Statistica. Lezione : 17. Variabili casuali
|
|
- Fabia Murgia
- 4 anni fa
- Visualizzazioni
Transcript
1 Corsi di Laurea: a.a Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1
2 Contenuti Definizione di variabile casuale Funzione di ripartizione V.c. Discrete: Funzione di distrubuzione di probabilità V.c. Continue: Funzione di densità di probabilità I momenti delle variabili casuali Docente: Alessandra Durio 2
3 Esempio introduttivo variabili casuali (i) Consideriamo l esperimento casuale si lancia una moneta due volte e si prende nota della faccia esposta verso l alto ad ogni lancio. L insieme dei possibili esiti è S = {e1 = T1T2, e2 = T1C2, e3 = C1T2, e4 = C1C2} Se la moneta è regolare possiamo supporre equiprobabili gli eventi elementari, cioè P(ei) = 1/4, con i = 1, A questo esperimento casuale è associata una scommessa tra un giocatore ed il Banco: il giocatore vince 10 euro nel caso si verifichi l evento e1 = T1T2 il giocatore perde 15 euro nel caso si verifichi l evento e2 = C1C2 il giocatore non vince e non perde alcuna somma nei restanti casi. Si rende necessario introdurre uno strumento che permetta di trattare tale aspetto monetario. Docente: Alessandra Durio 3
4 Esempio introduttivo variabili casuali (ii) Intuitivamente possiamo associare a ciascuno degli eventi elementari un numero che indica l ammontare di denaro che verrà incassato o sborsato in corrispondenza del verificarsi di quell evento e1=t1t2 +10 e2=t1c2 0 e3=c1t2 0 e4=c1c2 15 Ciò facendo, abbiamo definito un applicazione, che possiamo indicare con X, che ad ogni evento elementare dell insieme S associa uno ed un solo un numero reale X(ei) = x i. Data la natura casuale dell esperimento, i valori che possono essere assunti dall applicazione X sono anch essi numeri aleatori; X viene allora detta variabile casuale, nel seguito indicata semplicemente con v.c. Docente: Alessandra Durio 4
5 Definizione di variabile Casuale Dato lo spazio probabilizzato (Insieme dei possibili esiti S, Algebra A, Probabilità P) e lo spazio probabilizzabile (insieme dei numeri reali R, Algebra di Borel B) si dice variabile casuale una applicazione X : ( ) = x che ad ogni evento elementare ei di S associa un numero reale X e i detto realizzazione, o determinazione, della variabile casuale e tale che soddisfi la seguente proprietà di misurabilità: B B, S IR X 1 (B) = A A Docente: Alessandra Durio 5
6 Osservazioni: Il codominio R di una v.c. costituisce un nuovo spazio dei possibili esiti che riassume attraverso X lo spazio S associato all esperimento casuale. Perché si possa definire una misura di probabilità sul nuovo spazio dei possibili esiti, occorre associare ad esso un algebra che è l algebra di Borel per la quale vengono definiti eventi gli intervalli del tipo B =]a; b] e, per definizione, sono elementi dell algebra tutte le unioni, intersezioni e complementi degli intervalli come B. In sostanza una variabile casuale permette di trasportare la modellizzazione di un esperimento casuale in un nuovo ambiente. Sul nuovo spazio (insieme dei numeri reali R, algebra di Borel B) dobbiamo definire la probabilità indotta dall applicazione X in modo che questa sia strettamente legata alla misura di probabilità definita sullo spazio (insieme dei possibili esiti S, Algebra A): ( ) B B, P X (B) = P(X 1 (B)) = P { e i : X(e i ) B} Docente: Alessandra Durio 6
7 Esempio introduttivo variabili casuali (iii) l codominio del la variabile casuale X definita nell esempio introduttivo è costituito dal sottoinsieme di R { 15; 0; 10} Ha pertanto senso definire gli eventi: la somma incassata è pari a 10 euro, cioe` l intervallo degenere [10] la somma incassata non supera i 5 euro, cioè l intervallo aperto ] ; 5] la somma incassata è superiore o al più uguale a 0 euro, cioè l intervallo chiuso a destra ed aperto a sinistra [0; + [ la somma incassata è compresa tra 0 e 20 euro, estremi inclusi, cioè l intervallo chiuso [0; 20] P X (] ;5]) = P ({ e i : X(e i ) ] ;5] }) = P { e 4, e 3, e } 4 ( ) = 3 4 In modo analogo si determinano le probabilità indotte per tutti gli altri eventi OSSEVIAMO che la misura di probabilità indotta da P sarà interamente determinabile a partire dalla conoscenza della P X in corrispondenza alle determinazioni della v.c. X cioè ai punti 15, 0, 10 Docente: Alessandra Durio 7
8 Contenuti Definizione di variabile casuale Funzione di ripartizione V.c. Discrete: Funzione di distrubuzione di probabilità V.c. Continue: Funzione di densità di probabilità I momenti delle variabili casuali Docente: Alessandra Durio 8
9 Funzione di ripartizione La modellizzazione di un esperimento casuale con l introduzione delle variabili casuali consente di operare con strumenti matematici che rendono più semplice e generalizzabile lo studio dei fenomeni casuali. Con la definizione di funzione di ripartizione introduciamo uno strumento analitico che permette di valutare agevolmente la probabilità che una variabile casuale assuma valori non superiori ad una data soglia. F(x) = P X (] ;x]) = P { e i : X(e i ) x} ( ) = P(X x) La funzione di ripartizione (brevemente f.d.r) di una generica v.c. X esprime, per ogni valore x dell asse reale, la massa di probabilità cumulata nell intervallo ], x]. Docente: Alessandra Durio 9
10 Esempio introduttivo Funzione di ripartizione Con riferimento all esempio del lancio delle due monete, la funzione di ripartizione della variabile casuale X risulta essere definita come segue: In questo caso la funzione di ripartizione assume un andamento a scalini e presenta dei salti in corrispondenza ai punti di discontinuità 15, 0, 10 Docente: Alessandra Durio 10
11 Proprietà della Funzione di ripartizione ha codominio [0; 1] e tende a 0 per x che tende a - e tende a 1 per x che tende a è continua a destra monotona non decrescente per ogni a, b R con a < b, la misura di probabilità indotta P X e la funzione di ripartizione sono legate in modo univoco dalla relazione: P X (]a;b]) = P X (] ;b]) P X (] ;a]) = F(b) F(a) Se conosciamo la funzione di ripartizione di una v.c. siamo in grado dunque di determinare la probabilità di qualunque evento. Inoltre: le variabili casuali vengono definite di tipo continuo o discreto a seconda della natura della loro funzione di ripartizione Docente: Alessandra Durio 11
12 Contenuti Definizione di variabili casuali Funzione di ripartizione V.c. Discrete: Funzione di distrubuzione di probabilità V.c. Continue: Funzione di densità di probabilità I momenti delle variabili casuali Docente: Alessandra Durio 12
13 Definizione di v.c. discreta e funzione di distribuzione di probabilità La v.c. X è detta discreta se la sua funzione di ripartizione è continua a tratti e possiede punti di discontinuità in corrispondenza alle sue determinazioni Per una v.c. discreta è possibile definire la funzione di distribuzione di probabilità p(x), la funzione che ad ogni determinazione x i associa la probabilità p(x i ) che la variabile X assuma tale valore. La probabilità p(x i ) si ottiene dalla funzione di ripartizione come limite per h che tende a zero della differenza tra F(x i ) e F(x i -h) Per questa la relazione tra funzione di distribuzione di probabilità e funzione di ripartizione si ha che nota la prima è possibile ricavare la seconda e viceversa. Infatti, qualunque sia x R vale l uguaglianza F(x) = P X (] ;x]) = p(x i ) x i x Docente: Alessandra Durio 13
14 Esempio introduttivo Funzione di distribuzione di probabilità Con riferimento all esempio del lancio delle due monete, la funzione di distribuzione di probabilità della variabile casuale X che descrive il gioco è: Osserviamo che la somma di tutte le p(x i ) è uguale a 1 3 p(x i ) =1/4 +1/2 +1/4 =1 i=1 Questo è un risultato che può essere esteso a qualsiasi variabile casuale di tipo discreto. Docente: Alessandra Durio 14
15 Esempio riassuntivo variabili casuali discrete Si immagini di disporre di un urna contenente quattro palline indistinguibili al tatto e numerate progressivamente a partire da 1 e che, di fronte al semplice esperimento casuale estrazione di una pallina dall urna, si sia interessati alla probabiltà, ad esempio, all evento A : {il # impresso sulla pallina estratta è il 2 o il 3}. Se introduciamo la v.c. X = {# impresso sulla pallina estratta}, tale v.c. ha dominio l insieme S = {e j = j} j=1,...,4 e codominio l insieme degli interi {x i = i} i=1,...,4. e la sua funzione di distribuzione di probabiltà è: La probabilità dell evento A si può calcolare con la f.di distribuzione di probabilità: P(A) = P(X = 2) + P(X = 3) = p(x 2 ) + p(x 3 ) = 2/4 = 0.5 oppure con la funzione di ripartizione: Docente: Alessandra Durio 15
16 Contenuti Definizione di variabili casuali Funzione di ripartizione V.c. Discrete: Funzione di distrubuzione di probabilità V.c. Continue: Funzione di densità di probabilità I momenti delle variabili casuali Docente: Alessandra Durio 16
17 Definizione di v.c. continua e funzione di densità di probabilità Quando il codominio di una variabile casuale ha la potenza del continuo la massa di probabilità si distribuisce su di esso e la funzione di ripartizione cresce in modo continuo, tra zero ed uno, al tendere di x all infinito; in tali casi si parla di v.c. continue. Se esiste una funzione reale non negativa che descrive come si distribuisce su R la massa di probabilità definita da P X, allora tale funzione, detta densità di probabilità, coincide, quasi ovunque, con la derivata della funzione di ripartizione e la variabile casuale che la ammette è detta continua. Se la v.c. X è continua allora la funzione di ripartizione è derivabile e la sua derivata coincide quasi ovunque con la funzione di densità di probabilità: Docente: Alessandra Durio 17
18 Funzione di densità di probabilità: area e probabilità In altri termini, possiamo dire che l area sottesa alla funzione f(x) in un intervallo ]a; b] rappresenta la probabilità che la v.c. X assuma valori appartenenti all intervallo stesso. Docente: Alessandra Durio 18
19 Esempio riassuntivo variabili casuali continue Si immagini che ad un dato esperimento casuale sia associata la variabile casuale continua X con funzione di densità di probabilità Integrando tra zero e x otteniamo la corrispondente funzione di riapartizione: Per esercizio: verificare che la funzione f(x) è effettivamente una funzione di densità di probabilità in quanto, entro il suo dominio di definizione (l intervallo reale [0; 2]), è non negativa e l area ad essa sottesa è unitaria Calcolare la P(0.5<X<1.5) Docente: Alessandra Durio 19
20 Contenuti Definizione di variabili casuali Funzione di ripartizione V.c. Discrete: Funzione di distrubuzione di probabilità V.c. Continue: Funzione di densità di probabilità I momenti delle variabili casuali Docente: Alessandra Durio 20
21 Definizione di Momento di ordine r di una v.c. X Data una v.c. X si dice momento di ordine r (con r=0,1,2, ) il numero reale risultante da: & ( E[X r ] = ' ( ) i R x i r p(x i ) x r f (x)dx Il momento di ordine r=1 si dice media di X (o valore atteso) Il momento di ordine r=2 è utile per il calcolo della varianza di X se X è una v.c. Discreta se X è una v.c. Continua & ( µ = E[X] = ' )( & ( µ 2 = E[X 2 ] = ' )( i R i R x i p(x i ) x f (x)dx x i 2 p(x i ) x 2 f (x)dx se X è una v.c. Discreta se X è una v.c. Continua se X è una v.c. Discreta se X è una v.c. Continua La VARIANZA di X è definita come: σ 2 = V[X] = E[(X E[X]) 2 ] Ma si può calcolare facendo la differenza di due momenti: V[X] = E[X 2 ] ( E[X] ) 2 Docente: Alessandra Durio 21
22 Esempio di calcolo di media e varianza di una v.c. X Quale esperimento casuale si consideri il lancio di una moneta regolare ripetuto tre volte, il cui insieme dei possibili esiti è: S={TTT,TTC,TCT,CTT,CCT,CTC,TCC,CCC} Se introduciamo la v.c. X = {numero di Teste ottenute nella sequenza}, è facile notare che si tratta di una variabile casuale di tipo discreto che assume i valori interi 0, 1, 2, 3. Tale v.c. possiede la seguente distribuzione di probabilità La media di X: Il momento secondo: " x i % " # & = % # $ p(x i )' $ 1/8 3/8 3/8 1/8 & ' i=1,2,3,4 4 E[X] = x i p(x i ) = =1.5 = µ i=1 4 E[X 2 ] = x 2 i p(x i ) = = 3 i=1 E da questi due ricaviamo la varianza di X: V[X] = E[X 2 ] ( E[X] ) 2 = = 0.75 = σ 2 Docente: Alessandra Durio 22
23 Concetti Introdotti Variabile cauale Funzione di ripartizione di una variabile casuale Funzione di probabilità per variabili casuali discrete Funzione di densità di probabilità per variabili casuali continue Momenti di variabili casuali: valore atteso (media), varianza Docente: Alessandra Durio 23
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliStatistica. Esercizi: 8. Statistica Descrittiva Bivariata 3 Probabilità 1
Corsi di Laurea: a.a. 2017-1 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Statistica
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliProbabilità e Statistica Esercizi
Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliVariabili aleatorie: parte 1. 1 Definizione di variabile aleatoria e misurabilitá
Statistica e analisi dei dati Data: 11 Aprile 2016 Variabili aleatorie: parte 1 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori 1 Definizione di variabile aleatoria e misurabilitá Informalmente,
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliEsercizi 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
DettagliCalcolo 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.
DettagliCenni di probabilità
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Cenni di probabilità Ing. Antonino Cancelliere Dipartimento
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliEventi numerici e variabili aleatorie
Capitolo Eventi numerici e variabili aleatorie. Probabilità di eventi numerici Nel capitolo precedente si sono considerate le nozioni di esperimento, risultato, evento. Un evento è individuato dai risultati
DettagliNote 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.
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliEsercitazione del 21/10/2011 Calcolo delle probabilità
Esercitazione del /0/0 Calcolo delle probabilità Funzione di ripartizione Sia F X una funzione da R in R. consideriamo le seguenti condizioni: F X è non decrescente ( ) x F X (x) x F X (x) 0 F X è continua
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliProbabilità: 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
DettagliMatematica. Funzioni. Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica
Matematica Funzioni Autore: prof. Pappalardo Vincenzo docente di Matematica e Fisica Le Funzioni e loro caratteristiche Introduzione L analisi di diversi fenomeni della natura o la risoluzione di problemi
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliModelli 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
DettagliANNO ACCADEMICO 2017/2018 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA III appello 7/9/2018 1
ANNO ACCADEMICO 7/8 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA III appello 7/9/8 Esercizio. I giocatori A e B giocano con un mazzo di 4 carte, senza le figure, con le seguenti regole: - ad ogni turno
DettagliCorso di Istituzioni di Matematiche con Elementi di Statistica. anno accademico 2015/2016 corso A-L (G. Gaeta & N. Bressan)
Corso di Istituzioni di Matematiche con Elementi di Statistica anno accademico 215/216 corso A-L (G. Gaeta & N. Bressan) Esercizi Foglio 9 (Funzioni aleatorie; distribuzioni di probabilita ) Esercizio
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliDefinizione formale di probabilitá
Definizione formale di probabilitá 10 marzo 2017 Si introducono la definizione assiomatica di probabilitá e alcune proprietá elementari che ne derivano 1 Eventi e insiemi Poiché un evento é definito come
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliEsercizi 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
DettagliVariabili casuali (1, T ) 1+0=1 1/16 (1 T ) 1 1/16 (1, C) 1+1=2 1/16 (1 C) 1 1/16 (1, T ) 9+0=9 1/16 (9, C) 9+1=10 1/16
Variabili casuali Soluzione Es.. Lo spazio campionario Ω è costituito da tutti gli accoppiamenti asso e T o C e nove con T o C quindi 4*2 +4*2 = 6 coppie di valori: Ω = {, T,, T,, T, T,, C,, C,, C,, C,,
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliStatistica e analisi dei dati Data: 29 Febbraio Lezione 3
Statistica e analisi dei dati Data: 29 Febbraio 2016 Lezione 3 Docente: Prof. Giuseppe Boccignone Scriba: Sara Fasano 1 Definizione formale di Probabilitá Sia dato lo spazio probabilizzabile (S, F). Definizione
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliAnalisi Matematica 1 Soluzioni prova scritta n. 1
Analisi Matematica Soluzioni prova scritta n Corso di laurea in Matematica, aa 008-009 5 giugno 009 Sia a n la successione definita per ricorrenza: a n+ 3 a n a 3 n, a 3 a n+ 3 a n a 3 n, a 3 a n+ 3 a
DettagliVariabili aleatorie. 13 aprile Definizione di variabile aleatoria e misurabilitá. (R, B) é una funzione aleatoria se
Variabili aleatorie 3 aprile 207 Si introduce il concetto di variabile aleatoria discreta e continua e di legge di probabilitá. Si considera in seguito la funzione di ripartizione come caratterizzazione
DettagliStatistica. Lezioni : 13 (b) e 14. Probabilità 1
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Probabilità 1 Lezioni : 13 (b) e 14 1 Contenuti 1. Esperimenti
DettagliCalcolo 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
DettagliMODELLI STATISTICI, RICHIAMI
MODELLI STATISTICI, RICHIAMI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 11 Aprile 2006 Francesca Mazzia (Univ. Bari) MODELLI STATISTICI,
DettagliSTUDIO di FUNZIONE. c Paola Gervasio - Analisi Matematica 1 - A.A. 2018/19 Studio di funzione cap6b.pdf 1
STUDIO di FUNZIONE c Paola Gervasio - Analisi Matematica 1 - A.A. 2018/19 Studio di funzione cap6b.pdf 1 Punti di estremo: punto di massimo assoluto Def. Sia 0 dom(f) = D. Si dice che 0 è un punto di massimo
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliSottoinsiemi di Numeri Reali
INTERVALLI LIMITATI a,b R Sottoinsiemi di Numeri Reali intervallo chiuso [a,b] = { R : a b} intervallo aperto (a,b) = { R : a < < b} intervallo chiuso a sinistra e aperto a destra [a,b) = { R : a < b}
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliEsercitazione del 21/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/0 Istituzioni di Calcolo delle Probabilità David Barbato Funzione di ripartizione Sia F X una funzione da in. consideriamo le seguenti condizioni: F X è non decrescente lim ( ) x F
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
DettagliP(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
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliLezione 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
DettagliMATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009
MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliP(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
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliAnalisi Matematica IV modulo Soluzioni prova scritta preliminare n. 1
Analisi Matematica IV modulo Soluzioni prova scritta preliminare n. 1 Corso di laurea in Matematica, a.a. 2005-2006 27 aprile 2006 1. Disegnare approssimativamente nel piano (x, y) l insieme x 4 6xy 2
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliMetodi 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},
DettagliStatistica Sociale e Criminale (12 CFU) A.A. 2015/2016
Statistica Sociale e Criminale (12 CFU) A.A. 2015/2016 CdL Sociologia e Criminologia Simone Di Zio Dove siamo MODULO 3. L Inferenza statistica 3.1 Probabilità e variabili casuali 3.2 Le tecniche di campionamento
DettagliCP110 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
DettagliCalcolo delle Probabilità e Statistica Matematica previsioni 2003/04
Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione
Dettagli1.3. Logaritmi ed esponenziali
1.3. Logaritmi ed esponenziali 1. Rappresentazione sugli assi cartesiani 2. Relazione 3. Definizione di funzione 4. La funzione esponenziale 5. Il logaritmo 6. La funzione logaritma 1-3 1 Rappresentazione
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliIL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero
IL TEOREMA DEGLI ZERI Una dimostrazione di Ezio Fornero Il teorema degli zeri è fondamentale per determinare se una funzione continua in un intervallo chiuso [ a ; b ] si annulla in almeno un punto interno
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliANNO ACCADEMICO 2015/2016 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA IV appello 1/6/2017 1
ANNO ACCADEMICO 205/206 CORSO di LAUREA in BIOTECNOLOGIE MATEMATICA IV appello /6/207 Esercizio. Ho tre monete, A, B e C, apparentemente identiche ma tali che: A dà testa in media 4 volte in 0 lanci B
DettagliMisure e loro proprietà (appunti per il corso di Complementi di Analisi Matematica per Fisici, a.a )
Misure e loro proprietà (appunti per il corso di Complementi di Analisi Matematica per Fisici, a.a. 2006-07 Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 1. (Misura. Si chiama misura
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
Dettagli