φ X (t) = mentre nel caso continuo, indicando con f(x) la densità di X, si ha e itx f(x) dx + e itx e itx f(x)dx. f(x)dx = e itx +
|
|
- Prospero Pagani
- 5 anni fa
- Visualizzazioni
Transcript
1 10.1 Funzione caratteristica Funzione caratteristica La funzione caratteristica è uno strumento teorico utile sotto diversi aspetti per studiare la distribuzione di probabilità di numeri aleatori discreti e continui. Dato un numero aleatorio X, discreto o continuo, sia Y = e itx = cos(tx) + isen(tx), dove i è l unità immaginaria e t è un fissato valore reale, e indichiamo con φ X (t) la previsione di Y, che risulta essere una funzione di t. La funzione φ X (t) si chiama funzione caratteristica di X. Nel caso discreto, posto P (X = x h ) = p h, si ha h p h e itx h, mentre nel caso continuo, indicando con f(x) la densità di X, si ha e itx f(x)dx. Alcune proprietà: (1) φ X (0) = 1, ( h p h = 1, f(x)dx = 1); (2) φ X (t) φ X (0) = 1, t ; Consideriamo il caso in cui X è un numero aleatorio continuo. φ X (t) = e itx + f(x)dx e itx f(x) dx = e itx }{{} = cos 2 (tx)+sin 2 (tx)=1 (3) Se Y = ax + b, si ha f(x)dx = φ Y (t) = P(e ity ) = P(e it(ax+b) ) = e ibt P(e iatx ) = e ibt φ X (at); (4) In particolare, se Y = X, si ha: f(x)dx = 1 φ Y (t) = φ X (t) = P(e itx ) = φ X ( t) = φ X (t), dove il numero complesso α + iβ = α iβ, ovvero il coniugato di α + iβ. Infatti P(cos(tX) + i sin(tx)) = P(cos(tX)) + ip(sin(tx)) = P(cos(tX)) ip(sin(tx)) = φ X ( t) () Se φ X (t) è una funzione reale, si ha φ X ( t) = φ X (t).
2 10.1 Funzione caratteristica 12 Se φ X (t) è una funzione reale, si ha φ X (t). Allora φ X (t) = φ X ( t) = φ X (t) e quindi φ X (t) è una funzione reale pari. (6) Se X ha una densità simmetrica rispetto all asse delle Y, cioè f(x) = f( x), x R, allora X e X hanno la stessa densità e pertanto si ha φ X (t) = φ X (t), ovvero φ X (t) è reale. Esempi. a) Dato un evento E di probabilità p, sia X = E. Si ha φ E (t) = pe it 1 + qe it 0 = pe it + q. b) Dati n eventi E 1,..., E n, indipendenti ed equiprobabili di probabilità p, consideriamo il n.a. X = E E n. Si ha X B(n, p); inoltre n n ( ) n P (X = h)e ith = p h q n h e ith h h=0 h=0 = (pe it + q) n. c) Sia dato un numero aleatorio X con distribuzione di Poisson di parametro λ. Indicando con p n = P (X = n), si ha n=0 p n e itn = n=0 λ n n! e λ e itn = e λ n=0 (λe it ) n n! = e λ e λeit = e λ(eit 1). d) Sia dato un numero aleatorio X con distribuzione geometrica di parametro p, ovvero p h = pq h 1 per h N. Ricordando che per un numero complesso x < 1 si ha (serie geometrica di ragione x) x h 1 = 1 1 x, otteniamo p h e ith = + = pe it (qe it ) h 1 = pq h 1 e ith = peit 1 qe it. e) Se X ha una distribuzione normale standard, X N 0,1, si ha e itx 1 2π e x2 2 dx.
3 10.1 Funzione caratteristica 13 Essendo allora e itx 1 + e x2 2 dx = 2π φ X (t) = ix eitx N(x)dx = e itx N(x)dx ; = [ ie itx N(x)] + t eitx N(x)dx = quindi da cui segue = t φ X (t) ; φ X (t) d dt log φ X(t) = t, ed essendo φ X (0) = 1, risulta c = 0. log t2 2 + c, Quindi: e t2 2 (funzione reale e pari). f) Se X ha una distribuzione normale di parametri m, σ, il n.a. Y = X m σ ha una distribuzione normale standard e si ha φ Y (t) = e t2 2. Allora, osservando che X = σy + m, applicando la proprietà 3), con a = σ, b = m, si ottiene e imt σ2 t 2 2. g) Se X ha una distribuzione esponenziale di parametro λ, si ha h) X G c,λ. Si ha = λ 0 0 e (λ it)x dx = e itx λe λx dx = λ λ it itx λc e 0 Γ(c) xc 1 e λx dx = = ( λ λ it) c = [φy (t)] c, (Y G 1,λ = Exp(λ)). Calcolo dei momenti. Per ogni fissato intero k = 1, 2,..., la previsione di X k, che indichiamo con m (k), si chiama momento di ordine k di X.
4 10.1 Funzione caratteristica 14 Teorema Se, per un intero positivo k è P( X k ) <, allora la derivata k esima di φ X (t) esiste per ogni t, è continua, e si ha X (t) = (ix) k e itx f(x)dx. φ (k) Cenno sulla dimostrazione. Ricordiamo che, dato un numero aleatorio continuo X, con densità f(x), si ha e itx f(x)dx. Nelle ipotesi del Teorema 10.1 derivando rispetto alla variabile t, si ha φ X(t) = φ X(t) = φ (k) ixe itx f(x)dx, (ix) 2 e itx f(x)dx, X (t) = (ix) k e itx f(x)dx. Allora, se esistono i vari momenti di X, si ha φ X(0) = i xf(x)dx = im (1), φ X(0) = i 2 x 2 f(x)dx = i 2 m (2), φ (k) X (0) = ik x k f(x)dx = i k m (k). Pertanto, si ha m (k) = φ(k). Un ragionamento analogo si può fare se X è i k un n.a. discreto. In molti casi, dovendo calcolare m (k), conviene sfruttare tale formula anzichè applicare la definizione nel caso continuo, oppure X (0) m (k) = x k f(x)dx, m (k) = n p n x k n, nel caso discreto.
5 10.2 Somma di numeri aleatori stocasticamente indipendenti 1 Esempio Sia X N 0,1, si ha P(X r ) = 0, r dispari P(X r ) = P(X 2k ) = (2k)!, r = 2k, k N. 2 k k! Esercizio Sia X un numero aleatorio con distribuzione uniforme in [a, b], con a < b, verificare che { e itb e ita, t 0 it(b a) 1, t = 0 Sia Y = cx + d, con c > 0, verificare che Y ha distribuzione uniforme in [ac + d, bc + d]. Esercizio Sia X un numero aleatorio con distribuzione uniforme in [0, 1], verificare che lim φ t 0 X(t) = i 2. ( Sfruttare il fatto che lim t 0 1 ). Esercizio Sia X un numero aleatorio con distribuzione esponenziale di parametro λ > 0 e sia Y = ax, con a > 0, verificare che Y ha distribuzione esponenziale di parametro λ/a Somma di numeri aleatori stocasticamente indipendenti La proprietà più importante delle funzioni caratteristiche è la seguente: dati n numeri aleatori X 1,..., X n stocasticamente indipendenti e posto Y = X X n, si ha Consideriamo il caso n = 2. Si ha φ Y (t) = = φ X1 (t) φ Xn (t). φ X1 +X 2 (t) = P(e it(x 1+X 2 ) ) = P(e itx 1 e itx 2 ) = P(e itx 1 )P(e itx 2 ) = φ }{{} X1 (t)φ X2 (t). X 1 X 2 Ad esempio, dati n eventi E 1,..., E n, indipendenti ed equiprobabili di probabilità p, e posto si ha Quindi X 1 = E 1,..., X n = E n, φ X1 (t) = = φ Xn (t) = pe it + q. φ X1 + +X n (t) = φ X1 (t) φ Xn (t) = (pe it + q) n. Ritroviamo in questo modo la funzione caratteristica del numero aleatorio E E n, che ha distribuzione binomiale di parametri n, p.
6 10.2 Somma di numeri aleatori stocasticamente indipendenti 16 Altri due aspetti teorici importanti relativi alle funzioni caratteristiche sono: 1. La corrispondenza tra funzioni caratteristiche e distribuzioni di probabilità è biunivoca; quindi la funzione caratteristica φ X (t) determina univocamente la distribuzione di probabilità di X. Esempio Ricordando che ad una distribuzione normale di parametri m, σ corrisponde la funzione caratteristica e imt σ2 t 2 2 e quindi, se X N(x), si ha e t2 2. Allora, se Y = 2X + 3, si ha φ Y (t) = = e 3it 2t2, e quindi Y N 3,2. Altro esempio: se X N m1,σ 1 e Y N m2,σ 2, con X, Y stocasticamente indipendenti, si ha e im 1t σ 2 1 t2 2, φ Y (t) = e im 2t σ2 2 t2 2. Inoltre, per il n.a. Z = ax + by si ha con φ Z (t) = = e im 3t σ 2 3 t2 2, m 3 = am 1 + bm 2, σ 3 = a 2 σ b 2 σ 2 2. Pertanto Z N m3,σ 3. Si noti che, volendo evitare l uso della funzione caratteristica, il calcolo della di- stribuzione di Z richiederebbe un ragionamento pro- babilistico molto più complicato. Esempio Siano X 1 P(λ 1 ) e X 2 P(λ 2 ) si ha φ X1 + 2 (t) = φ X1 (t)φ X2 (t) = e λ 1(e it 1) e λ 2(e it 1) = Pertanto X 1 + X 2 P(λ 1 + λ 2 ) e (λ 1+λ 2 )(e it 1). Esempio La funzione caratteristica di un n.a. X con distribuzione G α,λ, cioè con densità, è data da G α,λ (x) = λα Γ(α) xα 1 e λx, x > 0. ( ) α λ. λ it Pertanto dati 2 numeri aleatori X 1, X 2, rispettivamente, con distribuzione G α1,λ e G α2,λ, si ha X 1 + X 2 G α1 +α 2,λ.
7 10.2 Somma di numeri aleatori stocasticamente indipendenti 17 Esercizio La funzione caratteristica di un numero aleatorio discreto X è e ikt k=1. Calcolare la previsione di X. P(X) = Soluzione. Si ha da cui segue φ X(o) = k=1 Pertanto: P(X) = 3. ik φ X(t) = k=1 ike ikt = i( ), = 3i = ip(x). Esercizio 10.. La funzione caratteristica di un numero aleatorio X è data da e 2it t2 2. Posto Y = X 2, calcolare la probabilità p dell evento ( Y 2). Risp.: p = Soluzione. e 2it t2 2 è la funzione caratteristica di una distribuzione normale di parametri m = 2, σ = 1. Pertanto Y = X 2 ha una distribuzione normale standard. Allora: p = P ( Y 2) = 2Φ(2) Esercizio Le funzioni caratteristiche di due numeri aleatori X, Y indipendenti sono rispettivamente e 2(eit 1) e φ Y (t) = e 3(eit 1). Posto Z = X + Y, calcolare la previsione m di Z. Risp.: m = Si ha: φ Z (t) = φ X (t)φ Y (t) = e 2(eit 1) e 3(eit 1) = e (eit 1), da cui ricordando che φ Z (0) = im Z e osservando che φ Z(t) = e (eit 1) e it i, φ Z(0) = i, segue: m Z =. In effetti, e (eit 1) è la funzione caratteristica di una distribuzione di Poisson di parametro λ =.
7.6. Distribuzione Esponenziale. Un n.a. continuo X con densità di probabilità
7.6 Distribuzione Esponenziale. 111 7.6. Distribuzione Esponenziale. Un n.a. continuo X con densità di probabilità { λe λx se x, (76) f(x) = se x
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
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
DettagliCAPITOLO 9. Vettori Aleatori
CAPITOLO 9 Vettori Aleatori 9 9 Vettori Aleatori 3 9 Vettori Aleatori In molti esperimenti aleatori, indicando con Ω l insieme dei possibili risultati, al generico risultato dell esperimento, ω Ω, sono
DettagliRichiami sulla Cardinalità. Due insiemi A e B si dicono equipotenti (A B) se esiste una corrispondenza biunivoca tra A e B
Richiami sulla Cardinalità. Due insiemi A e B si dicono equipotenti (A B) se esiste una corrispondenza biunivoca tra A e B f : A B (biunivoca). Due insiemi finiti sono equipotenti se e solo se hanno lo
DettagliAlcuni argomenti di Calcolo delle Probabilità Corso di Studi in Statistica per l Analisi dei dati A.A. 2010/2011 1
Alcuni argomenti di Calcolo delle Probabilità Corso di Studi in Statistica per l Analisi dei dati A.A. 2010/2011 1 1 Queste dispense non comprendono tutti gli argomenti trattati nel corso. Inoltre per
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
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
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
Dettagli5. Distribuzioni. Corso di Simulazione. Anno accademico 2009/10
Anno accademico 2009/10 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliCognome e Nome:... Matricola... CdS...
Cognome e me: Matricola CdS CALCOLO DELLE PROBABILITA - 7 Giugno CdS in STAD, SIGAD - docente: G Sanfilippo Motivare dettagliatamente le risposte su fogli allegati e scrivere le risposte negli appositi
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,
DettagliCALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno 2006 Motivare dettagliatamente le risposte su fogli allegati 1.- Sia X un numero aleatorio a valori { α, 0, α}, con α > 0 e P (X = α) = P (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,
DettagliNome e cognome:... Matricola...
Nome e cognome:................................................... Matricola................. CALCOLO DELLE PROBABILITA - 0/07/008 CdS in Economia e Finanza - Cds in Informatica - Cds SIGAD Motivare dettagliatamente
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
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
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
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
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
DettagliSESSIONE SUPPLETIVA QUESTIONARIO QUESITO 1
www.matefilia.it SESSIONE SUPPLETIVA 015 - QUESTIONARIO x QUESITO 1 Data la funzione integrale ln(t) dt, determinare per quali valori di x il suo grafico 1 incontra la retta di equazione y = x + 1. Calcoliamo
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 12, Modelli Probabilistici
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Modello Lognormale La funzione di densità di probabilità lognormale è data:
Il Modello Lognormale La funzione di densità di probabilità lognormale è data: ( ln x a) 1 f ( x ) = exp x > 0 X b x b π in cui a e b sono due costanti, con b> 0. Se X è una v.a. lognormale allora Y lnx
Dettagli1. Siano A, E eventi incompatibili, e sia B E, con P (A) = 1 5, P (B) = 3 10, P (E) = 1 2.
CALCOLO DELLE PROBABILITA - 5 gennaio 005 Ing. Elettronica : 4, Nettuno :. Siano A, E eventi incompatibili, e sia B E, con P (A) = 5, P (B) = 0, P (E) =. Dimostrare che tale assegnazione è coerente, determinando
DettagliEsercitazione sulle serie di Fourier
Esercitazione sulle serie di Fourier 3 novembre. Calcolo dei coefficienti di Fourier e di somme di serie speciali Esercizio. Si consideri il segnale u : R R, -periodico, definito nell intervallo, π, da
Dettagli0 z < z < 2. 0 z < z 3
CALCOLO DELLE PROBABILITÀ o - 7 gennaio 004. Elettronica : 4; Nettuno: 3.. Data un urna di composizione incognita con palline bianche e nere, sia K = il numero di palline bianche nell urna è il doppio
DettagliCorrezione di Esercizi 4 di Calcolo delle Probabilità e Statistica. Mercoledì 4 maggio 2016
Correzione di Esercizi di Calcolo delle Probabilità e Statistica. Mercoledì maggio 6 Chun Tian. Answer of Exercise Figure. Catena di Markov.. (a) Le classi di equivalenza e i loro periodi. Da Figure, si
DettagliEsercitazione del 16/04/2019 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/04/09 Istituzioni di Calcolo delle Probabilità David Barbato Nozioni di riepilogo con esercizi Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile
DettagliVariabili aleatorie unidimensionali: v.a. non notevoli discrete e continue indici, momenti e funzione generatrice dei momenti
Sessione live #4 Variabili aleatorie unidimensionali: v.a. non notevoli discrete e continue indici, momenti e funzione generatrice dei momenti Lezioni CD: - 3-4 Esercizio Consideriamo le seguenti funzioni:
DettagliMattia Zanella. Ferrara, April
Department of Mathematical Sciences Politecnico di Torino, Italy http://www.mattiazanella.eu Ferrara, April 5 217 Programma della lezione Seminario I Introduzione a Matlab U(, 1): metodo di inversione
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità M. Pratelli e M. Romito Gli esercizi che seguono sono stati proposti nel corso Probabilità dell Università di Pisa negli a.a. 2012-13 e 2013-14 (M. Romito) e 2014-15
DettagliCALCOLO DELLE PROBABILITA - 13 Aprile 2011 CdL in STAD, SIGAD - docente: G. Sanfilippo
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 13 Aprile 211 CdL in STAD, SIGAD - docente: G Sanfilippo Motivare dettagliatamente le risposte su fogli allegati e scrivere le risposte negli appositi
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - 5AA - A.A. 4-5 Prova scritta - 4 settembre 5 Problema. Tornato a casa dal supermercato con la spesa, Alberto racconta ai suoi co-inquilini Bruno e Carlo che si potrebbe
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,
DettagliCALCOLO DELLE PROBABILITA - 14 Gennaio 2015 CdL in STAD, SIGAD
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 4 Gennaio 5 CdL in STAD, SIGAD Motivare dettagliatamente le risposte su fogli
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliL assegnazione è coerente? SÌ NO. A e B sono stocasticamente indipendenti? SÌ NO
CALCOLO DELLE PROBABILITÀ - gennaio 00 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati Nuovo Ordinamento esercizi -4. Vecchio Ordinamento esercizi -6..
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
DettagliCP110 Probabilità: Esame 27 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 27 gennaio, 213 CP11 Probabilità: Esame 27 gennaio 213 Testo e soluzione 1. (6 pts) Tre amici dispongono di 6 monete da un euro e
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
DettagliCALCOLO DELLE PROBABILITÀ
CALCOLO DELLE PROBABILITÀ - gennaio 000 Elettronici: nn. 4 Informatici: nn. 6. Un lotto contiene pezzi buoni ed un solo pezzo difettoso. Si effettuano tre estrazioni senza restituzione, e sia E i = pezzo
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
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
DettagliEsame di Calcolo delle Probabilità del 11 gennaio 2006 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del gennaio 006 Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
Dettagli4.1 Variabili casuali discrete e continue, e loro distribuzioni
4 Variabili casuali 4.1 Variabili casuali discrete e continue, e loro distribuzioni Nel Capitolo di Statistica Descrittiva abbiamo chiamato variabile una quantità numerica che vegna rilevata o misurata.
DettagliSistemi differenziali 2 2: esercizi svolti. 1 Sistemi lineari Stabilità nei sistemi lineari
Sistemi differenziali : esercizi svolti 1 Sistemi lineari Stabilità nei sistemi lineari 14 1 Sistemi differenziali : esercizi svolti 1 Sistemi lineari Gli esercizi contrassegnati con il simbolo * presentano
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliPNI 2002 QUESITO 1 QUESITO 2
www.matefilia.it PNI 2002 QUESITO 1 Siano a>0 e b>0. Media aritmetica: Media geometrica: a b La media aritmetica di due numeri reali positivi è maggiore o uguale alla media geometrica dei due numeri (è
DettagliUniversità di Pavia Econometria. Richiami di teoria delle distribuzioni statistiche. Eduardo Rossi
Università di Pavia Econometria Richiami di teoria delle distribuzioni statistiche Eduardo Rossi Università di Pavia Distribuzione di Bernoulli La variabile casuale discreta Y f Y (y; θ) = 0 θ 1, dove
DettagliEventi numerici e variabili aleatorie
Capitolo Eventi numerici e variabili aleatorie. Probabilità di eventi numerici Nel capitolo precedente si sono considerate le nozioni di esperimento, risultato, evento. Un evento è individuato dai risultati
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliX Vincita (in euro) Tabella 1: Vincite
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 9 Giugno 1 CdS in STAD, SIGAD - docente: G. Sanfilippo Motivare dettagliatamente
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
DettagliCAPITOLO 10. Funzione Caratteristica, Normale multivariata, convergenze
CAPITOLO 0 Fuzioe Caratteristica, Normale multivariata, covergeze 5 0. Fuzioe caratteristica 53 0.. Fuzioe caratteristica La fuzioe caratteristica è uo strumeto teorico utile sotto diversi aspetti per
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliAllora esistono δ > 0 e σ > 0 tali che. f(x, y) = 0; (2) la funzione ϕ : ]x 0 δ, x 0 + δ [ R, y = ϕ(x), è derivabile e.
16 42 Funzioni implicite Il seguente teorema fornisce una condizione sufficiente affinché, data un equazione della forma f(x, ) = 0, sia possibile determinare come funzione della x Teo 11 (Teorema della
DettagliANNO ACCADEMICO 2017/2018 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA III appello 7/9/2018 1
ANNO ACCADEMICO 7/8 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA III appello 7/9/8 Esercizio. I giocatori A e B giocano con un mazzo di 4 carte, senza le figure, con le seguenti regole: - ad ogni turno
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
Dettagli2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima.
2. Fra tutti i rettangoli inscritti in una circonferenza, determinare quello di area massima. 3. Fra tutti i cilindri a base rotonda inscritti in una sfera, determinare quello di volume massimo. 4. Dimostrare
DettagliCalcolo delle Probabilità: esercitazione 11
Argomento: Distribuzioni bivariate discrete (pag. 44 e seguenti) e covarianza (pag 45 e seguenti). Distribuzione bivariate assolutamente continue (pag. 48 e seguenti del libro di testo). La v.c. trinomiale
DettagliESERCITAZIONE 9: INTEGRALI DEFINITI. CALCOLO DELLE AREE E ALTRE APPLICAZIONI
ESERCITAZIONE 9: INTEGRALI DEFINITI. CALCOLO DELLE AREE E ALTRE APPLICAZIONI Tiziana Raparelli 5/5/9 CONOSCENZE PRELIMINARI Vogliamo calcolare f ( x, ax + bx + c ) dx. Se a =, allora basta porre bx + c
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
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
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 =
DettagliLEZIONE 2.6. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.6 p. 1/15
LEZIONE 2.6 p. 1/15 LEZIONE 2.6 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.6 p. 2/15 variabili aleatorie continue consideriamo la distribuzione del fatturato mensile in una popolazione
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
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
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
DettagliPer superare l esame è necessario ottenere almeno 18 pt, di cui almeno 6pt nella parte di probabilita e statistica (esercizi 8,9,10).
Esame per il corso di Matematica per Farmacia (Proff. G. Gaeta & N. Bressan) Febbraio 06 Tempo a disposizione: due ore e mezza. Per superare l esame è necessario ottenere almeno 8 pt, di cui almeno 6pt
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
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:
DettagliAnalisi matematica I. Sviluppi di Taylor e applicazioni. Sviluppi di Taylor. Operazioni sugli sviluppi di Taylor e applicazioni
Analisi matematica I e applicazioni Operazioni sugli sviluppi di Taylor e applicazioni 2 2006 Politecnico di Torino 1 e applicazioni Formule di Taylor con resto di Peano: caso e n =0 n =1 Formule di Taylor
DettagliMODELLI STATISTICI, RICHIAMI
MODELLI STATISTICI, RICHIAMI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 11 Aprile 2006 Francesca Mazzia (Univ. Bari) MODELLI STATISTICI,
DettagliCP410: Esame 2, 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 23-4, I semestre 3 gennaio, 24 CP4: Esame 2, 3 gennaio 24 Testo e soluzione Cognome Nome Matricola Firma . Per ogni n N, sia X n la variabile aleatoria
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliEquazioni differenziali del 2 ordine Prof. Ettore Limoli. Sommario. Equazione differenziale omogenea a coefficienti costanti
Equazioni differenziali del 2 ordine Prof. Ettore Limoli Sommario Equazione differenziale omogenea a coefficienti costanti... 1 Equazione omogenea di esempio... 2 Equazione differenziale non omogenea a
DettagliCP110 Probabilità: esame del 18 settembre 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 206-7, II semestre 8 settembre, 207 CP0 Probabilità: esame del 8 settembre 207 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante
DettagliCALCOLO DELLE PROBABILITA - 17 Febbraio 2014 CdL in STAD, SIGAD,
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 7 Febbraio 4 CdL in STAD, SIGAD, Motivare dettagliatamente le risposte su fogli
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliCP110 Probabilità: Esame 5 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 5 giugno, 212 CP11 Probabilità: Esame 5 giugno 212 Testo e soluzione 1. (6 pts) Sette biglietti numerati da 1 a 7 vengono distribuiti
DettagliEsercitazione del 28/10/2011 Calcolo delle probabilità
Esercitazione del 28/0/20 Calcolo delle probabilità Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile aletoria discreta, sia f una funzione da in, se Y := f(x) allora
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
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
DettagliScritto d esame di Analisi Matematica
116 Prove d Esame di Analisi Matematica Versione 2006 Pisa, 15 Gennaio 2000 x 0 sin x 4 x 4 (arctan x x) 4. 2. eterminare, al variare del parametro λ R, il numero di soluzioni dell equazione 2x 2 = λe
DettagliCalcolo delle Probabilità 16 Giugno 2016, C.d.L. STAD, UNIPA
Calcolo delle Probabilità 6 Giugno 206, C.d.L. STAD, UNIPA Prova intera esercizi, 2, 3, 4, 5, 6. Tempo 2 h 45 minuti. Esercizio risolto correttamente vale 5.5 punti. Seconda Prova in itinere esercizi 4,
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2016/17 Processi stocastici e analisi di serie temporali
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 206/7 Processi stocastici e analisi di serie temporali PROVA DI ESONERO SUI PROCESSI DI MARKOV DEL 6 DICEMBRE 206 Punteggi: : + + 4 2; 2: 2 5;
DettagliC = {C 1 = A B c H, C 2 = A c B H, C 3 = A B c H c, C 4 = A c B H c } ; P (C 1 ) = 21/100, P (C 2 ) = 9/100, P (C 3 ) = 49/100, P (C 4 ) = 21/100.
CALCOLO DELLE PROBABILITÀ - 20 gennaio 2007 Motivare dettagliatamente le risposte su fogli allegati Elettronica: Es.1 4. Nettuno: Es.1 3. 1. Si effettuano due estrazioni con restituzione da un lotto contenente
DettagliCalcolo delle Probabilità Esercizi
Calcolo delle Probabilità Esercizi A.A 00-006 Costituenti. Siano dati eventi A, B, C tali che A B = Φ, A B C, determinare i costituenti. C C C C C C C [ AB C, A BC, A B C, A B C ]. Siano dati eventi A,
DettagliSvolgimento della prova scritta del 14 luglio 2009
Svolgimento della prova scritta del 4 luglio 2009 Esercizio. Calcolare i seguenti limiti, giusticando tutti i passaggi: x 2 log x lim ; lim x + x 7 x + x. 2 Esercizio 2. Calcolare Esercizio. Calcolare
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliNUMERI COMPLESSI. Rappresentazione cartesiana dei numeri complessi
NUMERI COMPLESSI Come sappiamo, non esistono nel campo dei numeri reali le radici di indice pari dei numeri negativi. Ammettiamo pertanto l esistenza della radice quadrata del numero 1. Questo nuovo ente
DettagliCOMPITO DI SCIENZE NATURALI 23 gennaio Modulo di probabilità e statistica SOLUZIONI
COMPITO DI SCIENZE NATURALI 23 gennaio 22 Modulo di probabilità e statistica SOLUZIONI. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza
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)
Dettagli