Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Prova scritta
|
|
- Michelangelo Salvadori
- 5 anni fa
- Visualizzazioni
Transcript
1 Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA A.A. 2017/18 - Prova scritta La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema 1 Molte compagnie aeree praticano il cosiddetto overbooking, ossia vendono un numero maggiore di biglietti rispetto ai posti effettivamente disponibili, sfruttando il fatto che spesso non tutti i passeggeri si presentano. Analizziamo questa pratica con un semplice modello, in cui la compagnia ha venduto n biglietti e i posti a sedere disponibili sono al massimo 100. Inoltre supponiamo che ciascun possessore di biglietto si presenti al gate con probabilità p (0, 1, indipendentemente dagli altri passeggeri (supponiamo che n, p siano parametri noti e fissati. 1. Determinare la legge, il valore atteso e la varianza della variabile aleatoria X = numero di passeggeri che si presenta al gate, in funzione dei parametri n e p. 2. Esprimere (in funzione del parametro p la probabilità che almeno un passeggero resti a terra, nei due casi n = 101 ed n = 102. Si mostri che la probabilità è sempre maggiore nel secondo caso. 3. Supponiamo che ciascun biglietto costi 100 e, mentre per ciascun passeggero che rimane a terra la compagnia debba rimborsare subito 300 e (ossia perda 200 e. Si esprima, in funzione del parametro p, il valore atteso della variabile aleatoria G = incasso netto alla partenza del volo sia nel caso n = 100 sia nel caso n = 101. Mostrare che per alcuni valori di p (0, 1 tale valore atteso è maggiore nel secondo caso. 1. Poiché n e p sono parametri noti e fissati, la variabile aleatoria X rappresenta il numero di successi (dove successo significa che il passeggero si presenta in n esperimenti indipendenti. Abbiamo quindi che X è Bin(n, p e quindi E [X Ω] = np, Var (X Ω = np(1 p. 2. Si tratta di calcolare P (X > 100 Ω in entrambi i casi. Nel caso n = 101, abbiamo P (X > 100 Ω = P (X = 101 Ω = p 101. Nel secondo caso invece P (X > 100 Ω = P (X = 101 Ω + P (X = 102 Ω = 102p 101 (1 p + p 102. Pag. 1
2 Poiché 102p 101 (1 p + p 102 > p p 101 > 101p > p, segue che la probabilità è sempre maggiore nel secondo caso. 3. Nel caso n = 100, abbiamo semplicemente che E [G Ω] = Nel caso n = 101, scriviamo G usando la variabile X del punto 1: { 100n se X 100, G = 100n 300(X 100 se X > 100. E [G Ω] = E [G X 100] P (X E [G X = 101] P (X = 101 = E [G X 100] P (X E [G X = 101] P (X = 101 = (1 P (X = ( P (X = 101 = p 101, avendo usato il punto precedente. Si ha che è soddisfatta per p < 1/3 1/ p 101 > p 101 < 1 3, Problema 2 Si consideri una catena di Markov (X 1, X 2 avente insieme degli stati { 1, 1} e tempi {1, 2}, con matrice di transizione rappresentata graficamente in figura. Si supponga inoltre che la catena sia stazionaria. Sia inoltre Z una variabile aleatoria avente legge Gaussiana N (0, 1, non soltanto rispetto all informazione iniziale Ω ma anche rispetto a qualunque informazione del tipo {X 1 = n 1, X 2 = n 2 }, per ogni (n 1, n 2 { 1, 1} 2 (ossia, Z è Gaussiana indipendente dalla catena di Markov. 3/ /2 1. Scrivere la matrice di transizione Q (completare le probabilità mancanti e calcolarne tutte le distribuzioni invarianti. Calcolare la varianza di X 1, X 2 e la covarianza tra X 1 e X Calcolare valore atteso e varianza di X 1 Z. 3. Supponendo di osservare X 2 = 1, calcolare il valore atteso e la varianza della variabile X 1 Z. La varianza aumenta, diminuisce o rimane invariata (rispetto a quella calcolata con l informazione iniziale Ω? 4. (facoltativo La variabile X 1 Z è Gaussiana? Pag. 2
3 1. Troviamo ( 3/4 1/4 Q = 1/2 1/2 Q τ Id =, ( 1/4 1/2 1/4 1/2 da cui troviamo che tutti gli autovettori sono della forma (2s, s, per s R. Imponendo che la somma sia 1, si trova l unica distribuzione invariante µ = ( 2 3, 1 3. Poiché la catena è stazionaria, valore atteso e varianza di X 1 coincidono con quelli di X 2. Calcoliamo Infine calcoliamo E [X 1 Ω] = = 1 3, Var (X 1 Ω = E [ X 2 1 Ω ] 1 9 = 8 9. E [X 1 X 2 Ω] = E [X 1 X 2 X 1 = 1] P (X 1 = 1 + E [X 1 X 2 X 1 = 1] P (X 1 = 1 = 2 3 E [X 2 X 1 = 1] E [X 2 X 1 = 1] = 2 ( ( = 1 3 Poiché Cov (X 1, X 2 Ω = E [X 1 X 2 Ω] E [X 1 Ω] E [X 2 Ω], ne segue che la covarianza vale 2/9. 2. Calcoliamo E [X 1 Z Ω] = E [Z X 1 = 1] P (X 1 = 1 + E [Z X 1 = 1] P (X 1 = 1 = 0 perché Z è Gaussiana indipendente da X 1 ; similmente, E [ (X 1 Z 2 Ω ] = E [ Z 2 X 1 = 1 ] P (X 1 = 1 + E [ Z 2 X 1 = 1 ] P (X 1 = 1 = P (X 1 = 1 + P (X 1 = 1 da cui la varianza di X 1 Z vale Ripetiamo gli stessi calcoli, stavolta rispetto all informazione X 2 = 1. Si ha E [X 1 Z X 2 = 1] = E [X 1 Z X 1 = 1, X 2 = 1] P (X 1 = 1 X 2 = 1 + E [X 1 Z X 1 = 1, X 2 = 1] P (X 1 = 1 X 2 = 1 = E [Z X 1 = 1, X 2 = 1] P (X 1 = 1 X 2 = 1 + E [Z X 1 = 1, X 2 = 1] P (X 1 = 1 X 2 = 1 = 0. Pag. 3
4 Similmente Var (X 1 Z X 2 = 1 = E [ (X 1 Z 2 X 2 = 1 ] pertanto rimane invariata. 4. Per ogni u R, = E [ (X 1 Z 2 X 1 = 1, X 2 = 1 ] P (X 1 = 1 X 2 = 1 + E [ (X 1 Z 2 X 1 = 1, X 2 = 1 ] P (X 1 = 1 X 2 = 1 = E [ Z 2 X 1 = 1, X 2 = 1 ] P (X 1 = 1 X 2 = 1 + E [ Z 2 X 1 = 1, X 2 = 1 ] P (X 1 = 1 X 2 = 1 = P (X 1 = 1 X 2 = 1 + P (X 1 = 1 X 2 = 1 = 1 ϱ(x 1 Z = u Ω = ϱ(x 1 Z = u X 1 = 1P (X 1 = 1 + ϱ(x 1 Z = u X 1 = 1P (X 1 = 1 = ϱ(z = u X 1 = 1P (X 1 = 1 + ϱ(z = u X 1 = 1P (X 1 = 1 = exp ( ( u2 1 P (X 1 = 1 + exp ( u2 1 P (X 1 = 1 2 2π 2 2π = exp ( u π Quindi X 1 Z ha legge normale standard. Problema 3 Sia N {0, 1, 2} una variabile aleatoria con legge uniforme (discreta e sia X [0, 1] una variabile aleatoria continua avente densità ϱ(x = x Ω {N = n} = (n + 1 x n per ogni x [0, 1], n {0, 1, 2}. 1. Calcolare E [X Ω] e Var (X Ω. 2. Supponendo di osservare { X > 2} 1, come cambia la legge di N? 3. Per ogni x (0, 1, dire come cambia la legge di N supponendo di osservare {X = x}. Discutere in particolare quale dei tre eventi ({N = n} n=0,1,2 è più probabile. 1. Calcoliamo Di conseguenza E [X N = n] = E [ X 2 N = n ] = E [X Ω] = x (n + 1 x n dx = n + 1 n + 2, x 2 (n + 1 x n dx = n + 1 n = , Pag. 4
5 e quindi E [ X 2 Ω ] = 1 3 Var (X Ω = = , ( Calcoliamo Di conseguenza P (X > 1/2 N = n = 1/2 P (X > 1/2 Ω = 1 3 e tramite formula di Bayes abbiamo P (N = n X > 1/2 = In particolare è più probabile che sia N = 2. (n + 1 x n dx = n , 8 ( n+1 / Usiamo la formula di Bayes, caso continuo/discreto: ϱ(x = x N = n P (N = n X = x = P (N = n Ω ϱ(x = x Ω (n + 1xn = 1 + 2x + 3x 2. Poiché il denominatore è lo stesso, basta capire al variare di x (0, 1 quale tra le tre funzioni 1 2x 3x 2 è maggiore (o uguale delle altre. Troviamo che per x (0, 1/2] è maggiore la prima (quindi {N = 0} è il più probabile, per x [1/2, 2/3] è maggiore la seconda (quindi {N = 1} è il più probabile mentre per x [2/3, 1 è maggiore la terza. Pag. 5
VARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
Dettagli1 Portofoglio autofinanziante
1 Portofoglio autofinanziante Supponiamo che l evoluzione del titolo A 1 sia S 1 t) e l evoluzione del titolo A sia S t). Supponiamo che al tempo 0 io abbia una somma X0) che voglio investire parte in
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
Dettaglimetodi matematici per l ingegneria prove scritte d esame 1 Indice
metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliLa Funzione Caratteristica di una Variabile Aleatoria
La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
DettagliComputazione per l interazione naturale: Modelli dinamici
Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliOFFERTA DI LAVORO. p * C = M + w * L
1 OFFERTA DI LAVORO Supponiamo che il consumatore abbia inizialmente un reddito monetario M, sia che lavori o no: potrebbe trattarsi di un reddito da investimenti, di donazioni familiari, o altro. Definiamo
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliOfferta in concorrenza perfetta: Cap.6
Offerta in concorrenza perfetta: il lato dei costi Cap.6 Curva di offerta Per capire meglio le origini della curva di offerta consideriamo ora una impresa che debba decidere quale livello di produzione
DettagliEsercizi di Matematica Finanziaria
Università degli Studi di Siena Facoltà di Economia Esercizi di Matematica Finanziaria relativi ai capitoli V-X del testo Claudio Pacati a.a. 1998 99 c Claudio Pacati tutti i diritti riservati. Il presente
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliRichiami di teoria della probabilitá e Modelli Grafici
Modelli di computazione affettiva e comportamentale Data: 23 Aprile 2010 Richiami di teoria della probabilitá e Modelli Grafici Docente: Prof. Giuseppe Boccignone Scriba: Matteo Battistini 1 Richiami di
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Quantizzazione Il segnale y(t) non solo è campionato sull asse dei tempi, ma anche i valori di ordinata sono
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliFISICA Corso di laurea in Informatica e Informatica applicata
FISICA Corso di laurea in Informatica e Informatica applicata I semestre AA 2004-2005 G. Carapella Generalita Programma di massima Testi di riferimento Halliday Resnick Walker CEA Resnick Halliday Krane
DettagliProcessi stocastici. variabile casuale: funzione da uno spazio campione S a valori nello spazio E R X(t) : S E. spazio degli stati del processo
Processi stocastici Processo stocastico: famiglia di variabili casuali {X(t) t T} definite su uno spazio di probabilità indiciate dal parametro t (tempo) X(t) variabile casuale: funzione da uno spazio
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST 1 Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: analisi
Dettagli1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
.5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo
DettagliA-1403. Descrizione: ruota effetti opzionale con supporto/ optional effects wheel with support/ iprofile FLEX MODIFICHE. Codice assemblato:
Dettagli
La variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliL analisi di sensitività del conto economico
L analisi di sensitività del conto economico Analisi di sensitività In relazione alla combinazione fra costi variabili e costi fissi si configura un diverso profilo di rischio nelle condizioni operative
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
Dettaglix log(x) + 3. f(x) =
Università di Bari, Corso di Laurea in Economia e Commercio Esame di Matematica per l Economia L/Z Dr. G. Taglialatela 03 giugno 05 Traccia dispari Esercizio. Calcolare Esercizio. Calcolare e cos log d
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliCorso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliIl Metodo Scientifico
Unita Naturali Il Metodo Scientifico La Fisica si occupa di descrivere ed interpretare i fenomeni naturali usando il metodo scientifico. Passi del metodo scientifico: Schematizzazione: modello semplificato
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliIndice. Notazioni generali
Indice Notazioni generali XIII 1 Derivati e arbitraggi 1 1.1 Opzioni 1 1.1.1 Finalità 3 1.1.2 Problemi 4 1.1.3 Leggi di capitalizzazione 4 1.1.4 Arbitraggi e formula di Put-Call Parity 5 1.2 Prezzo neutrale
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliSTATISTICA PER L INNOVAZIONE
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 TRASFORMAZIONI DI VARIABILI ALEATORIE TVE: Gumel dei valori minimi
Dettaglidell affidabilità strutturale
Metodiprobabilisticiper per lavalutazione dell affidabilità strutturale Obiettivo dell esercitazione: acquisire le conoscenze necessarie per applicare i metodi probabilistici (livello III, II e semi probabilistico)
Dettagli1 Valore atteso o media
1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è
DettagliIN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
IN MATLAB distribuzione di frequenza 2-1 4. Usare la function histc(dati,x) 2-2 1. Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione;
DettagliCalcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo
Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it
DettagliElementi di matematica finanziaria
Elementi di matematica finanziaria 1. Percentuale Si dice percentuale di una somma di denaro o di un altra grandezza, una parte di questa, calcolata in base ad un tanto per cento, che si chiama tasso percentuale.
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 13/1/06 Esercizio 1 Si osserva sperimentalmente, entro certi limiti di approssimazione, che il valore V n di certe azioni, misurato
DettagliIstituto Professionale di Stato per l Industria e l Artigianato Giancarlo Vallauri. Classi I C I G
Esercizi Estivi di Matematica a.s. 0/04 Istituto Professionale di Stato per l Industria e l Artigianato Giancarlo Vallauri Classi I C I G ALUNNO CLASSE Ulteriore ripasso e recupero anche nei siti www.vallauricarpi.it
DettagliEsercizi riassuntivi di probabilità
Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.
DettagliBarriere assorbenti nelle catene di Markov e una loro applicazione al web
Università degli studi di Roma Tre Facoltà di Scienze Matematiche Fisiche e Naturali Corso di Laurea in Matematica Sintesi relativa alla Tesi di Laurea in Matematica di Giulio Simeone Barriere assorbenti
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliESAME 13 Gennaio 2011
ESAME 13 Gennaio 2011 Esercizio 1. Si consideri un operazione finanziaria che ha valore x 0 = 120 in t 0 = 0 e restituisce x 1 = 135 all istante t. Supponendo che l operazione in esame sia soggetta ad
DettagliFederico Lastaria. Analisi e Geometria 2. Integrali multipli. Cambi di variabili. 1/21
Contenuto Integrali doppi. Teorema di Fubini Cambio di variabili: coordinate polari. Cambio di variabili: caso generale. Coordinate sferiche. Federico Lastaria. Analisi e Geometria 2. Integrali multipli.
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliFacoltà di Economia Corso di laurea in Economia Aziendale Statistica Esercitazione 1 - Modulo II
Statistica Esercitazione 1 - Modulo II Esercizio A. Da un mazzo di carte napoletane (composto da 40 carte di cui 28 valori e 12 figure, suddivise in quattro semi di cui due neri e due rossi), vengono estratte
DettagliLe catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet.
Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Dottorato di Ricerca in Statistica e Finanza Quantitativa - XXI Ciclo Sergio Salvino
DettagliESERCIZI DEL CORSO DI INFORMATICA
ESERCIZI DEL CORSO DI INFORMTIC Questa breve raccolta di esercizi vuole mettere in luce alcuni aspetti della prima parte del corso e fornire qualche spunto di riflessione. Il contenuto del materiale seguente
DettagliCorso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete
Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione
DettagliESERCITAZIONE 5 SOLUZIONE:
ESERCITAZIONE 5 1. Supponiamo che le imposte sul lavoro diminuiscano e, di conseguenza, aumenti il salario orario percepito dai lavoratori da w1 a w2. L'aumento del salario fa aumentare il costoopportunità
Dettagli7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine.
Esercizio n. 1 Da un collettivo di 20 individui si è rilevata la seguente distribuzione univariata multipla relativa ai caratteri età, sesso, numero di automobili possedute: unità età sesso n.auto 1 35
Dettagli2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011
2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 5 maggio 007 Varabili aleatorie continue, distribuzioni continue e funzione generatrice di momenti. Esercizio Dimostrare la mancanza di memoria della
DettagliInsegnare relatività. nel XXI secolo
Insegnare relatività nel XXI secolo E s p a n s i o n e d e l l ' U n i v e r s o e l e g g e d i H u b b l e La legge di Hubble Studiando distanze e moto delle galassie si trova che quelle più vicine
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliA = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.
ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliRiconoscere e formalizzare le dipendenze funzionali
Riconoscere e formalizzare le dipendenze funzionali Giorgio Ghelli 25 ottobre 2007 1 Riconoscere e formalizzare le dipendenze funzionali Non sempre è facile indiduare le dipendenze funzionali espresse
DettagliMisura e Valutazione del A. Rischio
- 7 Teoria della Finanza Aziendale Prof. Arturo Capasso A.A. 007-008 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza
DettagliCorso di Probabilità e Statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di Probabilità e Statistica (Prof.ssa L.Morato) Esercizi a cura di: S.Poffe sara.poffe@stat.unipd.it A.A.
DettagliEsercitazione 5 Soluzioni
Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio
DettagliEsercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità David Barbato Questa raccolta comprende sia gli esercizi dell esercitazione del 14 febbraio sia gli esercizi di ricapitolazione sulle
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche 1. Esercizio (1 marzo 211 n.
Dettagli