Corso di Probabilità e Statistica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Corso di Probabilità e Statistica"

Transcript

1 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 A.A

2 La dispensa si propone come raccolta di esercizi non risolti relativi al corso di Probabilità e Statistica. Gli esercizi sono suddivisi in capitoli, paragrafi e sottoparagrafi in base al loro contenuto. Alla fine di ogni capitolo è stato inserito un paragrafo conclusivo con esercizi di riepilogo. i

3 ii

4 Indice 1 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete Probabilità classica Calcolo combinatorio Applicazioni del calcolo combinatorio alla probabilità classica Probabilità moderna Probabilità condizionata Indipendenza di eventi Variabili aleatorie discrete Esercizi di riepilogo Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà Variabili aleatorie assolutamente continue Valore atteso e varianza di variabili aleatorie discrete e assolutamente continue Valore atteso e varianza di funzioni di variabili aleatorie Disuguaglianza di Cebi cev Esercizi di riepilogo Variabili aleatorie dipendenti e indipendenti, covarianza e coefficiente di correlazione, densità e valore atteso condizionati Variabili aleatorie dipendenti e indipendenti Covarianza e coefficiente di correlazione

5 iv INDICE 3.3 Densità condizionata e valore atteso condizionato Variabili aleatorie congiuntamente gaussiane Funzioni di più variabili aleatorie Esercizi di riepilogo Statistica inferenziale Stimatori corretti e consistenti Le distribuzioni χ 2 (n) e N(0, 1) Intervalli di confidenza Esercizi di riepilogo Esercitazione di statistica descrittiva 49

6 Capitolo 1 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete 1.1 Probabilità classica Il campo nel quale più direttamente si può applicare la definizione classica di probabilità è quello dei giochi di dadi, carte, ecc.. In essi le regole individuano con precisione le diverse alternative, e si può ragionevolmente supporre che esse siano ugualmente probabili. Esercizio Qual è la probabilità di ottenere un numero pari lanciando un dado? [ ] 1 2 Esercizio Qual è la probabilità che, lanciando un dado, esca un numero pari o il numero 5? [ ] 2 3

7 2 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete Esercizio (es. 2.1 p.54, Bramanti) Dimostrare, utilizzando gli assiomi di probabilità, che non è possibile definire una probabilità sull insieme Ω dei numeri naturali 1, 2, 3,... in modo tale che i numeri siano tutti equiprobabili. Questo fatto si può interpretare dicendo che non è possibile inventare un esperimento aleatorio che abbia come esito l estrazione di un numero naturale a caso, se si vuole che tutti i numeri siano estratti con ugual probabilità Calcolo combinatorio Il calcolo combinatorio ha per scopo la costruzione e la misurazione del numero di raggruppamenti che, secondo un assegnata definizione, si possono formare con una prefissata quantità di n oggetti. Esso risulta utile anche indipendentemente dal calcolo delle probabilità. Permutazioni semplici di n oggetti P n = n! n! Disposizioni semplici di n oggetti di classe k (k n) D n,k = (n k)! ( ) n n! Combinazioni semplici di n oggetti di classe k (k n) C n,k = = k (n k)!k! Disposizioni con ripetizione di n oggetti di classe k D R n,k = n k ( ) n + k 1 Combinazioni con ripetizione di n oggetti di classe k Cn,k R = k Esercizio In quanti modi si possono estrarre 3 lettere da un insieme di 10? 720 (estrazione ordinata) 120 (estrazione in blocco) 1000 (estrazione con reinserimento)

8 1.1 Probabilità classica 3 Esercizio In quanti modi si può riordinare una sequenza di 20 oggetti diversi? [ ] Esercizio In quanti modi si può estrarre una cinquina da un urna con 200 palline numerate? [ e + 11 (estrazione ordinata) ] e + 09 (estrazione in blocco) Esercizio In quanti modi si possono estrarre, con reinserimento, 2 palline da un urna contenente una pallina bianca, una rossa e una nera? [9] Esercizio In quanti modi si può formare una sequenza di 10 cifre usando 0 e 1? [1.024] Esercizio (es. 2.2 p.66, Bramanti) In quanti modi 8 persone possono sedersi attorno ad un tavolo che ha 8 posti? [40329] Esercizio (es. 2.3 p.66, Bramanti) Come nell esercizio precedente, ma si considerino distinti 2 modi solo se varia la disposizione relativa delle persone attorno al tavolo (rotondo). (In altre parole, due disposizioni ottenute l una dall altra mediante rotazione del tavolo si considerano uguali). [5040] Esercizio (es. 2.4 p.66, Bramanti) In quanti modi 4 uomini e 4 donne possono sedersi in modo alternato attorno ad un tavolo?

9 4 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete Esercizio (es. 2.5 p.66, Bramanti) Un valigetta ventiquattrore ha una conbinazione formata da 6 numeri. a) In quanti modi è possibile combinare le 10 cifre da 0 a 9? [1152] b) E se invece delle 10 cifre ci fossero le lettere A, B, C, D? [ a) b) 4096 ] Applicazioni del calcolo combinatorio alla probabilità classica Esercizio Dato un contenitore con 10 oggetti numerati, qual è la probabilità che, scegliendone 3 a caso, escano nell ordine 9, 2, 5? Esercizio [ ] Dato un contenitore con 10 oggetti numerati, qual è la probabilità che, scegliendone in blocco 3, escano 9, 2, 5? Esercizio Da un urna con 10 palline numerate se ne estraggono in blocco 3. probabilità di estrarre la 6? Esercizio [ ] Qual è la [ ] 3 10 Un giocatore estrae casualmente tre carte da un mazzo di 52. Qual è la probabilità di estrarre: {A, 3, 5 }?

10 1.1 Probabilità classica 5 Esercizio (estrazione ordinata) (estrazione in blocco) Formando in modo casuale delle parole di quattro lettere con A, B, C, qual è la probabilità di comporre la parola ABBA? Esercizio [ ] 1 81 Lanciando in successione 3 dadi, qual è la probabilità che escano tre numeri uguali? [ ] 1 36 Esercizio Lanciando in successione 2 dadi, qual è la probabilità che escano due numeri successivi (6 1)? Esercizio [ ] 1 6 In un esperimento si producono in modo casuale sequenze di 5 elementi. Ogni elemento può essere di due tipi: 0 o 1. a) Qual è la probabilità che esca (1, 0, 0, 0, 0)? b) Qual è la probabilità che esca due volte 1? Esercizio a) b) Scegliendo a caso ordinatamente 6 persone in una popolazione, qual è la probabilità che almeno due abbiano il compleanno lo stesso mese?

11 6 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete Esercizio (esempio 42 p.65, Bramanti) [0.78] Si consideri una partita d assi: 4 giocatori, 40 carte, distribuite 10 a testa. Calcolare la probabilità per un giocatore di avere: a) l asso di quadri e nessun altro asso b) almeno un asso c) un asso e non di più d) due assi prefissati e) due assi prefissati e non di più f) due assi qualsiasi e non di più g) almeno due assi [a) = 0.11; b) = 0.70; c) = 0.44; d) = 0.06; e) = 0.04; f) = 0.21; g) = 0.35] Esercizio (es p.67, Bramanti) Tre persone si danno appuntamento in un bar nella piazza centrale della città; poco pratici del luogo, non sanno che in tale piazza ci sono 4 bar. Qual è la probabilità che scelgano: a) tutti e tre lo stesso bar? b) tutti e tre bar differenti? [ a) b) ] Esercizio (es p.67, Bramanti) Un urna contiene 5 palline bianche, 6 nere, 4 rosse. Se ne estraggono 2. Calcolare la probabilità che siano dello stesso colore supponendo che l estrazione avvenga:

12 1.2 Probabilità moderna 7 a) in blocco b) con reimmissione 1.2 Probabilità moderna a) b) Esercizio Si osservano due quantità aleatorie X e Y entrambe con valori 1, 0, 1. Assumendo che la coppia (0, 0) abbia probabilità 1 2 probabilità che: a) X + Y > 0 e le altre siano equiprobabili, qual è la b) X + Y 0 a) b) Esercizio Si considerino dei pezzi prodotti da una macchina e siano A e B la presenza del difetto a e b rispettivamente. Sapendo che: - P (A) = P (B C ) = P (A B) = 0.01 calcolare la probabilità che il pezzo non presenti alcun difetto. [0.71]

13 8 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete Esercizio Due giocatori laciano a turno due dadi. Un giocatore vince se escono due numeri uguali o se la loro somma è maggiore di 6. Assumendo le uscite equiprobabili, si calcoli la probabilità di vittoria. Esercizio (es. 1 proposto) [ ] 2 3 Si estraggono ordinatamente 4 carte da un mazzo di 20 carte numerate. Costruire uno spazio di probabilità uniforme e calcolare la probabilità che: a) venga estratta la carta numero 5 b) vengano estratte la numero 5 e la numero 6 c) vengano estratte la numero 5 o la numero 6 a) b) c) Esercizio (es. 2 proposto) a) Calcolare la probabilità che, estraendo a caso 4 individui in una popolazione formata da 5 tipi diversi egualmente rappresentati, almeno due individui siano dello stesso tipo b) E se le tipologie di popolazione fossero 3? a) b) Esercizio (es. 3 proposto) Si estraggono in blocco due oggetti da una collezione di M oggetti diversi. Calcolare la probabilità di estrarre due oggetti particolari.

14 1.2 Probabilità moderna 9 Esercizio (es. 4 proposto) [ 2 ] M(M 1) Calcolare la probabilità che, sistemando a caso 4 oggetti in due contenitori, entrambi i contenitori ne contengano Probabilità condizionata Esercizio [ ] 1 5 Indicando con A e B gli eventi esce il numero 2 e esce un numero pari lanciando un dado equilibrato, calcolare la probabilità di A, condizionatamente al verificarsi dell evento B. Esercizio [ ] 1 3 Uno statistico osserva due variabili X e Y, che prendono valori rispettivamente {0, 1, 2, 3} e {0, 1}. Assumendo tutte le possibili coppie di valori equiprobabili, calcolare la probabilità che X sia non nulla se Y è uguale a zero. Esercizio [ ] 3 4 Si consideri una popolazione costituita dal 40% di fumatori e dal 60% di non fumatori. Sapendo il 25% dei fumatori e il 7% dei non fumatori contraggono una malattia alle vie respiratorie, calcolare la probabilità che un individuo scelto a caso sia ammalato. Esercizio [0.142] In un paese vi sono 60% nativi, 25% immigrati e 15% turisti. Sapendo che utilizzano i mezzi pubblici il 30% dei nativi, il 70% degli immigrati e il 90% dei turisti:

15 10 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete a) qual è la probabilità che una persona scelta a caso utilizzi i mezzi pubblici? b) noto che su un automobile privata c è una persona, qual è la probabilità che sia un turista? [ a) 0.49 ] b) Esercizio (es. 5 proposto) Un corso universitario è frequentato da 100 persone, di cui 70 sono uomini e 30 sono donne. Sapendo che il 40% degli uomini e il 60% delle donne fumano, con quale probabilità uno studente fumatore è di sesso maschile? [0.6087] Esercizio (es. 6 proposto) Un giocatore punta alla roulette i numeri Dopo la giocata un informatore gli dice che uscirà un numero pari. Quale probabilità avrà di vincere? [0.1052] Esercizio (es. 7 proposto) In una università i medici rappresentano il 22% dei laureati in un anno, gli ingegneri il 10%, i laureati in lettere il 30%, mentre il restante 40% è rappresentato da laureati in altre discipline. Ad un anno dalla laurea lavora il 60% dei medici, il 90% degli ingegneri, il 10% dei laureati in lettere e il 50% dei rimanenti. a) sapendo che uno studente si è appena laureato, con quale probabilità sarà disoccupato nei prossimi 12 mesi? b) con quale probabilità un disoccupato (laureatosi un anno fa) è laureato in ingegneria? c) con quale probabilità si è laureato in medicina un neoassunto, laureatosi da meno di un anno?

16 1.2 Probabilità moderna 11 Esercizio (es. 8 proposto) a) 0.56 b) c) In un urna sono contenute 5 palline rosse e 4 bianche. Due persone estraggono una pallina ciascuna (senza reinserimento). Calcolare la probabilità che la seconda persona estragga una pallina rossa: a) sapendo che la prima ne ha estratta una bianca b) non sapendo quale pallina abbia estratto la prima Indipendenza di eventi a) b) Esercizio Si disponga di una moneta equilibrata e siano T 1 e T 2 gli eventi esce testa al primo lancio e esce testa al secondo lancio. Calcolare la probabilità che si verifichino congiuntamente gli eventi T 1 e T 2. Esercizio Si lanci due volte una moneta non equilibrata. Assumendo che: P (T 1 ) = P (T 2 ) = p P (C 1 ) = P (C 2 ) = 1 p calcolare le probabilità: a) P (T, T ) che escano due teste [ ] 1 4

17 12 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete b) P (T, C) che escano due facce diverse c) P (C, C) che escano due croci a) p 2 b) p(1 p) c) (1 p) 2 Esercizio In una coltivazione di mais le piantine si ammalano con una frequenza del 20%. Sotto opportune ipotesi calcolare le probabilità che scegliendo a caso 10 piantine: a) siano tutte sane b) solo 3 siano sane [ a) b) ] Esercizio (es. 9 proposto) Si lanciano successivamente 3 monete equilibrate. Calcolare la probabilità che: a) esca testa 3 volte b) esca testa una sola volta Variabili aleatorie discrete a) b) Il risultato di una prova è in molti casi un numero che è aleatorio, cioè incerto prima della prova, per poi diventare noto. In generale si è interessati ad una funzione del risultato della prova (che come caso particolare può essere la funzione identica, cioè il risultato stesso). Queste funzioni sono dette variabili aleatorie.

18 1.2 Probabilità moderna 13 Nome Supporto Probabilità Restrizioni sui parametri Bernoulli (p) k {0, 1} p k (1 p) 1 k 0 p 1 Binomiale (n, p) k {0, 1,..., n} Poisson (λ) k {0, 1,...} ( ) n p k (1 p) n k 0 p 1 k e λ λ k k! λ > 0 Geometrica (p) k {0, 1,...} p(1 p) k 0 < p < 1 Esercizio Alcune variabili aleatorie discrete In una linea di produzione di integrati, un integrato su è difettoso. Calcolare la probabilità che una confezione di 100 integrati: a) non contenga pezzi defettosi b) contenga un integrato difettoso c) contenga almeno tre integrati difettosi a) b) c) Esercizio Un urna contiene 9 palline bianche e 1 nera. Due giocatori estraggono a caso una pallina a turno e poi la rimettono nell urna. Vince chi estrae per primo la pallina nera. Calcolare la probabilità che il gioco duri almeno cinque prove. Esercizio (es. 10 proposto) Un urna contiene 3 palline rosse, 4 bianche e 5 nere.

19 14 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete a) Si estraggono 5 palline con reimmissione. Con quale probabilità ce ne sono 3 nere? b) Supponendo che se ne estraggano 7, con quale probabilità ce ne sono 3 nere, 2 bianche e 2 rosse? [ ] a) b) Esercizio (es. 11 proposto) Un grande contenitore contiene piccolissimi oggetti di 100 tipi diversi, dei quali sono presenti copie di ognuno. Se ne estraggono in modo casuale n 100. Si determini la probabilità che un particolare tipo di oggetto non venga estratto, in funzione del numero di oggetti estratti (si supponga n << ). Si calcoli n in modo che tale probabilità sia uguale a [n 460] Esercizio (es. 12 proposto) Dato uno stock di lampadine, viene esaminato un campione di 100 pezzi. Indicato con m il numero di pezzi difettosi nello stock, si dia una formula per determinare la probabilità di trovare 10 pezzi difettosi, in funzione di m (m << ). Esercizio (es. 13 proposto) Supponendo che 300 errori di stampa siano distribuiti a caso su 500 pagine, si determini la probabilità che una determinata pagina contenga: a) esattamente 2 errori b) almeno 2 errori [ a) b) ] Esercizio (es. 14 proposto) In un paese il 50% della popolazione ha un età compresa tra i 30 e 60 anni, il 30% ha meno di 30 anni e il rimanente 20% ha più di 60 anni. Supponendo di intervistare 20 individui scelti a caso, con quale probabilità:

20 1.2 Probabilità moderna 15 a) sono tutti giovani al di sotto dei 30 anni? b) ci sono 10 giovani al di sotto dei 30 anni, 7 persone tra i 30 e i 60 anni e 3 con più di 60? c) nessuno ha meno di 30 anni? a) 3.48 e 11 b) 8.18 e 3 c) 7.98 e 4 Esercizio (es. 15 proposto) Un urna contiene 3 palline rosse, 4 bianche e 5 nere. Estraendo 5 palline con reinserimento, con quale probabilità si estrae la prima pallina nera al terzo tentativo? [0.1418] Esercizio (es. 16 proposto) Una catena di produzione di un industria alimentare produce scatole di biscotti. Viene stimato che una scatola su 100 non viene chiusa bene, nel qual caso la linea si ferma. Si calcoli la probabilità di produrre: a) esattamente 1000 scatole fino alla prima interruzione b) almeno 1000 scatole fino alla prima interruzione Esercizio (teorema 32 p.62, Bramanti) Dimostrare che: (a + b) n = n k=0 ( ) n a k b n k k [ a) 4.32 e 07 b) 4.32 e 05 ] per ogni intero positivo n, per ogni coppia di numeri reali a, b. (formula di Newton per lo sviluppo della potenza di un binomio).

21 16 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete 1.3 Esercizi di riepilogo Esercizio (es p.79, Bramanti) Calcolare la probabilità che, lanciando due dadi, escano: a) due 4 b) un 3 e un 5 c) due numeri pari d) due numeri la cui somma sia 9 e) due numeri uguali [ a) 1 36 ; b) 1 ] 18 ; c)1 4 ; d)1 9 ; e)1 6 Esercizio (es p.79, Bramanti) Da un mazzo di 52 carte se ne estrae una. Calcolare la probabilità che sia: a) una carta di picche o una figura di cuori b) una figura o una carta rossa [ a) b) ] Esercizio (es p.79, Bramanti) Da un urna che contiene 40 palline di cui 12 bianche, 11 rosse e 17 verdi, si estraggono contemporaneamente sei palline. Calcolare la probabilità che esse siano: 3 bianche, 2 rosse, 1 verde. [0.0536] Esercizio (es p.80, Bramanti) a) In quanti modi 8 persone possono sedersi in 5 posti?

22 1.3 Esercizi di riepilogo 17 b) In quanti modi 5 persone possono sedersi in 8 posti? c) In quanti modi 3 amici possono sedersi in una fila di 15 posti, al cinema, stando vicini tra loro? Esercizio (es p.80, Bramanti) a) 6720 b) 6720 c) 78 Siano A, B due eventi indipendenti, con P (A) = 1 3, P (B) = 3. Determinare la 4 probabilità p dell evento (A B) (A B). [ ] 7 12 Esercizio (es p.80, Bramanti) Una ditta produce un certo tipo di apparecchiature sofisticate; l 8% degli apparecchi prodotti, mediamente, presenta qualche tipo di malfunzionamento. Perciò la ditta ha messo a punto un test di collaudo, che tiene conto dei difetti più frequenti, in modo tale che: il 90% degli apparecchi imperfetti non supera il test; l 1% degli apparecchi sani non supera il test (per qualche errore nell esecuzione del collaudo). Se vengono messi in commercio tutti e soli gli apparecchi che superano il test, qual è la probabilità che uno di essi risulti difettoso? Esercizio (es p.80, Bramanti) [0.0087] Nella prima parte di questo esercizio si chiede di formalizzare, col linguaggio preciso e sintetico del calcolo delle probabilità, alcune informazioni espresse mediante il linguaggio comune. Sia A l evento lo studente ha studiato bene e B l evento lo studente passa l esame. Tradurre in simboli le seguenti affermazioni: a) la probabilità che uno studente abbia studiato bene e passi l esame è 0.4 b) la probabilità che uno studente che ha studiato bene passi l esame è 0.8

23 18 Probabilità classica e probabilità combinatoria, variabili aleatorie discrete c) la probabilità che uno studente che non ha studiato bene non passi l esame è 0.9 d) la probabilità che uno studente abbia studiato male ma passi ugualmente l esame è 0.05 e) la probabilità che uno studente che non ha passato l esame non avesse studiato bene è 9 11 Supponiamo ora che le informazioni a, b, c, d, e siano tutte corrette. Sfruttando opportunamente queste informazioni, si calcoli: f) P (A B) g) P (A B) h) P (A B) i) P (B A) f) 0.55 g) 0.45 h) 0.89 i) 0.2 Esercizio (es p.82, Bramanti) Un urna contiene 6 palline bianche e 4 nere; se ne estraggono 3 senza reimmissione. Qual è la probabilità di estrarre B, N, N (in quest ordine)? [ ] 1 10

24 Capitolo 2 Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà 2.1 Variabili aleatorie assolutamente continue Esercizio Sia X una variabile aleatoria uniforme su [0, 1], con densità: { 1 x [0, 1] f X (x) = Calcolare: 0 altrove a) P (X (, + )) b) P (X [0, 1 2 ]) c) P (X [0, 1 3 ])

25 20Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà Esercizio Sia X una variabile aleatoria esponenziale di parametro λ > 0. X = {tempo di vita di una lampadina} Sia: f X (x) = { λe λx x 0 0 altrove a) 1 b) 1 2 c) 1 3 Calcolare P (X [0, 1]). [ 1 e λ ] Esercizio Sia X una variabile aleatoria normale (o gaussiana) standard, con densità: f X (x) = 1 2π e x 2 2 x R Calcolare: a) P (X [0, 1 2 ]) b) P (X [ 1, 1]) c) P (X [ 1, 1 ] o X [0, 1]) 2 Nota: Non esiste una primitiva in forma analitica! Φ(t) = t x 2 1 e 2 dx (valori tabulati p.287, Bramati) 2π a) b) c)

26 2.2 Valore atteso e varianza di variabili aleatorie discrete e assolutamente continue 21 Esercizio Sia X una variabile aleatoria uniforme su [0, 1], con densità: f X (x) = Calcolare P { 2x x [0, 1] 0 altrove ( [ X 0, 1 ] 4 o X [ ]) 3 4, 1 [ ] Valore atteso e varianza di variabili aleatorie discrete e assolutamente continue Esercizio Sia X una variabile aleatoria discreta che assume valori in {1, 2, 3, 4, 5}, con funzione di probabilità: p X (x k ) = 1 5 k = 1,..., 5 Calcolare E(X). [3] Esercizio Sia X una variabile aleatoria discreta che assume valori in {1, 2, 3, 4, 5}, con funzione di probabilità: 1 p X (x k ) = x k = 1, 2 x k = 3, 4, 5 Calcolare E(X).

27 22Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà Esercizio [ ] 27 8 Sia X una variabile aleatoria di Bernoulli di parametro p, con funzione di probabilità: p X (x) = Calcolare E(X). Esercizio { 1 p 0 1 p Sia X una variabile aleatoria Binomiale di parametro p. X Binomiale(n, p) Calcolare E(X). Esercizio Sia X una variabile aleatoria uniforme su [0, 1], con densità: { 1 x [0, 1] f X (x) = 0 altrove [p] [np] Calcolare E(X). Esercizio Sia X una variabile aleatoria esponenziale di parametro λ > 0, con densità: [ ] 1 2 f X (x) = Calcolare: { λe λx x 0 0 altrove

28 2.2 Valore atteso e varianza di variabili aleatorie discrete e assolutamente continue 23 a) E(X) b) V (X) a) b) 1 λ 1 λ 2 Esercizio Sia X una variabile aleatoria di Poisson di parametro λ, con funzione di probabilità: λ λx p X (x) = e x! x = 0, 1, 2,... Calcolare: a) E(X) b) V (X) [ a) λ ] b) λ Esercizio Sia X una variabile aleatoria normale (o gaussiana) standard, con densità: f X (x) = 1 2π e x 2 2 x R Dimostrare che: a) E(X) = 0 b) V (X) = 1

29 24Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà Valore atteso e varianza di funzioni di variabili aleatorie Esercizio Sia X una variabile aleatoria discreta che assume valori in {1, 2, 3} con probabilità: P X (1) = 1 6, P X(2) = 1 3, P X(3) = 1 2 Posto Y = X 2, calcolare E(Y ). Esercizio Sia X una variabile aleatoria uniforme su [0, 1], con densità: { 1 x [0, 1] f X (x) = 0 altrove Posto Y = X 2, calcolare E(Y ) Esercizio [6] [ ] 1 3 Sia X una variabile aleatoria discreta che assume valori in {0, 1, 2, 3} con probabilità: P X (0) = 1 10, P X(1) = 1 5, P X(2) = 3 10, P X(3) = 2 5 Calcolare: a) E(X) e V (X) b) E(Y ) e V (Y ), posto Y = 2X, c) E(W ) e V (W ), posto Z = X 2 e W = Z + Y a) 2; 1 b) 4; 4 c) 9; 30

30 2.3 Esercizi di riepilogo 25 Esercizio Sia X una variabile aleatoria uniforme su [0, 1]. Posto Y = X 3 calcolare: a) E(Y ) b) V (Y ) Disuguaglianza di Cebi cev Esercizio Sia X una variabile aleatoria normale (o gaussiana) con: E(X) = 1 e V (X) = 4 a) b) Può essere P ( X 1 > 10) = 0.8? [No] 2.3 Esercizi di riepilogo Esercizio (es. 1 proposto) Sia X una variabile aleatoria geometrica di parametro p, con funzione di probabilità: p X (x) = p(1 p) x 1 x = 1, 2,... Calcolare: a) E(X) b) V (X)

31 26Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà Esercizio Sia X una variabile aleatoria uniforme sull intervallo (a, b). Calcolare: a) E(X) a) b) 1 p 1 p p 2 b) V (X) Esercizio (es. 2 proposto) a) b) b + a 2 (b a) 2 Siano X 1,..., X n variabili aleatorie indipendenti ed equidistribuite di legge Poisson di parametro λ. Calcolare la varianza delle variabili aleatorie: a) Y = X X n 12 b) Z = ax 1 + b [ a) nλ b) a 2 λ ] Esercizio (es p.105, Bramanti) Verificare, utilizzando le densità discrete di questa variabile aleatoria, che le leggi Bernoulli(p), Binomiale(n, p) soddisfano la condizione: p X (k) = 1 k Esercizio (es. 3.2 p.104, Bramanti) Una macchina per confezionare generi alimentari riempie meno del dovuto il 10% delle confezioni. Calcolare la probabilità che su 5 confezioni il numero di quelle sottopeso sia:

32 2.3 Esercizi di riepilogo 27 a) Esattamente 3 b) Esattamente 2 c) Zero d) Almeno 1 a) b) c) d) Esercizio (es. 3.7 p.105, Bramanti) Un ispettore per il controllo della qualità rifiuta una partita di schede a circuiti stampati se in un campione di 20 schede sottoposte a test vengono trovati 3 o più pezzi difettosi. Determinare il numero atteso di pezzi difettosi e la probabilità di rifiutare una partita se la proporzione di pezzi difettosi nell intera partita è: a) 0.01 b) 0.05 c) 0.1 d) 0.2 a) 0.2; b) 1; c) 2; d) 4; Esercizio (es p.134, Bramanti) Il 35% dell elettorato è a favore del candidato Pinco Pallino. In una sezione elettorale votano 200 persone e X è il numero di quelle che sono a suo favore. a) Determinare la probabilità che X sia maggiore di 75 (scrivere la formula esplicita che assegna questa probabilità, senza eseguire il calcolo numerico)

33 28Variabili aleatorie discrete e assolutamente continue, valore atteso, varianza e relative proprietà b) A votazione conclusa, lo scrutinatore inizia lo spoglio delle schede. Determinare la probabilità che il nome di Pinco Pallino compaia per la prima volta alla quarta scheda scrutinata (fornire anche il risultato numerico). Determinare il valore atteso del numero di schede da scrutinare per trovare la prima volta il nome di Pinco Pallino c) Lo scrutinio è terminato: Pinco Pallino ha ricevuto 60 voti. Se ora si scelgono a caso 10 schede tra le 200, qual è la probabilità che tra esse ce ne siano esattamente 3 per Pinco Pallino? Scrivere l espressione esatta che assegna questa probabilità e fornire il risultato numerico d) Eseguire ora il calcolo della probabilità richiesta al punto precedente, usando una opportuna approssimazione, mediante un altra legge notevole, e fornire il risultato numerico b) ; 3 c) d) 2 e 3

34 Capitolo 3 Variabili aleatorie dipendenti e indipendenti, covarianza e coefficiente di correlazione, densità e valore atteso condizionati 3.1 Variabili aleatorie dipendenti e indipendenti Esercizio Sia (X, Y ) una variabile aleatoria bidimensionale ( doppia ) tale che: X { 1, 0, 1} Y {0, 1} Sia data la seguente tabella delle densità congiunte:

35 Variabili aleatorie dipendenti e indipendenti, covarianza e coefficiente di correlazione, densità e 30 valore atteso condizionati Y 0 1 X a) Calcolare P (X + Y = 0) b) Verificare se X e Y sono indipendenti a) 7 18 b) No Esercizio Sia (X, Y ) una variabile aleatoria bidimensionale uniforme sul quadrato [0, 1] [0, 1], con densità: { 1 X [0, 1], Y [0, 1] f X,Y (x, y) = 0 altrove a) Calcolare P ( [ X 0, 1 ] [, Y 0, 1 ]) 2 2 b) Verificare se X e Y sono indipendenti a) 1 4 b) Si Esercizio Sia (X, Y ) una variabile aleatoria bidimensionale continua con densità: { c(x + y) x [0, 1], y [0, 1] f X,Y (x, y) = a) Determinare la costante c 0 altrove

36 3.1 Variabili aleatorie dipendenti e indipendenti 31 b) Calcolare le densità marginali di X e Y c) Verificare se X e Y sono indipendenti a) 1 b) f X (x) = x f Y (y) = y c) No (x [0, 1]) (y [0, 1]) Esercizio Si osserva l efficacia (X) e la tossicità (Y ) di un farmaco (in opportune unità di misura). Si stima che la coppia (X, Y ) abbia distribuzione continua con densità congiunta: { 0 se x o y < 0 f(x, y) = c e 2(x+y) se x e y 0 a) Determinare la costante c b) Verificare se X e Y sono indipendenti c) Calcolare P (efficacia > 10) a) 4 b) Si c) e 20 Esercizio Viene osservato il tempo di vita di una specie di farfalla nel mese di giugno ed il tasso di piovosità nello stesso mese (in giorni e mm rispettivamente). Si osserva che la coppia (X, Y ) è distribuita in modo continuo con densità: 0 x o y < 0 f X,Y (x, y) = c [e 5x (1 + y 2 )] x 0 e 0 y 20 0 y > 20

37 Variabili aleatorie dipendenti e indipendenti, covarianza e coefficiente di correlazione, densità e 32 valore atteso condizionati a) Determinare la costante c b) Verificare se X e Y sono indipendenti c) Calcolare P (una farfalla viva più di 1,2 giorni) a) 5[ ] 1 b) Si c) e Covarianza e coefficiente di correlazione Esercizio Sia X una variabile aleatoria Binomiale: X B(n, p) Calcolare la varianza di X. [np(1 p)] Esercizio Siano X e Y due variabili aleatorie discrete entrambe con valore in {0, 1, 2, 3}. Sia data la seguente tabella della densità congiunta: Y X a) Verificare se X e Y sono indipendenti b) Calcolare il coefficiente di correlazione a) No b) 3 10

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

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

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

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

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

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

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

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

Calcolo combinatorio

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

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

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

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

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

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

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

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Calcolo delle Probabilità

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

Dettagli

Cenni sul calcolo combinatorio

Cenni sul calcolo combinatorio Cenni sul calcolo combinatorio Disposizioni semplici Le disposizioni semplici di n elementi distinti di classe k con kn sono tutti i gruppi di k elementi scelti fra gli n, che differiscono per almeno un

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Esercizi di calcolo combinatorio

Esercizi di calcolo combinatorio CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

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

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E 2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura?

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura? www.matematicamente.it Probabilità 1 Calcolo delle probabilità Cognome e nome: Classe Data 1. Quali affermazioni sono vere? A. Un evento impossibile ha probabilità 1 B. Un vento certo ha probabilità 0

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite.

In base alla formula di torneo adottata i tornei possono pertanto prevedere lo svolgimento di una o più partite. Formule di gioco La successione di mani necessarie per l eliminazione del penultimo giocatore o per la determinazione dei giocatori che accedono ad un turno successivo costituisce una partita. In base

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it 186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it Premessa Durante una mia visita al Palazzo Ducale di Mantova, nell ammirare i tanti capolavori che custodisce,

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Giuseppe Carci La mobilità universitaria tra dispersione e riorientamento Con

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

CALCOLO COMBINATORIO E PROBABILITA

CALCOLO COMBINATORIO E PROBABILITA CALCOLO COMBINATORIO E PROBABILITA Con calcolo combinatorio si indica quel settore della matematica che studia i possibili modi di raggruppare ed ordinare oggetti presi da un insieme assegnato, con l obiettivo

Dettagli

La probabilità di avere non più di un maschio, significa la probabilità di averne 0 o 1: ( 0) P( 1)

La probabilità di avere non più di un maschio, significa la probabilità di averne 0 o 1: ( 0) P( 1) Esercizi sulle distribuzioni binoiale e poissoniana Esercizio n. Una coppia ha tre figli. Calcolare la probabilità che abbia non più di un aschio se la probabilità di avere un aschio od una feina è sepre

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

COMUNE DI CAMPIONE D ITALIA

COMUNE DI CAMPIONE D ITALIA COMUNE DI CAMPIONE D ITALIA REGOLAMENTO DI GIOCO DELLA ROULETTE (al Casino Municipale di Campione d Italia) adottato con delib. C.C. n. 83 del 2.12.1993 approvata dal CRC con atto n. 13 in data 4.1.1994

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

conquista il mondo in pochi minuti!

conquista il mondo in pochi minuti! conquista il mondo in pochi minuti! Il gioco di conquista e sviluppo più veloce che c è! Il gioco si spiega in meno di 1 minuto e dura, per le prime partite, non più di quindici minuti. Mai nessuno ha

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Generale Matematica e Complementi Classi: 2 Biennio Quarta I Docenti della Disciplina Salerno, lì 12 settembre 2014 Finalità della Disciplina

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Quante sono le matricole?

Quante sono le matricole? Matricole fuori corso laureati i numeri dell Universita Quante sono le matricole? Sono poco più di 307 mila i giovani che nell'anno accademico 2007/08 si sono iscritti per la prima volta all università,

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control 1 Introduzione SPC si occupa del miglioramento della qualità. I metodi per il miglioramento della qualità possono essere applicati a qualsiasi area in una fabbrica o organizzazione

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi

Funzioni tra insiemi niti Numeri di Stirling e Bell. Davide Penazzi Funzioni tra insiemi niti Numeri di Stirling e Bell Davide Penazzi 2 Funzioni tra insiemi niti: i numeri di Stirling e Bell 1 Contare il numero delle funzioni tra insiemi 1.1 Denizioni e concetti preliminari

Dettagli

Matematica Discreta PARTE II

Matematica Discreta PARTE II Matematica Discreta PARTE II Giuseppe Lancia Dipartimento di Matematica e Informatica Università di Udine Indice 1 Piccioni e buche 1 1.1 Il principio della piccionaia, forma semplice............................

Dettagli

Equazioni differenziali ordinarie

Equazioni differenziali ordinarie Capitolo 2 Equazioni differenziali ordinarie 2.1 Formulazione del problema In questa sezione formuleremo matematicamente il problema delle equazioni differenziali ordinarie e faremo alcune osservazioni

Dettagli

La guerra delle posizioni

La guerra delle posizioni www.maestrantonella.it La guerra delle posizioni Gioco di carte per il consolidamento del valore posizionale delle cifre e per il confronto di numeri con l uso dei simboli convenzionali > e < Da 2 a 4

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli