La probabilità: capire la realtà e prendere decisioni migliori

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "La probabilità: capire la realtà e prendere decisioni migliori"

Transcript

1 Liceo Scientifico Copernico, Prato 14 gennaio 2014 Liceo Classico Michelangiolo, Firenze 10 febbraio 2014 La probabilità: capire la realtà e prendere decisioni migliori Leonardo Grilli local.disia.unifi.it/grilli

2 Il ruolo del caso nella nostra vita: ignorarlo o comprenderlo? Gli esseri umani sono sempre stati affascinati e, contemporaneamente, terrorizzati dal caso. La verità è che, quando entra in gioco il caso, possiamo fuggire, ma non possiamo nasconderci. Moltissimi aspetti della nostra vita sono determinati da eventi che non controlliamo completamente, e l incertezza è ineliminabile. Abbiamo due opzioni: possiamo lasciare che l incertezza prevalga su di noi o possiamo imparare a comprendere il caso. Se optiamo per la seconda soluzione, faremo scelte migliori e impareremo a sfruttare la casualità per i nostri scopi. J.S. Rosenthal, Le regole del caso La probabilità è il concetto chiave per la comprensione del caso Leonardo Grilli (DiSIA) 2

3 La probabilità Probabilità: grado di fiducia che un individuo razionale attribuisce al verificarsi di un evento 0 P(E) 1 per qualsiasi evento E Per assegnare un valore alla probabilità l individuo razionale usa tutte le informazioni disponibili sulla struttura dell esperimento e sulle sue precedenti realizzazioni Vediamo due situazioni in cui vi sono delle semplici regole per determinare il valore della probabilità: Approccio classico Approccio frequentista Certo Impossibile Leonardo Grilli (DiSIA) 3

4 Probabilità: approccio classico Consideriamo un esperimento casuale i cui risultati possibili sono in numero finito ed sono equiprobabili (= stessa probabilità). In questa situazione la probabilità di un evento E è data da PE ( ) Numero di risultati in E Numero di risultati possibili casi favorevoli casi possibili Es. nel lancio di un dado, poniamo A = {Numero pari} = {2,4,6} Assumendo che tutti i punti campione abbiano la stessa probabilità (cioè che il dado sia bilanciato) 3 PA ( ) L assunzione che tutti i punti campione abbiano la stessa probabilità (cioè che il dado sia bilanciato) è cruciale: se è vera il valore 0.5 è ben calcolato, se è falsa il valore 0.5 non va bene. Tuttavia, per verificare la plausibilità di tale assunzione bisogna ripetere più volte l esperimento Leonardo Grilli (DiSIA) 4

5 Probabilità: approccio frequentista Quando si osserva una serie di prove e si assume che le prove siano ripetizioni indipendenti e in identiche condizioni di un certo esperimento aleatorio la probabilità di E è calcolata come Pˆ ( E ) n n n E Numero di prove in cui si è verificato Numero totale di prove E Es. nel lancio di un dado, poniamo A = {Numero pari} = {2,4,6} e supponiamo che l esperimento aleatorio lancio del dado venga ripetuto 50 volte, in 23 delle quali è uscito un numero pari e quindi si è verificato A. Pertanto P(A) = 23/50=0.46. Osservando altre prove la stima si modifica (es. lanciando il dado altre 50 volte l evento A si potrebbe verificare 26 volte e quindi la nuova stima sarebbe (23+26)/(50+50)=0.49. Per fortuna al crescere del numero di prove la stima diventa sempre più precisa e converge ad un valore (in questo esempio, se il dado è bilanciato converge a 0.5) PE ( ) lim Pˆ ( E) n n limite a cui tende la proporzione di prove in cui si verifica E quando il numero di prove tende a infinito Leonardo Grilli (DiSIA) 5

6 Eventi indipendenti e la regola moltiplicativa Il dubbio non è piacevole, ma la certezza è ridicola. Voltaire Leonardo Grilli (DiSIA) 6

7 Moltiplicare le probabilità? La probabilità che due eventi possibili A e B si verifichino entrambi è uguale al prodotto delle singole probabilità se e solo se i due eventi sono indipendenti P(A e B) = P(A) P(B) se e solo se A e B sono indipendenti Due eventi sono indipendenti quando il verificarsi dell uno non modifica la probabilità del verificarsi dell altro. Ad esempio, consideriamo i seguenti eventi: E1 = «indossare calzini a righe» E2 = «arrivare tardi all appuntamento con la fidanzata» E3 = «litigare con la fidanzata» Verosimilmente E1 è indipendente sia da E2 che da E3, mentre E3 non è indipendente da E2! Leonardo Grilli (DiSIA) 7

8 Copie di sicurezza La regola moltiplicativa spiega perché è una buona idea fare più copie dei file Ad es., ho due copie della mia canzone preferita, una sullo smartphone e una sul notebook A = «la copia sullo smartphone va persa» P(A)=1/500 B = «la copia sul notebook va persa» P(B)=1/2000 (la copia può andare persa per vari motivi: file corrotto, dispositivo distrutto o smarrito ) Siccome posso ragionevolmente assumere che i due eventi siano indipendenti, la probabilità che si verifichino entrambi (cioè che la mia canzone preferita vada irrimediabilmente persa) è P(A e B) = P(A) P(B) = 1/500 * 1/2000 = 1/ Ok, posso stare tranquillo! Leonardo Grilli (DiSIA) 8

9 Calcoli errati in tribunale La probabilità svolge un ruolo importante nei processi e talvolta gli avvocati o gli esperti di parte effettuano dei calcoli di probabilità ma a volte si sono verificati errori clamorosi Un caso di errore con conseguenze gravissime è quello di Sally Clark: nel 1999 una corte Britannica condannò Sally Clark per l omicidio dei due suoi bambini morti improvvisamente all età di 11 e 8 settimane per cause ignote Leonardo Grilli (DiSIA) 9

10 Il caso Sally Clark Non furono trovate prove dell omicidio, né una valida motivazione. L accusa sosteneva il soffocamento volontario, la difesa parlava di cause naturali, la cosiddetta sindrome della morte in culla (SIDS) Un pediatra interpellato come esperto affermò che la probabilità che in una famiglia vi siano due casi di morte in culla è di circa 1 su 73 milioni. Infatti dai dati disponibili emerge che in una famiglia come quella di Sally Clark la morte in culla colpisce un bambino ogni 8500, per cui la probabilità è 1/8500 Il pediatra quindi calcolò la probabilità di due morti in culla come 1/8500 per 1/8500 La stima del pediatra venne considerata attendibile e costituì la prova principale per la condanna di Sally Clark Leonardo Grilli (DiSIA) 10

11 Il caso Sally Clark /cont. Come evidenziato dalla Royal Statistical Society, il calcolo del pediatra era completamente errato per almeno due motivi Una seconda «morte in culla» non è indipendente dalla prima perché vi sono cause genetiche (familiarità) è sbagliato moltiplicare a ripetizione la probabilità 1/8500; un altro esperto ha calcolato che in una famiglia in cui si è verificata una «morte in culla» i bambini successivi hanno una probabilità di 1/100 di morire per lo stesso motivo la probabilità di 2 «morti in culla» è 1/8500 *1/100 = 1/ Era stato accertato che il decesso del primo bambino era effettivamente dovuto a cause naturali (non vi erano dubbi), per cui la probabilità rilevante è 1/100 Un primo appello nel 2000 ha confermato la sentenza, ma un secondo appello nel 2003 ha assolto Sally Clark, rilasciata dopo tre anni di carcere questa esperienza ha segnato irrimediabilmente la donna, deceduta nel Leonardo Grilli (DiSIA) 11

12 Coincidenze e raggruppamenti casuali La teoria delle probabilità in fondo non è altro che buon senso ridotto a calcolo. Simon de Laplace Leonardo Grilli (DiSIA) 12

13 Identico primo numero estratto su due ruote del Lotto: quanto è raro? Nell estrazione del gioco del Lotto del 24 dicembre 2013 il numero 57 è uscito, come primo estratto, sulle ruote di Bari e Milano che coincidenza! In realtà non si tratta necessariamente di un evento così raro Infatti, la probabilità dipende dall impostazione del problema: Probabilità che esca 57 come primo estratto sia a Bari che a Milano: 1/90*1/90 = 1/8100 = (l indipendenza tra le estrazioni giustifica la moltiplicazione delle due probabilità) Probabilità che esca lo stesso numero come primo estratto sia a Bari che a Milano: 1/90 = Probabilità che, considerando tutte le 11 ruote, vi siano almeno due primi estratti identici: questa è più difficile, ma non troppo P(almeno due identici) = 1 P(tutti diversi) = = = Tutt altro che raro! 13

14 Stesso giorno di compleanno: un segno del destino? L approccio che abbiamo usato con il gioco del Lotto può essere applicato anche per calcolare la probabilità che alcune persone abbiano il compleanno lo stesso giorno: Probabilità che Tizio e Caio abbiano il compleanno entrambi in un giorno specifico (es. il 13 aprile): 1/365*1/365 = 1/ = Probabilità che Tizio e Caio abbiano il compleanno in un giorno qualunque ma identico : 1/365 = Probabilità che, in un gruppo di 7 persone, ve ne siano almeno due con il compleanno lo stesso giorno: P(su 7 almeno due identici) = 1 P(su 7 tutti diversi) = = = Un evento poco probabile, ma non così raro cosa accade con gruppi più numerosi, es. 50 persone? 14

15 Il problema del compleanno Generalizzando, possiamo calcolare la probabilità che in un gruppo di k persone ve ne siano almeno due con il compleanno lo stesso giorno: P(su kalmeno due identici) = 1 P(su k tuttidiversi) k +1 k prob = La tabella riporta la probabilità per alcuni valori di k Con un gruppo di 23 persone la probabilità di almeno due compleanni identici è di oltre il 50% Con un gruppo di 40 persone la probabilità supera 89% Con un gruppo di 60 persone trovare almeno due compleanni identici è quasi certo! Leonardo Grilli (DiSIA) 15

16 Raggruppamenti casuali Per sparare un punto a caso su una superficie possiamo generare in modo casuale le coordinate (in questo esempio usiamo una distribuzione uniforme tra 0 e 1 sia per la x che per la y) Proviamo a sparare 16 punti: siccome la superficie è divisa in 16 quadratini, ci aspettiamo in media 1 punto per quadratino Leonardo Grilli (DiSIA) 16

17 Raggruppamenti casuali /cont. Questo è il risultato di una estrazione casuale delle coordinate di 16 punti A fronte di un numero atteso di 1 punto per quadratino, osserviamo che la distribuzione dei punti è piuttosto variabile: ad es. vi sono molti quadratini con 0 punti, mentre un quadratino ha addirittura 6 punti! Leonardo Grilli (DiSIA) 17

18 Raggruppamenti casuali /cont. Nel quadratino con 6 punti il rapporto osservati su attesi è 6:1 In questo esempio abbiamo generato i punti a caso e quindi sappiamo che quel rapporto così elevato è solo frutto del caso ma studiando dati reali potremmo concludere che il quadratino con il rapporto 6:1 ha una concentrazione anomala di punti, creando inutile allarme Nei dati reali i quadratini sono aree geografiche e i punti rappresentano eventi registrati in certo intervallo di tempo, ad es. casi di tumore, incidenti stradali, omicidi E compito degli statistici valutare, di volta in volta, se un elevato rapporto osservati su attesi è spiegabile da un raggruppamento casuale oppure se è così grande da indicare una situazione anomala e far scattare l allarme Leonardo Grilli (DiSIA) 18

19 Raggruppamenti casuali /cont. Un raggruppamento casuale genera un rapporto osservati su attesi ancora più impressionante se l area di riferimento viene definita a posteriori, disegnandola attorno al gruppo di punti («effetto cecchino») In questo esempio, l ellisse ha un area pari a circa 1/5 di quadratino rapporto osservati su attesi = 4/(1/5) = 20 Leonardo Grilli (DiSIA) 19

20 Raggruppamenti casuali /cont. Raymond Richard Neutra (Dipartimento della sanità della California) afferma che prendendo in esame un tipico registro dei tumori (una banca dati sui tassi di incidenza locali di dozzine di tumori diversi) per i 5000 distretti della California, ci attendiamo di trovarne 2750 con un incidenza elevata di qualche forma di tumore, statisticamente significativa ma casuale L opinione pubblica è molto allarmata da queste situazioni di incidenza elevata e non ritiene verosimile che siano frutto del caso, per cui i dipartimenti di sanità sono indotti ad avviare molte indagini sulle possibili cause ambientali (es. inquinamento atmosferico, elettromagnetico etc.) che di solito non portano ad alcun risultato convincente Alan Bender (Dipartimento della sanità del Minnesota) afferma che queste indagini «sono un assoluto, totale e completo spreco dei dollari dei contribuenti» Leonardo Grilli (DiSIA) 20

21 Probabilità a priori e a posteriori: come valutare il risultato un test diagnostico? Leonardo Grilli (DiSIA) 21

22 Test diagnostico per la Stupidite Consideriamo una ipotetica malattia chiamata Stupidite che colpisce il 10% della popolazione (prevalenza) Prendiamo una persona a caso dalla popolazione. Se non conosciamo l esito del test diagnostico, la probabilità che abbia la malattia è detta a probabilità a priori (coincide con la prevalenza, in questo caso 10%) Supponiamo di fare la diagnosi usando il test di laboratorio StupiTest. Come tutti i test diagnostici, lo StupiTest è utile ma non è perfetto: Il test viene positivo (cioè, indica presenza di malattia) nel 70% dei soggetti malati (sensibilità del test) nel 20% dei soggetti sani (percentuale di falsi positivi) Leonardo Grilli (DiSIA) 22

23 Gli errori dei test diagnostici Realtà Esito test Positivo ( Malato) Negativo ( Sano) Malato Sano OK sensitività = 70% Falso positivo 1 specificità = 20% Falso negativo 1 sensitività = 30% OK specificità = 80% I due tipi di errore sono ben diversi, sia concettualmente che per le conseguenze! Leonardo Grilli (DiSIA) 23

24 Test diagnostico per la Stupidite /cont. Supponiamo che Tizio abbia effettuato il test, ottenendo un esito positivo: qual è la probabilità che Tizio sia davvero affetto da Stupidite? Dobbiamo calcolare la probabilità a posteriori Prendiamo una persona a caso dalla popolazione. Se sappiamo che ha effettuato il test ed è risultato positivo, la probabilità che abbia la malattia è detta a probabilità a posteriori Quanto vale la probabilità a posteriori? In questa situazione ipotetica, siccome il test è risultato positivo, la probabilità a posteriori deve essere maggiore di quella a priori (10%). E forse uguale alla sensibilità del test (70%)? La risposta si ottiene con la famosa formula di Bayes oppure con il metodo delle frequenze, cioè convertendo le probabilità in frequenze di una ipotetica popolazione vediamo come si applica questo metodo Leonardo Grilli (DiSIA) 24

25 Test diagnostico per la Stupidite /cont. Ricapitoliamo: I soggetti malati sono il 10% Tra i malati, il test viene positivo nel 70% dei casi Tra i sani, il test viene positivo nel 20% dei casi Cosa ci aspettiamo sottoponendo al test 100 soggetti? 10 sono malati e 90 sono sani Tra i 10 malati, il test viene positivo a 7 soggetti Tra i 90 sani, il test viene positivo a 18 soggetti Nel complesso il test viene positivo a 25 soggetti, di cui 7 malati e 18 sani se prendiamo un soggetto a caso tra i 25 che hanno effettuato il test con risultato positivo, la probabilità che sia malato è 7/25 = 28%: questa è la probabilità a posteriori! Prob a priori Prob a posteriori Sensibilità del test = test positivo = test negativo mmmmmmmmmm 0% 10% 28% 70% 100% 25

26 Screening per il cancro al seno: la probabilità stimata dai medici G. Gigerenzer nel libro Quando i numeri ingannano riporta i risultati di un esperimento, condotto negli anni Novanta, in cui ha sottoposto ad alcuni medici tedeschi (2/3 ospedalieri e 1/3 liberi professionisti) il seguente quesito: Per facilitare la diagnosi precoce del cancro al seno le donne, da una certa età in poi, vengono incoraggiate a sottoporsi a intervalli regolari a controlli sistematici, anche se non hanno alcun sintomo conclamato. Lei immagini di condurre, in una certa regione del paese, uno screening mammografico del cancro al seno, e supponga che riguardo alle donne fra i 40 e i 50 anni di questa regione, asintomatiche, che si sottopongono a una mammografia regolare si sappiano le seguenti cose: La probabilità che una di loro abbia il cancro al seno è dello 0.8%. Se una donna ha il cancro al seno, la probabilità che il suo mammogramma risulti positivo è del 90%; se non ha il cancro al seno, c è comunque una probabilità del 7% che il suo mammogramma sia positivo. Immaginiamo, dunque, una donna con un mammogramma positivo: quanto è probabile che abbia effettivamente il cancro? Leonardo Grilli (DiSIA) 26

27 Screening per il cancro al seno: la probabilità stimata dai medici /cont. La risposta si ottiene calcolando la probabilità a posteriori con i seguenti dati: I soggetti malati sono lo 0.8% (probabilità a priori) Tra i malati, il test viene positivo nel 90% dei casi (sensibilità) Tra i sani, il test viene positivo nel 7% dei casi (ovvero la specificità è del 93%) La risposta corretta è che una donna con mammogramma positivo ha una probabilità di avere effettivamente il cancro pari a 9.39% (questo è il valore ottenuto con la formula di Bayes, mentre con il metodo delle frequenze si ottiene una risposta con una approssimazione tanto migliore quanto maggiore è la dimensione della popolazione ipotetica in questo caso si dovrebbe usare almeno 1000) Le risposte fornite dai 24 medici sono state le seguenti: 8 hanno risposto 90% (cioè la sensibilità) 4 hanno risposto 1% (cioè la probabilità a priori) 8 hanno risposto tra 50% e 80% solo 4 hanno dato una risposta vicina al vero (di cui 2 in modo fortuito) 27

28 Legge dei grandi numeri e valore atteso La teoria della casualità è fondamentalmente una codificazione del senso comune, ma è anche il regno delle sottigliezze, un campo in cui famosi luminari hanno commesso errori madornali e in cui famigerati giocatori d azzardo hanno avuto intuizioni corrette. Leonard Mlodinow Leonardo Grilli (DiSIA) 28

29 Legge dei grandi numeri Frequenza relativa empirica di un evento A = numero di prove in cui A è vero diviso numero totale di prove Se le prove sono indipendenti e identiche, allora al crescere del numero di prove la frequenza relativa empirica di un evento A converge alla probabilità di A Quindi al crescere del numero di prove la frequenza relativa empirica diviene una stima sempre più precisa della probabilità Es. per P(A)=0.5, dopo un gran numero n di prove la frequenza relativa empirica è quasi certamente (circa al 99.7%) compresa nell intervallo ( / n, / n ) n=100 (0.3500, ) n=1000 (0.4526, ) n=10000 (0.4850, ) n= (0.4953, ) (questi calcoli sono basati sul teorema limite centrale) 29

30 Legge dei grandi numeri /cont. Esempio: 300 prove indipendenti con identica probabilità p=0.5 Francobollo svizzero in onore di Jakob Bernoulli, che mostra la formula e il grafico della legge dei grandi numeri (dimostrata da Bernoulli nel 1713) 30

31 Legge dei grandi numeri /cont. L esito di una specifica prova è imprevedibile, che sia la 1 a, la 10 a o la a (infatti le prove sono indipendenti e quindi quello che è successo prima è irrilevante) Tuttavia al crescere del numero di prove la frequenza relativa empirica diventa sempre più prevedibile Dunque, mentre a livello individuale è difficile fare previsioni, a livello aggregato si possono fare previsioni molto accurate. Questo è il motivo per cui il risultato delle singole giocate è imprevedibile, mentre il risultato del casinò è prevedibile con un piccolo margine di errore il singolo sinistro è imprevedibile, ma il risultato della compagnia di assicurazione è prevedibile con un piccolo margine di errore il sesso di un nascituro è imprevedibile, mentre in un anno in un grande ospedale la percentuale di nati maschi è vicinissima al 51% 31

32 Numeri ritardatari Tra i giocatori del lotto è diffusa la credenza (errata!) che i numeri ritardatari abbiamo maggiore probabilità di uscire (ogni numero ha probabilità 1/18 di essere estratto e quindi esce mediamente ogni 18 estrazioni) Nei lanci di moneta ciò equivale a credere che, se sono uscite meno Teste che Croci, allora in futuro usciranno più Teste per «compensare» il passato Supponiamo che in lanci siano uscite meno Teste che Croci: cosa possiamo prevedere per il lancio numero ? Ragionamento errato: siccome finora sono uscite meno Teste che Croci e nel lungo termine il numero di Teste deve essere circa uguale a quello di Croci, la probabilità di Testa è >0.5 Ragionamento corretto: siccome le prove sono identiche e indipendenti, il passato non conta niente e la probabilità di Testa è 0.5 (la moneta non ha memoria!!!) Leonardo Grilli (DiSIA) 32

33 Valore atteso Consideriamo un esperimento casuale i cui risultati possibili sono numerici (es. guadagni) valori x1 x2 x probabilità p p p 1 2 Il valore atteso (o speranza matematica) è la media dei possibili valori pesata con le rispettive probabilità VA x p x p x p k k k k p p p k Esempio: si lancia un dado, se esce 5 o 6 vinciamo 10 euro, altrimenti niente valori probabilità /3 1/3 VA euro 33

34 Scommesse alla roulette La roulette ha 38 numeri, di cui 18 rossi, 18 neri e 2 verdi (numeri 0 e 00): Supponiamo di puntare di 1 euro sul rosso Se esce rosso abbiamo 2 euro (1 puntato + 1 vinto) Se non esce rosso abbiamo 0 euro valori VA euro probabilità 20 / / Il valore atteso è l equivalente certo di un valore aleatorio (in questo caso si tratta del risultato della scommessa) Se la puntata sul rosso costasse euro, il gioco sarebbe equo Siccome la puntata costa 1 euro il gioco è a favore del banco (perdita attesa di euro per 1 euro puntato, cioè 5.3%) Leonardo Grilli (DiSIA) 34

35 Valore atteso e prove ripetute Il valore atteso approssima la media dei valori che si otterrebbero ripetendo molte volte l esperimento in modo indipendente e in identiche condizioni Nell esempio della roulette la perdita attesa è di euro a puntata: in una singola puntata tale valore è poco significativo poiché o si vince 1 euro o si perde 1 euro Invece, in una lunga serie di n puntate le frequenze relative di successo e insuccesso convergono a 18/38 e 20/38 e quindi la perdita media in n puntate converge a euro: ad es. n=1000 è una serie sufficientemente lunga per avere una buona approssimazione dopo 1000 puntate la perdita media per puntata sarà approssimativamente di euro (per una perdita totale di circa 53 euro) Leonardo Grilli (DiSIA) 35

36 Giocare a lungo rovina Ogni gioco di sorte (es. roulette, slot machine, lotteria) è a favore del banco, cioè per il giocatore il valore atteso è negativo (perdita) Per la legge dei grandi numeri, giocando ripetutamente il risultato medio realizzato dal giocatore si avvicina sempre più al valore atteso più a lungo si gioca, più è probabile che il risultato complessivo sia negativo: continuando a giocare all infinito la bancarotta è sicura (teorema della rovina del giocatore) Per il giocatore l unica speranza di chiudere con un saldo positivo è di fare poche puntate e smettere quando è in positivo Leonardo Grilli (DiSIA) 36

37 Le scommesse di Chevalier de Méré Antoine Gombaud, nato in Francia nel 1607 e noto come Chevalier de Méré, era un nobile con la passione del gioco d azzardo Aveva guadagnato molto con la seguente scommessa: lanciando 4 dadi esce almeno un sei La probabilità di vincere è 1 (1 1/6) 4 = Puntando 1 euro si ottiene 0 con prob e 2 con prob valore atteso (guadagno atteso 3.54%) Poi ebbe la pessima idea di cambiare scommessa: lanciando 24 coppie di dadi esce almeno una coppia di sei Tuttavia, sbagliò i calcoli: la probabilità di vincere è inferiore a 0.5 (per la precisione è 1 (1 35/36) 24 =0.4914) per cui iniziò a perdere parecchio e chiese aiuto al matematico Pascal, che diede un contributo fondamentale alla teoria della probabilità Leonardo Grilli (DiSIA) 37

38 A chi è incuriosito dalla probabilità e vuole capire il suo ruolo nella vita quotidiana, suggerisco questi eccellenti libri divulgativi Siti web utili per la divulgazione (soprattutto per le applet e animazioni): Laboratorio virtuale di probabilità e statistica: Understanding uncertainty: 38

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Conduzione di uno studio epidemiologico (osservazionale)

Conduzione di uno studio epidemiologico (osservazionale) Conduzione di uno studio epidemiologico (osservazionale) 1. Definisco l obiettivo e la relazione epidemiologica che voglio studiare 2. Definisco la base dello studio in modo che vi sia massimo contrasto

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli 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)

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Stima 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

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) 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

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it La Bella Addormentata e altre illusioni probabilistiche Aljoša Volčič volcic@unical.it Firenze, 25 novembre 2009 1 Che cosa è la probabilità? La probabilità di un evento A è la misura del grado di fiducia

Dettagli

Scelta sotto incertezza

Scelta sotto incertezza Scelta sotto incertezza 1. Introduzione Nei capitoli 1 e 2 della microeconomia standard si studia la scelta dei consumatori e dei produttori, che hanno un informazione perfetta sulle circostanze che caratterizzano

Dettagli

Dall italiano alla logica proposizionale

Dall italiano alla logica proposizionale Rappresentare l italiano in LP Dall italiano alla logica proposizionale Sandro Zucchi 2009-10 In questa lezione, vediamo come fare uso del linguaggio LP per rappresentare frasi dell italiano. Questo ci

Dettagli

La variabile casuale Binomiale

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

Dettagli

CALCOLO COMBINATORIO E PROBABILITA

CALCOLO COMBINATORIO E PROBABILITA CALCOLO COMBINATORIO E PROBABILITA Con calcolo combinatorio si indica quel settore della matematica che studia i possibili modi di raggruppare ed ordinare oggetti presi da un insieme assegnato, con l obiettivo

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

LA RICERCA DI DIO. Il vero aspirante cerca la conoscenza diretta delle realtà spirituali

LA RICERCA DI DIO. Il vero aspirante cerca la conoscenza diretta delle realtà spirituali LA RICERCA DI DIO Gradi della fede in Dio La maggior parte delle persone non sospetta nemmeno la reale esistenza di Dio, e naturalmente non s interessa molto a Dio. Ce ne sono altre che, sotto l influsso

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

La programmazione di uno studio clinico: dalla domanda al disegno

La programmazione di uno studio clinico: dalla domanda al disegno Metodo epidemiologici per la clinica _efficacia / 1 La programmazione di uno studio clinico: dalla domanda al disegno La buona ricerca clinica Non è etico ciò che non è rilevante scientificamente Non è

Dettagli

Lo screening mammografico. La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione

Lo screening mammografico. La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione Lo screening mammografico La diagnosi precoce del cancro del seno aumenta le possibilità di guarigione Indice 03 Gli esperti raccomandano la mammografia nell ambito di un programma di screening 04 Che

Dettagli

Introduzione alla Teoria dei Giochi

Introduzione alla Teoria dei Giochi Introduzione alla Teoria dei Giochi A. Agnetis Questi appunti presentano alcuni concetti introduttivi fondamentali di Teoria dei Giochi. Si tratta di appunti pensati per studenti di Ingegneria Gestionale

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Indicazioni per la certificazione

Indicazioni per la certificazione Il nuovo modello per la certificazione delle cause di morte: peculiarità e indicazioni per una corretta certificazione Indicazioni per la certificazione Stefano Brocco Coordinamento del Sistema Epidemiologico

Dettagli

La ricerca non sperimentale

La ricerca non sperimentale La ricerca non sperimentale Definizione Ricerca osservazionale: : 1. naturalistica Ricerca osservazionale: : 2. osservatori partecipanti Ricerca d archiviod Casi singoli Sviluppo di teorie e verifica empirica

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

1.4.11 ANNI POTENZIALI DI VITA PERSI (APVP) PRIMA DI 75 ANNI PER SE SSO E CAUSE PRINCIPALI

1.4.11 ANNI POTENZIALI DI VITA PERSI (APVP) PRIMA DI 75 ANNI PER SE SSO E CAUSE PRINCIPALI Repubblica e Cantone Ticino Dipartimento della sanità e della socialità Ufficio del medico cantonale Servizio di promozione e di valutazione sanitaria 1.4.11 ANNI POTENZIALI DI VITA PERSI (APVP) PRIMA

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

FUNZIONI AVANZATE DI EXCEL

FUNZIONI AVANZATE DI EXCEL FUNZIONI AVANZATE DI EXCEL Inserire una funzione dalla barra dei menu Clicca sulla scheda "Formule" e clicca su "Fx" (Inserisci Funzione). Dalla finestra di dialogo "Inserisci Funzione" clicca sulla categoria

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:...

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:... Ministero della Pubblica Istruzione Rilevazione degli apprendimenti Anno Scolastico 2006 2007 PROVA DI MATEMATICA Scuola Secondaria di II grado Classe Terza Tipo A Codici Scuola:..... Classe:.. Studente:.

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

La Valutazione Euristica

La Valutazione Euristica 1/38 E un metodo ispettivo di tipo discount effettuato da esperti di usabilità. Consiste nel valutare se una serie di principi di buona progettazione sono stati applicati correttamente. Si basa sull uso

Dettagli

Il mondo in cui viviamo

Il mondo in cui viviamo Il mondo in cui viviamo Il modo in cui lo vediamo/ conosciamo Dalle esperienze alle idee Dalle idee alla comunicazione delle idee Quando sono curioso di una cosa, matematica o no, io le faccio delle domande.

Dettagli

Q84 A1073 K92 J65 VALENTINO DOMINI

Q84 A1073 K92 J65 VALENTINO DOMINI VALENTINO DOMINI L attacco iniziale, prima azione di affrancamento della coppia controgiocante, è un privilegio e una responsabilità: molti contratti vengono battuti o realizzati proprio in rapporto a

Dettagli

Esercizi sul moto rettilineo uniformemente accelerato

Esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 010 Esercizi sul moto rettilineo uniformemente accelerato Esercizio 1. Un corpo parte da fermo con accelerazione pari a

Dettagli

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 00 Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Esercizio. Un corpo parte da fermo con accelerazione

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it 186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it Premessa Durante una mia visita al Palazzo Ducale di Mantova, nell ammirare i tanti capolavori che custodisce,

Dettagli

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura?

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura? www.matematicamente.it Probabilità 1 Calcolo delle probabilità Cognome e nome: Classe Data 1. Quali affermazioni sono vere? A. Un evento impossibile ha probabilità 1 B. Un vento certo ha probabilità 0

Dettagli

Per un Expo che getti un seme contro la fame nel mondo

Per un Expo che getti un seme contro la fame nel mondo Per un Expo che getti un seme contro la fame nel mondo Il primo maggio 2015 si inaugura a Milano l EXPO, un contenitore di tematiche grandi come l universo: "Nutrire il pianeta. Energia per la vita. Una

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

L ARTE DI VINCERE AL FANTACALCIO

L ARTE DI VINCERE AL FANTACALCIO Matteo Freddi L ARTE DI VINCERE AL FANTACALCIO Youcanprint Self-Publishing Titolo L arte di vincere al fantacalcio Autore Matteo Freddi Immagine di copertina a cura dell Autore ISBN 978-88-91122-07-0 Tutti

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE DELLE MERCI SEQUESTRATE La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune

Dettagli

Gli indicatori socio-sanitari. sanitari

Gli indicatori socio-sanitari. sanitari Gli indicatori socio-sanitari sanitari 1 1 INDICATORI SOCIO-SANITARI Misurare: EFFICACIA (rispetto degli obiettivi prefissati) EFFICIENZA (rispetto delle azioni e risorse impegnate) del sistema ospedaliero

Dettagli

CHE COS E L EUTANASIA?

CHE COS E L EUTANASIA? CHE COS E L EUTANASIA? Che cosa si intende per eutanasia? Il termine eutanasia deriva dal greco: eu=buono, e thanatos=morte. Interpretato letteralmente quindi, esso significa: buona morte. Nel significato

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

La Termodinamica ed I principi della Termodinamica

La Termodinamica ed I principi della Termodinamica La Termodinamica ed I principi della Termodinamica La termodinamica è quella branca della fisica che descrive le trasformazioni subite da un sistema (sia esso naturale o costruito dall uomo), in seguito

Dettagli

EUROBAROMETRO 63.4 OPINIONE PUBBLICA NELL UNIONE EUROPEA PRIMAVERA 2005 RAPPORTO NAZIONALE

EUROBAROMETRO 63.4 OPINIONE PUBBLICA NELL UNIONE EUROPEA PRIMAVERA 2005 RAPPORTO NAZIONALE Standard Eurobarometer European Commission EUROBAROMETRO 63.4 OPINIONE PUBBLICA NELL UNIONE EUROPEA PRIMAVERA 2005 Standard Eurobarometer 63.4 / Spring 2005 TNS Opinion & Social RAPPORTO NAZIONALE ITALIA

Dettagli

Indovinelli Algebrici

Indovinelli Algebrici OpenLab - Università degli Studi di Firenze - Alcuni semplici problemi 1. L EURO MANCANTE Tre amici vanno a cena in un ristorante. Mangiano le stesse portate e il conto è, in tutto, 25 Euro. Ciascuno di

Dettagli

STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? 2. Come nasce la sperimentazione clinica e che tipi di studi esistono?

STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? 2. Come nasce la sperimentazione clinica e che tipi di studi esistono? STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? Si definisce sperimentazione clinica, o studio clinico controllato, (in inglese: clinical trial), un esperimento scientifico che genera dati

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Dall italiano al linguaggio della logica proposizionale

Dall italiano al linguaggio della logica proposizionale Dall italiano al linguaggio della logica proposizionale Dall italiano al linguaggio della logica proposizionale Enunciati atomici e congiunzione In questa lezione e nelle successive, vedremo come fare

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Legge 22 maggio 1978, n. 194. Norme per la tutela sociale della maternità e sull interruzione volontaria della gravidanza

Legge 22 maggio 1978, n. 194. Norme per la tutela sociale della maternità e sull interruzione volontaria della gravidanza Legge 22 maggio 1978, n. 194 Norme per la tutela sociale della maternità e sull interruzione volontaria della gravidanza (Pubblicata sulla Gazzetta Ufficiale Gazzetta Ufficiale del 22 maggio 1978, n. 140)

Dettagli

Altre informazioni sul papilloma virus (HPV)

Altre informazioni sul papilloma virus (HPV) Altre informazioni sul papilloma virus (HPV) Questo è un documento di approfondimento sull HPV. Prima di leggerlo guardate le informazioni di base contenute in Alcune informazioni sull esame per il papilloma

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Analisi della comunicazione del gioco nella sua evoluzione

Analisi della comunicazione del gioco nella sua evoluzione Nel nostro Paese il gioco ha sempre avuto radici profonde - Caratteristiche degli italiani in genere - Fattori difficilmente riconducibili a valutazioni precise (dal momento che propensione al guadagno

Dettagli

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:...

Rilevazione degli apprendimenti. Anno Scolastico 2006 2007 PROVA DI MATEMATICA. Scuola Secondaria di II grado. Classe Terza Tipo A. Codici. Scuola:... Ministero della Pubblica Istruzione Rilevazione degli apprendimenti Anno Scolastico 2006 2007 PROVA DI MATEMATICA Scuola Secondaria di II grado Classe Terza Tipo A Codici Scuola:..... Classe:.. Studente:.

Dettagli

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale

INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP. Relazione Generale SERVIZIO SANITARIO REGIONALE BASILICATA Azienda Sanitaria Locale di Potenza INDAGINE DI CUSTOMER SATISFACTION SUL SERVIZIO DELL ASSISTENZA OSPEDALIERA DELLA ASP Relazione Generale A cura degli Uffici URP

Dettagli

Regole per un buon Animatore

Regole per un buon Animatore Regole per un buon Animatore ORATORIO - GROSOTTO Libretto Animatori Oratorio - Grosotto Pag. 1 1. Convinzione personale: fare l animatore è una scelta di generoso servizio ai ragazzi per aiutarli a crescere.

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Tassi a pronti ed a termine (bozza)

Tassi a pronti ed a termine (bozza) Tassi a pronti ed a termine (bozza) Mario A. Maggi a.a. 2006/2007 Indice 1 Introduzione 1 2 Valutazione dei titoli a reddito fisso 2 2.1 Titoli di puro sconto (zero coupon)................ 3 2.2 Obbligazioni

Dettagli

DAL LIBRO AL TEATRO Caduto dal basso

DAL LIBRO AL TEATRO Caduto dal basso DAL LIBRO AL TEATRO Caduto dal basso LIBERI PENSIERI PER LIBERI SENTIMENTI La riflessione circa In viaggio verso l incontro come ci è stato proposto, nasce attorno alla lettura del romanzo : C è nessuno?

Dettagli

Analisi Matematica I

Analisi Matematica I Analisi Matematica I Fabio Fagnani, Gabriele Grillo Dipartimento di Matematica Politecnico di Torino Queste dispense contengono il materiale delle lezioni del corso di Analisi Matematica I rivolto agli

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli