Il modello di Black e Scholes come limite del modello binomiale multiperiodale
|
|
- Rosangela Guerra
- 5 anni fa
- Visualizzazioni
Transcript
1 Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei.. Ipoesi e oazioi Il asso di ieresse è cosae e vale r, mere il prezzo dell azioe è dao da S 0 s 0 > 0, S + + ρ + S Z + S o i alre parole S 0 s 0 > 0, S + ρ S 0 Z S 0... S + ρ + ρ + ρ S 0 Z Z Z S 0 dove le variabili aleaorie ρ i possoo assumere solo il valori a e b, co la codizioe a < r < b, o equivaleemee le variabili aleaorie Z i + ρ i possoo assumere solo i valori u + b, d + a, co la codizioe d < + r < u. Si defiisca ξ i {ρib} {Ziu} ovvero la variabile aleaoria che vale se il prezzo dell azioe sale e zero alrimei, i modo che Z i u ξi d ξi. Il fao che Z i u ξ i d ξ i si verifica per ispezioe: Z i u ξ i u ξ i d ξ i u d u Z i d ξ i 0 u ξ i d ξ i u 0 d 0 d
2 versioe da 30-maggio-005 Sia H ω la v.a. che coa il umero delle vole i cui il prezzo sale ra il passo e il passo, ossia i modo che H ω {ρib} i {Ziu} i S N S 0 u H d H u H S 0 d d S 0 + b H N + a H S 0 + b + a i ξ i H + a per ogi 0,,..., N e per ogi pay-off ermiale f N che deve essere F N -misurabile il prezzo di esercizio può essere descrio dalla formula [ [ fn Cf N, P C N f N, P B 0 Ẽ B Ẽ N f N + r N.. dove Ẽ è il valore aeso rispeo alla probabilià P rispeo alla quale gli evei {Z i u} soo idipedei e ui co probabilià p + r d + r + a u d + b + a r a b a. Allora, per l opzioe call europea co prezzo di esercizio K e empo di esercizio N, [ SN K + C call K, P C call,n K, PẼ B N. e quidi, eedo coo che H N ha disribuzioe biomiale BiN, p rispeo a P C call K, P S 0 x 0<h N N + b p h p N h h + r K + r N N N S 0 h hh 0 K + r N x 0<h N + b + r p N hh 0 h N h + a + r N h p h p N h.3 h N h + a p + r N h p h p N h..4 dove o equivaleemee x 0 l K S 0 + a N l + b + a h 0 mi{j ɛ N : S 0 + a N j + b j K > 0} Si ricorda che siamo raado obbligazioi derivae di ipo europeo, che possoo essere eserciae solo al empo fiale N, o empo si esercizio, al corario di quelle di ipo americao, che ivece possoo essere eserciae i u qualuque isae ra l iizio del corao e il empo di esercizio.
3 versioe da 30-maggio Approssimazioe del Modello Biomiale Muliperiodale.. Il modello approssimao, a empo coiuo Cosideriamo ora il caso i cui gli scambi avvegoo sempre più vicii el empo ovvero ai empi /. Cosideriamo il empo coiuo, ma, per fissao, i processi che ci ieressao soo cosai egli iervalli ra u empo / e l alro. Iolre i parameri del modello, ossia r, u e d, dipederao da, i modo da specificare e da eere coo del fao che si raa di iervalli di ampiezza /. Coiuiamo ad idicare co B ed S il prezzo del iolo o rischioso coo i baca e del iolo rischioso l azioe rispeivamee, ache se, per meere i evideza la dipedeza dal paramero sarebbe più opporuo deoarli co B [ Suppoiamo B S e S [. B B B 0 + r.5 S u S s 0 d H d.6 dove il primo sego di uguagliaza sia i.5 che i.6, garaisce il fao che i due processi B soo cosai sugli iervalli di ampiezza /, mere ell ulima uguagliaza i.5 si sceglie ed S e dove ifie ell ulima uguagliaza 3 i.6 si sceglie r r,.7 u e σ/ d e σ/,.8 per ua cosae σ > 0. Ifie ache il valore del empo di esercizio dipede da i modo che N N,.9 dove N è il umero di iervalli di ampiezza / coeui i [0,, ovvero N. Il risulao pricipale di quesa sezioe è riassuo el seguee eorema, che corrispode ad oeere la formula di Blac e Scholes come limie. eorema.. Poso C call K, P il prezzo della call europea el modello biomiale dao da.5 e.6, co i parameri defiii come i.7 e.8, prezzo di esercizio K e empo di esercizio N, si oiee che lim C call K, P s 0 Φ ζ + σ Ke r Φ ζ,.0 dove Φ è la fuzioe di riparizioe della legge N 0,, Φx x e z / dz + e ζ dipede da K,, r e σ el seguee modo: ζ σ log K s 0 r σ. x e z / dz Φ x, x 3 Si oi che di uovo, per o appesaire la oazioe, o abbiamo uilizzao la oazioe H [, che sarebbe saa più precisa.
4 4 versioe da 30-maggio-005 Osservazioe.. eedo coo che r loge r loge r, co semplici passaggi si oiee ζ σ log s 0 e r K + σ, ζ + σ σ log s 0 e r K da cui, poiché, come già ricordao Φx Φ x, il limie i.0 si riscrive come s 0 Φ σ log s 0 e r K s 0 [Φ σ log s 0 e r K + σ + σ σ, Ke r Φ σ log s 0 e r K σ. K s 0 Φ e r σ log s 0 e r K σ. La forma., mee i evideza come il prezzo si scriva come il prezzo iiziale s 0 della opzioe, moliplicao per u faore che dipede solo dal rapporo 4 K s 0, fra prezzo di esercizio K e prezzo forward della opzioe e r sessa, cioè s 0 e r, il valore di s 0 aualizzao al empo. Prima di uo commeiamo la scela del riscalameo, ossia la scela dei due processi.5 e.6. Ovviamee la scela di r i.7 corrispode alla ecessià che il asso di ieresse sia proporzioale all ampiezza degli iervalli [, + [, +, ossia si abbia B [ B B B0 + r e che rimaga cosae i uo l iervallo [, +, ovvero che B o i alre parole che, se, aalogamee a N, B B 0 + r per [, + [, + N.3 è il umero di iervalli di ampiezza / che si rovao ell iervallo [0,, allora B B 0 + r N o meglio B B B 0 + r..4 Iolre è ragioevole pesare che i cambiamei del prezzo si discosio di poco i u iervallo di empo così piccolo, ed i effei si suppoe che S Z S + ρ S dove i valori ammissibili per Z soo solo u e σ/ e d e σ/, ed i effei le successioi u e d covergoo erambe ad, ovvero, più precisamee, u d, Si oi iolre che, eedo coo che e x + x + x + ox, 4 Ricordiamo che l opzioe si dice alla pari o a he moey se K s 0 e r, ou of he moey se K < s 0 e r, e i he moey se ivece K > s 0 e r.
5 versioe da 30-maggio la defiizioe.8 corrispode a u + σ/ + σ / + o/ d σ/ + σ / + o/,.5 e quidi la codizioe di compleezza e di asseza di arbiraggio, ossia diviee d < + r < u a < r < b σ/ + σ / + o/ < r/ < σ/ + σ / + o/,.6 che è chiaramee soddisfaa per sufficieemee grade. I alri ermii si suppoe che dove e che b σ + S u + b d + a. S σ + o a σ + σ + o, per [, + [, + ovvero, se come prima, N è il umero di iervalli di ampiezza / che si rovao ell iervallo [0,, allora, eedo presee che u eσ/ d e σ/ eσ/, si può ache scrivere S [ S S S 0 u d S0 u d H d HN d N S 0 e σ H e σ S 0 e σ H..7 Passiamo ora alla dimosrazioe del eorema., ossia della formula di Blac e Scholes... Dimosrazioe della formula di Blac e Scholes Grazie al fao che almeo per sufficieemee grade il modello di mercao cosiderao è compleo e privo di opporuià di arbiraggio, sappiamo che la misura marigala equivalee P esise ed è uica, e che, rispeo alla misura marigala equivalee P, gli evei {Z i u} soo idipedei e co probabilià o meglio p + r d u d p r a b a σ + r σ + o σ + σ σ + o r σ + σ + o σ + σ + o σ + σ + o, σ + r σ + o σ + o + r σ + o σ + θ,
6 6 versioe da 30-maggio-005 dove θ r σ /σ + o coverge a r σ /σ per che ede all ifiio.* Equivaleemee le variabili aleaorie ξ i soo idipedei e di valore aeso Ẽ [ξ i p + r σ + o σ. Di cosegueza il prezzo di u derivao co maurià empo di esercizio e co pay-off ermiale coige claim fs dovrà ecessariamee avere come prezzo i paricolare per l opzioe call C call K, P Ẽ [ C fs f, P Ẽ B [ S K + B [ SN Ẽ K + + r N.8.9 Abbiamo quidi u espressioe del prezzo, ma il problema a queso puo diviee complesso dal puo di visa umerico, almeo per grade: il deomiaore o compora problemi i quao si può approssimare co e r, mere lo sesso o si può dire del umeraore. Per risolvere queso problema ci viee i aiuo il eorema Cerale del Limie. Si oi ifai che, qualuque sia > 0 log S u log S 0 + H N log d + N log d N log S 0 + i u ξ i log d + N log d, e che H N, rispeo alla misura marigala equivalee P, è la somma di variabili aleaorie idipedei ue co la sessa disribuzioe, che per > 0 il umero N coverge all ifiio. Grazie al eorema Cerale del Limie si ha che quidi H N ha ua disribuzioe approssimaivamee gaussiaa, di valore aeso Ẽ [H N N p e variaza Ṽ ar H N N p p. Per lo sesso moivo 5, sempre rispeo alla misura marigala equivalee P, ache il logarimo di S approssimaa da ua variabile aleaoria gaussiaa di valore aeso e variaza Ricordado che si ha [ Ẽ log S Ṽ ar log u d u log S 0 + N p log S eσ/ u log d + N log d u N p p log. d e σ/ eσ/, d e σ/, d σ log d σ, 5 Si ricordi che se Z ha disribuzioe Nα, β, ovvero disribuzioe gaussiaa di valore aeso α e variaza β, allora ache W a + bz ha disribuzioe gaussiaa, ma di valore aeso E[W E[a + bz a + bα, e variaza V arw V ara + bz V arbz b V arz b β. è
7 versioe da 30-maggio si oiee che il valore aeso del logarimo di S, vale [ Ẽ log S log S log S 0 + σ + log S 0 + Aalogamee la variaza vale Ṽ ar log S log S 0 + r σ σ u N p p log + r σ σ + θ 4 4σ σ + o σ + σ r σ σ r σ + o σ r σ log S 0 + r σ. d + o θ + 4σ σ + o σ σ r σ σ 4 4 θ Di cosegueza, se W è ua variabile aleaoria gaussiaa di valore aeso 0 e variaza σ + o 4σ logs disr log S 0 + r σ + σ W..0 Osservazioe.. Va oao che il precedee risulao si porebbe oeere ache direamee, dimosrado che la fuzioe caraerisica della variabile aleaoria log S coverge alla fuzioe caraerisica di logs 0 + r σ + σ W, ossia che [ lim Ẽ exp{i u log S I modo acora più semplice si oi che dalla.7, si oiee S } e iulogs0 er σ + σ u. S 0 e σ H. Ovviamee coverge ad, e per oeere la covergeza baserebbe dimosrare direamee che la fuzioe caraerisica della variabile aleaoria H coverge alla fuzioe caraerisica di r σ + σ W, ossia che [ lim Ẽ exp{i u log S } e iur σ + σ u. La dimosrazioe sarebbe sosazialmee la sessa di quella del eorema cerale del limie, i quao possiamo scrivere H ξ j H [ ξ [ j j j
8 8 versioe da 30-maggio-005 come somma di variabili aleaorie idipedei ed ideicamee disribuie. L uica differeza risiede el fao che le variabili aleaorie ξ j ξ [ j, hao disribuzioe che dipede da : esaamee ξ [ j assumoo i valori + e co probabilià p e p, rispeivamee 6. Il calcolo del limie della fuzioe caraerisica i queso caso richiede quidi u miimo di aezioe i più. Va ifie oao che, el caso i cui ivece si avesse più semplicemee il caso di variabili aleaorie X j : ξ j, idipedei e che assumoo i valori + e co probabilià / e quidi a valore aeso ullo, il eorema cerale del limie ci darebbe direamee che H ξ j coverge i disribuzioe ad ua variabile aleaoria gaussiaa sadard e quidi j H ξ j coverge ad ua variabile aleaoria gaussiaa di valore aeso ullo e variaza. Aleraivamee, el caso i cui ivece la probabilià che ξ j + fosse acora p / si porebbe sorarre ed aggiugere il valore aeso di ξ j, ossia p ella somma, oeedo ξ j ξj p + p. j j La prima somma coverge allora ad ua variabile aleaoria gaussiaa a valore medio ullo, mere si porebbe dimosrare che la secoda somma coverge a r σ. Quesa osservazioe è alla base dell idea che permee di cosruire il moo browiao sadard. Ad esso e dedicaa la sezioe successiva. Prima di proseguire ella dimosrazioe del eorema., dobbiamo ricordare che il simbolo X disr X sigifica che la successioe di variabili aleaorie X coverge i disribuzioe o i legge alla variabile aleaoria X. No è ecessario che le variabili aleaorie X ed X vivao sullo sesso spazio di probabilià, ma si può supporre che, per ogi, la variabile aleaoria X sia defiia ello spazio di probabilià Ω, F, P e X sia defiia ello spazio di probabilià Ω, F, P. La covergeza i disribuzioe sigifica la covergeza di F x : P X x a F x : PX x per ogi x ale che F x F x, e che ciò è equivalee al fao che 7 per ogi fuzioe coiua e limiaa f j lim E [fx E[fX. I alre parole che si può approssimare E [fx co E[fX. Dopo queso richiamo possiamo orare alla osra dimosrazioe. A queso puo il prezzo di ua opzioe europea si può calcolare come ed i paricolare per l opzioe call [ C fs f, P Ẽ B C call K, P Ẽ [ S K + + r N [ E [ E e r fs 0e r j σ +σ W. e r S 0e r σ +σ W K +,. 6 Si osservi che x se x + e che x 0 se x 0. 7 Di solio ei corsi di base di probabilià si usa l equivaleza co la covergeza per fx exp i x cosx + i six, e che corrispode alla scela di fx cosx o fx six.
9 versioe da 30-maggio dove l uica variabile aleaoria è W, i quao S 0 s 0 è il valore iiziale del prezzo dell azioe. Abbiamo quidi viso come il prezzo di ua opzioe call europea si possa oeere dalla formula C call Cs 0, K,, r, σ E [e r s 0 e r σ +σ W K + dove si è messo i evideza la dipedeza dai parameri del modello: S 0 prezzo iiziale della azioe, K prezzo di esercizio i di srie dell opzioe, empo di maurià o di srie dell opzioe, r asso omiale di ieresse composo i modo coiuo, ed ifie il paramero σ, che è deo volailià. È imporae soolieare che, al corario di ui gli alri parameri, che soo oi e direamee osservabili, il valore della volailià o è direamee osservabile, ma deve essere simao. U problema ieressae riguarda proprio la sima saisica della volailià. Si osservi che fio ad ora abbiamo addiriura rovao ua formula che permee di calcolare i modo approssimao ui i ipi di opzioi plai vailla di ipo europeo, co la codizioe che la fuzioe f sia coiua 8 Per ermiare la dimosrazioe rimae solamee da calcolare espliciamee il valore limie del prezzo della call europea. A queso proposio oiamo che, per ogi, la legge della variabile aleaoria S rispeo a P è approssimaivamee la sessa 9 della variabile aleaoria s 0 exp{r σ / + σ Z}, dove Z è ua variabile aleaoria gaussiaa sadard N0,. Quidi, per s 0 x, si raa di calcolare La speraza maemaica a desra vale C 0 x e r E [ S K + [ e r σ + r E xe +σ Z K. e r + L iegrado si aulla per z ζ, dove e quidi ζ σ σ + r xe +σ z K e z / dz. + C 0 x e r ζ log K x r σ, σ r xe +σ z K e z / dz. Ricordado che per la fuzioe di disribuzioe di ua gaussiaa sadard si ha Φx Φ x, si oiee allora C 0 x x + ζ e r σ r e +σ z e z / dz K e r x + e z σ dz Ke r Φ ζ ζ x + ζ σ e z / dz Ke r Φ ζ xφ ζ + σ Ke r Φ ζ, + e z / dz 8 I realà la codizioe che f sia ua fuzioe coiua è superflua. 9 L uguagliaza i legge si vede dall espressioe approssimaa del logarimo del prezzo.0, e eedo coo del fao che la legge della variabile aleaoria W è N0, e che ache la variabile aleaoria Z ha legge N0,, se Z ha legge N0,. È imporae soolieare che ovviamee ciò vale solo come variabili aleaorie e o vale come processi ossia il processo W 0 o coicide affao co il processo Z 0 : ifai le raieorie ipiche del processo W 0 o soo molo regolari e prevedibili, e soo quidi molo diverse dalle raieorie di Z 0, che ivece soo molo regolari e prevedibili. ζ
10 0 versioe da 30-maggio-005 la così dea formula di Blac-Scholes.0. Mediae la formula di Blac-Scholes, possiamo quidi ricavare il prezzo equo di u opzioe call europea. La formula di Blac-Scholes ha il pregio di essere semplice e di dipedere da re parameri: r, µ e σ. L uico paramero difficile da simare è la volailià σ 0. Va iolre oao che poiché a empo discreo vale l ierpreazioe di c N, f c N 0, f, aalogamee si oiee che, se erassimo el mercao al empo, e se il prezzo della azioe soosae al empo fosse oo ed uguale ad S, allora il prezzo della opzioe, che idichiamo co C, sarebbe calcolao approssimaivamee co la formula.0 i cui, però, al poso di s 0 adrebbe messo S e al poso di adrebbe messo : C S [Φ σ log x e r K + σ K Φ x e r σ log x e r K σ. xs Grazie alla formula di parià si veda ad esempio il libro di S. Ross [3, si ricava immediaamee ache il prezzo equo di ua pu europea P è dao da P C S + Ke r, sempre se si vuole comprare l opzioe al empo ed il prezzo della azioe vale S. Per uleriori approfodimei sai cosiglia di cosulare il libro di P. Baldi [, o quello di D. Lambero e B. Lapeyre [, oppure di J.M. Seele [4. 0 La volailià è u paramero che gioca u ruolo imporae elle applicazioi. Per queso moivo, egli ulimi ai, è sao molo sudiao, i saisica, il problema di simare il coefficiee di diffusioe, a parire dall osservazioe di ua raieoria.
11 versioe da 30-maggio Il moo Browiao.3. Approssimazioe del moo browiao per fissao Nella derivazioe precedee del prezzo abbiamo icorao il processo del logarimo dei prezzi, che a pare il coribuo dovuo al prezzo iiziale, si esprime come N i u ξ i log d e che si può uleriormee riscrivere come + N log d σ N σ N ξ i σ ξ i. i i i ξ i N σ Si defiisca di modo che W : [ ξi Ẽ [ξ i.3 i log S log S0 + σw + σ Ẽ [ξ i.4 Co calcoli aaloghi a quelli della sezioe precedee, si può vedere che il valore aeso Ẽ [ξ i p + r σ + o r σ. σ σ i Ovviamee il processo W, vale zero all isae iiziale, ovvero ed iolre W 0 0, Ẽ [ W 0. Per > 0, co gli sessi calcoli della sezioe precedee, si può vedere che il processo W ede all ifiio alla legge gaussiaa di valore aeso ullo e variaza che ede a. i coverge per che Osservazioe.3. * Se si vuole oeere ua dimosrazioe più precisa della covergeza i disribuzioe di W a W, si può ripeere lo sesso ipo di dimosrazioe che si usa per il eorema Cerale del Limie: eedo coo del fao che, defiie le variabili aleaorie si può riscrivere.3 come X j : ξ j ed X j : [ Xj Ẽ [X j, W [ Xj Ẽ [X j j j [ Xj Ẽ [X j j X j
12 versioe da 30-maggio-005 e quidi, dao che e che le variabili aleaorie exp{i u W } exp{i u j X j } X j, j soo idipedei, si oiee che Ẽ [ exp{i u W } Ẽ [ exp{i u j X j }..5 Le variabili aleaorie X j hao media ulla e variaza Ṽ ar [ X j Ṽ ar [ ξ j p p 4 dove θ r σ /σ + o, di modo che Ṽ ar [ X j + θ θ + o. Per oeere la covergeza i disribuzioe o rimae che uilizzare ale fao per oeere l espressioe approssimaa della fuzioe caraerisica di X j, sosiuire ale espressioe i.5, e procedere esaamee come ella dimosrazioe del eorema cerale del limie. *.3. Idipedeza ed omogeeià degli icremei Acora, se si cosiderao i empi 0 <, allora l icremeo W quao W W W è fuzioe deermiisica delle variabili aleaorie ξ j, per j ale che e la sessa fuzioe deermia ello sesso modo W i i/ 0,, e di cosegueza la disribuzioe dell icremeo W ha la sessa legge di W, i j j/,, a parire dalle variabili aleaorie ξ i, per i ale che W coverge ad ua disribuzioe gaussiaa di valore aeso 0 e variaza, * come si vede facilmee.* Se ivece si cosiderao i empi 0 < <... < m < m allora gli icremei W W 0, W W,... W m W m * Ifai, uilizzado le sesse oazioi dell Osservazioe.3, si ha come si vede subio osservado W X j j W W j X j + j + j + X j X j, W Quesa scomposizioe, isieme al fao che W 0 0 permee ache di vedere che W + W W. W W 0 e W W 0 W soo idipedei. L idipedeza di quesi icremei permee di affermare che, olre alla covergeza i disribuzioe di W ad ua variabile aleaoria gaussiaa di valore medio ullo e variaza e la covergeza di W W ad ua variabile aleaoria gaussiaa di valore medio ullo e variaza, si ha ache la covergeza cogiua di W, W W ad ua variabile aleaoria bidimesioale gaussiaa di valori medi ulli, idipedei e di variaza rispeivamee e. Queso fao implica ache la covergeza della disribuzioe cogiua di W, W. Quesa osservazioe si esede facilmee al caso i cui si cosiderio le variabili aleaorie W, W, W m, co 0 < <... < m < m. *
13 versioe da 30-maggio soo fuzioi deermiisiche delle variabili aleaorie {ξ j : j 0, }, {ξ j : j, }... {ξ jm : j m m, m } che soo idipedei, e di cosegueza ache gli icremei di W soo idipedei. Come uleriore cosegueza quesa proprieà si maiee al edere di all ifiio..3.3 Defiizioe del moo browiao e del modello di Blac e Scholes Le osservazioi precedei porao auralmee alla seguee defiizioe del processo di Wieer sadard o moo browiao. Defiizioe. moo browiao. Si chiama moo browiao u processo W per R + u processo ale che W 0 0, se 0 < <... < m < m allora gli icremei soo idipedei, 3 se 0 < ed s > 0 allora gli icremei W W 0, W W,... W m W m W W e W +s W +s N0,, ovvero hao la sessa disribuzioe gaussiaa di valore aeso 0 e variaza. I alre parole si dice ache che gli icremei soo omogeei. Di solio olre alle re precedei proprieà si aggiuge ache la proprieà che le raieorie soo coiue, ossia che per ogi ω la fuzioe W ω è ua fuzioe coiua. Iolre quao abbiamo viso ella sezioe precedee permee di dare ua defiizioe di u processo S, che, alla luce di.4, si può ierpreare come il limie, rispeo alle misure marigala equivalei, dei processi S exp { log S } S0 exp σw + σ Ẽ [ξ i, i da cui si defiisce S S 0 exp {σw + σ r } σ S 0 exp { σw + r σ σ }, i u opporuo spazio di probabilià Ω, F, P, rispeo al quale il processo aualizzao dei prezzi, ossia risula ua marigala. * S S S B B 0 e r S 0 exp { σw + B σ }, 0 Osservazioe.4 Il modello di Blac e Scholes. I realà il modello di Blac e Scholes viee di solio preseao el seguee modo. Si assume che el mercao ci siao due ioli, uo o rischioso B : B 0 e r, ed uo rischioso S S 0 exp { µ + σ W σ },
14 4 versioe da 30-maggio-005 dove il processo socasico W è u moo browiao sadard i uo spazio di probabilià Ω, F, P. Si dimosra che esise ua misura P, equivalee a P, e soo la quale il processo aualizzao si scrive come S S S B B 0 e r S 0 exp { σw B σ },.6 0 e dove il processo W è u moo browiao ello spazio di probabilià Ω, F, P. No dimosriamo queso fao, ma osserviamo solo che, essedo il processo W deve ecessariamee soddisfare S S S B B 0 e r S 0 exp { µ r + σ W B σ },.7 0 σw µ r + σ W, ovvero il processo W deve essere ecessariamee defiio come W : W µ r σ e quidi la misura di probabilià P deve essere ecessariamee defiia come la misura che rede il processo W µ r σ u moo browiao. *,
15 Bibliografia [ Baldi, P. Equazioe differeziali socasiche e applicazioi. Quaderi dell Uioe Maemaica Ialiaa, 8. Bologa: Piagora Edirice. VIII, 309 p. secoda edizioe, 000. [ Lambero, D., ad Lapeyre, B. Iroducio o sochasic calculus applied o fiace. Chapma & Hall, Lodo, 996. raslaed from he 99 Frech origial by Nicolas Rabeau ad Fraçois Maio. [3 Ross, S. M. A iroducio o mahemaical fiace. Cambridge Uiversiy Press, Cambridge, 999. Opios ad oher opics. [4 Seele, J. M. Sochasic calculus ad fiacial applicaios, vol. 45 of Applicaios of Mahemaics New Yor. Spriger-Verlag, New Yor, 00. 5
Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni
ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da
Dettagli0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).
Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci
DettagliINTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI
Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale
DettagliUniversità di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti
Iegrali idefiii Geeralià Si è viso come, daa ua fuzioe di equazioe y = f(), si possa rovare la sua derivaa prima f (). Si è ache osservao che esise ua codizioe ecessaria, ma o sufficiee, affiché ua fuzioe
DettagliTecnica delle misurazioni applicate Esame del 7 gennaio 2008
Tecica delle misurazioi applicae Esame del 7 geaio 008 Problema 1. La Beloiglio rl è u impresa che alleva idusrialmee coigli e da lugo empo uilizza il magime ProRabbi 10% che ha sempre garaio, i u presabilio
DettagliLezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.
Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio)
DettagliESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005
ESAME DI STATO DI LICEO SCIENTIFICO -5 Corso Sperimeale PNI Tema di MATEMATICA - giugo 5 Svolgimeo a cura della profssa Sadra Berecoli e del prof Luigi Tomasi (luigiomasi@liberoi) RISPOSTE AI QUESITI DEL
DettagliUniversità di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019
Uiversià di Roma Tor Vergaa - Corso di Laurea i Igegeria Aalisi Maemaica I - Prova scria del 3 Geaio 9 Esercizio. [5 pui] Calcolare lo sviluppo di Taylor dell ordie = 5 el puo x = per la seguee fuzioe:
DettagliAmmortamento di un debito
Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all
DettagliTab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità
53 Idici di variabilià 531 Iervalli di variazioe Sosiuire ua disribuzioe co u valore medio, per quao esso possa essere rappreseaivo, causa comuque ua fore perdia di iformazioe Divea perciò ecessario rovare
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliOPERAZIONI SUI SEGNALI DETERMINISTICI, ENERGIA, VALOR MEDIO, POTENZA, ANALISI DI FOURIER, CONVOLUZIONE. A cos 2 / 2
OPERAZIONI SUI SEGNALI DEERMINISICI, ENERGIA, VALOR MEDIO, POENZA, ANALISI DI FOURIER, CONVOLUZIONE Esercizio Calcolare la poeza, l eergia e il valor medio dei seguei segali a) x()a; b) x()u() ; c) x()acos(oφ)
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 6 marzo 2009 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
Dettagli2. Moto browniano: prime proprietà Il moto browniano Processi stocastici gaussiani
6. MOTO BROWNIANO: PRIME PROPRIETÀ. Moo browiao: prime proprieà I queso capiolo sviluppiamo la raazioe maemaica del moo browiao. Queso processo prede il ome dal boaico scozzese Rober Brow, che el 87 descrisse
DettagliSUCCESSIONI SERIE NUMERICHE pag. 1
SUCCESSIONI SERIE NUMERICHE pag. Successioi RICHIAMI Ua successioe di elemeti di u isieme X è ua fuzioe f: N X. E covezioe scrivere f( ) = x, e idicare le successioi mediate la ifiitupla ordiata delle
DettagliMoto browniano e analisi stocastica
Moo browiao e aalisi socasica Versioe 3.3 Ulima modifica: 9 giugo 11. FRANCESCO CARAVENNA fracesco.caravea@uimib.i hp://www.maapp.uimib.i/~fcarave DIPARIMENO DI MAEMAICA E APPLICAZIONI UNIVERSIÀ DEGLI
DettagliSi dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero.
pag Appui elaborai dal collega Prof. Vicezo De Pasquale Ifiiesimi Si dice che f è ifiiesima o che è u ifiiesimo per se f ( ) U ifiiesimo, quidi è ua variabile che ede a zero. Es. - π y cos è u ifiiesimo
DettagliEsercitazione X Complementi di Probabilità a.a. 2011/2012
Esercitazioe X Complemeti di Probabilità a.a. 20/202 Argometi: covergeza e TLC. Esercizio. Sia {X k } k ua successioe di v.a. i.i.d. di legge Exp(. Sia G = S,. a Scrivere la fuzioe caratteristica φ di
DettagliEsercizi sui numeri complessi per il dodicesimo foglio di esercizi
Esercizi sui umeri complessi per il dodicesimo foglio di esercizi 6 dicembre 2010 1 Numeri complessi radici ed equazioi Ricordiamo iazitutto che dato u umero complesso z = x + iy, il suo coiugato, idicato
DettagliSensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1
Sesori Segali Rumore - ro. S. Cova - appello //3 - pag. ROBLEMA Quadro dei dai Segale a impulso reagolare Ampiezza: Duraa: µs Rumore c S variabile, da misurare S Hz desià eicace di poeza (uilaera) limiaa
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliEsercitazione due: soluzioni
Esercitazioe due: soluzioi. Sia il ricavo r i pk i ti, p, k, t i > applicado la defiizioe di media di Chisii il tempo medio t che lascia ivariato il ricavo totale é quel valore tale che pk i ti pk i t
DettagliSoluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6)
Sessioe ordiaria LS_ORD 5 Soluzioe ) La curva di equazioe y è ua parabola co verice i (,) e cocavià rivola verso il basso, ed ierseca l asse delle ascisse ei pui (,), B (,) come soo rappreseao: La figura
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliEsponenziale complesso
Espoeziale complesso P.Rubbioi 1 Serie el campo complesso Per forire il cocetto di serie el campo complesso abbiamo bisogo di itrodurre la defiizioe di limite per successioi di umeri complessi. Defiizioe
DettagliSERIE NUMERICHE FAUSTO FERRARI
SERIE NUMERICHE FAUSTO FERRARI Materiale propedeutico alle lezioi di Aalisi Matematica per i corsi di Laurea i Igegeria Chimica e Igegeria per l Ambiete e il Territorio dell Uiversità di Bologa. Ao Accademico
DettagliDetta H(ω) la funzione di trasferimento del filtro a parametri costanti, per sbiancare il rumore occorre un filtro che abbia
esori egali Rumore - Prof.. Cova - aello 4/0/0 - P ag. PROBLEMA uadro dei dai Imulso di corree del rivelaore I s ( s / s ) () ex(-/ s ) s µs Preamlificaore Limie di bada Resiseza di igresso Caacià all
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 2 geaio 202 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
DettagliEquazioni differenziali: formule
Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure
DettagliAnalisi Matematica Soluzioni prova scritta parziale n. 1
Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliELEMENTI DI TEORIA DELLE PROBABILITA
ELEMENTI DI TEORIA DELLE PROBABILITA Nozioi base Spazio S S è l isieme di ui i possibili esii di u esperimeo. Esempio 1. Nel lacio di u dado abbiamo S{1,2,3,4,5,6}. Esempio 2. La duraa di ua lampadia S{x
DettagliImpianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci
Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche
DettagliEsercizi di Analisi II
Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (complessi)
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) 1 No ecessariamee il verificarsi di u guaso provoca la more del sisema. A vole soo ecessari più guasi el empo, affiché il sisema collassi. Fissao u empo
Dettaglik=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se
Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().
Dettagli1-Econometria, a.a Breve introduzione
-Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018
Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,
DettagliDef. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,
DettagliSvolgimento degli esercizi del Capitolo 4
4. Michiel Bertsch, Roberta Dal Passo, Lorezo Giacomelli Aalisi Matematica 2 a edizioe Svolgimeto degli esercizi del Capitolo 4 Il limite segue dal teorema del cofroto: e / 0 per. 4.2 0
DettagliR chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o
Richiami sul caale di comuicazioe radio 1 Fadig leo shadowig è causao da osacoli di gradi dimesioi palazzi ra TX e RX Il pah loss è proporzioale a r α, dove α è i geere ra 2.5 e 5 i ambiee urbao Erambi
DettagliALTRI ESERCIZI SULL INTEGRALE DI LEBESGUE. A. Figà Talamanca
ALTRI SRCIZI SULL INTGRAL DI LBSGU A. Figà Talamaca 29 ottobre 2006 2 L itegrale di Lebesgue che abbiamo defiito per le fuzioi misurabili, limitate defiite su u isieme misurabile di misura fiita, può essere
DettagliSoluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.
60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
DettagliEsercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) =
Esercitazioe 3 Successioi di fuzioi Esercizio : Studiare la covergeza i (0, ) della successioe {f } dove f (x) = metre Sol.: Si verifica facilmete che lim f (x) = 0 x (0, ) lim sup f (x) = lim = + (0,)
DettagliSOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n]
SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 05/6, FOGLIO Sia f : R R defiita da f x { se x [, 3] 0 altrimeti Studiare la covergeza putuale, uiforme e uiforme sui compatti della successioe f e della
DettagliConvertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts
Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di
DettagliSMSMW#300#130#1#220#210W#300#130#1#140#130W#220#13
Marice icideza La marice d'icideza complea A c di u grafo orieao G co N odi ed R rami, è ua marice reagolare di N righe ed R coloe che si cosruisce come segue: si umerao co =1,2,...,N ui i odi e co r=1,2,...,r
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 24 maggio 26 Desità e distribuzioi cogiute e codizioate. Covergeza e approssimazioe Esercizio Uo studio dice che l ivestimeto i titoli di stato, rappresetato
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
Dettagli1-Econometria, a.a Capitolo 1
-Ecoomeria, a.a. 04-5 Capiolo - Breve Iroduzioe - Modello di regressioe lieare -3 Due meodi di sima: Il Meodo dei Momei e il Meodo dei Miimi Quadrai -4 Proprieà geomeriche delle sime OLS -5 Le sime OLS
DettagliBILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI
BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.
DettagliRischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata
Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliREGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO
Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai
DettagliCapitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)
7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
Dettagli****** FUNZIONI MISURABILI E INTEGRAZIONE ******
****** FUNZIONI MISURABILI E INTEGRAZIONE ****** 1 2 1. Fuzioi misurabili. I questo umero estediamo la ozioe di misurabilità alle fuzioi. Defiizioe 1. Siao u isieme o vuoto, Y uo spazio topologico e µ
DettagliFacoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1.
Prova scritta di Aalisi Matematica I del 25-5-1998 - c.1 1) Per ogi umero N, 2, siao dati 2 umeri reali positivi a 1, a 2,...a, b 1, b 2,...b. Provare, usado il Pricipio di Iduzioe, che a 1 + a 2 +...
Dettaglin 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1.
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 0: Riferimeti: R.Adams, Calcolo Differeziale - Si cosiglia vivamete di fare gli esercizi del testo. Successioi umeriche:
DettagliTRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A
A p p e d i c e A RASFORMAA DI FOURIER Uo degli aspei più imporai di uo il seore dell igegeria è sicuramee l aalisi di segali el domiio del empo e della frequeza. I segali aalogici si disiguoo i segali
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliNozioni elementari di Analisi Matematica applicate alla Fisica Generale
Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u
Dettagli1 Catene di Markov a stati continui
Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio
DettagliSia dato un esperimento casuale individuato da uno spazio di probabilità S=
Capiolo II CARATTERIZZAZIONE STATISTICA DEI SEGNALI II. - Fuzioi di proailià del primo ordie. Sia dao u eperimeo cauale idividuao da uo pazio di proailià S (, F,Pr) Ω. Per egale aleaorio reale iede u applicazioe
DettagliSerie di potenze / Esercizi svolti
MGuida, SRolado, 204 Serie di poteze / Esercizi svolti Si cosideri la serie di poteze (a) Determiare il raggio di covergeza 2 + x (b) Determiare l itervallo I di covergeza putuale (c) Dire se la serie
DettagliUN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI
UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliGESTIONE DELLA PRODUZIONE
GESTIONE EA PROUZIONE 5.2.3 Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee
DettagliTEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER
TEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER I uo spazio euclideo di dimesioe fiita, ad esempio R 3, cosideriamo u sottospazio, ad esempio u piao passate per
DettagliEsercizi svolti su successioni e serie di funzioni
Esercizi svolti su successioi e serie di fuzioi Esercizio. Calcolare il limite putuale di f ) = 2 +, [0, + ). Dimostrare che o si ha covergeza uiforme su 0, + ), metre si ha covergeza uiforme su [a, +
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliMATEMATICA FINANZIARIA
Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso
DettagliIl discriminante Maurizio Cornalba 23/3/2013
Il discrimiate Maurizio Coralba 3/3/013 Siao X 1,..., X idetermiate. Cosideriamo i poliomi V (X 1,..., X ) = i>j(x i X j ) (X 1,..., X ) = V (X 1,..., X ) Il poliomio V (X 1,..., X ) è chiaramete atisimmetrico.
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
DettagliRisoluzione del compito n. 3 (Febbraio 2018/2)
Risoluzioe del compito. 3 (Febbraio 08/ PROBLEMA a Determiate le soluzioi τ C dell equazioe τ iτ +=0. { αβ =4 b Determiate le soluzioi (α, β, co α, β C,delsistema α + β =i. c Determiate tutte le soluzioi
Dettagliy(t) o complesse non tutte nulle, fa corrispondere un'uscita data dalla:
Capiolo V TRASFORMAZIOI LIEARI DEI SEGALI V. - Defiizioi. Proprieà geerali. x( ) S y() Fig. VI. Trasformazioe di segali S ed è simbolicamee rappreseaa dalla relazioe: y () = S x () I (V..) { } U sisema
DettagliTracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57
Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu
DettagliLEGGE DEI GRANDI NUMERI
LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliIl Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che
1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe
Dettagli0 t }, allora il modello
9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
DettagliSECONDO ESONERO DI AM1 10/01/ Soluzioni
Esercizio. Calcolare i segueti iti: Razioalizzado si ottiee SECONDO ESONERO DI AM 0/0/2008 - Soluzioi 2 + 2, 2 + 2 = 2 + 2 + 2 + 2 = Per il secodo ite ci soo vari modi, e mostro tre. Ora ( ) ( + si = +
DettagliISTITUZIONI DI ANALISI SUPERIORE Esercizi di metà corso
ISTITUZIONI DI ANALISI SUPEIOE 2-2 Esercizi di metà corso Silvia Ghiassi 22 ovembre 2 Esercizio Diamo u esempio di fuzioe u: tale che u 6, u 6, u 6. se x
Dettaglix n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma
1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge
DettagliEquazioni Differenziali (5)
Equazioni Differenziali (5) Daa un equazione differenziale lineare omogenea y n + a n 1 ()y n 1 + a 0 ()y = 0, (1) se i coefficieni a i non dipendono da, abbiamo viso che le soluzioni si possono deerminare
DettagliSviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5
Sviluppi di Taylor Adrea Corli settembre 009 Idice Notazioe o Liearizzazioe di ua fuzioe 3 Formula di Taylor 3 4 Esempi ed applicazioi 5 I questo capitolo aalizziamo l approssimazioe di ua fuzioe regolare
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliAnalisi Matematica I Soluzioni del tutorato 2
Corso di laurea i Fisica - Ao Accademico 07/08 Aalisi Matematica I Soluzioi del tutorato A cura di Davide Macera Esercizio Abbiamo che x 3 + si(log(x)) + cosh(x) x3 + si(log(x)) + e x ( + x 6 ) / + log(e
DettagliGESTIONE delle RISORSE IDRICHE
Corso di laurea specialisica i Igegeria delle Acque e della Difesa del uolo Corso di GEIONE delle IOE IDICHE a.a. 003-004 Leioe 5 rof. Luca Laa Diparimeo di Igegeria Ambieale - DIAM EQUAZIONE DI CONINUIA
DettagliEsercizi sulle Serie numeriche
AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sulle Serie umeriche Esercizio svolto. Discutere il comportameto delle segueti serie umeriche: a +! b [ ] log c log+ d log + e arcta f g h i l log log! 3! 4
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliECONOMIA MONETARIA (parte generale) Prof. Guido Ascari LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED
ECONOMIA MONETARIA (pare geerale) Prof. Guido Ascari Ao 2006-2007 2007 LEZIONE 7 LA STRUTTURA A TERMINE DEI TASSI D INTERESSED LA STRUTTURA A TERMINE DEI TASSI D INTERESSED Tioli di debio hao diverse scadeze
DettagliSERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)
SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log
DettagliUNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 2007/2008
UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 007/008 Questi apputi soo stati cocepiti come u aiuto didattico per gli studeti della Facoltá di Ecoomia.
Dettagli