I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 1 febbraio

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 1 febbraio"

Transcript

1 I Appello d Calcolo delle Probabltà Cogome: Laurea Treale Matematca / Nome: febbrao Emal: Quado o è espressamete dcato l cotraro, per la soluzoe degl esercz è possble usare tutt rsultat vst a lezoe (compres quell d cu o è stata forta la dmostrazoe. PARTE I (Esercz Eserczo. Il 5% degl studet che s presetao a u esame è molto preparato, l % ha ua preparazoe meda metre l % è poco preparato. La probabltà che uo studete rspoda correttamete a u determato questo della prova è par a 8 9 se lo studete è molto preparato, 5 9 se ha ua preparazoe meda e 9 se è poco preparato. Se uo studete rspode correttamete al questo, qual è la probabltà che sa poco preparato? Soluzoe. Itroducamo gl evet D := la rsposta al questo è corretta e A := lo studete è molto preparato, B := lo studete è medamete preparato, C := lo studete è poco preparato. Allora P(D A = 8 9, P(D B = 5 9, P(D C = 9, da cu P(D = P(D A P(A + P(D B P(B + P(D C P(C = = = Ife P(D C P(C 9 5 P(C D = = = P(D

2 Eserczo. Lvo e Alessadra fao l goco seguete. Esamao prm due umer estratt sulla ruota d Veeza (VE del Lotto (soo due umer dstt, scelt uformemete tra e 9: se etramb umer soo par, vce Lvo e l goco s coclude; se uo de umer è par e l altro è dspar, vce Alessadra e l goco s coclude. Se vece etramb umer soo dspar, Lvo e Alessadra aspettao la prossma estrazoe della ruota d VE e applcao le stesse regole per decdere se vce l uo o l altra (e l goco s coclude oppure se l goco prosegue co l estrazoe successva; e così va. Per og N defamo gl evet B := prm due umer dell -esma estrazoe della ruota d VE soo etramb par, C := prm due umer dell -esma estrazoe della ruota d VE soo etramb dspar, D := prm due umer dell -esma estrazoe della ruota d VE soo uo par e uo dspar. Sa T la varable aleatora (a valor N {+ } che dca la durata del goco, coè {T = } è l eveto l goco s coclude all -esma estrazoe della ruota d VE. Sa fe A := l goco s coclude co la vttora d Alessadra. (a S calcolo le probabltà β := P(B, γ := P(C, δ := P(D che o dpedoo da N. (b Per N s esprma l eveto {T = } fuzoe (d alcu degl evet {B k, C k, D k } k N (medate uo, tersezo, ecc.. S detfch qud la legge d T. Qual è la probabltà che l goco o fsca ma? (c S mostr che la probabltà che l goco s cocluda al turo co la vttora d Alessadra è par a γ δ. S deduca la probabltà che l goco s cocluda co la vttora d Alessadra. Soluzoe. (a α = = 89, β = = 89, γ = S ot che β + γ + δ =. (b {T = } = C... C C c e per l dpedeza P(T = = γ ( γ, coè T Ge( γ = Ge(β + δ. (c L eveto questoe è A {T = } = C... C D, da cu P(A {T = } = γ δ. Qud P(A = N P (A {T = } = δ γ = δ δ+β.

3 Eserczo. Sa Θ ua varable aleatora reale co dstrbuzoe uforme ell tervallo ( π, π e sa X := ta(θ. Per lo svolgmeto dell eserczo può essere utle rcordare che arcta(z+arcta( z = π, z R. (a S mostr che X è ua varable aleatora reale assolutamete cotua co destà f X (x := π + x. (b S calcol P(X > z per og z R e s mostr che per z + P(X > z π z. (c Sa ora {X } N ua successoe..d. d varabl aleatore co la stessa legge d X e s defsca M := max{x,..., X } per N. S dscuta la covergeza legge (e, facoltatvo, la covergeza q.c. della successoe M. Soluzoe. (a S ha f Θ (ϑ = F Θ (ϑ = π ( π, π (ϑ. Per og x R s ha F X (x = P(X x = P(ta(Θ x = P(Θ arcta(x = F Θ (arcta(x, da cu segue che F X è C ( effett C co F X (x = F Θ (arcta(x arcta (x = π. Qud X è assolutamete +x cotua co destà f X (x = π. +x (b Rcordado che arcta(t = t + o(t per t, s ottee P(X > z = π z + x dx = π [arcta(x] z = ( π π arcta(z = ( π arcta = ( z π z + o, per z +. z (c Per og t > fssato s ha ( M P t = F M (t = ( F X (t ( ( = P (X > t = ( πt + o [ ( = exp log ( ] [ ( πt + o = exp ( ] πt + o = exp [ πt ] + o (, qud lm P ( M t = F (t := exp[ πt ]. Dato che F è ua fuzoe d rpartzoe, segue che M coverge legge verso ua v.a. la cu fuzoe d rpartzoe è F. La successoe M o può covergere q.c.: caso cotraro, la v.a. (lm M sarebbe q.c. costate, per la legge - d Kolmogorov, ma così o è, perché la sua fuzoe d rpartzoe è F.

4 4 PARTE II (Esercz Eserczo 4. Sa (X, Y u vettore aleatoro bdmesoale, defto su uo spazo d probabltà (Ω, A, P, co destà f X,Y (x, y = dove α (, è ua costate fssata. α(α + ( + x + y +α [, (x [, (y, (a S mostr, possblmete seza fare cot, che le compoet X e Y hao la stessa legge. S mostr qud che la fuzoe d rpartzoe d X (e d Y è data da ( F X (t = ( + t α [, (t. (b Per qual valor d p [, s ha che X L p? (c Per c (, s calcol la fuzoe d rpartzoe della varable aleatora Z c := cx. S mostr qud che, per og s (, fssato, la legge d X rspetto alla probabltà codzoata P := P( Y > s cocde co la legge della varable aleatora Z c (rspetto alla probabltà orgale P, per u opportuo valore della costate c (,. [Sugg.: S calcol P(X > t, Y > s.] (d Le varabl aleatore X e Y soo dpedet? Soluzoe 4. (a La fuzoe f X,Y (x, y è smmetrca x, y, qud le destà margal d X e Y, otteute tegrado la fuzoe f X,Y rspetto a cascua varable, cocdoo. S ha oltre [ ] y= α f X (x = f X,Y (x, y dy = α ( + x + y +α [, (x = ( + x +α [, (x, R y= da cu co u tegrazoe s rcava la formula per F X. (b Per l puto precedete E( X p = Dato che l tegrado è astotco a α X L p se e solo se p < α. (c Usado l espressoe per F X s ha ( t F Zc (t = P(cX t = F X = c Ioltre per s, t P(X > t, Y > s = t dx da cu segue che per t, s s ( α x +α p x p dx. ( + x +α per x +, l tegrale è fto e duque ( + t/c α [, (t = ( cα (c + t α [, (t. dyf X,Y (x, y = P (X t = P(X t Y > s = P(X > t Y > s = t α dx ( + x + s +α = ( + s + t α, P(X > t, Y > s P(Y > s = ( + sα ( + s + t α, metre aturalmete P (X t = se t. Questo mostra che la fuzoe d rpartzoe d X rspetto alla probabltà P cocde co la fuzoe d rpartzoe d Z c sopra calcolata per c = + s. Dato che la fuzoe d rpartzoe detfca la legge, l puto è cocluso. (d Se fossero dpedet, la legge d X rspetto a P dovrebbe cocdere co la legge d X rspetto alla probabltà orgara P, ma così o è. Qud X e Y o soo dpedet.

5 5 Eserczo 5. Sa {X } N ua successoe d varabl aleatore real dpedet, defte su uo spazo d probabltà (Ω, A, P, co legg margal d Posso: X P o(λ, dove {λ } N è ua successoe postva fssata, per semplctà dcamo decrescete, tale che lm λ =. S mostr che X probabltà (e, facoltatvo, ache L p per og p [,. S da qud u esempo d successoe {λ } N per cu la covergeza X o abba luogo q.c.. Soluzoe 5. Per og ε > s ha perché λ per potes. Ioltre P( X > ε P(X = P(X = = e λ E( X p = k N e λ k p (λ k k! =: k N a (k. Per s ha a (k, per og k N fssato. Ioltre a (k k p (λ k k! per og N, perché λ è decrescete e postva. Dato che k N k p (λ k k! < (perché?, per covergeza domata s coclude che E( X p per og p (,. Ife, qualuque successoe tale che N λ =, per esempo λ =, è tale che ( e λ =, N P( X = N P(X = N perché e λ λ per λ. Dato che gl evet {{ X }} N soo dpedet, segue dal lemma d Borel-Catell che q.c. X per ft, duque X q.c..

6 6 Eserczo 6. S cosder la catea d Markov X = {X } N a valor ell seme E = {,,, 4, 5, 6}, corrspodete al seguete grafo: (a S scrva la matrce d traszoe della catea, s detfcho le class d rrducbltà e s classfcho gl stat (trastor, rcorret postv, rcorret ull. (b S determo le msure varat della catea. S determ qud lm p(,j = lm P (X = j = lm P(X = j X = per og j E. Soluzoe 6. (a La matrce d traszoe è data da p =. 4 4 Le class rrducbl soo R = {, }, R = {5, 6} (chuse, duque rcorret postve e T = {, 4} (o chusa, duque trastora. (b Le probabltà varat estremal soo cocetrate sulle class rcorret. La probabltà {π ( } E cocetrata su R soddsfa le relazo π ( = per =, 4, 5, 6 e π( + π( = π (, da cu π ( = 5, π( = 5 le relazo π ( π ( + π ( =,. Aalogamete a probabltà {π( } E cocetrata su R soddsfa = per =,,, 4 e π( π( 6 = π ( 5, π ( 5 + π ( 6 =, da cu π ( 5 = 7, π( 6 = 4 7. Tutte le probabltà varat soo date da π = απ ( +( απ ( al varare d α [, ].

7 7 Dato che {, } è ua classe chusa, per j =, 4, 5, 6 s ha p ( j = per og N e duque lm p (,j =. Dato che la catea d Markov rstretta a {, } è rrducbl, aperodca e rcorrete postva, co probabltà varate {π ( } E, per l teorema lmte vsto a lezoe s ha lm p(, = π( = 5, lm p(, = π( = 5.

Esercitazione 6 del corso di Statistica (parte 1)

Esercitazione 6 del corso di Statistica (parte 1) Eserctazoe del corso d Statstca parte Dott.ssa aola Costat 8 Marzo 0 Eserczo S ha motvo d rteere che u uovo farmaco A abba la propretà d abbassare l lvello d glcema el sague. I cascuo de pazet dabetc osservat,

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p ε per

Dettagli

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni Eserctazo d Calcolo delle Probabltà (16/1/011) Soluzo Eserczo 1 1. S trov l valore del parametro θ per cu la tabella seguete defsce la fuzoe d probabltà d ua v.c. udmesoale X e la s rappreset grafcamete.

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p per co

Dettagli

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura: Il problema della regressoe s poe quado l valore d ua varable aleatora y, chamata varable dpedete, è fuzoe d ua varable o aleatora x, chamata varable dpedete Qu c soffermeremo su u uca classe d modell,

Dettagli

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo Dstrbuzoe ormale multvarata / f ( ) π = Σ exp ( )' ( ) μ Σ μ Ellss d destà costate Cosderamo c = % ' Σ % = ( μ)' Σ ( μ) S dca co N p (μ,σ) Relazoe tra ormale multvarata e ormale multvarata stadard N p

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doppe Ua varable casuale doppa (,) è ua fuzoe defta sullo spazo campoaro che assoca ad og possble rsultato dell espermeto ua coppa d umer real (x,y) S y ω ω 3 ω y y 3 (x, y ) (x, y ) (x 3,

Dettagli

Analisi Matematica Lezione 30, 4 dicembre 2014 e x2 dx =

Analisi Matematica Lezione 30, 4 dicembre 2014 e x2 dx = Dpartmeto d Sceze Statstche Aals Matematca Lezoe 3, 4 dcembre 14 π e x dx = prof. Daele Rtell daele.rtell@ubo.t 1/3? rodotto d Walls π = =1 rmo passo: ( 1 + 1 ) = lm (()!!) ( 1)!!( + 1)!! I = π s x dx

Dettagli

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2 Cogome Numero d matrcola SECONDA PROVA INERMEDIA DI SAISICA CLEA 07 7-77-08 geao 00 Nome COMPIO C A f della valutazoe s terrà coto solo ed esclusvamete d quato rportato egl appost spaz. Al terme della

Dettagli

Calcolo delle Probabilità: esercitazione 4

Calcolo delle Probabilità: esercitazione 4 Argometo: Probabltà classca Lbro d testo pag. 1-7 e 7-77 e varable casuale uforme dscreta NB: asscurars d cooscere le defzo, le propretà rchamate e le relatve dmostrazo quado ecessaro Eserczo 1 S cosder

Dettagli

Lezione 3. Gruppi risolubili.

Lezione 3. Gruppi risolubili. Lezoe 3 Prerequst: Lezo 1 2 Class d cougo e cetralzzat rupp rsolubl I questo captolo troducamo ua ozoe che come vedremo seguto fuge da raccordo tra la teora de grupp e la teora de camp Defzoe 31 Dato u

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

LA FUNZIONE DI VEROSIMIGLIANZA

LA FUNZIONE DI VEROSIMIGLIANZA A FUNZIONE DI VEROSIMIGIANZA HA UN RUOO IMPORTANTE NEA PROCEDURE DI INFERENZA STATISTICA COME: ) METODO DI COSTRUZIONE DI STIMATORI (IN SITUAZIONI COMPESSE) ) METODO DI INDIVIDUAZIONE DI TEST UNIFORMEMENTE

Dettagli

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza Uverstà egl Stud d Bergamo Corso d laurea Igegera dle STATISTICA Stma d massma verosmglaza Sao,, varabl aleatore d Posso dpedet, cascua co valore atteso λ S determ lo stmatore d massma verosmglaza d λ

Dettagli

Esercizi 12/10/2007. oppure B 0. In modo del tutto analogo AB 0 se e solo se. oppure B 0 B 0. Studio del segno di una disequazione polinomiale.

Esercizi 12/10/2007. oppure B 0. In modo del tutto analogo AB 0 se e solo se. oppure B 0 B 0. Studio del segno di una disequazione polinomiale. Esercz 2/0/2007 Dsequazo Sego d u prodotto. Voglamo studare l sego d u prodotto d due umer real. I altr term vedere qual soo le codzo affché due umer real A e B soddsfo AB 0. Ragoamo come segue: rcoducamo

Dettagli

ESERCIZI DI STATISTICA

ESERCIZI DI STATISTICA ESERCIZI DI STATISTICA Soluzo degl esercz sugl stmator putual. A cura d Nazareo Maro Soluzoe dell'eserczo. Trovamo, come prmo passo, la fuzoe d verosmglaza che è: L( f(x, {

Dettagli

IV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 17 luglio

IV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 17 luglio IV Appello di Calcolo delle Probabilità Cogome: Laurea Trieale i Matematica / Nome: 7 luglio Email: Quado o è espressamete idicato il cotrario, per la soluzioe degli esercizi è possibile usare tutti i

Dettagli

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt e l fereza S defsce campoameto u procedmeto attraverso l quale

Dettagli

Il campionamento e l inferenza

Il campionamento e l inferenza e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco Ao

Dettagli

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d; ESERCIZIO 5. Sa (X, X,, X ) u campoe casuale geerato da ua v.c. X f(x; θ) per la quale è oto che E(X) θ e Var(X). S cosdero 3 stmator d θ: X ; X ; ( ) X 3 a) s determ se soo corrett; b) per quell o corrett,

Dettagli

Seconda Prova Parziale di STATISTICA Modalità A

Seconda Prova Parziale di STATISTICA Modalità A Secoda Prova Parzale d STATISTICA 0..07 Modaltà A (A) a f della valutazoe verrao cosderate solo le rsposte rportate dallo studete egl appost rquadr bach. (B) ello svolgmeto del compto s utlzzo almeo quattro

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X Prof.ssa Emauela Baudo Fabrza De Berard VARIABILI ALEATORIE DISCRETE E DISTRIBUZIONI DI PROBABILITA Def. S dce varable aleatora dscreta X ua varable che può assumere valor X, X,... X corrspodet ad evet

Dettagli

Esercitazione 4 del corso di Statistica (parte 1)

Esercitazione 4 del corso di Statistica (parte 1) Eserctazoe 4 del corso d Statstca (parte ) Dott.ssa Paola Costat Febbrao 0 Eserczo Data la dstrbuzoe del carattere Reddto d cu all eserczo precedete se e msur l grado d cocetrazoe. La cocetrazoe d u carattere

Dettagli

Si definisce prodotto di A e B la matrice data da:

Si definisce prodotto di A e B la matrice data da: MRICI Ua matrce Mat(m,) è ua tabella ordata d umer dspost m rghe ed coloe. Idchamo co aj l'elemeto d posto j che può essere reale o complesso. Operazo d matrc: ) (α)j α aj α C 2) (+ B)j aj + bj Propretà

Dettagli

Compito A1- Soluzioni

Compito A1- Soluzioni Compto A- Soluzo Eserczo (4 put) I ua dage statstca codotta presso 0 rstorat s soo raccolt dat rportat tabella, dove l sgfcato delle varabl è l seguete Spesa: Copert: Stelle: esa a persoa meda (escl. bevade)

Dettagli

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza Soluzoe degl esercz sulla statstca descrttva e gl tervall d cofdeza. Il campoe casuale d tagla 35 ha meda 0.866 e medaa 0.6490. Il coeffcete d asmmetra rsulta essere.57, pertato samo preseza d ua asmmetra

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terz) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI Eserctazoe 2 2.1 Da u dage svolta su u campoe d lavorator dpedet co doppo lavoro è stata rlevata la dstrbuzoe coguta del reddto

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

Var iabili aleatorie continue

Var iabili aleatorie continue Var abl aleatore cotue Probabltà e Statstca I - Varabl aleatore cotue - a.a. 04/05 Per ua varable aleatora dscreta, la fuzoe massa d probabltà ) f f è tale che ( x ) ) a 3) x f :,..., ( x Defzoe { x, x,,

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE PROVA SCRITTA DI STATISTICA (COD 08-07-7-77) Febbrao 00 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE ESERCIZIO (6 put) Da ua classfca del sto teret IBS rsulta che 0 flm pù vedut vdeocassetta

Dettagli

TEST CHI DI INDIPENDENZA STOCASTICA

TEST CHI DI INDIPENDENZA STOCASTICA Comad cel: Test Ch d dpedeza, pag. Test F a due campo per varaze, pag. Materale ddattco per eserctazo cel pro. R. D Ago, Castellaza, Dcembre, 4 TST CHI DI INDIPNDNZA STOCASTICA Per due pop. stat. e s vuole

Dettagli

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione STIMA PARAMTRICA TST DLL IPOTSI L fereza Statstca rguarda affermazo crca I parametr d ua popolazoe sulla base della metodologa statstca e del calcolo delle probabltà Stma putuale Quado u parametro della

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione Artmetca 06/07 Esercz svolt classe Quarta lezoe Rcorreze o lear Sa a c a cq ua rcorreza dove {c }, c C e c 0. Sa P C[λ] l polomo caratterstco della rcorreza. Allora ua soluzoe partcolare della rcorreza

Dettagli

Lezione 24. Campi finiti.

Lezione 24. Campi finiti. Lezoe 4 Prerequst: Lezo 0,,, 3 Rfermet a test: [FdG] Sezoe 86; [H] Sezoe 79; [PC] Sezoe 63; Cam ft Nelle lezo recedet abbamo vsto dvers esem d cam ft: ess erao tutt del to oure [ x ]/( f ( x )), dove f

Dettagli

PROBABILITA NUMERABILE RICHIAMI DI TEORIA. Def.: misura Una misura è una funzione a valori reali definita su una famiglia di sottoinsiemi di Ω

PROBABILITA NUMERABILE RICHIAMI DI TEORIA. Def.: misura Una misura è una funzione a valori reali definita su una famiglia di sottoinsiemi di Ω PROBBLT NUMERBLE RCHM D TEOR Def.: msura Ua msura è ua fuzoe a valor real defta su ua famgla d sottosem d Ω Def.: msura d probabltà Ua msura P su u algebra F è detta msura d probabltà se: ) 0 P F 2) P(

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2: Costruzoe d macche Modulo d: rogettazoe probablstca e affdabltà Marco Begh e Leoardo Bert Lezoe : robabltà codzoata e varabl casual robabltà codzoata ((A/B)): La probabltà che s verfch u eveto A, assumedo

Dettagli

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola. Coteut Corso d Statstca Facoltà d Ecooma a.a. - fracesco mola Lezoe 9 Correlazoe leare Scatterplot e aals grafca L uso delle varabl stadardzzate La covaraza Il coeffcete d correlazoe leare d Bravas-Pearso

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEETI DI STATISTICA S desce popolazoe oggetto l seme d tutt quegl elemet che hao comue almeo ua caratterstca (o attrbuto) Lo studo d ua popolazoe è eettuato qud dal puto d vsta d u suo attrbuto: s valuta

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

Approfondimenti sui diagrammi di Bode

Approfondimenti sui diagrammi di Bode Approfodmet su dagramm d ode L espressoe (4.4) d ua fuoe d trasfermeto m m N( s) ams + am s +... + a = = D( s) b s + b s +... + b può essere rscrtta el seguete modo: ( )( )...( ) ( z)( z)...( ) z z ( p

Dettagli

Controlli Automatici A

Controlli Automatici A Cotroll Automatc A Cors d laurea treal Igegera Elettroca, Iformatca, Telecomucazo a.a. 200/2002 Docete: Prof. Aurelo Pazz Emal: aurelo@ce.upr.t http://www.ce.upr.t/people/pazz/ Cotroll Automatc A Prof.

Dettagli

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

Dettagli

1 ANALISI MATEMATICA A - Esercizi della settimana 1

1 ANALISI MATEMATICA A - Esercizi della settimana 1 1 ANALISI MATEMATICA A - Esercz della settmaa 1 1.1 Eserczo Rsolvete le seguet dsequazo (e umer real) coè trovate l seme de umer real per qual la dsequazoe dcata è vera. 1. 1 x + 1 x 1 + 1 x + 1 0; 2.

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

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

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

Approfondimenti Lezione 3. Mara Bruzzi

Approfondimenti Lezione 3. Mara Bruzzi Approfodmet Lezoe 3 Mara Bruzz APPROFONDIMENTO 1 : I BOSONI Partcelle come le a, foto, meso hao vece fuzo d oda smmetrche y S. Esse o obbedscoo al prcpo d esclusoe d Paul. Tal partcelle soo dette BOSONI.

Dettagli

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1 Mutua varabltà È ua msura d quato le utà statstche dfferscoo tra d loro (o pù rspetto ad u puto fsso). Il calcolo degl dc s basa sulle dffereze tra tutte le coppe d utà statstche. Dffereze mede (seza rpetzoe)

Dettagli

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

LE MEDIE. Le Medie. Medie razionali. Medie di posizione LE MEDIE RAZIONALI LE MEDIE Msure stetche trodotte per valutare aspett compless e global d ua dstrbuzoe d u feomeo X medate u solo umero reale costruto modo da dsperdere al mmo le formazo su dat orgar.

Dettagli

Esercizi su Rappresentazioni di Dati e Statistica

Esercizi su Rappresentazioni di Dati e Statistica Esercz su Rappresetazo d Dat e Statstca Eserczo Esprmete forma percetuale e traducete u aerogramma dat della seguete tabella: Nord Cetro Sud Isole Totale 5 58 866 0 95 36 4 35 30 6 79 56 57 399 08 Soluzoe

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

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma: La meda artmetca La sua dvduazoe s basa sulla logca della trasferbltà d u carattere. ( ) = ( µ µ ) f,, f,, volte Se la fuzoe f( ) corrspode alla somma: + + + = µ + µ + + µ volte + + + = µ µ X= = La meda

Dettagli

Indipendenza in distribuzione

Indipendenza in distribuzione Marlea Pllat - Semar d Statstca (SVIC) "Lo studo delle relazo tra due caratter" Aals delle relazo tra due caratter Dpedeza dstrbuzoe s basa sul cofroto delle dstrbuzo codzoate Dpedeza meda s basa sul cofroto

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

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

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ Desrzoe quatomeaa d u seme d sp: LA MATRICE DENITÀ Il valore d aspettazoe d ua gradezza fsa rappresetata dall operatore O su u sstema ello stato Ψ è: O Ψ OΨdτ Ψ O Ψ e s a u umero elevato d sstem (u seme

Dettagli

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza;

Dettagli

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya STATISTICA Eserctazoe 4 Dott.ssa Vera Gurtovaa //5 Eserczo. La seguete tabella a doppa etrata rporta dat relatv al umero d SMS vat u mese e all'età de mttet. S calcolo covaraza e correlazoe della varable

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Qualche cosderazoe Tedeza cetrale La scelta dell dce d tedeza cetrale/poszoe dpede dal tpo e dalle caratterstche della dstrbuzoe; Pù che dvduare l dce mglore assoluto (che o esste), è mportate ache valutare

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo. È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa l ampezza che l valore medo della sollectazoe soo varabl el tempo. max a a max m m m m Tempo

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

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO Laboratoro d Fsca I: laurea Ottca e Optoetra Msura d ua ressteza co l etodo OLTMPEOMETICO descrzoe s sura ua ressteza utlzzado u voltetro e u llaperoetro sfruttado la relazoe : Per coduttor ohc è dpedete

Dettagli

Capitolo 2 Errori di misura: definizioni e trattamento

Capitolo 2 Errori di misura: definizioni e trattamento Captolo Error d msura: )Geeraltà defzo e trattameto I cocett d meda, varaza e devazoe stadard s utlzzao ormalmete per otteere formazo sulla botà d ua msura. I geerale, s assume come msura m della gradezza

Dettagli

Analisi Matematica 1 Matematica

Analisi Matematica 1 Matematica Aalisi Matematica 1 Matematica Secodo Compitio Luedì 30 Geaio 01 VERSIONE A Esercizio 1 (8 puti) Sia α R u parametro e si cosideri la serie di poteze complessa z. i) Calcolare il raggio di covergeza R

Dettagli

Statistica descrittiva Campioni vettoriali

Statistica descrittiva Campioni vettoriali Statstca Descrttva Capo vettoral Statstca descrttva Capo vettoral Itroduzoe el caso cu s osserv ua varable statstca ultdesoale, s assoca al sgolo esto dell espereza u vettore d rsultat e o pù u seplce

Dettagli

Daniela Tondini

Daniela Tondini Daela Tod dtod@ute.t Facoltà d Medca Veterara C.L. Tutela e Beessere Amale Uverstà degl Stud d Teramo INDICI STATISTICI La moda o orma M O d ua dstrbuzoe d frequeza X, calcolable per caratter sa quattatv

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

Laboratorio di Matematica Computazionale A.A Lab. 2

Laboratorio di Matematica Computazionale A.A Lab. 2 Laboratoro d Matematca Computazoale A.A. 2007-2008 Lab. 2 Scrpt-Fle Che cos è? E u fle co estesoe.m (ad esempo: myfle.m). Cotee ua sequeza d struzo Matlab, scrtte come se fossero dgtate modaltà terattva.

Dettagli

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione Uverstà degl Stud d Napol Partheope Corso d Laurea Maagemet per le Imprese Turstche STATISTICA per l Tursmo IV Lezoe Docete: Sergo Logobard sergo.logobard@upartheope.t Cosderazo sulla moda La moda forsce

Dettagli

( ) ( ) ( ) ( ) ( ) ( A C) Calcolo combinatorio. disposizioni semplici D =n n-1 n-2 L n- k+1 o in alternativa D = n! permutazioni semplici D =P =n!

( ) ( ) ( ) ( ) ( ) ( A C) Calcolo combinatorio. disposizioni semplici D =n n-1 n-2 L n- k+1 o in alternativa D = n! permutazioni semplici D =P =n! Uvertà degl Stud d Balcata Facoltà d Ecooma Coro d Laurea Ecooma Azedale ANNO ACCADEMICO 0/03 Formule d Stattca ecoda parte) - d Mamo Crtallo Calcolo combatoro dpozo emplc D = - - L - k+, k o alteratva

Dettagli

Variabili casuali. Esempio. Variabili casuali discrete. W discreto. W continuo. V.C. discreta. V.C. discreta o continua

Variabili casuali. Esempio. Variabili casuali discrete. W discreto. W continuo. V.C. discreta. V.C. discreta o continua //7 arabl casual Ua varable casuale X e ua fuzoe defta sullo spazo campoaro W che assoca ad og eveto W u uco umero reale. X Ua varable casuale può essere classfcata come dscreta o cotua. Ua varable casuale

Dettagli

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

Dettagli

Volume del cilindroide (, ) , indichiamo con m i. in A i. al cilindroide relativo alla partizione D

Volume del cilindroide (, ) , indichiamo con m i. in A i. al cilindroide relativo alla partizione D osderamo ua fuzoe f(, ) f( P) o egatva, coè: f ( P) (, defta u domo lmtato el quale rsulta efamo cldrode d base relatvo alla fuzoe f (, l luogo geometrco de ut (,, z) dello sazo che verfcao le seguet relazo:

Dettagli

Numeri complessi Pag. 1 Adolfo Scimone 1998

Numeri complessi Pag. 1 Adolfo Scimone 1998 Numer compless Pag. Adolfo Scmoe 998 NUMERI COMPLESSI Come sappamo, o esstoo el campo de umer real le radc d dce par de umer egatv. Ammettamo pertato l esstea della radce quadrata del umero. Questo uovo

Dettagli

Esercizi sulle Serie numeriche

Esercizi sulle Serie numeriche AM0 - A.A. 03/4 ALFONSO SORRENTINO Esercizi sulle Serie umeriche Esercizio svolto. Discutere il comportameto delle segueti serie umeriche: a +! b [ ] log c log+ d log + e arcta f g h i l log log! 3! 4

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Dpartmeto d Sceze Poltche, della Comucazoe e delle Relaz. Iterazoal Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe

Dettagli

DATA MINING PER IL MARKETING (63 ore)

DATA MINING PER IL MARKETING (63 ore) DATA MINING PER IL MARKETING (63 ore) Marco Ra mra@upr.t Sto web del corso http://www.ra.t/dmm REGRESSIONE INFERENZIALE 1 Itroduzoe agl elemet aleator N. dpedet (X) Vedte mlo d (Y) A 10 1,9 B 18 3,1 C

Dettagli

Analisi dell Hashing a catena aperta

Analisi dell Hashing a catena aperta Aals dell Hashg a catea aperta Data ua tabella d hashg T d gradezza e co elemet memorzzat, s defsce l fattore d carco per la tabella T come: Il fattore d carco rappreseta ud l umero medo o atteso d elemet

Dettagli

Analisi Matematica II

Analisi Matematica II Corso di Laurea i Matematica Aalisi Matematica II Esercizi sulla covergeza uiforme e sulle serie di fuzioi/poteze Versioe del 28//206 Esercizi tratti dal Giusti Esercizio Giusti 3. e 3.3) Calcolare il

Dettagli

Alcuni metodi per la risoluzione di sistemi lineari con matrici strutturate.

Alcuni metodi per la risoluzione di sistemi lineari con matrici strutturate. Alcu meto per la rsoluzoe sstem lear co matrc strutturate. A. url - Calcolo Scetco Problema Rsolvere l sstema leare: A A. url - Calcolo Scetco Problema q A Co A matrce el tpo: p O A è ua matrce tragoale!

Dettagli

Calcolo della composizione e della temperatura di uscita da un reattore adiabatico di ossidazione parziale di CH 4.

Calcolo della composizione e della temperatura di uscita da un reattore adiabatico di ossidazione parziale di CH 4. Dpartmeto d Eerga oltecco d Mlao azza Leoardo da Vc - MILANO Eserctazo del corso FONDAMENTI DI ROCESSI IMICI rof. Gapero Gropp ESERCITAZIONE 6 Calcolo della composzoe e della temperatura d uscta da u reattore

Dettagli

Lezione 4. Metodi statistici per il miglioramento della Qualità

Lezione 4. Metodi statistici per il miglioramento della Qualità Tecologe Iormatche per la Qualtà Lezoe 4 Metod statstc per l mglorameto della Qualtà Msure d Tedeza Cetrale Ultmo aggorameto: 30 Settembre 2003 Il materale ddattco potrebbe coteere error: la segalazoe

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

Dettagli

Esame di Statistica del 20 Giugno 2014 Corso di Laurea in Economia Docente: S. Giordano

Esame di Statistica del 20 Giugno 2014 Corso di Laurea in Economia Docente: S. Giordano Esame d Statstca del 0 Gugo 014 Corso d Laurea Ecooma Docete: S. Gordao Cogome Nome atr. Eserczo 1 Nel peo svolgmeto de campoat modal d calco o macao le polemche per gl error e s scateao le statstche.

Dettagli

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100 ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre

Dettagli

Corsi di laurea in fisica ed astronomia Prova scritta di Analisi Matematica 2. Padova,

Corsi di laurea in fisica ed astronomia Prova scritta di Analisi Matematica 2. Padova, Corsi di laurea i fisica ed astroomia Prova scritta di Aalisi Matematica Padova, 5.7.08 Si svolgao i segueti esercizi facedo attezioe a giustificare le risposte. Delle affermazioi o motivate e giustificate

Dettagli

Lezione 13. Gruppo di Galois di un polinomio.

Lezione 13. Gruppo di Galois di un polinomio. Lezoe Prerequst: Lezo 9, 0,, Gruppo d Galos d u polomo Sa F u campo, sa f ( x) F[ x] o costate d grado, sa K u campo d spezzameto d f (x) su F el quale f (x) possede radc dstte Sa = ( f ) Defzoe Il gruppo

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli