Teoria delle Probabilità e Applicazioni programma 2004/05
|
|
- Basilio Pasini
- 4 anni fa
- Visualizzazioni
Transcript
1 Teoria delle Probabilità e Applicazioni programma 2004/05 Capitolo 1: esempio guida Lezioni: 8/3, 9/3 (5h) 1. Come modellizzare l esperimento infiniti lanci di una moneta equilibrata oppure l esperimento estrazione casuale di un numero nell intervallo (0, 1]: la definizione di B 0 e l espansione diadica degli ω Ω. La definizione di P su B Le probabilità delle sequenze finite coincidono col nostro concetto intuitivo (visto nel corso di CPSM). 3. Richiamo sulla legge debole dei grandi numeri, applicata alle variabili d i = i esimo coefficiente dell espansione diadica. Legge forte (sempre per le variabili d i ): confronto con la debole. Corollario: l insieme dei numeri non normali ha misura nulla. 4. Esigenze che emergono: estendere P al di fuori di B 0 ; definire gli eventi trascurabili. Capitolo 2: spazi di probabilità Lezioni: 10/3, 16/3, 17/3 (5h) 1. Definizioni di: spazi di probabilità, algebra, σ algebra, misura di probabilità definita su un algebra, misura di probabilità definita su una σ algebra. 2. Un esempio in cui è naturale chiedersi la probabilità di una unione numerabile di eventi: la rovina del giocatore. Esempi di σ algebre, esempi di misure (anche non necessariamente di probabilità, cioè senza la richiesta µ(ω) = 1). 3. Definizione di: σ algebra generata da una famiglia di insiemi, boreliani. Proposizioni: l intersezione (qualsiasi) di σ algebre è una σ algebra; la σ algebra generata da una famiglia di insiemi A è la più piccola che contiene gli elementi di A; definizioni equivalenti dei boreliani. 4. Proprietà delle misure di probabilità; equivalenza di finita additività + continuità al vuoto e numerabile additività. 5. Osservazione sulla non rappresentabilità delle σ algebre; σ algebre come informazione. 1
2 Capitolo 3: estensione di misure e costruzione della misura di Lebesgue Lezioni: 23/3, 24/3, 31/3 (6h) 1. Esempio di Cantor: insiemi con cardinalità del continuo e misura nulla. 2. Teorema di estensione e unicità. Estensione: misura esterna, proprietà. Criterio di misurabilità di Carathéodory e classe M dei misurabili, proprietà. 3. Unicità: definizione di π sistema, λ sistema, proprietà. Teorema π λ di Dynkin. 4. Enunciato del teorema della classe monotona. 5. Caso particolare della misura di Lebesgue. B 0 B M P(Ω) e tutte le inclusioni sono strette. Definizione di insieme trascurabile, definizione di misura completa. La misura di Lebesgue è completa e la σ algebra di Lebesgue completa quella di Borel. Impossibilità di definire una misura lunghezza su P([0, 1]). Capitolo 4: lemmi di Borel Cantelli, indipendenza, legge 0-1 di Kolmogorov Lezioni: 31/3, 5/4, 6/4, 7/4 (5h) 1. Definizioni di limsup e liminf di eventi. Esempio sui lanci di moneta. Proprietà: se esiste lim n A n allora P(lim n A n ) = lim n P(A n ). 2. Lemmi di Borel Cantelli (++). Applicazioni ai lanci di monete. Corollario: se l n = numero di croci consecutive a partire da n, allora lim sup n l n / log 2 (n) = 1 q.c. 3. Indipendenza: per eventi e per σ algebre. 4. Definizione della σ algebra della coda. Legge 0-1 di Kolmogorov (++). Capitolo 5: integrale astratto di Lebesgue Lezioni: 7/4, 13/4, 14/4 (5h) 1. Definizione di v.a. e di funzione misurabile. Equivalenza con la definizione vista in CPSM. Proprietà: l insieme delle funzioni misurabili è chiuso rispetto a somma, max, min, sup, inf, lim. 2
3 2. Richiami sull integrale di Riemann: come superare la non integrabilità di alcune funzioni con il metodo di Lebesgue. 3. Integrazione di funzioni semplici positive. Integrazione di funzioni positive. Lo spazio L 1 (µ) delle funzioni integrabili rispetto alla misura µ. Integrazione di funzioni integrabili. Proprietà dell integrale. 4. Teoremi di convergenza: teorema della convergenza monotona, lemma di Fatou, teorema della convergenza dominata. (*) 5. Confronto fra integrale di Riemann e quello di Lebesgue. Integrali rispetto a misure generiche. Capitolo 6: come definire le probabilità, teorema di rappresentazione di Lebesgue Lezioni: 19/4, 20/4 (2h) 1. Definizioni di probabilità: discreta, concentrata su C, assolutamente continua (rispetto alla misura di Lebesgue),singolare, singolare continua. Misura assolutamente continua rispetto ad un altra. 2. Teorema: data f 0 misurabile e µ misura su (Ω, F), allora ν(e) = fdµ definisce una misura. (*) E 3. Funzione di ripartizione di una probabilità. Due probabilità su R con la stessa funzione di ripartizione coincidono. Proprietà di una funzione di ripartizione. Proprietà delle funzione di ripartizione delle probabilità discrete e di quelle a.c. Esempio di funzione di ripartizione né discreta né a.c. Scala di Vitali Cantor. 4. Teorema di rappresentazione di Lebesgue (*). Capitolo 7: variabili aleatorie Lezioni: 20/4, 21/4, 27/4 (4h) 1. Definizione di: vettore aleatorio, σ algebra generata da una v.a. o da un vettore aleatorio, probabilità P X indotta da una v.a. su R, funzione di ripartizione di una v.a., v.a. discreta, a.c., singolare continua, valore atteso di una v.a., momento n esimo di una v.a., momento n esimo centrato. 2. Esempio di v.a. diverse con la stessa legge. 3. Funzioni di v.a., loro misurabilità, loro valore atteso. Formule per il calcolo di valori attesi. 3
4 4. Integrale di Lebesgue Stieltjes. 5. Vettori aleatori: legge congiunta, funzione di ripartizione congiunta, indipendenza. Capitolo 8: spazi prodotto Lezioni: 27/4, 28/4 (2h) 1. Definizioni: spazio prodotto di spazi di misura; sezioni di insiemi e di funzioni. 2. Teorema di esistenza di (Ω, F, P) e X 1,..., X n v.a. indipendenti con leggi marginali assegnate (++). 3. Integrali doppi e integrali iterati. Teoremi di Fubini e di Tonelli per misure σ finite. (*) Capitolo 9: convergenza di variabili aleatorie Lezioni: 28/4, 3/5, 4/5 (6h) 1. Definizioni: convergenza qc, P, L 1, L 2, d; convergenza debole di misure. 2. Criterio equivalente alla convergenza qc (++); criterio sufficiente alla convergenza qc (++). Criterio equivalente alla convergenza P (++). Criterio equivalente alla convergenza d (++). 3. Implicazioni e controesempi fra le varie convergenze. Operazioni che conservano le convergenze. Teoremi di Slutzky I e II (++). 4. Legge forte dei grandi numeri (*). Dimostrazione nel caso di esistenza del momento quarto finito (++). Legge forte nel caso E(X 1 ) < e E(X + 1 ) = (++). Capitolo 10: funzioni caratteristiche e teorema del limite centrale Lezioni: 11/5, 12/5 (3h) 1. Definizione di funzione caratteristica. Proprietà. Esempi per le distribuzioni più comuni. 2. Legami fra funzioni caratteristiche, distribuzioni e convergenza in legge: teoremi di inversione e di continuità di Lévy (*). Teorema centrale del limite di Lévy (++). 4
5 Capitolo 11: catene di Markov Lezioni: 12/5, 17/5, 18/5, 19/5, 24/5, 25/5, 31/5, 7/6, 8/6 (17h) 1. Definizione: catena di Markov, proprietà di Markov. 2. Teorema di esistenza catena dati (X, P ) e ν distribuzione iniziale (++) (senza la dimostrazione della numerabile additività della probabilità sull algebra dei cilindri). 3. Classificazione degli stati: relazione, relazione, classi irriducibili, classi assorbenti, stati ricorrenti, transitori, ricorrenti positivi, zeroricorrenti. Funzioni generatrici G e F, loro proprietà. Condizioni equivalenti alla ricorrenza (probabilità di visitare i.v., numero medio di visite...). 4. Periodo di una classe irriducibile, proprietà. 5. Caso finito: regolarità. Condizione equivalente alla regolarità. Distribuzione al tempo n. Misure stazionarie. Misure reversibili. Teorema ergodico (++). Tempo speso mediamente in uno stato, tempo medio di ritorno. 6. Teorema ergodico caso periodico irriducibile (*). Caso non irriducibile: problemi di assorbimento. 7. Caso infiniti stati: teorema ergodico (*). Esempio della passeggiata sugli interi e sull albero omogeneo. Dei risultati con (*) non è stata fatta (o comunque non è richiesta) la dimostrazione. I risultati con (++) sono invece quelli di cui è importante conoscere la dimostrazione. 5
ESERCIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2
ESECIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2 1. Una σ algebra è chiusa rispetto a intersezioni finite e numerabili, e rispetto a differenze e differenze simmetriche. 2. Una σ algebra è anche un algebra,
DettagliDiario Complementi di Probabilità a.a. 2017/2018
Diario Complementi di Probabilità a.a. 2017/2018 Testi di riferimento: [W] Probability with martingales, D.Williams [Bi] Probability and measure, P.Billingsley [Ba] Appunti del corso di Calcolo delle Probabilità
DettagliDiario Complementi di Probabilità a.a. 2007/2008
Diario Complementi di Probabilità a.a. 2007/2008 Testi di riferimento: Probability with martingales, D.Williams Probability and measure, P.Billingsley Esercizi con soluzione distribuiti a lezione 1. 23
DettagliDiario Complementi di Probabilità a.a. 2016/2017
Diario Complementi di Probabilità a.a. 2016/2017 Testi di riferimento: [W] Probability with martingales, D.Williams [Bi] Probability and measure, P.Billingsley [Ba] Appunti del corso di Calcolo delle Probabilità
DettagliAnalisi Stocastica Programma del corso 2009/10
Analisi Stocastica Programma del corso 2009/10 [13/01a] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza,
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2013/2014 www.mat.uniroma2.it/~caramell/did 1314/ps.htm 04/03/2014 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2012/2013 www.mat.uniroma2.it/~caramell/did 1213/ps.htm 05/03/2013 - Lezioni 1, 2, 3 Breve introduzione al corso. Fenomeni deterministici
DettagliAnalisi Stocastica Programma del corso 2008/09
Analisi Stocastica Programma del corso 2008/09 [13/01] Introduzione. 0. Preludio (1 ora) [1] Descrizione del corso: obiettivi, prerequisiti, propedeuticità. Un esempio euristico: lavoro di una forza, valore
DettagliDiario Complementi di Probabilità a.a. 2018/2019
Diario Complementi di Probabilità a.a. 2018/2019 Testi di riferimento: [W] Probability with martingales, D.Williams [Bi] Probability and measure, P.Billingsley [Ba] Appunti del corso di Calcolo delle Probabilità
DettagliConvergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di
1. martedì 10 marzo Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di Doob; una mg è L p limitata se e
DettagliPROBABILITA Laurea in Matematica a.a. 2017/18 Registro delle lezioni
PROBABILITA Laurea in Matematica a.a. 2017/18 Registro delle lezioni 25/09/2017. Teorema delle classi monotone, con dimostrazione. Corollario di unicità di misure coincidenti su classi chiuse per intersezione
DettagliAnalisi a più variabili: Integrale di Lebesgue
Analisi a più variabili: Integrale di Lebesgue 1 Ripasso delle definizioni di Algebre, σ-algebre, misure additive, misure σ-additive, Proprietà della misura astratta, misura esterna. Definizione (Insieme
DettagliIndice analitico. distanza, 2 discreta, 2 disuguaglianza triangolare, 2. simmetria, 2 disuguaglianza di Bessel, 101
Indice analitico condizione di Cauchy, 14 continuità, 13 convergenza di una successione crescente di funzioni semplici verso una funzione sommabile, 127 inl p (E) implica in L q (E) sep>qe m(e) < +, 95
DettagliA.A. 2015/2016 Corso di Analisi Matematica 2
A.A. 2015/2016 Corso di Analisi Matematica 2 Stampato integrale delle lezioni (Appendice di Teoria della Misura) Massimo Gobbino Indice Lezione 131. Introduzione alla teoria della misura: motivazioni.
DettagliAnalisi a più variabili: Misura di Peano - Jordan ed Integrale di Riemann
Analisi a più variabili: Misura di Peano - Jordan ed Integrale di Riemann 1 Definizione (Algebra): T P Ω è un'algebra se: A, B T A B T, Ω T A T A C T Se A i T A i T si dice σ-algebra Definizione (Misura):
DettagliA.A. 2015/16 REGISTRO ELETTRONICO DELLE LEZIONI
A.A. 2015/16 ISTITUZIONI DI ANALISI SUPERIORE 12 crediti, I semestre Docenti: Prof. Gennaro Infante per i primi 6 crediti ed io per i rimanenti 6 crediti. REGISTRO ELETTRONICO DELLE LEZIONI IMPORTANTE:
DettagliRegistro delle lezioni
Complementi di Analisi Matematica - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Registro delle lezioni Laura Poggiolini e Gianna Stefani 2 ottobre 2006, 2 ore, LP Il campo dei
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 24/5 Nome: 7 gennaio 26 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliEsercizio 2.2 Dimostrare che le seguenti famiglie di parti di R generano la stessa σ-algebra
ANALISI III (Corso di Laurea in Matematica, Facoltà di Scienze mm.ff.nn., Università degli Studi di Padova, a.a. 1994/95), FASCICOLO 2: esercizi e complementi di teoria della misura e dell integrazione
DettagliElementi di analisi matematica e complementi di calcolo delle probabilita T
Elementi di analisi matematica e complementi di calcolo delle probabilita T Presentiamo una raccolta di quesiti per la preparazione alla prova orale di Elementi di analisi matematica e complementi di calcolo
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni
Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2013/14 Registro delle lezioni Lezione 1 (25/2). Introduzione al corso. Prime definizioni sui processi stocastici (processo stocastico, distribuzioni
DettagliIstituzioni di Probabilità Laurea magistrale in Matematica a.a. 2012/13 Registro delle lezioni
Istituzioni di Probabilità Laurea magistrale in Matematica a.a. 2012/13 Registro delle lezioni Lezione 1 (27/9). Introduzione al corso. Prime definizioni sui processi stocastici (processo stocastico, distribuzioni
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
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità M. Pratelli e M. Romito Gli esercizi che seguono sono stati proposti nel corso Probabilità dell Università di Pisa negli a.a. 2012-13 e 2013-14 (M. Romito) e 2014-15
DettagliQuesiti di Metodi Matematici per l Ingegneria
Quesiti di Metodi Matematici per l Ingegneria Presentiamo una raccolta di quesiti per la preparazione alla prova orale del modulo di Metodi Matematici per l Ingegneria. Per una buona preparazione é consigliabile
DettagliCORSO DI LAUREA IN MATEMATICA ANALISI MATEMATICA 6, A.A PRIMA PARTE DEL CORSO
CORSO DI LAUREA IN MATEMATICA ANALISI MATEMATICA 6, A.A. 2009 2010 PRIMA PARTE DEL CORSO F. ZANOLIN, UNIVERSITÀ DEGLI STUDI DI UDINE, DIPARTIMENTO DI MATEMATICA E INFORMATICA, VIA DELLE SCIENZE 206, 33100
DettagliLeggi 0-1, successioni di v.a. stazionarie in senso stretto ed introduzione alla teoria ergodica
Leggi 0-, successioni di v.a. stazionarie in senso stretto ed introduzione alla teoria ergodica Michele Gianfelice a.a. 202-203 Misura sullo spazio delle successioni a valori reali Sia R N l insieme delle
DettagliProbabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2018/2019 www.mat.uniroma2.it/~caramell/did 1819/pf.htm 02/10/2018 - Lezioni 1, 2 Introduzione al corso. Richiami di probabilità: le algebre e le σ-algebre.
DettagliDIARIO DELLE LEZIONI DEL CORSO DI ANALISI MATEMATICA II - INGEGNERIA ELETTRONICA. ANNO ACCADEMICO (PROF. D. PUGLISI)
DIARIO DELLE LEZIONI DEL CORSO DI ANALISI MATEMATICA II - INGEGNERIA ELETTRONICA. ANNO ACCADEMICO 2015-2016 (PROF. D. PUGLISI) 12-10-2015 Successioni di Funzioni Successioni di funzioni. Convergenza puntuale.
DettagliPROGRAMMA DI CALCOLO DELLE PROBABILITÀ(1 o modulo) periodo: I Semestre, A. A. 2002/03 docente: Giovanna Nappo, (ufficio n.109, tel.
PROGRAMMA DI CALCOLO DELLE PROBABILITÀ(1 o modulo) periodo: I Semestre, A. A. 2002/03 docente: Giovanna Nappo, (ufficio n.109, tel. 49913262, e-mail: nappo@mat.uniroma1.it) Prerequisiti: Nozioni di base
Dettagli19. L integrale di Lebesgue: un breve riassunto, I
156 19. L integrale di Lebesgue: un breve riassunto, I Il problema di caratterizzare la classe delle funzioni integrabili secondo Riemann e di capire per quali funzioni vale il teorema fondamentale del
DettagliRegistro del corso di Probabilità a.a
Registro del corso di Probabilità a.a. 2018-19 Lezione 1 (25/9). Definizione di algebra, di σ-algebra, di σ-algebra σ (I) generata da una famiglia I di insiemi; la famiglia B delle unioni numerabili di
DettagliIntroduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007
Corso di Calcolo delle probabilità - SIGAD -A.A. 2007/2008 Registro provvisorio delle Lezioni tenute da: Giuseppe Sanfilippo Settimana Giorno Lezione Lez N. Argomento Effettuata =SI Introduzione generale.
DettagliProbabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2016/2017 www.mat.uniroma2.it/~caramell/did 1617/pf.htm 26/09/2016 - Lezioni 1, 2 Introduzione al corso. Tassi di interesse: interesse composto, semplice,
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.
DettagliELEMENTI DI TEORIA DELLA MISURA E DELL INTEGRAZIONE SECONDO LEBESGUE, versione italiana. PARTE 1: TEORIA DELLA MISURA
ELEMENTI DI TEORIA DELLA MISURA E DELL INTEGRAZIONE SECONDO LEBESGUE, versione italiana. PARTE 1: TEORIA DELLA MISURA A. Brini October 12, 2009 Contents 1 Misura esterna e misura in R n 1 1.1 Ricoprimenti
DettagliCalcolo di Probabilità e Processi Stocastici, Laurea magistrale in Ing. Robotica e dell Automazione, a.a. 2011/12 Registro delle lezioni
Calcolo di Probabilità e Processi Stocastici, Laurea magistrale in Ing. Robotica e dell Automazione, a.a. 2011/12 Registro delle lezioni Lezione 1 (26/9). Introduzione al corso; materiale e comunicazioni
DettagliCorso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso
Corso di Metodi Matematici per l Ingegneria A.A. 2017/2018 Domande-tipo di teoria sulla seconda metà del corso Marco Bramanti Politecnico di Milano December 20, 2017 Parte 3. Teoria della misura e dell
DettagliProbabilità e Finanza
Diario delle lezioni di Probabilità e Finanza a.a. 2017/2018 www.mat.uniroma2.it/~caramell/did 1718/pf.htm 10/10/2017 - Lezioni 1, 2 Introduzione al corso. Richiami di probabilità: le algebre e le σ-algebre.
DettagliII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 20 febbraio
II Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 3/4 Nome: febbraio 4 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliMauro Piccioni PROBABILITÀ DI BASE CON 136 ESERCIZI SVOLTI. II edizione
A01 164 Mauro Piccioni PROBABILITÀ DI BASE CON 136 ESERCIZI SVOLTI II edizione Copyright MMXI ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133/A B 00173 Roma
DettagliCalcolo delle Probabilità 2017/18 Foglio di esercizi 8
Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito
DettagliElementi di analisi matematica e complementi di calcolo delle probabilita T
Elementi di analisi matematica e complementi di calcolo delle probabilita T Presentiamo una raccolta di quesiti per la preparazione alla prova orale di Elementi di analisi matematica e complementi di calcolo
DettagliCP410: Esonero 1, 31 ottobre 2013
Dipartimento di Matematica, Roma Tre Pietro Caputo 2013-14, I semestre 31 ottobre, 2013 CP410: Esonero 1, 31 ottobre 2013 Cognome Nome Matricola Firma 1. Fare un esempio di successione di variabili aleatorie
DettagliProcessi stocastici A.A Corso di laurea Magistrale in Statistica Univ. degli Studi di Palermo
Processi stocastici A.A. 09 0 Corso di laurea Magistrale in Statistica Univ. degli Studi di Palermo G. Sanfilippo 20 maggio 200 Registro delle lezioni. Lezione del 3 Marzo 200, 8-, ore complessive 3 Richiami
DettagliCALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica. Leggere attentamente le seguenti note
CALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica Leggere attentamente le seguenti note Modalità d esame. L esame consta di uno scritto con esercizi (bisogna prenotarsi su infostud). Chi passa questo
DettagliCP410: Esonero 1, 7 novembre, 2018
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, I semestre 7 novembre, 2018 CP410: Esonero 1, 7 novembre, 2018 Cognome Nome Matricola Firma 1. Sia X una variabile aleatoria su uno spazio di
DettagliIndice. Notazioni generali... 1
Notazioni generali............................................. 1 1 Derivati e arbitraggi....................................... 5 1.1 Opzioni................................................ 5 1.1.1 Finalità..........................................
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliElementi di teoria della misura (incompleto)
lementi di teoria della misura (incompleto) Marco Sandri Viale Rimembranza 2 37015 Sant Ambrogio di Valpolicella (Verona) - Italy info@msandri.it http://www.msandri.it/ 26 Maggio 1993 2 Capitolo 1 lementi
Dettagli0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...
Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
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
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
Dettagli(2) se A A, allora A c A; (3) se {A n } A, allora +
1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A
DettagliProgramma del corso di Analisi Matematica 1 Corso di Laurea in Matematica Prof. A. Garroni - Canale Dl-Pa
Programma del corso di Analisi Matematica 1 Corso di Laurea in Matematica Prof. A. Garroni - Canale Dl-Pa 1. Elementi di spazi metrici e di topologia 1.1 Completezza di R. Richiami: Estremo superiore,
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2015/2016 www.mat.uniroma2.it/~caramell/did 1516/ps.htm 01/03/2016 - Lezioni 1, 2 [Caramellino] Breve introduzione al corso. Fenomeni
Dettagli20. Prodotto di spazi di misura. I teoremi di Tonelli e di Fubini.
20. Prodotto di spazi di misura. I teoremi di Tonelli e di Fubini. 20.1. Prodotto di σ-algebre. Definizione 20.1.1. (σ-algebra prodotto. Dati n spazi misurabili (Ω 1, A 1,..., (Ω n, A n, si chiama σ-algebra
DettagliCompendio di teoria della misura (con un occhio alla probabilità) D.Bertacchi, M.U.Dini
Compendio di teoria della misura (con un occhio alla probabilità) D.Bertacchi, M.U.Dini 11 settembre 2006 2 Indice 0 Prefazione 5 0.1 Notazione.................................... 5 1 Spazi di misura 7
DettagliPrima prova in itenere di Istituzioni di Probabilità
Prima prova in itenere di Istituzioni di Probabilità 14 novembre 2012 Esercizio 1. Un processo di Ornstein-Uhlenbec modificato (OUM) è un processo reale, con R come insieme dei tempi, con traiettorie continue,
DettagliIl teorema di Vitali-Lebesgue
Il teorema di Vitali-Lebesgue Gianluca Gorni Università di Udine gennaio 0 Nel 90 Giuseppe Vitali e Henri Lebesgue, indipendentemente uno dall altro, trovarono che si possono caratterizzare in modo elegante
Dettagli14. Confronto tra l integrale di Lebesgue e l integrale di Riemann.
4. Confronto tra l integrale di Lebesgue e l integrale di Riemann. Lo scopo di questo capitolo è quello di mettere a confronto i vari tipi di integrale (di Riemann, generalizzato e improprio) di funzioni
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.
DettagliPROCESSI STOCASTICI A.A. 2010/2011. DIARIO DELLE LEZIONI
PROCESSI STOCASTICI A.A. 2010/2011. DIARIO DELLE LEZIONI Martedì 19/10/2010 (14-16) Richiami di teoria della probabilità: spazio di probabilità, alcune consequenze della definizione di funzione di probabilità,
DettagliANALISI UNO (A.A. 2008/2009, Docente: S. Finzi Vita) Programma svolto settimanalmente
ANALISI UNO (A.A. 2008/2009, Docente: S. Finzi Vita) Programma svolto settimanalmente 2-6 Marzo (8 ore) Gli assiomi dei numeri reali. Osservazioni sull assioma di continuità: altre formulazioni e loro
DettagliCalcolo delle probabilità. Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, Padova
Calcolo delle probabilità Tiziano Vargiolu Dipartimento di Matematica Pura ed pplicata via Trieste, 63-35121 Padova email: vargiolu@math.unipd.it nno ccademico 2011/2012 Indice Introduzione ii 1 Probabilità
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 30 gennaio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica /3 Nome: 3 gennaio 3 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
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
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliNozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3
Indice Nozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3 1 Spazi di probabilità discreti: teoria... 7 1.1 Modelli probabilistici discreti..... 7 1.1.1 Considerazioni
DettagliEsame di Calcolo delle Probabilità del 11 dicembre 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del dicembre 27 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. Es. 4 Somma Voto finale Attenzione:
DettagliIntegrale di Lebesgue
Integrale di Lebesgue Retta reale ampliata R = R {, + } ottenuta aggiungendo all insieme R dei numeri reali (retta reale) i simboli e +. ordinamento completo su R ottenuto, per prolungamento dell usuale
DettagliProbabilità e Statistica Matematica
Probabilità e Statistica Matematica Dipartimento di Matematica F. Casorati, Università di Pavia Pavia, maggio 2018 Persone Persone Raffaella Carbone Persone Raffaella Carbone Emanuele Dolera Persone Raffaella
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
Dettagli1.7 Densità e misure assolutamente continue
1.7 Densità e misure assolutamente continue Possiamo ora dare la definizione generale di densità. Prendiamo uno spazio misurato (,, µ), dove µ è una misura (non necessariamente di probabilità). Se f :
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliTeoria di Lebesgue. P n E = n=1
Teoria di Lebesgue 1. La misura di Peano-Jordan La misura di Peano Jordan di un insieme é quasi sempre proposta per sottoinsiemi limitati E R 2 : si tratta di quanto suggerito dalla carta quadrettata,
DettagliARGOMENTI TRATTATI NEL CORSO DI ANALISI II
ARGOMENTI TRATTATI NEL CORSO DI ANALISI II ANALISI Limiti Curve Convergenza di una successione di punti Definizione di limite Condizione necessaria e condizione sufficiente all esistenza del limite in
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 202/ Nome: 8 ottobre 20 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliCatene di Markov - Foglio 1
Catene di Markov - Foglio 1 1. Una pedina si muove su un circuito circolare a 4 vertici, numerati da 1 a 4. La pedina si trova inizialmente nel vertice 1. Ad ogni passo un giocatore lancia un dado equilibrato:
DettagliA.A. 2016/17. ISTITUZIONI DI ANALISI SUPERIORE 12 crediti, I semestre. Docenti: Prof. Luigi Muglia per i primi 6 crediti, io per gli ultimi 6 crediti.
A.A. 2016/17 ISTITUZIONI DI ANALISI SUPERIORE 12 crediti, I semestre Docenti: Prof. Luigi Muglia per i primi 6 crediti, io per gli ultimi 6 crediti. COMMISSIONE D ESAME: Presidente: Giuseppe Marino, Membri:
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
Dettaglic i χ Ai (x) f(x) = f(x)dx = c i m(a i ) R
1. Integrale di Lebesgue in La differenza fondamentale tra integrale di Lebesgue e integrale di iemann consiste nella diversa scelta delle decomposizioni su cui sostanzialmente si basa ogni integrale:
DettagliCorso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso
Corso di Elementi di Analisi Funzionale e Trasformate A.A. 2016/2017 Domande-tipo di teoria sulla prima metà del corso Marco Bramanti Politecnico di Milano April 20, 2017 Cap. 1. Elementi di analisi funzionale
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliAlcuni complementi di teoria dell integrazione.
Alcuni complementi di teoria dell integrazione. In ciò che segue si suppone di avere uno spazio di misura (,, µ) 1 Sia f una funzione misurabile su un insieme di misura positiva tale che f 0. Se fdµ =
DettagliNota: A meno che non sia specificato diversamente, si intende che i teoremi, lemmi, proposizioni sotto menzionati siano stati dimostrati a lezione.
Programma di Analisi Matematica 1 (Canale ICM) svolto per lezioni - A. Languasco - C. Vagnoni 1 Nota: A meno che non sia specificato diversamente, si intende che i teoremi, lemmi, proposizioni sotto menzionati
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
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliRichiami di topologia di R n e di calcolo differenziale in più variabili
Anno accademico: 2016-2017 Corso di laurea in Ingegneria Aerospaziale e Ingegneria dell Autoveicolo Programma di Analisi Matematica II (6 CFU) (codice: 22ACILZ e 22ACILN) Docente: Lancelotti Sergio Richiami
DettagliArgomenti delle singole lezioni del corso di Analisi Matematica 1 (Laurea triennale di Matematica, A.A )
Argomenti delle singole lezioni del corso di Analisi Matematica 1 (Laurea triennale di Matematica, A.A. 2018-19) NB. Le indicazioni bibliografiche si riferiscono al libro di testo. Lezione nr. 1, 1/10/2018.
Dettaglix(y + z)dx dy dz y(x 2 + y 2 + z 2 )dx dy dz y 2 zdx dy dz Esempio di insieme non misurabile secondo Lebesgue.
/3/23 Calcolare dove x(y + z)dx dy dz = {(x, y, z) R 3 : x, y, z, x + y + z }. Calcolare y(x 2 + y 2 + z 2 )dx dy dz dove = {(x, y, z) R 3 : x 2 + y 2 + z 2 z, x 2 + y 2 + z 2 3zx y }. Calcolare dove y
Dettagli