PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10"

Transcript

1 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa S di stoccaggio, quado X < µ, metre S = altrimeti. Detta Y la variabile aleatoria X S, si provi che Y o puo assumere valori compresi fra µ S e µ; si descriva poi la distribuzioe di Y, e se e calcoli il valor medio. Esercizio Si immagii di laciare ifiite volte ua moetia, sempre i codizioi di idipedeza; per ogi deotiamo co C la variabile aleatoria che forisce la differeza tra il umero di teste e il umero di croci uscite ei primi laci. Si calcolio media e variaza di ciascua C e, utilizzado il Teorema del Limite Cetrale, si trovi, el caso p = 1, il limite i Distribuzioe delle variabili aleatorie C. Co riferimeto all esercizio 1, si suppoga che σ = e che si voglia stimare µ sulla base di 1 osservazioi I.I.D. della X, x 1,..., x 1 : qual é l ampiezza dell itervallo di cofideza per µ al livello di sigificativita del 5%? Quate dovrebbero essere le osservazioi, se si vuole che l ampiezza dell itervallo si riduca di u terzo? (Detta Φ la fuzioe di ripartizioe della distribuzioe ormale N(, 1), utilizzare la seguete tabella: Φ(1.6).94 Φ(1.645).95 Φ(1.8).96 Φ(1.96).975 Φ(.33).99 Φ(.58).995) Soluzioi compito 13/1/1 Esercizio 1 Deotiamo co S la variabile aleatoria che deota la spesa per lo stoccaggio: S assume il valore costate positivo S quado X < µ, e vale altrimeti. Essedo Y = X S, il calcolo di E(Y ) puo essere svolto come segue: E(Y ) = E(X S ) = E(X) E(S ) = µ SP ([X < µ]) = µ S. Fissato ora t < µ S, si ha chiaramete Y = t se e solo se X = t + S. Duque, per y < µ S si ha F Y (y) = F X (y + S). D altra parte, se X > µ si ha Y = X > µ, per 1

2 cui possiamo dedurre che 1 F X (y) = 1 F Y (y) (e quidi F X (y) = F Y (y)) quado y > µ. Se poi µ S < t < µ, o é possibile che sia Y = t: ifatti, o puo essere é Y = t = X é Y = t = X S. I coclusioe, si ha Pertato, la desita f Y Esercizio F X (y), y µ F Y (y) = F X (y + S), y < µ S F X (µ), µ S y µ. segue la legge: f Y (y) = 1 e (y µ) σ πσ, y > µ, µ S < y < µ 1 e (y+s µ) σ πσ, y < µ S. Deotata co B la variabile aleatoria che descrive il umero di teste uscite i laci, risulta B B(, p), e C = B ( B ) = B. Si ha duque facilmete (poedo q = 1 p): E(C ) = E(B ) = p = (p q), V (C ) = V (B ) = 4V (B ) = 4pq. Nel caso p = 1, chiaramete si ha E(C ) =, V (C ) =, duque C = C. Teedo presete che C é, per ogi, la somma di variabili aleatorie I.I.D. (aveti tutte la stessa distribuzioe di B 1 1), il Teorema del Limite Cetrale ci assicura che le variabili aleatorie C covergoo i Distribuzioe alla N(, 1). Detta x la media aritmetica dei dati x 1,..., x 1, l itervallo di cofideza cercato per µ sara [x δ, x + δ], ove δ = σ z.5, ossia δ = L ampiezza dell itervallo é duque circa 1.6. Se si vuole ridurre di u terzo tale ampiezza, basta moltiplicare per 9 4 osservazioi, per cui il campioe dovra essere costituito da 7 dati. il umero di Prova scritta del 1//1

3 Esercizio 1 U apparecchio Autovelox scatta ogi gioro N fotografie, co N P (λ). Per ciascua foto, la probabilita che essa permetta di rilevare u ifrazioe é p. Detta X la variabile che idica quate ifrazioi vegoo rilevate i tal modo ogi gioro, si determii la distribuzioe di X, valutadoe ioltre valor medio e variaza. Esercizio poga Sia (X ) ua successioe I.I.D., co X U(a, b). Per ogi itero > si Z := max{x 1,..., X }. Si trovio, per ogi itero >, la desita, il valor medio e la variaza di Z ; si studi ifie la covergeza della successioe (Z ). Si vuole trasmettere, i via del tutto cofideziale, u umero reale a, compreso fra e 6, che ha ua otevole importaza strategica. Per evitare che tale iformazioe vega itercettata, viee creata ua sequeza I.I.D. di valori X, distribuiti uiformemete i [, 1], e vegoo trasmessi i dati Y = ax, = 1,,...1. Chi riceve la sequeza (Y ) deve ricavare la quatita icogita a, co u itervallo di cofideza al livello del 5%. Quale itervallo si trovera? E quati dati dovrebbero essere trasmessi, se si vuole che l ampiezza dell itervallo si riduca dell 8%? (Detta Φ la fuzioe di ripartizioe della distribuzioe ormale N(, 1), utilizzare la seguete tabella: Φ(1.6).94 Φ(1.645).95 Φ(1.8).96 Φ(1.96).975 Φ(.33).99 Φ(.58).995) Soluzioi compito 1//1 Esercizio 1 Supposto che i u dato gioro la macchia abbia scattato k fotografie, il umero di ifrazioi riscotrate ha distribuzioe B(k, p), e quidi si puo dedurre che, per ogi itero j: P ([X = j]) = =j P ([X = j] [Z = ])P ([Z = ]) = =j ( )p j (1 p) j λ e λ. j! Semplificado, si ottiee P ([X = j]) = pj λ j j! e λ m= λ m (1 p) m m! = (pλ)j e pλ. j! Duque, X P (pλ), e quidi E(X) = V (X) = pλ per risultati be oti. 3

4 Esercizio Si fissi u umero reale t. Per ogi itero > si ha F Z (t) = P ( i=1[x i t]) = (F X1 (t)), i virtu dell idipedeza. Ora, essedo, t a t a F X1 (t) = b a, a t b 1, t b é facile dedurre la desita f Z : f Z (t) = { (t a) 1 (b a), t [a, b], t / [a, b]. Il valor medio di Z si puo ricavare come segue: E(Z ) = a+e(z a) = a+ (b a) Per quato riguarda la variaza, si ha b a (t a) dt = a+ (b a) V (Z ) = V (Z a) = E((Z a) ) ( + 1 (b a)) = = + (b a) ( + 1) (b a) = (b a) b a b a ( + 1) ( + ) (b a). s ds = a+ + 1 (b a). s +1 ds ( + 1 (b a)) = Da qui si deduce facilmete che la successioe (Z ) coverge q.c. e i L alla costate b. D altra parte, la covergeza quasi certa si poteva immediatamete dedurre i quato la successioe (Z ) é mootoa, e superiormete limitata da b. Chiaramete, la variabile aleatoria Y = ax ha distribuzioe U(, a), co a icogita, ma positiva e miore di 6. Essedo E(Y ) = a, bastera trovare l itervallo di cofideza per E(Y ) e raddoppiare poi l ampiezza. Si ha ioltre V (Y ) = a < Dato il campioe Y 1,..., Y 1, si deoti co Y la quatita 1 1 i=1 Y i. L itervallo per E(Y ) sara duque del tipo [Y δ, Y + δ], ove al solito δ = z α/ σ. Ora, essedo σ = a < 3, ed α/ =.5, risulta δ < L itervallo 3 di cofideza per a é allora [Y.68, Y +.68]. Se poi si vuole che l ampiezza dell itervallo si riduca ad u quito, bisogera moltiplicare per 5 il umero di dati trasmessi, ossia occorroo 5 dati. 4

5 Esercizio 1 Prova scritta del 8/9/1 Soo date due variabili aleatorie idipedeti, X 1 e X, etrambe di tipo espoeziale: la prima ha media 1, la secoda ha media 5. Si trovi la desita della somma X 1 + X. Esercizio Siao X e Y due variabili aleatorie discrete, X NB(1, p 1 ), Y NB(1, p ), idipedeti. Si calcoli la probabilita che risulti X Y. Suppoedo p 1 = 1, si trovi p i modo tale che la probabilita precedete sia uguale a 1 1. Da u idagie codotta su = 9 studeti diplomati co maturita scietifica, risulta che uo studete su 5 ha coseguito la laurea trieale ei 5 ai successivi. a) Costruire u itervallo di cofideza al 99% per la proporzioe p degli studeti che hao coseguito la laurea. b) Quale dev essere il valore miimo di affiché, co gli stessi dati, l itervallo di cofideza abbia meta ampiezza? (Detta Φ la fuzioe di ripartizioe della distribuzioe ormale N(, 1), utilizzare la seguete tabella: Φ(1.6).94 Φ(1.645).95 Φ(1.8).96 Φ(1.96).975 Φ(.33).99 Φ(.58).995) Soluzioi compito 8/9/1 Esercizio 1 Dette f 1 e f le desita di X 1 e X rispettivamete, si ha, per x > : f 1 (x) = 1 1 e x 1, f (x) = 1 5 e x 5. Usado la formula di covoluzioe, troviamo poi (per u > ): f X1 +X (u) = u f 1 (u x)f (x)dx = 1 5 u e u x 1 e x 5 dx = = e u 1 5 u e 1 1 x dx = e u (1 e 1 u ) = 1 u 5 (e 1 e u 5 ). 5

6 Esercizio Sappiamo che, per k itero maggiore di, risulta P ([X = k]) = p 1 (1 p 1 ) k 1, P ([Y = k]) = p (1 p ) k 1. Si ha poi P [X Y ]) = P ([X k ] [Y = k])p ([Y = k]) = k=1 k=1 P ([X k ])P ([Y = k]), a causa dell idipedeza. Ora, se k = 1 o k =, si ha chiaramete P ([X k ]) = ; duque P [X Y ]) = k=3 P ([X k ])P ([Y = k]) = h=1 P ([X h])p ([Y = h + ]). Ora, per h 1, risulta P ([X > h]) = (1 p 1 ) h, e quidi P [X Y ]) = h=1 (1 (1 p 1 ) h )p (1 p ) h+1 = h=1 p (1 p ) h+1 p (1 p )[(1 p 1 )(1 p )] h = h=1 = p (1 p ) 1 p p (1 p 1 )(1 p ) 1 1 (1 p 1 )(1 p ) = p 1(1 p ) p 1 + p p 1 p. Poedo p 1 = 1, si ottiee P [X Y ]) = (1 p ) 1 + p e facili calcoli portao a cocludere che tale probabilita vale 1 1 se e solo se p = 3 5. Detta X la variabile aleatoria dei laureati tra gli itervistati, X segue ua distribuzioe biomiale co probabilita di successo p. Sfruttado l approssimazioe ˆp(1 ˆp) ormale, gli estremi dell itervallo di cofideza cercato soo ˆp ± z a, dove ˆp =., = 9 e, dalla tabella, z a.58. Pertato l itervallo di cofideza e [ ] , [.1656,.344]. 9 9 L ampiezza dipede da i ragioe quadratica iversa: per dimezzare tale ampiezza bastera moltiplicare per 4: duque, occorre u campioe di almeo 36 persoe, co la stessa media di laureati. Prova scritta del 9/11/1 6

7 Esercizio 1 Sia X ua variabile aleatoria co distribuzioe uiforme cotiua: X U(, 1). Per ogi > si poga X = X. Si trovi la distribuzioe di X per ogi, e si cotrolli se la successioe (X ) coverge (i distribuzioe, quasi certamete o i L 1 ) a qualche variabile aleatoria Z. Si esamii poi la covergeza della successioe (Y ) defiita per ogi da: Y := X (1 X). Esercizio poga Sia Y ua v.a. discreta di tipo biomiale: Y B(, p). Per ogi s si G(s) = E(s Y ). Dopo aver calcolato l espressioe esplicita di G(s), si calcolio le derivate G e G e ifie le quatita : G (1) E(Y ), V (Y ) G (1) G (1) + G (1). Ua fabbrica produce dischi di metallo aveti diametro di lughezza X. Si suppoga che X N(µ, σ =.9). Posto di aver misurato u campioe casuale di = 4 dischi e di aver trovato che x = 5 si calcoli: (a) l errore quadratico medio della Media campioaria; (b) l itervallo di cofideza per la media al livello del 5%; (c) suppoedo che il valore di x rimaga ivariato determiare il valore miimo di affiché l ampiezza dell itervallo di cofideza si riduca a 1. (Detta Φ la fuzioe di ripartizioe della distribuzioe ormale N(, 1), utilizzare la seguete tabella: Φ(1.6).94 Φ(1.645).95 Φ(1.8).96 Φ(1.96).975 Φ(.33).99 Φ(.58).995) Soluzioi compito del 9/11/1 Esercizio 1 Per determiare la distribuzioe di X, itato osserviamo che per ciascu itero si ha X [, ]. Duque, fissato, per x [, ] si ha F X (x) = P ([X x ]) = P ([X x ] = x. 7

8 Posto N = [X = 1], si ha ovviamete P (N) =. Ora, se tale eveto o si verifica, si ha X < 1 e quidi lim X = lim X =. Pertato la successioe (X ) tede a quasi certamete, e quidi ache i Probabilita e i distribuzioe. No si ha ivece covergeza i L 1, essedo E(X ) = lim E(X ) = 1. e quidi +1 Quato alla successioe (Y ), si vede facilmete che ach essa tede a q.c.. I tal caso poi si ha ache covergeza i L 1 : E(Y ) =. Esercizio G(s) = E(s X ) = Per defiizioe di valor medio el caso discreto, si ha ( ) s h p h (1 p) h = h h= grazie alla formula del biomio di Newto. Risulta ora h=, e quidi lim (+1)(+) E( Y ) = ( ) (sp) h (1 p) h = (ps + 1 p), h G (s) = p(ps + 1 p) 1, G (s) = p ( 1)(ps + 1 p). Allora facilmete si trova G (1) = p = E(X), G (1) + G (1) G (1) = p(1 p) = V (X), e quidi etrambe le quatita idicate soo ulle. (a) L errore quadratico medio della Media campioaria é per defiizioe dato da: MSE(X) = E(X µ) = σ e quidi. MSE(X µ) = 9 4 =.5 (b) Poiché la popolazioe di parteza é ormale sappiamo che: P ( z α X µ z α σ ) = 1 α 8

9 Quidi co i dati che oi abbiamo si ha che α =, 5 da cui α/ =, 5. Possiamo quidi determiare il valore di z α ormale vediamo essere: z α = 1, 96. Da cio ricaviamo che l itervallo fiduciario per µ é dato da: e sostituedo co i umeri si ha (5 1, 96 (X z α σ/ ; X + z α σ/ ) che dalla tabella sulla fuzioe.3.3 ; 5 + 1, 96 ) = (5 1, 96, 474; 5 + 1, 96, 474) 4 4 = (5 +.93) = (4.97; 5.93). (c) Sappiamo che l ampiezza di u itervallo fiduciario é data da: A = z α σ Adiamo quidi a determiare il valore miimo di affiché tale ampiezza sia miore di, e sempre co (1 α) =, 95: 1 1 da cio ricaviamo il valore miimo di > 1, 96.3 > (1 1, 96.3) = e i coclusioe il valore miimo di é

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06 PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.

Dettagli

Prova d esame di Calcolo delle Probabilità 02/07/2011

Prova d esame di Calcolo delle Probabilità 02/07/2011 Prova d esame di Calcolo delle Probabilità 0/07/0 N. MATRICOLA... COGNOME e NOME... Esercizio Cosideriamo due ure ed ua moeta truccata. La prima ura (ura A) cotiee pallie rosse e 4 biache, la secoda ura

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

Probabilità e Statistica Laurea Triennale in Matematica 17/06/2014 Soluzioni traccia B

Probabilità e Statistica Laurea Triennale in Matematica 17/06/2014 Soluzioni traccia B Probabilità e Statistica Laurea Trieale i Matematica 7/06/204 Soluzioi traccia B Esercizio 2. (Appello completo) Cosideriamo due ure A e B. L ura A cotiee 4 biglie rosse e 2 ere, metre l ura B cotiee biglia

Dettagli

Esercizi di Calcolo delle Probabilità Foglio 7

Esercizi di Calcolo delle Probabilità Foglio 7 Esercizi di Calcolo delle Probabilità Foglio 7 David Barbato Esercizio. Siao Y e X } N variabili aleatorie idipedeti e co distribuzioe espoeziale di parametro λ =. Siao ioltre: W := maxy, X } N T := miw

Dettagli

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.

Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE. CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea i Igegeria Iformatica Ao Accademico 26/27 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Acoa, geaio 27. (8 puti) Si vuole stimare il parametro p di ua legge

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti. AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i

Dettagli

Esercitazione n Supponendo che i giorni lavorativi in un anno siano 340, quanti chilometri percorre mediamente un tir in un anno?

Esercitazione n Supponendo che i giorni lavorativi in un anno siano 340, quanti chilometri percorre mediamente un tir in un anno? Esercitazioe.4 1 Applicazioi del TCL 1.1 Ua ditta di trasporti iterazioali possiede 100 tir dello stesso tipo. Ogi tir percorre ua media di 600 km al gioro co ua deviazioe stadard di 50 km. 1. Suppoedo

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al

Dettagli

Esercizi di Analisi II

Esercizi di Analisi II Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare

Dettagli

1 Esercizi tutorato 27/5

1 Esercizi tutorato 27/5 Esercizi tutorato 7/5 Esercizi tutorato 7/5 Esercizio.. Si cosideri u compoete elettroico costituito da compoeti collegate i serie. Ogi compoete ha u tempo di vita T i Expλ), i =,..., idipedete. Sia X

Dettagli

Esercizi 2 Pietro Caputo 14 dicembre se ξ n > log n

Esercizi 2 Pietro Caputo 14 dicembre se ξ n > log n Esercizi 2 Pietro Caputo 4 dicembre 2006 Esercizio. Siao Y, per =, 2,..., variabili aleatorie co distribuzioe biomiale di parametri e p := λ, per qualche λ > 0. Dimostrare che Y coverge i distribuzioe

Dettagli

Statistica Inferenziale Soluzioni 1. Stima puntuale

Statistica Inferenziale Soluzioni 1. Stima puntuale ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza

Dettagli

Soluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente

Soluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P

Dettagli

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,

Dettagli

Statistica I - A.A

Statistica I - A.A Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie

Dettagli

Matematica con elementi di Informatica

Matematica con elementi di Informatica La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche

Dettagli

2.5 Convergenza assoluta e non

2.5 Convergenza assoluta e non .5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello

Dettagli

Esercizi di econometria: serie 2

Esercizi di econometria: serie 2 Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso

Dettagli

Esercizi settimana 10

Esercizi settimana 10 y = = 0 0,5 0,5,5 x Esercizi settimaa 0 Esercizi applicati Esercizio. Siao X ) i.i.d. tali per cui X U0, ), si dimostri che X 0. Soluzioe. Per calcolare la covergeza i legge dobbiamo usare la fuzioe di

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete

Dettagli

Esercitazione X Complementi di Probabilità a.a. 2011/2012

Esercitazione X Complementi di Probabilità a.a. 2011/2012 Esercitazioe X Complemeti di Probabilità a.a. 20/202 Argometi: covergeza e TLC. Esercizio. Sia {X k } k ua successioe di v.a. i.i.d. di legge Exp(. Sia G = S,. a Scrivere la fuzioe caratteristica φ di

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n]

SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n] SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 05/6, FOGLIO Sia f : R R defiita da f x { se x [, 3] 0 altrimeti Studiare la covergeza putuale, uiforme e uiforme sui compatti della successioe f e della

Dettagli

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni. Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 24 maggio 26 Desità e distribuzioi cogiute e codizioate. Covergeza e approssimazioe Esercizio Uo studio dice che l ivestimeto i titoli di stato, rappresetato

Dettagli

UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 2007/2008

UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 2007/2008 UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 007/008 Questi apputi soo stati cocepiti come u aiuto didattico per gli studeti della Facoltá di Ecoomia.

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete

Dettagli

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 07/02/2017

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 07/02/2017 Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 07/02/207 COGNOME e NOME... N. MATRICOLA... Esercizio. Sia {X } N ua martigala rispetto ad ua filtrazioe {F } N co P (X N) = per ogi

Dettagli

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014 Esercizi co R Corso Statistica corso avazato A. A. 203/204 Esercizio Due compagie di assicurazioe soo i cocorreza per stipulare polizze co = 000 clieti. Si suppoga che ogi cliete scelga tra le due società

Dettagli

Traccia delle soluzioni degli esercizi del fascicolo 6

Traccia delle soluzioni degli esercizi del fascicolo 6 Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Seconda Prova Intermedia 28 Maggio 2019 Elementi di Probabilità e Statistica, Laurea Triennale in Matematica, M. Romito, M.

Seconda Prova Intermedia 28 Maggio 2019 Elementi di Probabilità e Statistica, Laurea Triennale in Matematica, M. Romito, M. Secoda rova Itermedia 8 Maggio 09 Elemeti di robabilità e Statistica, Laurea Trieale i Matematica, 08-9 M. omito, M. ossi roblema 0. Sia X, Y ) ua v.a. a valori i co desità dove N è u parametro fissato.

Dettagli

Distribuzione normale

Distribuzione normale Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5

Dettagli

ESERCIZI - FASCICOLO 1

ESERCIZI - FASCICOLO 1 ESERCIZI - FASCICOLO 1 Esercizio 1 Sia (Ω, A) uo spazio misurabile. Se (A ) 1 è ua successioe di eveti (= elemeti di A), defiiamo lim sup A := A k lim if A = A k. Mostrare che =1 k= (lim sup A ) c = lim

Dettagli

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().

Dettagli

Esercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) =

Esercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) = Esercitazioe 3 Successioi di fuzioi Esercizio : Studiare la covergeza i (0, ) della successioe {f } dove f (x) = metre Sol.: Si verifica facilmete che lim f (x) = 0 x (0, ) lim sup f (x) = lim = + (0,)

Dettagli

Convergenza di variabili aleatorie

Convergenza di variabili aleatorie Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare

Dettagli

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018 Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,

Dettagli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)

Dettagli

Distribuzione normale o gaussiana

Distribuzione normale o gaussiana Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore

Dettagli

Elementi di Probabilità e Statistica - 052AA - A.A

Elementi di Probabilità e Statistica - 052AA - A.A Elemeti di Probabilità e Statistica - 05AA - AA 05-06 Prova scritta - 9 settembre 06 Problema pt Su uo spazio probabilizzato Ω, F, P, suppoiamo di avere ua successioe Z di va discrete idipedeti, tali che

Dettagli

Metodi di valutazione delle prestazioni di rete

Metodi di valutazione delle prestazioni di rete Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile

Dettagli

Serie di potenze / Esercizi svolti

Serie di potenze / Esercizi svolti MGuida, SRolado, 204 Serie di poteze / Esercizi svolti Si cosideri la serie di poteze (a) Determiare il raggio di covergeza 2 + x (b) Determiare l itervallo I di covergeza putuale (c) Dire se la serie

Dettagli

Esercizi - Fascicolo VI

Esercizi - Fascicolo VI Esercizi - Fascicolo VI Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi sia compresa tra 0.49 e 0.5 sia

Dettagli

Risoluzione del compito n. 3 (Febbraio 2018/2)

Risoluzione del compito n. 3 (Febbraio 2018/2) Risoluzioe del compito. 3 (Febbraio 08/ PROBLEMA a Determiate le soluzioi τ C dell equazioe τ iτ +=0. { αβ =4 b Determiate le soluzioi (α, β, co α, β C,delsistema α + β =i. c Determiate tutte le soluzioi

Dettagli

Lezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice

Lezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,

Dettagli

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino) Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

1 + 1 ) n ] n. < e nα 1 n

1 + 1 ) n ] n. < e nα 1 n Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Correzione Esercitazione 5. Esercizio 1. Per determinare l intervallo di confidenza scegliamo come quantità. x 2) I 2 (0,θ) (x), da cui 1 F X (x θ) =

Correzione Esercitazione 5. Esercizio 1. Per determinare l intervallo di confidenza scegliamo come quantità. x 2) I 2 (0,θ) (x), da cui 1 F X (x θ) = Correzioe Esercitazioe 5 Esercizio 1. Per determiare l itervallo di cofideza scegliamo come quatità pivotale 1 F X θ) che ha distribuzioe U0, 1). Nel ostro caso, F X θ) = θ 1 θ ) I 0,θ) ), da cui 1 F X

Dettagli

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa

Dettagli

1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ;

1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ; . Serie umeriche Esercizio. Studiare il carattere delle segueti serie: ;! ;! ;!. Soluzioe.. Serie a termii positivi; cofrotiamola co la serie +, che è covergete: + + + 0. Pertato, per il criterio del cofroto

Dettagli

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6 X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro

Dettagli

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi: Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,

Dettagli

Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezione del 10/12/2002

Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezione del 10/12/2002 Esercitazioi di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dii Lezioe del 10/12/2002 1 Applicazioi del TCL 1.1 Ua ditta di trasporti iterazioali possiede 100 tir dello

Dettagli

0.1 Il teorema limite centrale

0.1 Il teorema limite centrale 0. Il teorema limite cetrale 0. Il teorema limite cetrale Teorema 0.. Teorema limite cetrale). Sia X i ) i N ua successioe di variabili aleatorie i.i.d. che ammettoo mometo secodo fiito, co media µ e co

Dettagli

Esercitazione due: soluzioni

Esercitazione due: soluzioni Esercitazioe due: soluzioi. Sia il ricavo r i pk i ti, p, k, t i > applicado la defiizioe di media di Chisii il tempo medio t che lascia ivariato il ricavo totale é quel valore tale che pk i ti pk i t

Dettagli

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;

Dettagli

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base

Dettagli

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua

Dettagli

Esercitazione IV Complementi di Probabilità a.a. 2011/2012

Esercitazione IV Complementi di Probabilità a.a. 2011/2012 Esercitazioe IV Complemeti di Probabilità a.a. 2011/2012 Argometi: idipedeza, 2 lemma di Borel Catelli, σ-algebra coda. Esercizio 1. a) Dato (Ω, F, P), siao J 1, J 2,..., J m π-system su Ω tali che Ω J

Dettagli

Università degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO

Università degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO Versioe: 16 ottobre 2017 (h17:25) Uiversità degli Studi di Salero Pietro Coretto Corso di Statistica FORMULARIO Valori osservati per statistiche di posizioe, variabilità e correlazioe Nota: per ua distribuzioe

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( =

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( = Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di

Dettagli

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x

Dettagli

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. CAPITOLO OTTAVO LE VARIABILI CASUALI Sommario:. Geeralità. -. La variabile casuale biomiale. - 3. La variabile casuale di Poisso. - 4. La variabile casuale ormale. 5. La variabile casuale chi-quadrato.

Dettagli

2.4 Criteri di convergenza per le serie

2.4 Criteri di convergenza per le serie 2.4 Criteri di covergeza per le serie Come si è già acceato i precedeza, spesso è facile accertare la covergeza di ua serie seza cooscere la somma. Ciò è reso possibile da alcui comodi criteri che foriscoo

Dettagli

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57 Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu

Dettagli

(i) si calcoli la probabilità di non perdere soldi; P(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =

(i) si calcoli la probabilità di non perdere soldi; P(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) = 1 Esercizi settimaa 2 Esercizio 1. Si cosideri la seguete strategia per il gioco della roulette. Si scommette 1 sul rosso. Se esce rosso (si ricordi che la roulette è da 37 umeri, di cui 18 rossi e 18

Dettagli

ESERCITAZIONE N. 6 corso di statistica

ESERCITAZIONE N. 6 corso di statistica ESERCITAZIONE N. 6corso di statistica p. 1/18 ESERCITAZIONE N. 6 corso di statistica Marco Picoe Uiversità Roma Tre ESERCITAZIONE N. 6corso di statistica p. 2/18 Itroduzioe Variabili aleatorie cotiue Itervalli

Dettagli

AM110 - ESERCITAZIONI V - VI. Esercizio svolto 1. Dimostrare che ogni insieme finito ha un massimo ed un minimo.

AM110 - ESERCITAZIONI V - VI. Esercizio svolto 1. Dimostrare che ogni insieme finito ha un massimo ed un minimo. AM110 - ESERCITAZIONI V - VI 16-18 OTTOBRE 2012 Esercizio svolto 1. Dimostrare che ogi isieme fiito ha u massimo ed u miimo. Sia A = {a 1,..., a } R. Dimostriamo che A ha u massimo si procede i maiera

Dettagli

Esercitazione n 4. 1 Serie di Taylor. Esercizio 1: Verificare che la funzione. f(x) = 0 se x = 0

Esercitazione n 4. 1 Serie di Taylor. Esercizio 1: Verificare che la funzione. f(x) = 0 se x = 0 Esercitazioe 4 1 Serie di Taylor Esercizio 1: Verificare che la fuzioe f(x) { e 1/x se x 0 0 se x 0 pur essedo C o è sviluppabile i serie di Taylor i x 0. Sol.: Determiiamo le derivate di f: 0 f (0) lim

Dettagli

LEGGE DEI GRANDI NUMERI

LEGGE DEI GRANDI NUMERI LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi

Dettagli

Siamo interessati a studiare la convergenza della serie e porremo come al solito:

Siamo interessati a studiare la convergenza della serie e porremo come al solito: SERIE DI POTENZE Soo particolari serie di fuzioi, i cui termii soo moomi, evetualmete traslati: f (x) co f (x) =a (x x 0 ), a R, x 0 R, ossia dove a (x x 0 ) = a 0 + a 1 (x x 0 )+a 2 (x x 0 ) 2 +... x

Dettagli

Serie numeriche. Esercizi

Serie numeriche. Esercizi Serie umeriche. Esercizi Mauro Saita, aprile 204. Idice Serie umeriche.. Serie a termii defiitivamete positivi..............................2 Serie a termii di sego altero.................................

Dettagli

CALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL 1/2/2011

CALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL 1/2/2011 CALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL //0 PRIMA PARTE Esercizio U sitomo S è ricoducibile a tre malattie M, M e M 3 a due a due icompatibili. Sapedo che la probabilità che u idividuo abbia la patologia

Dettagli

1. Converge. La serie è a segno alterno. Non possiamo usare il criterio di assoluta convergenza, perché

1. Converge. La serie è a segno alterno. Non possiamo usare il criterio di assoluta convergenza, perché Soluzioi.. Coverge. La serie è a sego altero. No possiamo usare il criterio di assoluta covergeza, perché log log a = > + e il fatto che la serie i valore assoluto diverge o permette di trarre coclusioi

Dettagli

II Esonero - Testo A

II Esonero - Testo A Dip. di Igegeria, Uiv. Roma Tre Prof. E. Scoppola, Dott.M. Quattropai Probabilità e Statistica, 2017-18, I semestre 29 Geaio 2018 II Esoero - Testo A Cogome Nome Matricola Esercizio 1. (20%) Si cosideri

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

Probabilità CENNI DI PROBABILITÀ

Probabilità CENNI DI PROBABILITÀ CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee

Dettagli

Appunti di STATISTICA

Appunti di STATISTICA Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.

Dettagli

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5. 60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta

Dettagli

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:

Dettagli

Legge Gamma e Legge Chi quadro

Legge Gamma e Legge Chi quadro Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma

Dettagli