fissato. k Risp.: Si ha: α = P (E 1 E n ) P (E 1 E n ) = P (E 1 E n ) 1 P (E1 c En) = ( 1 2 )n c 1 ( 1 a 2n k 2 )n 1, k cioè, se e solo se: 2 n k + 1. Esercizio Da un urna U contenente 1 pallina bianca e 2 nere si effettuano due estrazioni senza restituzione e, se almeno una volta esce pallina bianca, Tizio vince una somma S e il gioco si interrompe. In caso contrario, da un urna V contenente 2 palline bianche e 1 nera si effettuano due estrazioni senza restituzione e, se almeno una volta esce pallina nera, Tizio vince la somma S. Sia X la vincita aleatoria in tale gioco. Calcolare l importo Σ che Tizio deve pagare per aver diritto a ricevere X. Risp.: Σ = Sia E i l evento nell i-ma estrazione esce pallina bianca. Allora X = S se e solo se si verifica l evento E 1 E 2 E c 3 E c 4, cioè: X = S E 1 E 2 E c 3 E c 4. Poichè: Σ = IP (X), si ottiene: Σ = IP (X) = S P (E 1 E 2 E c 3 E c 4) = S[1 P (E c 1E c 2E 3 E 4 )] = S( ) = 8S. 2 9 Esercizio Da un lotto contenente 5 barre di acciaio viene scelta a caso una barra. Utilizzando opportune unità di misura, i valori (x i, y i ), i = 1,..., 5, delle lunghezze e dei pesi delle 5 barre sono: (1, 1.5), (1.2, 1.8), (1.4, 2.1), (1.5, 2.25), (0.8, 1.2). Indicando con (X, Y ) i valori aleatori della lunghezza e del peso della barra estratta, calcolare il coefficiente di correlazione di X, Y. Stabilire, inoltre, se gli eventi (X > 1) e (Y > 2) sono

20 2 Probabilità Condizionate, Teorema di Bayes, Distribuzioni discrete p. 20 indipendenti. Risp.: ρ = Risp.: Indipendenti? In generale, occorrerebbe applicare la formula ρ = Cov(X,Y ) σ X σ Y, calcolando preliminarmente la covarianza e gli scarti quadratici medi. X, Y e XY hanno distribuzione uniforme, rispettivamente, sugli insiemi {0.8, 1, 1.2, 1.4, 1.5}, {1.2, 1.5, 1.8, 2.1, 2.25} e {0.96, 1.5, 2.16, 2.94, 3.375}, e quindi le previsioni di X, Y e XY sono, rispettivamente, 1.18, 1.77 e Quindi Cov(X, Y ) = Inoltre, le previsioni di X 2, Y 2 sono, rispettivamente, e da cui si ottiene σ X = , σ Y = Pertanto ρ = 1. Lo stesso risultato si ottiene direttamente osservando che, per ogni (x i, y i ), si ha y i = 3x 2 i e quindi Y = 3 X, da cui segue ρ = 1. 2 Si ha: P (X > 1) = 1 P (X = 0.8) P (X = 1) = 3 5, P (Y > 2) = P (Y = 2.1) + P (Y = 2.25) = 2 5, P (X > 1, Y > 2) = P (X = 1.4, Y = 2.1) + P (X = 1.5, Y = 2.25) = 2 5. Poichè P (X > 1, Y > 2) P (X > 1)P (Y > 2), gli eventi (X > 1) e (Y > 2) non sono indipendenti. Esercizio L insieme dei valori possibili di un numero aleatorio discreto X è C = {0, 1,..., 8}, con ( ) 8 ( P (X = h) = 1 ) h ( 2 ) 8 h h 3 3, h = 0, 1,..., 8. Calcolare: la previsione m di X; la probabilità dell evento (X 6). m = P (X 6) = Il n.a. X ha distribuzione binomiale di parametri n = 8, p = 1. La previsione è data da 3 Per calcolare P (X 6) osserviamo che con quindi si ha m = IP (X) = n p = 8 3. P (X 6) = 1 P (X 7) = 1 [P (X = 7) + P (X = 8)] P (X = 7) = ( 8 7 ) ( 1 3 ) 7 ( ) 1 2 = = 16 3, P (X = 8) = P (X 6) = =

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

Problema del condannato*

Problema del condannato* Problema del condannato* Esempio 35 In un paese orientale un prigioniero è stato condannato a morte da uno sceicco. Prima dell esecuzione, lo sceicco o re una possibilità di salvezza al condannato, mettendogli

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico.

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico. Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Probabilità Ines Campa e Marco Longhi Probabilità e Statistica - Esercitazioni

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda

Dettagli

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Alessandro Sicco sicco@dm.unito.it Lezione 1. Calcolo combinatorio, formula delle probabilitá totali, formula di Bayes Esercizio 1.1. 7 bambini

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Si tratta di problemi elementari, formulati nel linguaggio ordinario Quindi, per ogni problema la suluzione proposta è sempre

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

Esercizi di probabilità discreta

Esercizi di probabilità discreta Di seguito, potete trovare i testi (con risposta) degli esercizi svolti (o proposti) nel corso di esercitazioni dell insegnamento di Matematica applicata. 1 Esercizi di probabilità discreta Algebra degli

Dettagli

Corso di Probabilità e Statistica

Corso di Probabilità e Statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di Probabilità e Statistica (Prof.ssa L.Morato) Esercizi a cura di: S.Poffe sara.poffe@stat.unipd.it A.A.

Dettagli

Esercizi di Probabilità e statistica. Francesco Caravenna Paolo Dai Pra

Esercizi di Probabilità e statistica. Francesco Caravenna Paolo Dai Pra Esercizi di Probabilità e statistica Francesco Caravenna Paolo Dai Pra Capitolo 1 Spazi di probabilità discreti 1.1 Proprietà fondamentali Esercizio 1 Esprimere ciascuno dei seguenti eventi in termini

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel

Dettagli

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi

Dettagli

Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 2010

Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 2010 Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 200 Esercizio. Dati due eventi A e B, scrivete, in termini di operazioni booleane, l espressione dell evento: {si verifica esattamente un solo evento

Dettagli

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }. ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità David Barbato Questa raccolta comprende sia gli esercizi dell esercitazione del 14 febbraio sia gli esercizi di ricapitolazione sulle

Dettagli

PARTE PRIMA PROBABILITA

PARTE PRIMA PROBABILITA i PARTE PRIMA PROBABILITA CAPITOLO I - Gli assiomi della probabilità 1.1 Introduzione........................................................... pag. 1 1.2 Definizione assiomatica di probabilità.......................................

Dettagli

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio

Dettagli

21.05.08 Prima prova parziale di Calcolo delle probabilità I C.L. in Matematica

21.05.08 Prima prova parziale di Calcolo delle probabilità I C.L. in Matematica 21.05.08 Prima prova parziale di Calcolo delle probabilità I Ogni esercizio vale 5 punti. 1. Si gioca a nascondino in una casa di quattro stanze: cucina, salotto, bagno e camera da letto. Otto bambini

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

Esercizi di Calcolo delle Probabilità (calcolo combinatorio)

Esercizi di Calcolo delle Probabilità (calcolo combinatorio) Esercizi di Calcolo delle Probabilità (calcolo combinatorio 1. Lanciamo due dadi regolari. Qual è la probabilità che la somma delle facce rivolte verso l alto sia pari a 7? 1/6 2. Due palline vengono estratte

Dettagli

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri.

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri. Scrivi i primi termini delle seguenti successioni: =1; =; = + Individua la legge che genera ognuna delle seguenti successioni: -1,, -, 4, -5, In una progressione aritmetica la somma del primo, quarto,

Dettagli

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio

1 Probabilità. 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio Indice 1 Probabilità 1 1.1 Primi esercizi di probabilità con l uso del calcolo combinatorio.. 1 1.2 Probabilità condizionata, indipendenza e teorema di Bayes.... 2 1 Probabilità 1.1 Primi esercizi di probabilità

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 9 giugno 006 Spazi di probabilità finiti e uniformi Esercizio Un urna contiene 6 palline rosse, 4 nere, 8 bianche. Si estrae una pallina; calcolare

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti. PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

Dettagli

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,

Dettagli

Esercizi di Calcolo delle Probabilita (I)

Esercizi di Calcolo delle Probabilita (I) Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:

Dettagli

Traccia della soluzione degli esercizi del Capitolo 1

Traccia della soluzione degli esercizi del Capitolo 1 Traccia della soluzione degli esercizi del Capitolo 1 Esercizio 1 Esprimere ciascuno dei seguenti eventi in termini degli eventi A, B, C. 1. Almeno un evento si verifica. 2. Al più un evento si verifica..

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di

Dettagli

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra

Dettagli

Teoria della probabilità Assiomi e teoremi

Teoria della probabilità Assiomi e teoremi Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento

Dettagli

ESERCITAZIONE DI PROBABILITÀ 1

ESERCITAZIONE DI PROBABILITÀ 1 ESERCITAZIONE DI PROBABILITÀ 2/03/205 Primo foglio di esercizi Esercizio 0.. Una classe di studenti è costituita da 6 ragazzi e 4 ragazze. I risultati dell esame vengono esposti in una graduatoria in ordine

Dettagli

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00)

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Richiami di matematica pag. 2 Definizione (moderatamente) formale di variabile aleatoria

Dettagli

Somma logica di eventi

Somma logica di eventi Somma logica di eventi Da un urna contenente 24 palline numerate si estrae una pallina. Calcolare la probabilità dei seguenti eventi: a) esce un numero divisibile per 5 o superiore a 20, b) esce un numero

Dettagli

Esercitazioni del corso di Statistica Proff. Mortera/Vicard a.a. 2011/2012

Esercitazioni del corso di Statistica Proff. Mortera/Vicard a.a. 2011/2012 Esercitazioni del corso di Statistica Proff. Mortera/Vicard a.a. 2011/2012 Esercizi di calcolo delle probabilità 1. Nel 1980 la popolazione USA era così composta: 10% della California, 6% di origine ispanica,

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 9 giugno 6 Spazi di probabilità finiti e uniformi Esercizio Un urna contiene 6 palline rosse, nere, 8 bianche. Si estrae una pallina; calcolare la

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

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Probabilità e Maturità

Probabilità e Maturità Probabilità e Maturità Un analisi dei quesiti di Andrea Centomo Liceo F. Corradini di Thiene (VI) Montegrotto, 24 luglio 2014 2 Tre epoche... 1993 2000 2001 2014 2015 Tabella 1. Epoche dei quesiti di maturità

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Esercizi 4 (2) È dato su uno spazio campionario Ω = {a, b, c, d, e} dotato della funzione di probabilità seguente:

Esercizi 4 (2) È dato su uno spazio campionario Ω = {a, b, c, d, e} dotato della funzione di probabilità seguente: I seguenti quesiti ed il relativo svolgimento sono coperti dal diritto d autore, pertanto essi non possono essere sfruttati a fini commerciali o di pubblicazione editoriale senza autorizzazione esplicita

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

MODULI DI LINEAMENTI DI MATEMATICA

MODULI DI LINEAMENTI DI MATEMATICA R. MANFREDI - E. FABBRI - C. GRASSI TRIENNIO licei scientifici MODULI DI LINEAMENTI DI MATEMATICA per il triennio della scuola secondaria di secondo grado L CALCOLO DELLE PROBABILITÀ E ELEMENTI DI STATISTICA

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca

Dettagli

Quesito 1a. Quesito 2a. ce y 1+x. (x,y) R R + f(x,y) = 0 altrove

Quesito 1a. Quesito 2a. ce y 1+x. (x,y) R R + f(x,y) = 0 altrove Corso di laurea in Ing. Gestionale, a.a. 2001/2002 Prova scritta di Metodi Matematici e Statistici del 25 giugno 2002 Si effettuano n prove ciascuna delle quali consiste nello scegliere una moneta tra

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Calcolo delle probabilità Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si vuole studiare la distribuzione del sesso dei figli nelle famiglie aventi due figli

Dettagli

Test sul calcolo della probabilità

Test sul calcolo della probabilità Test sul calcolo della probabilità 2 Test sul calcolo della probabilità Test sul calcolo della probabilità. La probabilità p di un evento E, quando si indica con E il suo complementare, è : a) 0 se E è

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

Esericizi di calcolo combinatorio

Esericizi di calcolo combinatorio Esericizi di calcolo combinatorio Alessandro De Gregorio Sapienza Università di Roma alessandrodegregorio@uniroma1it Problema (riepilogativo) La segretaria di un ufficio deve depositare 3 lettere in 5

Dettagli

Esercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che:

Esercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che: Esercizi Esercizio 4. Un urna contiene inizialmente 2 palline bianche e 4 palline rosse. Si effettuano due estrazioni con la seguente modalità: se alla prima estrazione esce una pallina bianca, la si rimette

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

metodi matematici per l ingegneria prove scritte d esame 1 Indice

metodi matematici per l ingegneria prove scritte d esame 1 Indice metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola

Dettagli

Esercizi di calcolo combinatorio e probabilità Svolgimento a cura di Mattia Puddu

Esercizi di calcolo combinatorio e probabilità Svolgimento a cura di Mattia Puddu Esercizi di calcolo combinatorio e probabilità Svolgimento a cura di Mattia Puddu 1. Gli interi da 1 a 9 sono scritti nelle 9 caselle di una scacchiera 3x3, ogni intero in ogni casella diversa, in modo

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Si considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a:

Si considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a: TEST DI AUTOVALUTAZIONE - SETTIMANA 2 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso di Automazione Industriale 1. Capitolo 4 Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛ Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata

Dettagli

Eserciziario di Calcolo delle Probabilità. Piero Quatto, Riccardo Borgoni, Elena Colicino, Daniela Mariosa

Eserciziario di Calcolo delle Probabilità. Piero Quatto, Riccardo Borgoni, Elena Colicino, Daniela Mariosa Eserciziario di Calcolo delle Probabilità Piero Quatto, Riccardo Borgoni, Elena Colicino, Daniela Mariosa 1 PARTE 1 Probabilità e variabili casuali discrete Sezione 1. Insieme e calcolo combinatorio Esercizio

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero

Dettagli

k n Calcolo delle probabilità e calcolo combinatorio (di Paolo Urbani maggio 2011)

k n Calcolo delle probabilità e calcolo combinatorio (di Paolo Urbani maggio 2011) b) (vedi grafo di lato) 7 0 9 0 0 0 ( E ) + + 0, ) Calcolare, riguardo al gioco del totocalcio, la probabilità dei seguenti eventi utilizzando il calcolo combinatorio a) E : fare b) E : fare 0 c) E : fare

Dettagli

Lezioni di CPS. Fabrizio Caselli

Lezioni di CPS. Fabrizio Caselli Lezioni di CPS Fabrizio Caselli Contents Chapter. Statistica descrittiva 5. Popolazione, campione e caratteri 5 2. Classi e istogrammi 6 3. Indici di posizione o centralità e di dispersione 6 4. Correlazione

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico

Dettagli

(concetto classico di probabilità)

(concetto classico di probabilità) Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 5 maggio 007 Varabili aleatorie continue, distribuzioni continue e funzione generatrice di momenti. Esercizio Dimostrare la mancanza di memoria della

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli