SOLUZIONI DI ESERCIZI SCELTI ELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 MAGGIO Esercizio 18

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "SOLUZIONI DI ESERCIZI SCELTI ELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 MAGGIO Esercizio 18"

Transcript

1 SOLUZIONI DI ESERCIZI SCELTI ELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 MAGGIO 2018 HYKEL HOSNI Esercizio 18 Scrivere le tabelle booleane per i seguenti enunciati: (1) p q (2) q p (3) p p (4) q q (5) q q (6) (q q) p p q p q q p p p q q q q (q q) p Esercizio 19 Scrivere le tabelle booleane per i seguenti enunciati: (1) (θ φ) ψ (2) (θ φ) ( φ θ) (3) ( φ θ) (θ φ) (4) ((θ φ) ψ) (θ (φ ψ)) (5) θ (φ θ) (6) (θ φ) θ Date: May 14,

2 2 HYKEL HOSNI Soluzione. L esercizio si risolve costruendo, come sopra, le tabelle booleane per gli enunciati. Notate però che perché il metodo sia applicabile è necessario assumere che, per esempio (θ φ) ψ possa essere scritto, senza perdita di informazione, come (p q) r In altre parole, in questo, come in tutti gli esercizi simili, prendete gli enuniciati distinti come variabili proposizionali distinte. Esercizio 20 Verificare se i seguenti insiemi di enunciati sono soddisfacibili: (1) Γ = {θ φ, θ} (2) = {θ φ, θ, φ} (3) Λ = {θ φ, ψ φ, (θ ψ) ψ} (4) Giustificare l asserzione secondo cui, nella tavola booleana?? è sufficiente prendere in considerazione le righe indicate da per determinare se Γ = θ Soluzione. (1) Γ è soddisfacibile poiché esiste una valutazione che assegna 1 a tutti gli enunciati di Γ: v(θ) = 0 e v(φ = 1). Per questa valutazione abbiamo: v(θ φ) = v( θ) = 1, come richiesto dalla definizione. (2) è soddisfacibile poiché esiste una valutazione che assegna 1 a tutti gli enunciati di : v(θ) = 0 e v(φ) = 1. Per questa valutazione abbiamo: v(θ φ) = v( θ) = v(φ) = 1, come richiesto dalla definizione. (3) Λ è soddisfacibile poiché esiste una valutazione che assegna 1 a tutti gli enunciati di : v(θ) = v(φ) = v(ψ) = 1. Per questa valutazione abbiamo: v(θ φ) = v(ψ φ) = v((θ ψ) ψ) = 1, come richiesto dalla definizione.

3 SOLUZIONI DI ESERCIZI SCELTIELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 (4) Nel caso in cui esistano valutazioni che soddisfano Γ, la definizione di conseguenza logica ci consente di concentrarsi soltanto su quelle, dal momento che tutto ciò che dobbiamo verificare per decidere se Γ = θ è che per quelle valutazioni, v(θ) = 1. Esercizio 22 Determinare se le seguenti sono tautologie: (1) θ φ (2) θ ( θ θ) (3) θ ( θ φ) (4) (θ φ) (θ ψ) (θ (φ ψ)) (5) (θ φ) ( θ φ) (6) (θ φ) ((θ φ) θ) Soluzione. Come nell esercizio 20, quando serve, potete scrivere la tabella booleana supponendo che enunciati distinti siano sostituibili da variabili proposizionali distinte. Convenzionalmente, stipuliamo: θ è rimpiazzato da p φ è rimpiazzato da q ψ è rimpiazzato da r Potete dunque risolvere tutte le domande costruendo le tabelle booleane appropriate. Qui sotto la soluzione è data in altro modo. (1) No. La valutazione v(θ) = v(φ) = 0 rende falso l enunciato. (2) No. E sufficiente trovare una valutazione che renda falso l enunciato, e dunque una valutazione tale che e v(θ) = 1 v( θ θ) = 0. Da questa segue che la valutazione richiesta è v( (θ) = 1 e v(θ) = 0, cioè v(θ) = 0. (3) Sì. Supponiamo che θ ( θ φ) non sia una tautologia. Allora esisterebbe una valutazione tale che v(θ) = 1 e v( θ φ) = 0. Questa valutazione sarebbe dunque tale che v( θ) = 1 e v(φ) = 0, e in particolare sarebbe tale per cui v(θ) = 0. Ma questo sarebbe

4 4 HYKEL HOSNI in contraddizione con l ipotesi che v(θ) = 1. l ipotesi che l enunciato non sia una tautologia. Dunque rigettiamo Le altre sono simili. Esercizio 23 Verificare le seguenti equivalenze logiche (1) θ θ θ (2) θ θ θ (3) θ φ φ θ (4) θ φ θ φ (5) θ θ (6) θ (φ ψ) (θ φ) ψ (7) (θ φ) ( θ φ) (8) θ (θ φ) (θ φ). (9) θ (θ φ) θ (10) θ φ (θ φ) ( θ φ) (θ φ) Soluzione. Si ragiona esattamente come per gli esercizi precendenti: stipuliamo che enunciati distinti siano riscrivibili come variabili proposizionali distinte e costruiamo le relative tabelle booleane. L equivalenza sussiste se le colonne che danno il risultato della computazione dei valori di verità degli enunciati coincidono. Altrimenti potete ragionare come segue: (1) Sì. Non esiste infatti alcuna valutazione tale che v(θ θ) = 1 e v(θ) = 0 e viceversa, non esiste alcuna valutazione tale che Abbiamo cioè dimostrato che come desiderato. Le altre sono simili. v(θ) = 1 e v(θ θ) = 0. θ θ = θ e θ = θ θ,

5 SOLUZIONI DI ESERCIZI SCELTIELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 Esercizio 24 Decidere, per ognuno dei seguenti argomenti proposizionali, se sono corretti. (1) θ φ, θ φ (2) θ φ, θ φ (3) θ θ φ (4) θ ψ, φ ψ, θ φ ψ (5) θ ψ, ψ θ (6) θ θ Soluzione. Per ognuno degli argomenti, dobbiamo decidere se la conclusione è conseguenza logica delle premesse. Per farlo possiamo stipulare, al solito, che ogni enunciato distinto corrisponda a una variabile proposizionale distinta e così usare le tabelle booleane per decidere. Per esempio supponendo che θ è rimpiazzato da p φ è rimpiazzato da q costruiamo la tabella booleana per decidere la (1) come segue p q p q p q v v v v Osservando la tabella notiamo che le valutazioni che soddisfano le premesse dell argomento sono v 3 e v 4. D altra parte v 3 non soddisfa la conclusione. Dunque esiste una valutazione che soddisfa le premesse ma non la conclusione: l argomento non è corretto. La (2) si decide costruendo la seguente tabella p q p q p q v v v v In questo caso esiste un unica valutazione che soddisfa le premesse, v 4, e quella stessa valutazione soddisfa anche la conclusione. L argomento dunque è corretto.

6 6 HYKEL HOSNI Le altre si risolvono in modo analogo. Esercizio 42 Descrivere le computazioni (possibili) che portano a calcolare la probabilità di ottenere, lanciando un dado regolare, i seguenti esiti: (1) un numero dispari (2) un numero primo (3) almeno 4 (4) un numero tra 4 e 6 Soluzione. Fissiamo Ω = {1, 2, 3, 4, 5, 6} e supponiamo che la distribuzione di probabilità su Ω sia uniforme, cioè P (ω i ) = 1/6, i = 1, (1) Sia A: otteniamo un numero dispari e dunque A = {1, 3, 5}. Per l ipotesi di uniformità abbiamo P (1) = P (3) = P (5) = 1/6 e poiché gli esiti in questione sono mutualmente esclusivi abbiamo P (A) = P (1) + P (3) + P (5) = 3/6 = 1/2. (2) Sia B: otteniamo un numero primo e dunque B = {2, 3, 5}. Per l ipotesi di uniformità abbiamo P (2) = P (3) = P (5) = 1/6 e poiché gli esiti in questione sono mutualmente esclusivi abbiamo P (B) = P (2) + P (3) + P (5) = 3/6 = 1/2. (3) Sia C: otteniamo almeno 4 e dunque C = {4, 5, 6}. Per l ipotesi di uniformità abbiamo P (4) = P (5) = P (6) = 1/6 e poiché gli esiti in questione sono mutualmente esclusivi abbiamo P (C) = P (4) + P (5) + P (6) = 3/6 = 1/2.

7 SOLUZIONI DI ESERCIZI SCELTIELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 (4) Sia D: otteniamo un numero tra 4 e 6 e dunque C = {4, 5, 6}. Per l ipotesi di uniformità abbiamo P (4) = P (5) = P (6) = 1/6 e poiché gli esiti in questione sono mutualmente esclusivi abbiamo P (D) = P (4) + P (5) + P (6) = 3/6 = 1/2. Esercizio 43 Sia Ω = {1, 2, 3, 4}. Le seguenti sono distribuzioni di probabilità su Ω? (Giustificare la risposta) (1) P ( ) = 0; P (Ω) = 1; P ({1, 2}) = 5/8; P ({3, 4}) = 5/8; (2) P ( ) = 0; P (Ω) = 1; P ({1}) = 1/8;P ({4}) = 3/8; P ({2, 3}) = 1/2;P ({1, 4}) = 1/2; P ({3, 4}) = 5/8; Soluzione. (1) Non è una distribuzione di probabilità perché P ({1, 2}) + P ({3, 4}) = 5/4 > 1 contrariamente a quanto prescritto dalla definizione. (2) Si tratta di una distribuzione di probabilità. Infatti abbiamo (a) P (1) + P ({2, 3}) + P (4) = 1/8 + 1/2 + 3/8 = 1 (b) Inoltre questi valori sono coerenti con P ({1, 4}) = 1/2 e P ({3, 4}) = 5/8. Per il primo, basta osservare che 1/8 + 3/8 = 1/2. Per il secondo valore basta osservare che 2/8 + 3/8 = 5/8. Esercizio 45 Consideriamo il lancio di tre monete. Qual è lo spazio aleatorio di questo esperimento? Descrivere una distribuzione di probabilità uniforme su questo spazio. Calcolare la probabilità di (1) Ottenere più Testa che Croce (2) Ottenere esattamente due Testa (3) Ottenere la stesso risultato in ogni lancio

8 8 HYKEL HOSNI Soluzione. Per ogni moneta abbiamo: (1) Ω 1 = {T, C} (2) Ω 2 = {T, C} (3) Ω 3 = {T, C} Dunque Ω = Ω 1 Ω 2 Ω 3 = {T T T, T T C, T CT, T CC, CT T, CT C, CCT, CCC} In assenza di ulteriori informazioni è naturale assumere che la distribuzione appropriata sia l uniforme, e quindi P (T T T ) = P (T T C) = P (T CT ) = P (T CC) = P (CT T ) = P (CT C) = P (CCT ) = P (CCC) = 1/8. Fissiamo: (1) Ottenere più Testa che Croce : A = {T T T, T T C, T CT, CT T } (2) Ottenere esattamente due Testa : B = {T T C, T CT, CT T } (3) Ottenere la stesso risultato in ogni lancio : C = {T T T, CCC} Dunque: P (A) = 1/2, P (B) = 3/8, P (C) = 1/4. Esercizio 47 Consideriamo un gioco con due dadi (cubici), ognuno dei quali ha soltanto tre punteggi possibili, diciamo 1,2 e 3. Un esperimento consiste nel lanciare i dadi e sommare i risultati ottenuti. Qual è lo spazio aleatorio? Descrivere una distribuzione di probabilità per questo spazio. Soluzione. Osserviamo innanzitutto che un dado cubico ha sei facce. Dunque per ognuno dei due dadi si daranno sei esiti. Rappresentiamo la situazione con i due spazi aleatori: Ω = {1, 2, 3, 4, 5, 6} Ω = {1, 2, 3, 4, 5, 6 } Lo spazio aleatorio dell esperimento è al solito Ω Ω. Possiamo rappresentare l informazione relativa al fatto che soltanto i primi tre esiti sono possibili per ogni dado considerando una distribuzione di probabilità che assegni 0 agli esiti 4, 5, 6 e 4, 5, 6, e che per il resto sia uniforme. Cioè per il primo dado e analogamente per il secondo P (1) = P (2) = P (3) = 1/3

9 SOLUZIONI DI ESERCIZI SCELTIELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14. P (1 ) = P (2 ) = P (3 ) = 1/3 Osservazione: I dati del problema sono compatibili con un altra soluzione, quella per cui gli spazi aleatori dei due dadi sono ristretti ai soli esiti possibili (e dunque lo spazio aleatorio dell esperimento ha solo 9 elementi). Una distribuzione di probabilità uniforme su questo spazio condurrà a calcolare le probabilità nello stesso modo rispetto all impostazione discussa nella soluzione. Esercizio 48 Sia Ω = {ω 1, ω 2, ω 3 }. Definire una distribuzione su Ω tale che nessuno dei suoi tre elementi abbia la stessa misura. Soluzione. Una distribuzione che soddisfa la richiesta è la seguente P (ω 1 ) = 1/2; P (ω 2 ) = 1/3; P (ω 3 ) = 1/6. Esercizio 53 Dimostrare, nel modo che ritenete più opportuno le seguenti (1) P ( A) = 1 P (A) (2) Se A B allora P (A B) = P (A) P (B) (3) Se B A allora P (A B) = 1 (4) Se v(a B) = 0 e P (A), P (B) 0 allora P (A B) = 0 Osservazione Poiché nel Capitolo 3 abbiamo stabilito la sostanziale equivalenza tra eventi (asserzioni, euniciati logici ecc) e gli insiemi delle valutazioni che li soddisfano, possiamo ragionare in termini di diagrammi di Venn e delle loro aree. In particolare assumiamo che l universo coincida con Ω e che questo a sua volta coincida con l insieme delle valutazioni V su un opportuno linguaggio. Soluzione. (1) Poiché non esiste alcuna valutazione tale che v(a A), sappiamo che P (A A) = P (A) + P ( A). D altra parte, per definizione, oiché per definizione P (Ω) = 1 = P (A A). Dunque P (A) + P ( A) = 1 e cioè P ( A) = 1 P (A).

10 10 HYKEL HOSNI V [A] [A] (2) Per definizione P (A B) P (A B) =. P (B) Se A B allora A B A. Dunque per P (B) 0 (3) Simile a (2) P (A B) = P (A) P (B) (4) Un modo per impostare il problema è il seguente. Le considerazioni fatte su valutazioni e cardinalità degli insiemi ci permettono di interpretare la probabilità di un enunciato della logica proposizionale come il rapporto tra il numero delle valutazioni che lo soddisfano sul numero totale delle valutazioni possibili. Sotto questa interpretazione, se v(a B) = 0 segue immediatamente che P (A B) = 0 (e questo è vero per qualsiasi insieme non vuoto di valutazioni V). Ma allora a patto che P (B) 0. P (A B) = P (A B) P (B) Esercizio 55 = 0 P (B) = 0 Dimostrare che se P (A), P (B) 0,allora le seguenti sono equivalenti (1) P (A B) = P (A)

11 SOLUZIONI DI ESERCIZI SCELTIELEMENTI DI MATEMATICA E INFORMATICA TEORICA VERSIONE DEL 14 (2) P (B A) = P (B) (3) P (A B) = P (A)P (B) Soluzione. Supponiamo P (A), P (B) 0. Vogliamo dimostrare che (1) implica (2), che (2) implica (3) e che (3) implica (1). (1) (2) Supponiamo P (A B) = P (A). Dunque P (A B) = e dunque, poiché P (A) 0 P (A B) P (B) = P (A), P (A B) = P (A B) = P (A)P (B). Ma dall ipotesi P (A) 0 otteniamo P (A B) P (A) che poiché (A B) (B A) dà come desiderato. (2) (3) Simile (3) (1) Simile P (B A) P (A) = P (B), = P (B A) = P (B), Dipartimento di Filosofia, Università degli Studi di Milano address: hykel.hosni@unimi.it

Metodi quantitativi per i mercati finanziari

Metodi quantitativi per i mercati finanziari Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},

Dettagli

LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13)

LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13) LOGICA MATEMATICA PER INFORMATICA (A.A. 12/13) DISPENSA N. 4 Sommario. Dimostriamo il Teorema di Completezza per il Calcolo dei Predicati del I ordine. 1. Teorema di Completezza Dimostriamo il Teorema

Dettagli

Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio FOGLIO RISPOSTE

Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio FOGLIO RISPOSTE Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio 202 - FOGLIO RISPOSTE NOME e COGNOME SOLUZIONI CANALE: G. Nappo VOTO: N.B. Scrivere le risposte dei vari punti degli

Dettagli

Ragionamento Automatico Richiami di tableaux proposizionali

Ragionamento Automatico Richiami di tableaux proposizionali Richiami di logica e deduzione proposizionale Ragionamento Automatico Richiami di tableaux proposizionali (L. Carlucci Aiello & F. Pirri: SLL, Cap. 5) La logica proposizionale I tableau proposizionali

Dettagli

Logica per la Programmazione

Logica per la Programmazione Logica del Primo Ordine: Motivazioni, Sintassi e Interpretazioni Logica per la Programmazione Lezione 8 Modelli, Formule Valide, Conseguenza Logica Proof Systems Regole di inferenza per Calcolo Proposizionale

Dettagli

Luca Costabile Esercizi di Logica Matematica Dispensa Calcolo Proposizionale 1

Luca Costabile Esercizi di Logica Matematica Dispensa Calcolo Proposizionale 1 Luca Costabile Esercizi di Logica Matematica Dispensa Calcolo Proposizionale 1 Esercizio 1.12 Per dimostrare che per ogni funzione esiste una formula in cui compaiono le variabili tale che la corrispondente

Dettagli

{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )

{ } 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

Dettagli

Probabilità: teoremi e distribuzioni

Probabilità: 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

Dettagli

Logica per la Programmazione

Logica per la Programmazione Logica del Primo Ordine: Motivazioni, Sintassi e Interpretazioni Logica per la Programmazione Lezione 1 Calcolo Proposizionale: sintassi e semantica Tautologie Esempi di Formalizzazione di Enunciati pag.

Dettagli

1. equivalenze e implicazioni logiche. Esercizio 1.2. Trovare le implicazioni che legano i seguenti enunciati (x, y R):

1. equivalenze e implicazioni logiche. Esercizio 1.2. Trovare le implicazioni che legano i seguenti enunciati (x, y R): . equivalenze e implicazioni logiche Esercizio.. Trovare le implicazioni che legano i seguenti enunciati (x, y R): () x < y, () x = y, () x y, () x y, () (x y) > 0. Osserviamo subito che (x y) > 0 equivale

Dettagli

Esercitazioni per il corso di Logica Matematica

Esercitazioni per il corso di Logica Matematica Esercitazioni per il corso di Logica Matematica Luca Motto Ros 02 marzo 2005 Nota importante. Queste pagine contengono appunti personali dell esercitatore e sono messe a disposizione nel caso possano risultare

Dettagli

ESERCITAZIONE 5: PROBABILITÀ DISCRETA

ESERCITAZIONE 5: PROBABILITÀ DISCRETA ESERCITAZIONE 5: PROBABILITÀ DISCRETA e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: Martedi 16-18 Dipartimento di Matematica, piano terra, studio 126 6 Novembre 2012 Esercizi 1-2

Dettagli

Note di Teoria della Probabilità.

Note di Teoria della Probabilità. Note di Teoria della Probabilità. In queste brevi note, si richiameranno alcuni risultati di Teoria della Probabilità, riguardanti le conseguenze elementari delle definizioni di probabilità e σ-algebra.

Dettagli

CP210 Introduzione alla Probabilità: Esonero 1

CP210 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

Dettagli

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere

Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.

Dettagli

Esercitazioni Informatica A. M. M. Bersani

Esercitazioni Informatica A. M. M. Bersani Esercitazioni Informatica A M. M. Bersani A.A. 2012/2013 Codifiche Scriviamo n b per intendere il numero n rappresentato in base 2, se b = 2, in base 10, se b = 10, e C2 se b = C2. L operatore mod è un

Dettagli

Materiale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI

Materiale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI Materiale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI Claudia Furlan 1 Anno Accademico 2006-2007 1 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte

Dettagli

CALCOLO PROPOSIZIONALE

CALCOLO PROPOSIZIONALE CALCOLO PROPOSIZIONALE UN PROBLEMA DI DEDUZIONE LOGICA (da un test d ingresso) Tre amici, Antonio, Bruno e Corrado, sono incerti se andare al cinema. Si sa che: Se Corrado va al cinema, allora ci va anche

Dettagli

Esercizi su variabili aleatorie discrete

Esercizi su variabili aleatorie discrete Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare

Dettagli

Esercizi di Logica Matematica

Esercizi di Logica Matematica Esercizi di Logica Matematica Francesco Bottacin 1 Logica Proposizionale Esercizio 1.1. Eliminare le parentesi non necessarie nelle seguenti formule: 1. ((A B) ( C)) 2. (A (B ( C))) 3. ((A B) (C D)) 4.

Dettagli

Elementi di Algebra e Logica Determinare la tavola della verità di ciascuna delle seguenti forme proposizionali:

Elementi di Algebra e Logica Determinare la tavola della verità di ciascuna delle seguenti forme proposizionali: Elementi di Algebra e Logica 2008. 8. Logica. 1. Determinare la tavola della verità di ciascuna delle seguenti forme proposizionali: (a) p ( q r); (b) p (q r); (c) (p q) ( p r); (d) (p q) ( p r); (e) (p

Dettagli

Calcolo della probabilità

Calcolo della probabilità Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.

Dettagli

Operazioni logiche e trasformazioni aritmetiche

Operazioni logiche e trasformazioni aritmetiche Operazioni logiche e trasformazioni aritmetiche Ogni operazione logica, ovvero ognuno dei connettivi che conosciamo (,,, aut, ) può esser pensato come una funzione matematica che agisce sul sistema numerico

Dettagli

Logica per la Programmazione

Logica per la Programmazione Logica del Primo Ordine: Motivazioni, Sintassi e Interpretazioni Logica per la Programmazione Lezione 7 Formule Valide, Conseguenza Logica Proof System per la Logica del Primo Ordine Leggi per i Quantificatori

Dettagli

Calcolo delle Probabilità

Calcolo 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

Dettagli

Ragionamento formalei. Ragionamento formale

Ragionamento formalei. Ragionamento formale Ragionamento formale La necessità e l importanza di comprendere le basi del ragionamento formale, utilizzato in matematica per dimostrare teoremi all interno di teorie, è in generale un argomento piuttosto

Dettagli

Dispensa su. Funzioni Booleane. Jianyi Lin Università degli Studi di Milano

Dispensa su. Funzioni Booleane. Jianyi Lin Università degli Studi di Milano Dispensa su Funzioni Booleane Jianyi Lin Università degli Studi di Milano jianyi.lin@unimi.it 18 novembre 2011 1 Operazioni booleane In questa sezione introduciamo il concetto di funzione booleana e accenniamo

Dettagli

Esercizi. 2. [Conteggio diretto] Due dadi vengono lanciati in successione. a) Qual è la probabilità che la somma dei due risultati faccia 7?

Esercizi. 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

Dettagli

ELEMENTI DI LOGICA MATEMATICA LEZIONE VII

ELEMENTI DI LOGICA MATEMATICA LEZIONE VII ELEMENTI DI LOGICA MATEMATICA LEZIONE VII MAURO DI NASSO In questa lezione introdurremo i numeri naturali, che sono forse gli oggetti matematici più importanti della matematica. Poiché stiamo lavorando

Dettagli

Modelli probabilistici variabili casuali

Modelli probabilistici variabili casuali Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi

Dettagli

Fondamenti di Informatica 2

Fondamenti di Informatica 2 Fondamenti di Informatica 2 Linguaggi e Complessità : Lezione 1 Corso Fondamenti di Informatica 2 Marco Schaerf, 2009-2010 Linguaggi e Complessità : Lezione 1 1 Logica proposizionale Linguaggio matematico

Dettagli

LOGICA DEL PRIMO ORDINE: PROOF SYSTEM. Corso di Logica per la Programmazione A.A. 2013/14 Andrea Corradini

LOGICA DEL PRIMO ORDINE: PROOF SYSTEM. Corso di Logica per la Programmazione A.A. 2013/14 Andrea Corradini LOGICA DEL PRIMO ORDINE: PROOF SYSTEM Corso di Logica per la Programmazione A.A. 2013/14 Andrea Corradini LOGICA DEL PRIMO ORDINE: RIASSUNTO Sintassi: grammatica libera da contesto (BNF), parametrica rispetto

Dettagli

UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE

UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE TAVOLE DI VERITÀ, COLETEZZA VERO-FUNZIONALE Esercizio 1. Calcola le tavole

Dettagli

8. Completamento di uno spazio di misura.

8. Completamento di uno spazio di misura. 8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme

Dettagli

FENOMENI CASUALI. fenomeni casuali

FENOMENI CASUALI. fenomeni casuali PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI

Dettagli

Al fine di catturare matematicamente la nozione di conseguenza logica introduciamo i concetti fondamentali di modello e soddisfacibilità.

Al fine di catturare matematicamente la nozione di conseguenza logica introduciamo i concetti fondamentali di modello e soddisfacibilità. ELEMENTI DI LOGICA PROBABILISTICA 15 2.3. Conseguenza logica. 7 Le condizioni di verità, unite ai principi semantici fondamentali che le sottendono, ci permettono di decidere, per ogni 2EL, quale tra 0

Dettagli

Elementi di Calcolo delle probabilità

Elementi di Calcolo delle probabilità Elementi di Calcolo delle probabilità Docente: Francesca Benanti 13 Dicembre 2007 1 Definizioni di Probabilità La teoria della probabilità è quella parte della matematica che, sulla base delle informazioni

Dettagli

) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,

) 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

Piccolo teorema di Fermat

Piccolo teorema di Fermat Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod p). Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod

Dettagli

Corso di Matematica I - Anno

Corso di Matematica I - Anno Soluzioni Corso di Matematica I - Anno 00-03 1. Si dimostra facilmente l identità (X Y ) Z = (X Z) (Y Z). Quindi si ottiene: A (B C) = A [(B C) (B B c )] = A [B (C (B B c ))] = A [B (C B c )] = (A B) (A

Dettagli

Calcolo delle Probabilità e Statistica. Test di verifica - 05/04/2005

Calcolo 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.

Dettagli

Laurea 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 - 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

Dettagli

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5.

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 5. Esercizio 5.1. Determinare le ultime tre cifre di n = 13 1625. (Suggerimento. Sfruttare il Teorema di Eulero-Fermat)

Dettagli

CALCOLO PROPOSIZIONALE. Corso di Logica per la Programmazione Andrea Corradini

CALCOLO PROPOSIZIONALE. Corso di Logica per la Programmazione Andrea Corradini CALCOLO PROPOSIZIONALE Corso di Logica per la Programmazione Andrea Corradini andrea@di.unipi.it UN PROBLEMA DI DEDUZIONE LOGICA (da un test d ingresso) Tre amici, Antonio, Bruno e Corrado, sono incerti

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità

Esercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@u niroma1.it Probabilità Esercizio 1. Un esperimento casuale consiste nel lanciare tre volte una moneta. Si determini lo spazio campionario

Dettagli

8 Derivati dell entropia

8 Derivati dell entropia (F1X) Teoria dell Informazione e della Trasmissione 8 Derivati dell entropia Docente: Nicolò Cesa-Bianchi versione 23 marzo 2016 Siano X e Y due variabili casuali con valori in insiemi finiti X e Y. Detta

Dettagli

Cognome Nome Matricola. Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale

Cognome 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:

Dettagli

ax 1 + bx 2 + c = 0, r : 2x 1 3x = 0.

ax 1 + bx 2 + c = 0, r : 2x 1 3x = 0. . Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione

Dettagli

CAPITOLO SECONDO APPLICAZIONI TRA INSIEMI E RELAZIONI DI EQUIVALENZA

CAPITOLO SECONDO APPLICAZIONI TRA INSIEMI E RELAZIONI DI EQUIVALENZA CAPITOLO SECONDO APPLICAZIONI TRA INSIEMI E RELAZIONI DI EQUIVALENZA 1 Applicazioni tra insiemi Siano A, insiemi. Una corrispondenza tra A e è un qualsiasi sottoinsieme del prodotto cartesiano A ; Se D

Dettagli

5 di tutti i possibili risultati relativi a un determinato esperimento si chiama spazio probabilistico

5 di tutti i possibili risultati relativi a un determinato esperimento si chiama spazio probabilistico Gli eventi Torniamo ora a occuparci degli eventi. Qualunque sia la concezione utilizzata per determinare la probabilità di un evento, si lavora all'interno di un insieme determinato di casi possibili.

Dettagli

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango

Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof. Fabio Perroni. 5. Rango Corso di GEOMETRIA Dipartimento di Ingegneria ed Architettura Università degli Studi di Trieste Prof Fabio Perroni 5 Rango Definizione 1 Sia A M m,n (K) una matrice m n a coefficienti nel campo K Il rango

Dettagli

Prova scritta di Matematica Discreta e Logica del giorno 3 luglio 2017 Soluzione degli esercizi FILA D

Prova scritta di Matematica Discreta e Logica del giorno 3 luglio 2017 Soluzione degli esercizi FILA D ˆ ˆ ƒˆ ˆ ƒ ˆ ˆ Œ ˆ.. 2016-2017 Prova scritta di Matematica Discreta e Logica del giorno 3 luglio 2017 Soluzione degli esercizi FILA D Esercizio 1 Nell insieme delle coppie ordinate di numeri naturali,

Dettagli

Trasformazione di Problemi Non Lineari

Trasformazione di Problemi Non Lineari Capitolo 2 Trasformazione di Problemi Non Lineari 2.1 Trasformazione in problema di PL In questa sezione, verranno presentati tre classi di problemi di programmazione non lineare che, attraverso l uso

Dettagli

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4.

A.A CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4. A.A. 2015-2016. CORSO DI ALGEBRA 1. PROFF. P. PIAZZA, E. SPINELLI. SOLUZIONE ESERCIZI FOGLIO 4. Esercizio 4. 1. Data una coppia a, b N, consideriamo la loro fattorizzazione in primi. Esprimere in termini

Dettagli

CALCOLO PROPOSIZIONALE: CENNI

CALCOLO PROPOSIZIONALE: CENNI CALCOLO PROPOSIZIONALE: CENNI Francesca Levi Dipartimento di Informatica February 26, 2016 F.Levi Dip.to Informatica Informatica per le Scienze Umane a.a. 15/16 pag. 1 La Logica La logica è la disciplina

Dettagli

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 4 a.a Soluzioni

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 4 a.a Soluzioni Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 4 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 5.2, 5.3

Dettagli

ELEMENTI DI LOGICA PROBABILISTICA. Indice

ELEMENTI DI LOGICA PROBABILISTICA. Indice ELEMENTI DI LOGICA PROBABILISTICA HYKEL HOSNI Indice 1. Introduzione 2 2. La logica degli eventi 2 2.1. Linguaggio, connettivi ed enunciati 3 2.1.1. Connettivi proposizionali 4 2.1.2. Gli enunciati di

Dettagli

Introduzione al Calcolo delle Probabilità

Introduzione al Calcolo delle Probabilità Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto

Dettagli

Prima prova in itinere per Matematica Discreta e Logica primo appello FILA A

Prima prova in itinere per Matematica Discreta e Logica primo appello FILA A ˆ ˆ ƒˆ ˆ ƒ ˆ ˆ Œ ˆ.. 2018-2019 Prima prova in itinere per Matematica Discreta e Logica primo appello 28.1.2019 FILA A Esercizio 1 Siano :;

Dettagli

Test di preparazione all esame. Attenzione a non confonedere il coefficiente. n(n 1) (n m + 1) m(m 1) 2 1

Test di preparazione all esame. Attenzione a non confonedere il coefficiente. n(n 1) (n m + 1) m(m 1) 2 1 Test di preparazione all esame. Attenzione a non confonedere il coefficiente binomiale ( ) n m con la frazione n m. I coefficiente binomiale si può calcolare come ( ) n m = n(n 1) (n m + 1). m(m 1) 2 1

Dettagli

SOLUZIONI DEL 2 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA

SOLUZIONI 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

Dettagli

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.

I. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ. ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio

Dettagli

METODI MATEMATICI PER L INFORMATICA

METODI MATEMATICI PER L INFORMATICA METODI MATEMATICI PER L INFORMATICA ANNO ACCADEMICO 2011/2012 Sommario. Sintassi e semantica della Logica dei predicati. Proprietà fondamentali dei quantificatori. Strutture, soddisfacibilità e verità

Dettagli

MATEMATICA. a.a. 2014/15

MATEMATICA. a.a. 2014/15 MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI

Dettagli

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 2 a.a Soluzioni Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 2 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.5, 3.6,

Dettagli

CP110 Probabilità: Esonero 2. Testo e soluzione

CP110 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

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria e Topologia I (U1-4) 2006-mag-10 61 Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca

Dettagli

IL TEOREMA FONDAMENTALE DELL ARITMETICA: DIMOSTRAZIONE VELOCE.

IL TEOREMA FONDAMENTALE DELL ARITMETICA: DIMOSTRAZIONE VELOCE. IL TEOREMA FONDAMENTALE DELL ARITMETICA: DIMOSTRAZIONE VELOCE. PH. ELLIA Indice Introduzione 1 1. Divisori di un numero. 1 2. Il Teorema Fondamentale dell Aritmetica. 2 3. L insieme dei numeri primi è

Dettagli

Esercizi di Probabilità - Matematica Applicata a. a aprile 2014

Esercizi 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

Dettagli

Matematica e Statistica per STB A.A. 2017/2018. Soluzioni degli esercizi - Foglio 1

Matematica e Statistica per STB A.A. 2017/2018. Soluzioni degli esercizi - Foglio 1 Matematica e Statistica per STB A.A. 017/018 Soluzioni degli esercizi - Foglio 1 1. B = 0. a Lo spazio dei campioni associato all esperimento è il prodotto cartesiano Ω = Ω 1 Ω. dove Ω 1 = {1,,, 4, 5,

Dettagli

Introduzione al calcolo delle probabilità

Introduzione al calcolo delle probabilità Introduzione al calcolo delle probabilità venti certi, impossibili, aleatori Supponiamo di lanciare un dado e consideriamo i seguenti eventi : ={ esce un numero compreso tra e 6 (estremi inclusi) } 2 ={

Dettagli

Esercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3

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

Dettagli

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 1 a.a Soluzioni

Corso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 1 a.a Soluzioni Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 1 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.1, 3.2,

Dettagli

CP110 Probabilità: Esame 4 luglio Testo e soluzione

CP110 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

Dettagli

Seconda lezione. Dipartimento di Matematica Università di Salerno

Seconda lezione. Dipartimento di Matematica Università di Salerno Algebra della Logica Seconda lezione Dipartimento di Matematica Università di Salerno http://logica.dmi.unisa.it/lucaspada Scuola AILA 2017 Palazzo Feltrinelli, Gargnano, 20 26 agosto 2017. Completezza

Dettagli

Equidistribuzione su un insieme finito

Equidistribuzione 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,

Dettagli

p(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,

p(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n, 1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato

Dettagli

FUNZIONI BOOLEANE. Vero Falso

FUNZIONI BOOLEANE. Vero Falso FUNZIONI BOOLEANE Le funzioni booleane prendono il nome da Boole, un matematico che introdusse un formalismo che opera su variabili (dette variabili booleane o variabili logiche o asserzioni) che possono

Dettagli

a + 2b + c 3d = 0, a + c d = 0 c d

a + 2b + c 3d = 0, a + c d = 0 c d SPAZI VETTORIALI 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x,

Dettagli

Numero Aleatorio Semplice

Numero Aleatorio Semplice Numero Aleatorio Semplice Dati n eventi E 1,E 2,,E n ed n numeri reali 1, 2,, n si definisce numero aleatorio semplice la seguente quantità: X = 1 E 1 + 2 E 2 + + n E n (45) Al variare in tutti i modi

Dettagli

Elettromagnetismo. Prof. Francesco Ragusa Università degli Studi di Milano. Lezione n

Elettromagnetismo. Prof. Francesco Ragusa Università degli Studi di Milano. Lezione n Elettromagnetismo Prof. Francesco Ragusa Università degli Studi di Milano Lezione n. 10 2.11.2016 Equazione di Poisson Metodo delle cariche immagine Anno Accademico 2016/2017 Equazione di Poisson Tramite

Dettagli

Note introduttive alla probabilitá e alla statistica

Note introduttive alla probabilitá e alla statistica Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello

Dettagli

incompatibili compatibili complementari eventi composti probabilità composta

incompatibili compatibili complementari eventi composti probabilità composta Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il

Dettagli

CP110 Probabilità: Esonero 2

CP110 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

LOGICA MATEMATICA PER INFORMATICA

LOGICA MATEMATICA PER INFORMATICA LOGICA MATEMATICA PER INFORMATICA A.A. 10/11, SETTIMANA N. 1 Sommario. Introduciamo il linguaggio e la sintassi e la semantica della Logica del I Ordine. Introduciamo i concetti di teoria, teoria completa,

Dettagli

Logica Proposizionale

Logica Proposizionale Intelligenza rtificiale I Logica Proposizionale Introduzione Marco Piastra Intelligenza rtificiale I -.. 28-29 29 Introduzione al corso ] lgebre di Boole Definizione Una collezione di oggetti X su cui

Dettagli

IL CALCOLO DELLE PROBABILITA

IL CALCOLO DELLE PROBABILITA IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,

Dettagli

LeLing12: Ancora sui determinanti.

LeLing12: Ancora sui determinanti. LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling

Dettagli

P(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =

P(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

Dettagli

Esercitazione del 04/06/2015 Probabilità e Statistica Foglio 14

Esercitazione 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

Dettagli

1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.

1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di

Dettagli

r 2 r 2 2r 1 r 4 r 4 r 1

r 2 r 2 2r 1 r 4 r 4 r 1 SPAZI R n 1. Esercizi Esercizio 1. Stabilire quali dei seguenti sottoinsiemi sono sottospazi: V 1 = {(x, y, z) R 3 /x = y = z} V = {(x, y, z) R 3 /x = 4} V 3 = {(x, y, z) R 3 /z = x } V 4 = {(x, y, z)

Dettagli

Istituzioni di Logica Matematica

Istituzioni di Logica Matematica Istituzioni di Logica Matematica Sezione 12 del Capitolo 3 Alessandro Andretta Dipartimento di Matematica Università di Torino A. Andretta (Torino) Istituzioni di Logica Matematica AA 2013 2014 1 / 25

Dettagli

Esempi di spazi di probabilità

Esempi di spazi di probabilità Esempi di spazi di probabilità Luca La Rocca 1 ottobre 2018 Se lanciamo una moneta e osserviamo la faccia che mostra quando atterra, supponendo senz altro che il lancio vada a buon fine, possiamo prendere

Dettagli

Se con e indichiamo l elemento neutro di in G, e deve appartenere ad H.

Se con e indichiamo l elemento neutro di in G, e deve appartenere ad H. Abbiamo visto a lezione che una sottoalgebra B di un algebra A è identificabile con l immagine di un omomorfismo iniettivo a valori in A. Una sottoalgebra B di A è in particolare un sottoinsieme non vuoto

Dettagli

Lezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016

Lezione 1. 1 Probabilità e statistica. 2 Definizioni di probabilità. Statistica e analisi dei dati Data: 22 Febbraio 2016 Statistica e analisi dei dati Data: 22 Febbraio 2016 Lezione 1 Docente: Prof. Giuseppe Boccignone Scriba: Nicolò Pisaroni 1 Probabilità e statistica Probabilità: Un modello probabilistico é una descrizione

Dettagli

RISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine

RISOLUZIONE IN LOGICA PROPOSIZIONALE. Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine RISOLUZIONE IN LOGICA PROPOSIZIONALE Giovanna D Agostino Dipartimento di Matemaica e Informatica, Università di Udine 1. Risoluzione Definitione 1.1. Un letterale l è una variabile proposizionale (letterale

Dettagli