Esercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
|
|
- Romolo Corona
- 5 anni fa
- Visualizzazioni
Transcript
1 1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti se esce croce. Se scegliete la seconda vincete punti sia che esca testa che croce. Se scegliete la terza vincete 3 punti se esce testa e 0 punti se esce croce. Voi e un avversario dovete scegliere una moneta e non potete scegliere la stessa moneta, ognuno lancerà la propria moneta e la persona che avrà ottenuto il punteggio più alto (in accordo con i punteggi precedenti) vincerà il montepremi. Preferite che sia il vostro avversario a scegliere per primo la moneta o che siate voi i primi a scegliere? Esercizio. Un moneta con probabilità di ottenere testa data da p (0, 1) viene lanciata ripetutamente. Siano m e n N due numeri fissati. A vince se esce testa almeno m volte prima che croce esca n volte; si calcoli la probabilità che A vinca. Esercizio 3. (i) Si consideri un urna contente 6 palline numerate e se ne estraggano con rimpiazzo. Sia X 1 la prima estrazione e X la seconda. Si calcoli la distribuzione di X 1, X e la distribuzione congiunta (X 1, X ) dell estrazione di palline con rimpiazzo. (ii) Si consideri la stessa urna del punto (i) contente 6 palline numerate e se ne estraggano questa volta senza rimpiazzo. Sia Y 1 la prima estrazione e Y la seconda. Si calcoli la distribuzione di Y 1, Y e la distribuzione congiunta (Y 1, Y ) dell estrazione di palline senza rimpiazzo. Soluzione. (i) I possibili valori di X 1 sono i numeri da 1 a 6. Lo stesso vale per la variabile aleatoria X. Chiaramente abbiamo che X 1 U(1,..., 6) e X U(1,..., 6), dove abbiamo indicato con U la distribuzione uniforme di valore 1 6. I possibili esiti del vettore X : (X 1, X ) sono invece tutte le coppie (i, j), i 1,,..., 6 e j 1,,..., 6. Le possibili combinazioni sono dunque 36 e siccome sono equiprobabili abbiamo che X (X 1, X ) U(1,..., 36). (ii) Come nel punto (i) avremo Y 1 U(1,..., 6) e Y U(1,..., 6), cambia però la densità congiunta della coppia (Y 1, Y ). Infatti abbiamo che ora risultati del tipo (i, i) non sono più possibili in quanto l estrazione avviene senza rimpiazzo. Dunque i possibili esiti ora sono le coppie (i, j), i, j 1,,..., 6, i j. In totale abbiamo quindi 30 esiti equiprobabili, la densità congiunta avrà dunque la seguente forma { 1 p (Y1,Y )(i, j) : 30 se i j, 0 se i j,.
2 (a) Densità X 1 U(1,..., 6) e X U(1,..., 6) 6 (b) Densità X (X 1, X ) U(1,..., 36) (c) Densità Y (Y 1, Y ) Esercizio. Si considerino due v.a. discrete X e Y tali per cui la loro densità congiunta sia data da {c ln µ m ν nm p (X,Y ) (n, m) n! m!, l, µ > 0, 0 < ν 1 se n, m 0,, (0.1) 0 altrimenti, e c è una costante reale tale per cui (0.1) è una densità di probabilità (i.e. n,m 0 p (X,Y ) 1). (i) Si calcolino le densità marginali. (ii) Si calcoli P (X n Y m), è una legge nota? (iii) Si dimostri che gli eventi {X n} e {Y m} sono indipendenti sse ν 1. Soluzione. (i) Siccome abbiamo la densità congiunta possiamo ricavare le densità marginale (si ricordi che non è in generale vero il viceversa!). In particolare abbiamo che, n 0, p X (n) m 0 p (X,Y ) (n, m) m 0 c ln µ m ν nm n! m! c ln n n! eµν, dove abbiamo sfruttato l espansione in serie dell esponenziale, ovvero e x n 0 x n n!.
3 3 In maniera analoga abbiamo che, m 0, p Y (m) n 0 p (X,Y ) (n, m) n 0 c ln µ m ν nm n! m! c µm m m! elν. (0.) (ii) Abbiamo che la densità di X sapendo Y è data da, n, m 0, p X Y (n, m) : P (X n Y m) p (X,Y )(n, m) p Y (m), (0.3) abbiamo dunque tutti gli elementi necessari a calcolare esplicitamente (0.3), ovvero unendo (0.1) e (0.) abbiamo che, n, m 0, p X Y (n, m) p (X,Y )(n, m) p Y (m) c l n µ m ν nm m n! m! (lν m ) n e lν c µm elνm n! m! Si può notare come la legge di X condizionata a Y m, m 0, corrisponda ad una legge Poisson di parametro lν m. (iii) Nel caso particolare di m n 0 abbiamo che, se X e Y fossero indipendenti, dovrebbe valere p (X,Y ) (0, 0) c p X (0) p Y (0) c e µ+l, ovvero In generale, per un m qualsiasi abbiamo che c e (µ+l). (0.) p (X,Y ) (0, m) c µm m! p X(0)p Y (m) ce µ c µm m m! elν. (0.5). Unendo ora (0.) e (0.5) abbiamo che sono valide { c e (µ+l) ;, µ m ν m! c e µ µm m!, elνm ν 1. Viceversa, se ν 1, tenendo conto di (0.), abbiamo che,, n, m 0, p (X,Y ) (n, m) e (µ+l) ln µ m ν n! m! µ ln µm e e l n! m! p X(n)p Y (m).
4 (a) Densità p (X,Y ) (b) Densità p X Y (c) Densità p X (d) Densità p Y Figura : l 1, µ 1, ν 1, c e 3 e m Esercizio 5. Si considerino dadi e X e Y due v.a. discrete. Sia X il numero di lanci necessari del dado 1 per ottenere la faccia 1 e sia Y il numero di lanci necessari del dado per ottenere la faccia 5 o la faccia 6. Si determinino le leggi di Z : max(x, Y ) e di W : min(x, Y ). Soluzione. Abbiamo che X Ge( 1 6 ) e Y Ge( 1 3 ), dove abbiamo indicato con Ge la distribuzione geometrica. Abbiamo inoltre che X e Y sono indipendenti. Calcoliamo prima la legge di Z. Indichiamo con F Z la funzione di ripartizione di Z, dunque abbiamo che per ogni n 1 F Z (n) P (Z n) P (X n, Y n) P (X n) P (Y n) F X (n)f Y (n). (0.6) Siccome X e Y sono v.a. geometriche abbiamo che la loro funzione di ripartizione è data da F X (n) 1 (1 1 6 )n, F Y (n) 1 (1 1 3 )n. Dunque abbiamo che l equazione (0.6) diventa F Z (n) F X (n)f Y (n) (1 (1 1 6 )n )(1 (1 1 3 )n ) Possiamo dunque calcolare, n 1, p Z (n) P (n 1 < Z n) F Z (n) F Z (n 1) ( 1 5 n ) ( 1 n ) ( n 1 ) ( 1 3 ( 1 5 n ) ( 1 n ). (0.7) 6 3 n 1 ) 1 n n n 1.
5 5 Per quanto riguarda W possiamo sfruttare il fatto che, n 1, F W (n) P (W n) P (min(x, Y ) n) 1 P (min(x, Y ) > n) 1 P (X > n) P (Y > n) 1 (1 F X (n)) (1 F Y (n)) 1 (1 1 6 )n (1 1 3 )n Procedendo come prima abbiamo ora che Si noti che W Ge( 9 ). p W (n) P (n 1 < W n) F W (n) F W (n 1) n n n 1. n (a) Densità X Ge( 1 ) (b) Densità Y Ge( 1 ) (c) Densità Z (d) Densità W Ge( 9 ) Esercizio 6. Siano X e Y due v.a. discrete indipendenti tali che X B(1, 1 ) e Y B(1, 1 ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii) Si dica se le due v.a. X + Y e X + Y sono indipendenti.
6 6 Soluzione. (i) Abbiamo che essendo X B(1, 1 ) la sua densità discreta sarà della forma p X (0) 1, p X(1) 1, e lo stesso vale per Y (si ricordi che p X (k) : P(X k)). Abbiamo dunque che, siccome X e Y possono assumere solo valori {0, 1}, p X+Y (0) 1, p X+Y (1) 1, p X+Y () 1, dove abbiamo implicitamente sottinteso che p X+Y (k) 0 per k 0, 1,. Si può immediatamente vedere che X + Y B(, 1 ). (ii) Ancora per il fatto che X e Y assumono valori {0, 1}, anche X Y può assumere solo valori {0, 1}, procedendo in maniera analoga al punto precedente abbiamo che p X Y (0) P(X 0)P(Y 0) + P(X 1)P(Y 1) 1, p X Y (1) P(X 0)P(Y 1) + P(X 0)P(Y 1) 1, dunque abbiamo dimostrato che X Y B(1, 1 ). (iii) possiamo dimostrare che le v.a. non siano indipendenti, infatti 0 P(X + Y 0, X Y 1) P(X + Y 0)P( X Y 1) 1 1. Esercizio 7. Si lanci ripetutamente una moneta equilibrata, si indichi con X i l esito dell i esimo lancio. Sia inoltre T n il numero di teste e C n in numero di croci ottenute in n lanci. Si mostri che { n! n P(T n t, C n c) t!c!, t 0,..., n, c 0,..., n, t + c n, 0 altrimenti. Si dica se T n e C n siano indipendenti. Supponiamo ora di fermarci ad un istante S P o(λ). Si indichi ora con T il numero di teste e con C il numero di croci ottenute prima dell istante S, si calcoli p (T,C). Sono indipendenti? Soluzione. La variabile aleatoria X i può assumere valore 0 (croce) con probabilità 1 e valore 1 (testa) sempre con probabilità 1. Abbiamo quindi che T n da cui segue che T n + C n n e quindi n X i, C n n 1 X i, P(T n t, C n c) 0, t + c n.
7 7 Inoltre abbiamo che T n B(n, 1 ) e che C n B(n, 1 ). Possiamo infine notare che richiedere che T n t e che C n c, sotto l ipotesi aggiuntiva che t+c n, è uguale a richiedere solamente T n t, quindi {( n 1 n P(T n t, C n c) P(T n t) t) n! t!c! n, t 0,..., n, c 0,..., n, t + c n, 0 altrimenti. Abbiamo chiaramente che T n e C n non sono indipendenti, infatti per un qualsiasi n 1 abbiamo che 0 P(T n n, C n n) P(T n n)p(c n n) > 0. Sia ora S P o(λ), quindi abbiamo che P((T t, C c) S n) P((T n t, C n c) S n) P(T n t, C n c), da cui possiamo calcolare la probabilità totale P(T t, C c) n 0 P(T t, C c S n)p(s n) ( ) t+c P(T t+c t, C t+c c)p(s t + c) e λ λ t! c! ( (λ ) ) ( t (λ e ) ) λ c e λ P(T t)p(c c), t! c! dove possiamo riconoscere nell ultima espressione il prodotto di due densità P o( λ ) da cui segue l indipendenza di T e C. Esercizio 8. Un messaggio è composto da una serie di bit binari aventi valori {0, 1}. Si suppone che ognuno di essi possa essere distorto, ovvero essere cambiato da 0 a 1 o viceversa, con probabilità p (0, 1), indipendentemente dagli altri. Si calcoli la probabilità che un messaggio di lunghezza n giunga senza che nessun bit sia distorto. Si calcoli ora la probabilità che un messaggio di lunghezza N giunga senza essere distorto, dove N GeoM(q), q [0, 1]. Esercizi teorici Esercizio 9. Sia X P o(λ) e sia p(n; λ) la sua densità discreta, si dimostri che P(X n) 1 λ 0 p(n; x)dx. Esercizio 10. Sia X P o(λ), si dimostri che la densità discreta associata è una densità. Si trovi il valore n N per cui la densità associata assume il valore massimo e si dia una rappresentazione grafica della densità associata per alcuni valori di λ > 0. Suggerimento: si ricordi che vale l espansione per l esponenziale e x x n n!.
8 8 Esercizio 11. Sia X una v.a. discreta, si calcoli la legge delle seguenti v.a. X, X : max{x, 0} min{x, 0}. Esercizio 1. Siano X e Y due v.a. discrete e sia p X Y dimostri che p X Y p una densità discreta. la densità di X condizionata a Y, si Esercizio 13. Siano X e Y due v.a. discrete indipendenti di distribuzione geometrica con parametro p [0, 1]. (i) Si calcoli la legge di X + Y, è una legge nota? (ii) Si calcoli la legge di X sapendo che X + Y m, è una legge nota? Soluzione. (i) Si ricordi che in generale abbiamo che, k 0, p X+Y (k) : P (X + Y k) P (X n) P (Y k n) p X (n)p Y (k n). Ricordando che, essendo X e Y v.a. geometriche discrete abbiamo che la loro densità discreta è data da { p(1 p) k se k 0, p X (k) p Y (k) 0 altrimenti,. Abbiamo dunque che, k 0, p X+Y (k) p X (n)p Y (k n) (ii) La legge condizionale vale, m > k 0, p (1 p) k (k + 1)p (1 p) k. p X X+Y (k m) : P (X k X + Y m) P (X k, X + Y m) P (X + Y m). (0.8) Il denominatore nell equazione (0.8) l abbiamo calcolato nel punto (i), rimane dunque da calcolare il numeratore in (0.8). In particolare abbiamo che per m > k 0 P (X k, X + Y m) P (X k, Y m k) p X (k)p Y (m k) Dunque abbiamo che l equazione (0.8) diventa p X X+Y (k m) p(1 p) k p(1 p) m k p (1 p) m. p (1 p) m (m + 1)p (1 p) m 1 m + 1. Si noti che la legge di X condizionata a X+Y m è una variabile uniforme su {0, 1,,..., m 1, m}.
9 (a) Densità X G( 1 ) (b) Densità X + Y con p (c) Densità X X + Y U(1,..., 5) Esercizio 1. Siano X P o(λ 1 ) e Y P o(λ ), λ 1, λ > 0, v.a. discrete indipendenti, trovare la legge di X + Y. Soluzione. Si ricordi che una v.a. discreta X P o(λ) ha densità discreta (si ricordi che una v.a. discreta ammette una densità degenere che per analogia con il caso continuo viene denominata densità discreta, in seguito, per comodità, verrà usato solamente il termine densità senza specificare che si tratta di una densità discreta) λ λk {e p X (k) : P (X k) k! se k 0, 0 altrimenti,. Abbiamo quindi che, k 0, ( k ) p X+Y (k) : P (X + Y k) P {X n, Y k n} p X (n)p Y (k n) e (λ1+λ) λ n 1 n! e λ1 λk 1 k! (k n)! k! e (λ1+λ) k! λ k n Usando ora il binomio di Newton abbiamo che P (X n) P (Y k n) λ k n k! e λ (k n)! e (λ1+λ) λ n 1 λ k n n! (k n)! k! n!(k n)! λn 1 λ k n e (λ1+λ) k! p X+Y (k) : P (X + Y k) e (λ1+λ) (λ 1 + λ ) k. k! ( ) k λ n 1 λ k n. n
10 (a) Densità X P o(10) (b) Densità Y P o(5) (c) Densità X + Y P o(15) Quindi abbiamo dimostrato che X + Y P o(λ 1 + λ ). Esercizio 15. Sia n N, definiamo variabile uniforme di parametro n, denotata X U(1,..., n) la variabile aleatoria con densità discreta definita da p X (k) 1, k 1,,..., n. n Siano X U(1,..., n) e Y U(1,..., m), n, m N. Supponiamo che siano indipendenti, si calcoli la legge di X + Y e se ne dia una rappresentazione grafica. Soluzione. Utilizzando la formula per la densità della somma di v.a. insieme alla densità per v.a. uniformi, otteniamo Si veda la figura 6. p X+Y (k) : P (X + Y k) P (X i) P (Y k i) i k 1 nm k min{n, m}, min{n,m} nm min{n, m} < k max{n, m}, n+m+1 k nm max{n, m} < k m + n.
11 11 n,m6 n,m Figura 6: Densità X + Y Esercizio 16. Siano X e Y due variabili aleatorie i.i.d. con densità p X (1) p X ( 1) p Y (1) p Y ( 1) 1, p X(k) p Y (k) 0 se k 1, 1. Sia Z XY. Si dimostri che X, Y e Z sono a due a due indipendenti. Sono indipendenti? Soluzione. Sappiamo dalle ipotesi che X e Y sono indipendenti. Dimostriamo ora che X e Z sono indipendenti. Siccome X può assumere solo i valori 1 e 1 otteniamo che P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1). Conti analoghi mostrano che anche Y e Z sono indipendenti. Possiamo invece dimostrare che X, Y e Z non sono globalmente indipendenti, infatti abbiamo che P (X 1, Y 1, Z 1) 1 P (X 1) P (Y 1) P (Z 1). 8
12 1 Esercizio 17. Siano X e Y due variabili aleatorie i.i.d. con densità Si calcoli: (i) P(min{X, Y } k); (ii) P(X > Y ); (iii) P(X Y ); (iv) P(X > CY ), C N; (v) P(X KY ), K R; p X (k) p Y (k) k, k 1,,.... Esercizio 18. Siano X e Y due variabili aleatorie discrete con densità congiunta Si calcoli: p (X,Y ) (x, y) (i) la costante C affinché p sia una densità discreta; (ii) le densità marginali p X e p Y ; (iii) si calcoli la legge di X + Y e di X Y. C (x + y 1)(x + y)(x + y + 1), x, y 1. Soluzione. (i)+(ii) calcoliamo prima la densità marginale p X. Abbiamo che C p X (x) P (X x, Y y) (x + y 1)(x + y)(x + y + 1) y1 y1 La densità marginale p Y ( C C x(x + 1) C y1 ) (x + y)(x + y + 1) ). 1 (x + y 1)(x + y) 1 ( 1 x 1 x + 1 si calcola con conti analoghi. Sommando ora per x 1, e impostando tale somma uguale a 1, otteniamo 1 P (X x) P (X x, Y y) x1 da cui segue C. x1 y1 x1 ( C 1 x 1 ) C x + 1,
13 13 (iii) Sia z, allora abbiamo che p X+Y (z) P (X + Y z) P (X k, Y z k) z(z + 1). k1 Sia ora invece z 0, calcoliamo la densità di X Y come somma delle v.a. X e Y usando la formula della convoluzione discreta. Otteniamo p X Y (z) P (X Y z) P (X k, Y z k) P (X k + z, Y k) k1 k1 1 (k + k + z 1)(k + k + z)(k + k + z + 1) k1 ( ) 1 (k + z 1)(k + z 1 (k + z)(k + z + 1) k1 ( 1) k+1 (k + z)(k + z + 1). k1 Per simmetria, se z 0, otteniamo P (X Y z) P (X Y z) P (X Y z ). Esercizio 19. Siano X 1,..., X n variabili aleatorie indipendenti, si definiscano Z : max (X 1,..., X n ), W : min (X 1,..., X n ), e siano F Xi, F Z e F W le funzioni di ripartizione associate a X i, Z e W. Allora n F Z (z) F Xi (z), F W (w) 1 n (1 F Xi (z)). Soluzione. Si noti che vale l uguaglianza n {Z z} {X i z}, da cui segue, usando l indipendenza di X 1,..., X n, ( n ) n n F Z (z) : P (Z z) P {X i z} P (X i z) F Xi (z).
14 1 Inoltre vale, con un ragionamento analogo che n {W z} {X i w}, da cui segue, usando l indipendenza di X 1,..., X n, ( n ) n n 1 F W (w) P (W > w) P {X i > w} P (X i > w) (1 F Xi (w)). 0 Legenda: : esercizio da sapere all esame; : esercizio difficile
Esercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
Dettagli1 Esercizi tutorato 1/4
Esercizi tutorato 1/ 1 1 Esercizi tutorato 1/ Esercizio 11 Siano X e Y due va discrete indipendenti di distribuzione geometrica con parametro p [0, 1] (i) Si calcoli la legge di X + Y, è una legge nota?
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliEsercizi. 2. [Conteggio diretto] Due dadi vengono lanciati in successione. a) Qual è la probabilità che la somma dei due risultati faccia 7?
1 E. Vitali Matematica (Scienze Naturali) Esercizi 1. [Conteggio diretto] Quattro ragazzi, A, B, C e D, dispongono di due biglietti per il teatro e decidono di tirare a sorte chi ne usufruirà. a) Qual
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità (docenti G. Nappo, F. Spizzichino prova scritta giugno 5 (tempo a disposizione: ore La prova scritta consiste nello svolgimento
DettagliVARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliEsame di AM2 & EAP (270/04) a.a. 2009/10
Quarto appello del 16 Luglio 2010 1. Un urna contiene delle palline numerate e distribuite in seguente maniera: Vengono estratte due palline senza rimpiazzo e siano X e Y rispettivamente il numero della
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliEsercizi: fascicolo 4
Esercizi: fascicolo 4 Esercizio 1 Dimostrare le seguenti proprietà (1), (2) e (3): (1) X 1 = 0 X 0; (2) X L 1 (Ω, P ), λ R λx 1 = λ X 1 ; (3) X, Y L 1 (Ω, P ) X + Y 1 X 1 + Y 1. Esercizio 2 Si estraggono
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliCognome Nome Matricola. Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale
Esame di Calcolo delle Probabilità mod. B del 9 settembre 2003 (Corso di Laurea in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliProbabilità: esercizi vari
10 Probabilità: esercizi vari 10.1. Combinatorica e probabilità uniforme Esercizio 10.1.1. Si lancia una moneta non truccata per n volte e, ogni volta, si guarda se esce testa o croce. Quanti sono i possibili
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliCP110 Probabilità: Esame 4 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 4 luglio, 2012 CP110 Probabilità: Esame 4 luglio 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline numerate da 1
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ o modulo - PROVA d esame del 9/02/200 - Laurea Quadriennale in Matematica - Prof. Nappo Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliEsercizi - Fascicolo IV
Esercizi - Fascicolo IV Esercizio Una compagnia di assicurazioni emette una polizza che pagherà n euro se l evento E si verificherà entro un anno. Se la compagnia stima che l evento E si verificherà entro
DettagliESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI
Variabili bidimensionali ESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI 1) Siano X 1 e X 2 due variabili casuali indipendenti che possono assumere valori 0, 1 e 3 rispettivamente con probabilità
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliEs.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci X\Y 0 1 2 0 1/8 1/8 0 1/4 1 1/8 1/4 1/8 1/2 2 0 1/8 1/8 1/4 1/4 1/2 1/4 1 X e Y non sono indip. Se
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliEquidistribuzione su un insieme finito
su un insieme finito È la distribuzione che abbiamo già visto per il lancio del dado. Se {x 1, x 2,..., x n } sono gli n diversi valori che una variabile aleatoria X può assumere e tali valori sono equiprobabili,
DettagliMateriale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI Claudia Furlan Anno Accademico 006-007 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte e
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
Dettaglif(1, C) = 1; f(2, C) = 1; f(3, C) = 3; f(4, C) = 2; f(5, C) = 5; f(6, C) = V ar(x) = E[X 2 ] (E[X]) 2 =
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Si lanciano un dado equilibrato a sei facce e una moneta equilibrata. Se esce testa e il valore del dado è pari oppure croce e il
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliTraccia della soluzione degli esercizi del Capitolo 4
Traccia della soluzione degli esercizi del Capitolo 4 Esercizio 6 Sia X una v.c. uniformenente distribuita nell intervallo ( π, π ), cioè f X (x) = π ( π, π ) (x). Posto Y = cos(x), trovare la distribuzione
DettagliEsame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Sezione 1. Spazi di Probabilità e Indipendenza. Per convenienza dello studente si danno le risposte di alcuni esercizi. 1) Si consideri lo spazio di probabilità corrispondente alla
DettagliEsercitazione del 28/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 8/0/01 Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio 1. Sia X una v.a. aleatoria assolutamente continua con densità f X data da { 0 x < 0 f X
DettagliEsame di Calcolo delle Probabilità del 12 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 2 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. 4 Somma Voto parziale Prima
DettagliLeggi di distribuzione
Leggi di distribuzione 1 Esercizio 0.1 Una sorgente binaria genera le cifre 0 e 1 in modo casuale, con probabilità 0.4 e 0.6, rispettivamente. Calcolare la probabilità che, in una sequenza a 5 cifre, si
DettagliRisultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1
Esercizio 1 Determinare la distribuzione di probabilità e la funzione di ripartizione della v.c. discreta X = numero di croci in 3 lanci di una moneta. Calcolare F(-1), F(1.5), F(300). Risultati X P(X)
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliElementi di Probabilità e Statistica, anno 2018
Elementi di Probabilità e Statistica, anno 2018 Gli esercizi che seguono sono stati proposti (da me o da Franco Flandoli) durante le lezioni e le prove d esame del corso Elementi di Probabilità e Statistica
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
Dettagli, B con probabilità 1 4 e C con probabilità 1 4.
Laurea triennale in MATEMATICA, Corso di PROBABILITÀ Prof. L. Bertini - G. Nappo - F. Spizzichino Esonero del 0.06.00 N.B. Scrivere le soluzioni degli esercizi su questi fogli giustificando brevemente
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliEsercitazione del 13/03/2018 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/08 Istituzioni di Calcolo delle Probabilità David Barbato I quesiti con asterisco saranno accessibili dalla quinta settimana di lezione. Esercizio Vengono lanciati due dadi a 6 facce
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 23 maggio, 213 CP11 Probabilità: Esonero 2 Testo e soluzione 1. (7 punti) Una scatola contiene 1 palline, 5 bianche e 5 nere. Ne vengono
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 205- P.Baldi Lista di esercizi 5, 8 febbraio 20. Esercizio Si fanno 25 estrazioni
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliSOLUZIONI DEL 2 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA Esercizio 0.1 Una moneta non truccata viene lanciata 10 volte. Calcolare la probabilità che non esca mai testa. Quale risulta la probabilità
DettagliVariabili Casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 27/2 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili Casuali multidimensionali Marco Pietro Longhi Probabilità e Statistica
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 30 gennaio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica /3 Nome: 3 gennaio 3 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliEsercitazione del 07/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 07/0/0 Istituzioni di Calcolo delle Probabilità David Barbato Esercizio Vengono lanciati due dadi a 6 facce regolari. Calcolare le seguenti probabilità. (a) Qual è la probabilità che
Dettaglie n n xn ( 1) n ( 1) n n + 1 2e n x n 3n [ln x]n 1 n + 1 2e n 1
1) Studiare la seguente serie di funzioni en ( 1) n n x n 2) Studiare la seguente serie di funzioni ( 1) n n + 1 2e n xn 3) Studiare la seguente serie di funzioni 3n [ln x]n 1 2n 4) Studiare la seguente
DettagliTraccia della soluzione degli esercizi del Capitolo 2
Traccia della soluzione degli esercizi del Capitolo 2 Esercizio 42 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma
Dettagli(a) Qual è la probabilità che un neonato sopravviva al primo anno?
II Appello di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 2 luglio 2009 Matricola: ESERCIZIO. Per una certa specie africana di uccelli, i neonati hanno indipendentemente l uno dal l altro
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 2 aprile 200 Funzioni di v.a., Media e Varianza Esercizio Calcolare la media delle distribuzioni binomiale, e quella di Poisson. Di quest ultima calcolare
DettagliVettori Aleatori discreti
Vettori Aleatori discreti Un vettore aleatorio X =(X,X 2,...,X n ) si dice discreto se esiste un insieme finito o numerabile C R n tale che P (X = x) >, 8x 2 C, P (X = x) =, 8x /2 C, dove, ponendo x =(x,...,x
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliVariabili aleatorie discrete
Capitolo 3 Variabili aleatorie discrete Esercizio 60 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo,
DettagliCP110 Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 22-3, II semestre 23 maggio, 23 CP Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una penna
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliSoluzione esercizi (quarta settimana)
Soluzione esercizi (quarta settimana) Marco Riani Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? 1 Esempio Gioco la schedina mettendo a caso i segni (1 X
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliEsercitazione del 19/02/2013 Istituzioni di Calcolo delle Probabilità
Esercitazione del 19/0/013 Istituzioni di Calcolo delle Probabilità David Barbato Variabili aleatorie esponenziali. Minimo di v.a. esponenziali indipendenti. Ricordiamo innanzitutto che due variabili aleatorie
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
DettagliEsame di Probabilità e Statistica del 3 aprile 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 3 aprile 007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliEsercizi di Probabilità - Matematica Applicata a. a aprile 2014
Esercizi di Probabilità - Matematica Applicata a. a. 2013-3014 db 1 aprile 2014 1 Funzione di ripartizione Si dice funzione di ripartizione o funzione cumulativa delle frequenze di una variabile casuale
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliCalcolo delle Probabilità e Statistica. Test di verifica - 05/04/2005
Corso di Laurea in Informatica - a.a. 2004/05 Calcolo delle Probabilità e Statistica Test di verifica - 05/04/2005 Il candidato risolva due (e solo due) problemi tra i seguenti, motivando le proprie risposte.
DettagliVariabili aleatorie multiple. X = (X 1,..., X n ) vettore aleatorio
Variabili aleatorie multiple X = (X 1,..., X n ) vettore aleatorio F X (x 1,..., x n ) = P(X 1 x 1,..., X n x n ) caso particolare n = 2 (variabile doppia) F X,Y (x, y) = P(X x, Y y) V.a. discreta: (X,
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliCP210 Introduzione alla Probabilità: Esonero 1
Dipartimento di Matematica, Roma Tre Pietro Caputo 018-19, II semestre 9 aprile, 019 CP10 Introduzione alla Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliLaurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO INTERO e SECONDA PROVA IN ITINERE - 11 giugno FOGLIO RISPOSTE
Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO INTERO e SECONDA PROVA IN ITINERE - giugno 202 - FOGLIO RISPOSTE NOME e COGNOME CANALE: G. Nappo VOTO: N.B. Scrivere le risposte
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
DettagliMATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE
MATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE 5-3-09 ES1-Se la probabilità di colpire un bersaglio è 1/5 e rimane tale ad ogni tentativo, calcola la probabilità che, sparando
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 17-18, I semestre Settembre 18 Scritto del - 9-18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliPROCESSI STOCASTICI 1: ESERCIZI
PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono
Dettagli