VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che"

Transcript

1 VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria che associa ad ogni evento elementare dello spazio campionario uno ed un solo numero reale è del tutto naturale estendere questo concetto al caso di due o più dimensioni. SMPIO : Si consideri lo spazio campionario ottenuto lanciando tre monete ben equilibrate e si pensi di associare ad ogni evento elementare il numero di realizzazioni con il risultato Testa v.a. e il numero di variazioni nella sequenza v.a. intendendo con questo il numero di volte in cui si passa dal simbolo Testa al simbolo Croce. Indicando con T Testa e C Croce si ottiene: ω Pω ω TTT 3 0 / 8 ω TTC / 8 ω 3 TCT / 8 ω 4 CTT / 8 ω 5 CCT / 8 ω 6 CTC / 8 ω 7 TCC / 8 ω 8 CCC 0 0 / 8

2 Ad ogni coppia distinta di valori è possibile associare un livello di probabilità che è pari alla probabilità dell evento o alla somma delle probabilità degli eventi elementari che danno luogo a tale coppia. Si ottengono pertanto i seguenti livelli di probabilità: P 0 0 Pω 8 CCC /8; P Pω 5 CCT + Pω 7 TCC /8; P Pω 6 CTC /8; P Pω TTC + Pω 4 CTT /8; P Pω 3 TCT /8; P 3 0 Pω TTT /8. Dette probabilità possono essere riportate nella seguente tabella a doppia entrata: 0 p 0 /8 0 0 /8 0 /8 /8 3/8 0 /8 /8 3/8 3 /8 0 0 /8 p /8 4/8 /8 Variabile aleatoria doppia discreta Dato uno spazio campionario discreto Ω si chiama variabile aleatoria doppia discreta la funzione definita in R che associa ad ogni evento elementare ω i dello spazio campionario Ω la coppia di numeri reali essendo ω e ω. Come visto nell esempio è possibile assegnare ad ogni coppia un livello di probabilità che prende il nome di funzione di probabilità congiunta: p P.

3 La parola congiunta deriva dal fatto che questa probabilità è legata al verificarsi di una coppia di valori il primo associato alla v.a. ed il secondo alla v.a.. La funzione di probabilità gode delle seguenti proprietà: i p 0 ii p ; il segno di doppia sommatoria indica che la somma è estesa rispettivamente a tutti i valori di e a tutti i valori di. Per determinare la probabilità che la v.a. assuma valori in un qualsiasi sottoinsieme A: [ A] P p dove la somma è estesa a tutte le coppie A appartenenti ad A. Funzioni di probabilità marginali Data la funzione di probabilità congiunta p è possibile pervenire alla costruzione della funzione di probabilità della singola v.a. o : p P p P p p che prendono rispettivamente il nome di funzione di probabilità marginale di e funzione di probabilità marginale di. Facendo riferimento all esempio si possono costruire le funzioni di probabilità di e di : 3

4 p 0 /8 Funzione di probabilità marginale di 3/8 3/8 3 /8 p 0 /8 Funzione di probabilità marginale di 4/8 /8 Funzioni di probabilità condizionate Data una v.a. doppia può avere senso introdurre il concetto di relazione che lega ad. Si può quindi studiare la distribuzione di probabilità di per livelli assegnati di : si vuole quindi capire se e in che modo il livello di va ad influenzare la distribuzione di probabilità di. Data la v.a. doppia discreta descritta dalla funzione di probabilità congiunta p si vuole definire la funzione di probabilità di condizionata ad un prefissato valore di. Posto si definisce funzione di probabilità condizionata di dato : p P p P con p > 0 P p definizione di probabilità condizionata vista nelle probabilità elementari. ; si ricordi la Analogamente fissato un particolare valore di è possibile definire la funzione di probabilità condizionata di dato : 4

5 p P p P con p > 0 P p. immediato verificare che: P P 0 e P 0 e P ;. Facendo ancora riferimento all esempio si ottiene: pl 0 0 Funzione di probabilità condizionata di dato / / 3 0 p l 0 0 Funzione di probabilità condizionata di dato /3 /3 Indipendenza stocastica Dalla definizione di distribuzione di probabilità condizionata è possibile derivare la nozione di indipendenza stocastica o semplicemente indipendenza; infatti se: P P 5

6 cioè se non dipende da allora si può dire che è indipendente da ; e se: P P cioè se non dipende da allora si può dire che è indipendente da. Se è indipendente da allora si ottiene che: P P P e se è indipendente da si ottiene che: P P P da cui si può dedurre che la relazione di indipendenza è simmetrica e si dice che e sono indipendenti. Valore atteso congiunto Covarianza e Correlazione Il valore atteso e la varianza così come definiti per una v.a. unidimensionale non possono essere applicati al caso bidimensionale. In questo contesto si possono definire il valore atteso congiunto la covarianza Cov e il coefficiente di correlazione lineare ρ dati da: p ; Cov p ; 6

7 7 Cov σ σ ρ. Nota: La covarianza può anche essere calcolata nel seguente modo: p p p p p p p p p p Cov cioè come differenza tra il valore atteso congiunto e il prodotto tra il valore atteso della distribuzione marginale di e il valore atteso della distribuzione marginale di. sempio : Data la seguente distribuzione congiunta: 0 p i 0 /8 /8 3/8 0 3/8 /8 4/8 3 /8 0 0 /8 p J /8 5/8 /8

8 calcolare il valore atteso congiunto la covarianza e il coefficiente di correlazione lineare ; e ; Cov ; Var e Var + ; ρ Per comprendere il significato della covarianza e del coefficiente di correlazione lineare si consideri l esempio: sempio 3: Rappresentare mediante un diagramma di dispersione la seguente v.a. doppia: P

9 Il diagramma di dispersione non è altro che la rappresentazione delle coppie di punti individuati dalle v.a. e si ottiene ponendo i valori di sull asse delle ascisse e quelli di sull asse delle ordinate. Riportando nel medesimo grafico anche le rette individuate dai due valori attesi rispettivamente di e di si ha: 4 e 9 Diagramma di dispersione La nuvola di punti viene così suddivisa in 4 quadrati numerati in senso antiorario e partendo da quello in alto a destra. Per i punti che si trovano nel I quadrante vale che: > e > > 0 Per i punti che si trovano nel II quadrante vale che: < e > < 0 Per i punti che si trovano nel III quadrante vale che: 9

10 < e < > 0 Per i punti che si trovano nel IV quadrante vale che: > e < < 0 Si può calcolare il valore atteso dei prodotti degli scarti che non è altro che la covarianza: Cov p che in questo caso vale Cov 08. Se prevalgono punti nel I e III quadrante la nuvola di punti avrà un andamento crescente e la covarianza segno positivo; mentre se prevalgono punti nel II e IV quadrante la nuvola di punti avrà un andamento decrescente e la covarianza segno negativo. Se la covarianza è nulla si dice che le due v.a. sono tra loro incorrelate o linearmente indipendenti si introduce così un secondo tipo di indipendenza più debole dopo quello di indipendenza stocastica. Se Cov > 0 la relazione tra e è diretta per cui a valori bassi di tendono ad associarsi valori bassi di e a valori elevati di tendono ad associarsi valori elevati di. Se Cov < 0 la relazione tra e è inversa per cui a valori bassi di tendono ad associarsi valori elevati di e a valori elevati di tendono ad associarsi valori bassi di. 0

11 La covarianza non è un valore di facile interpretazione perché non è noto il suo range di variazione valore minimo e valore massimo che può assumere quindi di essa è possibile dare un interpretazione del segno positivo negativo o nullo ma non del valore. Al fine di normalizzare la covarianza è possibile dimostrare che: [ Cov ] Var Var σ σ Cov σ σ da cui si ottiene il coefficiente di correlazione lineare: Cov ρ ρ + σ σ che risulta pertanto un indice normalizzato tra - e + in modo tale da tenere conto sia dei valori positivi che di quelli negativi della covarianza. Il coefficiente di correlazione lineare misura l intensità del legame lineare tra due v.a. e ed ha lo stesso segno della covarianza infatti il numeratore è positivo o negativo mentre il denominatore è sempre positivo. Tanto più ρ tanto più la relazione lineare è stretta e i punti si dispongono più o meno attorno ad una retta. Se ρ + la relazione tra e è del tipo a + b con b > 0 e nel diagramma di dispersione i punti sono allineati come nel grafico che segue: Relazione lineare diretta

12 Se ρ la relazione tra e è del tipo a + b con b < 0 e nel diagramma di dispersione i punti sono allineati come nel grafico che segue: Relazione lineare inversa Nell esempio si ha: 08 ρ che indica un grado di correlazione lineare diretta di media intensità. Nota: Confrontando l indipendenza stocastica con l indipendenza lineare si può dire che l indipendenza stocastica implica quella lineare ma non vale il viceversa: Indipendenza stocastica Indipendenza lineare sempi di correlazione I sei grafici che seguono indicati con le lettere A B C D F mostrano alcune situazioni del coefficiente di correlazione lineare ρ che meritano di essere commentate.

13 A. Un valore del coefficiente di correlazione lineare pari ad indica che tra le due v.a. ed esiste una perfetta relazione lineare per cui punti del diagramma di dispersione giacciono tutti su una retta nel grafico non è così evidente perché i punti sono migliaia caratterizzata da un coefficiente angolare positivo. Quindi i valori di possono essere determinati dall equazione della retta che lega ad. B. Un valore del coefficiente di correlazione lineare pari a 069 indica una relazione diretta trend crescente di media intensità. I punti mostrano in modo evidente il trend crescente anche se non si dispongono in modo evidente attorno ad una retta. C. Il valore del coefficiente di correlazione lineare è ancora pari a 069 anche se la relazione tra ed pur essendo di forma evidente è di tipo parabolico non è assolutamente di tipo lineare. Per valori bassi di il trend è decrescente mentre per valori elevati diventa crescente. D. Un valore del coefficiente di correlazione lineare pari a 096 indica che la relazione tra e è di tipo lineare e molto stretta i punti sono quasi allineati ma mostra un trend decrescente.. ed F. Questi ultimi due grafici mostrano due situazioni molto diverse in cui il coefficiente di correlazione lineare è pari a 0 che indica un caso incorrelazione cioè di mancanza di relazione lineare tra e. Nel grafico la relazione è molto forte i punti tendono a disporsi lungo una circonferenza ma non è assolutamente lineare mentre nel grafico F non c è nessun tipo di relazione. 3

14 A B C D F 4

15 Nota: Per commentare correttamente il valore del coefficiente di correlazione lineare è importante guardare il grafico; il numero potrebbe trarre in inganno situazione C! L intensità della relazione lineare indicata dal valore potrebbe essere smentita dal grafico. Distribuzione ipergeometrica estesa Questa v.a. doppia discreta non è altro che una generalizzazione della ipergeometrica in cui anziché avere solo due risultati possibili del tipo A e A ce ne sono. Si consideri un insieme di N unità di cui M di tipo A M di tipo A M di tipo A con N M i i ; si estraggano n unità senza reimmissione. Per estensione dell ipergeometrica la probabilità che fra le n unità estratte siano di tipo A di tipo A di tipo A con n i i è pari a: M M M... p... con N n 0...; 0...;...; 0... e i n. i sempio 4: Da un urna contenente 0 palline bianche 0 rosse e 0 verdi ne vengono estratte 5 senza reimmissione. Siano e rispettivamente il numero di palline bianche e il numero di palline rosse estratte. 5

16 Scrivere la funzione di probabilità congiunta di e determinare la probabilità che siano estratte palline bianche e rosse. La funzione di probabilità è data da: p mentre la probabilità di estrarre palline bianche e rosse è pari a: p Distribuzione multinomiale Questa v.a. doppia discreta non è altro che una generalizzazione della binomiale in cui anziché avere solo due risultati possibili del tipo A e A ce ne sono. Si consideri un insieme di N unità di cui M di tipo A M di tipo A M di tipo A con N M i i ; per cui M M M p p p N N.... Si estraggano n unità con N reimmissione. Per estensione della binomiale la probabilità che fra le n unità estratte siano di tipo A di tipo A di tipo A con n i i è pari a: n! p... p p p con!!...! ; 0...;...; 0... e i n. i 6

17 sempio 5: In una città il 0% delle famiglie possiede più di una casa il 70% solo la prima casa il 0% non possiede case. L ufficio tributario del comune al fine di effettuare un controllo estrae un campione con reinserimento di 0 famiglie. Si determini la probabilità che nel campione entrino 6 famiglie che possiedono una sola casa e famiglie che non possiedono casa. Si ricerca quindi la probabilità che fra le 0 famiglie estratte possiedano più di una casa 6 possiedano una casa e non possiedano case: 0! 6 P ! 6!! DISUGUAGLIANZA DI CHBSHV Sotto determinate condizioni la distribuzione di una qualsiasi v.a. discreta o continua soddisfa sempre questa disuguaglianza che fornisce un limite superiore per la probabilità che un valore cada all esterno dell intervallo - t; + t. Sia una v.a. qualsiasi con valore atteso e varianza σ e sia t > 0 una quantità prefissata; allora vale la seguente disuguaglianza: P σ t : { } > 0 t t che può anche essere riscritta fornendo un limite inferiore per la probabilità che un valore cada all interno dell intervallo - t; + t : σ t : P { < t } > t > 0. 7

18 La disuguaglianza di Chebshev viene utilizzata per avere delle informazioni sulla probabilità di una v.a. quando di questa si conoscono solo il valore atteso e la varianza ma non la distribuzione di probabilità. µ - t µ µ + t Quindi la disuguaglianza di Chebshev permette di affermare che la probabilità di σ ottenere un valore all interno dell intervallo [ - t; + t] è sempre > t mentre la probabilità di ottenere un valore all esterno del medesimo intervallo è σ sempre. t sempio 6: Un supermercato ha acquistato una partita di patate confezionata in sacchi del peso medio di 0 g con varianza pari 036 g. Se non si conosce la distribuzione del peso di un sacco di patate calcolare la probabilità che un sacco abbia un peso tra i 95 i 09 g. Se la distribuzione del peso di un sacco di patate è di tipo normale calcolare la probabilità che un sacco abbia un peso tra i 95 i 09 g. Dato che non si conosce la distribuzione di per determinare la probabilità si può utilizzare la disuguaglianza di Chebshev. In questo caso t P { 0 < 07} >

19 Se si ipotizza invece la distribuzione normale: P 95 < < 09 P < Z < P 7 < Z < COMBINAZION LINAR DI V.A. Si definisce combinazione lineare di n variabili aleatorie indipendenti n con pesi a a a n : a + a a n n. Il valore atteso e la varianza della combinazione lineare possono essere calcolati come: a + a a n n Var a Var + a Var a Var n n Se le n variabili aleatorie sono tutte distribuite secondo una normale allora anche si distribuisce in modo normale. Se le n variabili aleatorie oltre ad essere indipendenti sono anche identiche cioè hanno la stessa distribuzione e i pesi sono tutti pari ad /n si ottiene la media campionaria: n per la quale si hanno valore atteso e varianza pari a: n 9

20 e Var Var. n sempio 7: Una variabile aleatoria normale ha valore atteso µ e varianza σ finite. Siano variabili aleatorie indipendenti e identiche a. Determinare il valore atteso della variabile aleatoria S Determinare la varianza della variabile aleatoria S Dire giustificando il risultato se il coefficiente di variazione della variabile aleatoria somma S è maggiore minore o uguale di quello della variabile. Per il valore atteso si ha: µ µ 40µ S Per la varianza si ha: Var Var σ σ Var S Var σ Per quanto riguarda il coefficiente di variazione definito come il rapporto tra lo scarto quadratico medio e il valore atteso si ottiene: σ 40σ σ 40 CV CV S CV µ 40µ µ La variabile S risulta pertanto avere un coefficiente di variazione minore rispetto alla variabile. 0

21 sempio 8: Un supermercato ha acquistato una partita di patate confezionata in 00 sacchi del peso medio di 0 g con varianza pari 036 g. Si determini il valore atteso del peso medio dei sacchi presenti in magazzino e la sua variabilità. Si determini la probabilità che il peso medio dei sacchi di patate sia superiore ai 0 g. Considerando il peso medio dei 00 sacchi si ha 0 Var Var n P > 0 P Z > > P Z TORMA DL LIMIT CNTRAL Siano... n n variabili aleatorie indipendenti ed identicamente distribuite con media i e varianza Var i σ. Sia S n n la variabile aleatoria ottenuta come somma delle variabili aleatorie i con media S n n e varianza VarS n nσ. Allora si ha che: lim n Sn n P nσ z Φ z quindi per n la standardizzazione della v.a. S n tende a distribuirsi come una normale standardizzata.

22 Fra le numerevoli applicazioni del teorema del limite centrale il nostro interesse è soprattutto rivolto al limite della distribuzione binomiale. Infatti se segue una distribuzione binomiale n p allora se n è possibile dimostrare che la distribuzione tende ad una normale standardizzata lim n P S np n np p z Φ z. sempio 9: Un indagine ha mostrato che la probabilità di laurearsi in corso per uno studente iscritto alla facoltà di economia di Milano è pari a 05. Se vengono estratti con reinserimento 8 studenti immatricolati lo stesso anno determinare la probabilità che non più di due si laureino in corso. Se vengono estratti con reinserimento 400 studenti immatricolati lo stesso anno calcolare la probabilità che almeno 80 si laureino in corso. La probabilità che non più di due studenti si laureino in corso è determinata utilizzando la binomiale: P P 0 + P + P Considerando invece un campione di 400 studenti n è quindi grande si può applicare l approssimazione della binomiale alla normale. Il valore atteso e la varianza sono pari a:

23 n p Var n p p per cui: n p P P P Z 8 Φ n p p Φ 8 è determinato sulle tavole della normale standardizzata ed è pari a

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26 Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

Dettagli

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca

Dettagli

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano

Capitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

Cosa dobbiamo già conoscere?

Cosa dobbiamo già conoscere? Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI

CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni

Dettagli

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

FUNZIONE REALE DI UNA VARIABILE

FUNZIONE REALE DI UNA VARIABILE FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A

Dettagli

Corso di Analisi Matematica Serie numeriche

Corso di Analisi Matematica Serie numeriche Corso di Analisi Matematica Serie numeriche Laurea in Informatica e Comunicazione Digitale A.A. 2013/2014 Università di Bari ICD (Bari) Analisi Matematica 1 / 25 1 Definizione e primi esempi 2 Serie a

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Incompatibilità ed indipendenza stocastica. Probabilità condizionate, legge della probabilità totale, Teorema

Dettagli

SOLUZIONI D = (-1,+ ).

SOLUZIONI D = (-1,+ ). SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

Dimensione di uno Spazio vettoriale

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

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione

Dettagli

Analisi delle relazioni tra due caratteri

Analisi delle relazioni tra due caratteri Analisi delle relazioni tra due caratteri Le misure di connessione misurano il grado di associazione tra due caratteri qualsiasi sotto il profilo statistico (e non causale in quanto non è compito della

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Definizione: Si chiama successione numerica una funzione definita su IN a valori in IR, cioè una legge che associa ad ogni intero n un numero reale a n. Per abuso di linguaggio, si

Dettagli

Limiti e continuità delle funzioni reali a variabile reale

Limiti e continuità delle funzioni reali a variabile reale Limiti e continuità delle funzioni reali a variabile reale Roberto Boggiani Versione 4.0 9 dicembre 2003 1 Esempi che inducono al concetto di ite Per introdurre il concetto di ite consideriamo i seguenti

Dettagli

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1 Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il

Dettagli

CRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI

CRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

Funzioni. Funzioni /2

Funzioni. Funzioni /2 Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme

Dettagli

Il rischio di un portafoglio

Il rischio di un portafoglio Come si combinano in un portafoglio i rischi di 2 titoli? dipende dai pesi e dal valore delle covarianze covarianza a a ρ a b ρ a b ρ b b ρ coefficiente di correlazione = cov / ² p = a² ² + b² ² + 2 a

Dettagli

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6 EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)

Dettagli

Capitolo 4 Probabilità

Capitolo 4 Probabilità Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x) 1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando

Dettagli

SVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14

SVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14 SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Prof. Silvio Reato Valcavasia Ricerche. Il piano cartesiano

Prof. Silvio Reato Valcavasia Ricerche. Il piano cartesiano Il piano cartesiano Per la rappresentazione di grafici su di un piano si utilizza un sistema di riferimento cartesiano. Su questo piano si rappresentano due rette orientate (con delle frecce all estremità

Dettagli

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j. LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento

Dettagli

l insieme Y è detto codominio (è l insieme di tutti i valori che la funzione può assumere)

l insieme Y è detto codominio (è l insieme di tutti i valori che la funzione può assumere) Che cos è una funzione? Assegnati due insiemi X e Y si ha una funzione elemento di X uno e un solo elemento di Y. f : X Y se esiste una corrispondenza che associa ad ogni Osservazioni: l insieme X è detto

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e

Dettagli

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

Dettagli

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo

Dettagli

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

Dettagli

Coordinate Cartesiane nel Piano

Coordinate Cartesiane nel Piano Coordinate Cartesiane nel Piano O = (0,0) origine degli assi ascissa, y ordinata sistemi monometrici: stessa unità di misura sui due assi, y sistemi dimetrici: unità di misura diverse sui due assi (spesso

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

Capitolo 5. Funzioni. Grafici.

Capitolo 5. Funzioni. Grafici. Capitolo 5 Funzioni. Grafici. Definizione: Una funzione f di una variabile reale,, è una corrispondenza che associa ad ogni numero reale appartenente ad un insieme D f R un unico numero reale, y R, denotato

Dettagli

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3. 7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 2 Distribuzioni di frequenza Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 25: Lo scambio nel mercato delle assicurazioni Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel

Dettagli

Luigi Piroddi piroddi@elet.polimi.it

Luigi Piroddi piroddi@elet.polimi.it Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,

Dettagli

Equilibrio bayesiano perfetto. Giochi di segnalazione

Equilibrio bayesiano perfetto. Giochi di segnalazione Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi

Dettagli

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6

Dettagli

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Inferenza statistica I Alcuni esercizi. Stefano Tonellato Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,

Dettagli

Energia potenziale elettrica e potenziale. In queste pagine R indicherà una regione in cui è presente un campo elettrostatico.

Energia potenziale elettrica e potenziale. In queste pagine R indicherà una regione in cui è presente un campo elettrostatico. Energia potenziale elettrica e potenziale 0. Premessa In queste pagine R indicherà una regione in cui è presente un campo elettrostatico. 1. La forza elettrostatica è conservativa Una o più cariche ferme

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli