RICHIAMI di CALCOLO delle PROBABILITA
|
|
- Lorenzo Lombardi
- 4 anni fa
- Visualizzazioni
Transcript
1 Facoltà di Ingegneria - Università di Bologna Anno Accademico: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marino Lui RICHIAMI di CALCOLO delle PROBABILITA
2 PROBABILITA Ci sono fenomeni che non si osso quantificare a riori, ma si devono revedere su basi robabilistiche. Eserimento: è una oerazione di cui non si uò revedere, con sicurezza, il risultato. Un eserimento è definito quando sono definiti: - l evento semlice. Per esemio, lancio un dado, gli eventi semlici sono due: esce un numero ari, esce un numero disari. Oure lancio un dado e vedo il numero che comare sulla faccia orizzontale: in questo caso gli eventi semlici sono 6. - L insieme dei risultati che è detto sazio delle rove. Per esemio, nel caso recedente, : ari, disari, er il rimo eserimento; i numeri:,,,,5,6, er il secondo eserimento.
3 Probabilità secondo imostazione frequentistica Secondo l imostazione frequentistica la robabilità che si verifichi un evento è data da: ne E lim n n n E Dove raresenta la frequenza relativa del verificarsi n dell evento E Esemio. Evento, indicato con E, esce un numero disari : n n. di volte in cui esce il numero + n n + n lim lim ( E + n n n n numero di rove n n n n M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
4 Lancio tre monete: l evento semlice è costituito da una sequenza (ordinata di teste e di croci. Sazio delle rove: T T T T T C T C T T C C C T T C C T C T C C C C Evento A: escono meno di due teste, è un evento comosto costituito da questi eventi semlici T T T T T C T C T T C C C T T C C T C T C C C C M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna A + + +
5 Evento B: esce semre la stessa faccia T T T T T C T C T T C C C T T C C T C T C C C C B + Evento A UB: escono meno di due teste, oure esce semre la stessa faccia A U B T T T T T C T C T T C C C T T C C T C T C C C C AUB ( ( + A + 5 B AIB
6 Evento C: escono teste T T T T T C T C T T C C C T T C C T C T C C C C C Evento A C: escono meno di due teste oure escono tre teste. U T T T T T C T C T T C C C T T C C T C T C C C C A U C AUC A + C AIC ( M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 6
7 PROBABILITA CONDIZIONATA Probabilità che si verifichi un evento dato che se ne è verificato un altro (l insieme degli eventi semlici che costituiscono il rimo evento diventa il nuovo sazio delle rove Esemio. Evento A: escono meno di due croci Evento B: non esce nessuna croce B ( B A Probabilità che si verifichi B dato che si è verificato A T T T T T C T C T T C C C T T C C T C T C C C C M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 7 A
8 Esemio: Evento A: escono meno di due croci Evento C: Tutte le facce sono uguali ( C A C Probabilità che si verifichi C dato che si è verificato A T T T T T C T C T T C C C T T C C T C T C C C C A M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
9 ( C A n( AI C lim n n( A (Definizione di robabilità come limite della frequenza relativa * n( AI C / n lim n n( A / n n( AI C lim n n( n A lim n n rob( AI C rob( A ( C A rob( AI C rob ( AI C ( C A rob( A rob( A rob( AI C ( A C rob( C rob ( AI C ( A C rob( C * n( AI C : Numero di volte che si verifica l evento AI C n(a : Numero di volte che si verifica l evento A M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 9
10 Nell esemio che era stato visto rima: rob( AI C / ( C A rob( A / EVENTI INDIPENDENTI A e C sono indiendenti se: ( C A rob( C o rob ( CI A ( C rob( A Con riferimento al recedente esemio: rob( C A e C sono indiedenti rob( C A M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 0
11 rob( C rob( A rob( AI C A e C sono indiedenti A Esemio Evento D: esce una sola croce Evento A: escono meno di due croci D T T T T T C T C T T C C C T T C C T C T C C C C M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
12 rob( D A rob( D D e A sono eventi diendenti rob( DI A rob( D rob( A D e A sono eventi diendenti Non valgono le uguaglianze e quindi gli eventi sono diendenti M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
13 VARIABILI ALEATORIE Def. : è una funzione definita su uno sazio delle rove robabilizzato è il numero delle teste: ( ( ( ( 0 T T T T T C T C T T C C C T T C C T C T C C C C 0 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
14 è il numero di variazioni nella sequenza: ( ( ( 0 T T T T T C T C T T C C C T T C C T C T C C C C 0 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
15 0 F F FUNZIONE DI DISTRIBUZIONE DI UNA VARIABILE ALEATORIA Def.: ( t rob( t F ( t F Prorietà Se ( t 0 ( t a ovvero b er t - er t allora F + ( a F ( b la funzione di distribuzione è non decrescente : F ( b F ( a rob( a < b M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 5
16 Una variabile aleatoria è continua quando la sua funzione di distribuzione è una funzione continua F (t F (t Variabile aleatoria continua Una variabile aleatoria è discreta quando la sua funzione di distribuzione è una funzione discontinua ( F t ( (t ( F ( t Variabile aleatoria discreta t M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 6 t
17 Esemio: è il numero delle teste: ( ( ( ( 0 F (t T T T T T C T C T T C C C T T C C T C T C C C C 0 ( / ( / ( / F ( ( 0 / 0 t M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 7
18 F ( rob( rob( 0 + rob( + rob( PROBABILITA SECONDO IMPOSTAZIONE ASSIOMATICA Si basa su tre assiomi - La robabilità di un evento è un numero maggiore di 0 e minore di - La robabilità di un evento comosto è ari alla somma delle robabilità degli eventi semlici che lo comongono - La robabilità dello sazio delle rove è ari a M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
19 FUNZIONE DI PROBABILITA E la legge di robabilità er la variabile aleatoria discreta Prorietà: 0 ( t (dall assioma rob( ( t (dall assioma t t ( t (dall assioma M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 9
20 FUNZIONE DI DENSITA DI PROBABILITA E la legge di robabilità er la variabile aleatoria continua f df ( t ( t dt Prorietà: f ( t 0 t F ( t f ( d Se a b rob(a b rob ( a b f ( d b a F ( b F ( a e erciò : M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 0
21 f ( rob( + f ( rob ( a b f ( d b + a b a M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
22 MEDIA DI UNA VARIABILE ALEATORIA Per una variabile aleatoria discreta: E[ ] µ ( Per una variabile aleatoria continua: [ ] E + µ f ( d Esemio: Variabile aleatoria vista recedentemente ( è il numero delle teste. E [ ] , 5 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
23 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna VARIANZA DI UNA VARIABILE ALEATORIA La media è un oeratore lineare Esemio momento del ordine ( ( ( 0 (,5 µ ( ( ( (0 ( ( σ µ σ m µ [ ] [ ] [ ] [ ] + + E E E E µ µ µ µ [ ] ( E µ σ [ ] m E µ µ [ ] + E µ µ µ
24 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna FUNZIONE DI VARIABILE ALEATORIA ( ( g con robabilità con robabilità 0 con robabilità con robabilità 0 ( ( (0 0 (
25 MEDIA DELLA VARIABILE ALEATORIA g( [ ] ( E [ ] E[ g( ] g( ( E E dunque: [ ] E[ g ] E ( g( ( Per variabile aleatoria discreta + [ ] E[ g ] g( f ( d E ( Per variabile aleatoria continua M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 5
26 La media è un oeratore lineare Per renderci conto di questo valutiamo la media della funzione di variabile aleatoria a + b (sfruttiamo i risultati recedenti Ammettiamo che sia una variabile aleatoria discreta: [ ] ( a + b ( a + b a + b E a + b E E[ ] + E dunque la media è un oeratore lineare Ammettiamo che sia una variabile aleatoria continua (otteniamo lo stesso risultato: + + [ ] a + b f ( d a f ( d + + b f ( d + ( + a f ( d + b f ( d a + be[ ] 6
27 MOMENTO DI ORDINE K m k [ ] k k ( E Per variabile aleatoria discreta + [ ] k k f ( d mk E Per variabile aleatoria continua M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 7
28 PERCENTILE Si definisce k-esimo ercentile il valore della variabile aleatoria, k indichiamola con tk, tale che F ( tk 00 5 t5 è il valore della variabile aleatoria tale che F ( t t50 è il valore della variabile aleatoria tale che F ( t50 00 (Vi è una robabilità ari al 50% che la variabile aleatoria t stia al di sotto di t50 : t50 è detta mediana della variabile aleatoria t t è il valore della variabile aleatoria tale che F ( t M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
29 0,9 F (t F ( t 90 0,9 t 90 t M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 9
30 FUNZIONI DI VARIABILI ALEATORIE DISTRIBUITE CONGIUNTAMENTE numero delle teste numero di variazioni nella sequenza T T T T T C T C T T C C C T T C C T C T C C C C M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 0
31 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna ( ( ( 0 ( ( ( (0 0 Funzione di robabilità congiunta (, (, rob I, (,,
32 FUNZIONE DI PROBABILITA MARGINALE (si ottiene facendo la somma sulle righe e sulle colonne 0 0 / 0 0 / 0 / / / 0 / / / / 0 0 / / / / M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
33 FUNZIONE DI PROBABILITA CONDIZIONATA Rietendo il il concetto di robabilità condizionata visto er gli eventi, la funzione di robabilità di dato è data da: rob ( I ( rob( (, ( La funzione di robabilità di dato che è uguale a, / ( /, è data da: rob( 0I 0 / (0 / 0 rob( M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna, rob( I (/ / rob( rob( I 0 rob( I 0 / ( / / (/ rob( rob(
34 Le variabili e sono indiendenti quando: rob( I, (, / ( / ( rob( ( In modo analogo a quanto visto a roosito degli eventi: rob ( B A ( B E semre in modo analogo a quanto visto er gli eventi ( rob ( AI B ( A ( B rob( I, (, ( ( Per esemio con riguardo al caso recedente: rob(, ( ( M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna Le variabili e non sono indiendenti
35 6 5 0, 0, 0, 0, 0 0,5 0, 0,5 0,6 0,5 0,50 0,5 rob( 5I 0, 0, (5/ oure in entrambi i casi 0, rob( 0,5 0,5 / rob( 0I 0,5 0, (0/ oure in entrambi i casi 0,6 rob( 0,5 0,5 / Se è indiendente da, anche sarà indiendente da rob ( I 0, 0,5 ( / oure in entrambi i casi 0,5 rob( 0, 0,6 rob ( I 0, 0, ( / oure in entrambi i casi 0,50 rob( 0, 0,6 / / rob ( I 6 0, 0,5 (6 / oure in entrambi i casi 0,5 rob( 0, 0,6 / (5 ( ( (0 (6 5
36 Si oteva anche verificare che er ogni coia (,: rob (, ( ( Per esemio: rob ( 5, 0, ( 5 ( 0, 0,5 0, rob ( 5, (5 ( Per dire che le variabili sono indiendenti devo verificare che er ogni coi, si verifichi la eguaglianza. In ratica sesso l indiendenza si assume er iotesi (dalla conoscenza degli eserimenti su cui si basano le variabili aleatorie e. Ossia si assume che sia: rob (, ( ( L iotesi di indiendenza semlifica molto sesso i calcoli ed è quindi una iotesi conveniente che si adotta se non ci sono chiare ragioni contrarie. 6
37 Nel caso le variabili aleatorie siano continue si definisce la funzione di densità di robabilità condizionata di dato ( o viceversa. (, ( (, f f f Se le due variabili sono indiendenti: ( ( f f ( (, (, f f f
38 FUNZIONE DI VARIABILI ALEATORIE CONGIUNTE Consideriamo due variabili aleatorie, e, e la funzione somma S che sarà anche essa una variabile aleatoria essendo somma di due variabili aleatorie: T T T T T C T C T T C C C T T C C T C T C C C C 0 S ( S ( S ( S ( S 0 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
39 La media della somma di due variabili aleatorie osso ricavarla come media della variabile aleatoria S E [ S] S s S ( s Oure la osso ricavare attraverso la tabella della slide in cui ho la robabilità del verificarsi di ciascuna coia,: (, E [ ] + ( + + ( +, ( + + ( + + ( + ( ( + 0 0, ( M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 9
40 E E [ g, ] ( g(, Per variabile discreta, + [ g, ], (, ( g(, f, (, dd Per variabile continua La media è un oeratore lineare. Infatti dimostriamo che: [ a ' + b '] ae[ '] be[ '] E + Pongo: a ' e [ a '+ b '] E[ ] E + b' Dimostriamo che è uguale: [ ] E[ ] E + M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 0
41 E [ ] ( + (, (, + (, +,,,,,,,, +, (,, (, + (, [ ] E[ ] ( ( E + + [ a '+ b '] E[ + ] E[ ] E[ ] E + (, D altra arte avevamo già dimostrato che: E ( a ' ae( ' Quindi: [ a ' + b '] ae[ '] be[ '] E + M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
42 COVARIANZA DI DUE VARIABILI ALEATORIE E data dalla media del rodotto degli scarti delle due variabili aleatorie (ciascun scarto risetto alla risettiva media. [, ] E[ ( µ µ ] E[ µ µ + µ µ ] cov σ (, [ ] µ E[ ] µ E[ ] + µ µ E[ ] µ E µ [ ] σ E µ µ Prorietà: se le due variabili aleatorie e sono indiendenti cov, risulta: [ ] 0 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
43 Ricordiamo che la media di una funzione di due variabili aleatorie è data da: E cov [, ] E[ ] µ µ ( (, µ µ σ ( ( ( µ µ ( ( ( ( µ µ µ µ µ µ [ g(, ] g(, (, [ µ ( ] E µ ( Facciamo ora alcune osservazioni a roosito del segno della covarianza tenendo conto della definizione: 0 M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
44 µ µ Cosa vuol dire se ho una covarianza ositiva alta? Se è sueriore alla media, anche è sueriore alla media. Se è inferiore alla media, anche è inferiore alla media. Le due variabili non sono indiendenti. Covarianza ositiva: Cov (, > 0 E[ ( µ ( µ ] Si uò anche dire che le due variabili aleatorie variano congiuntamente nello stesso senso. + + M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
45 µ µ Covarianza negativa ed alta (in valore assoluto. Se è sueriore alla media, è inferiore alla media. Se è inferiore alla media, è sueriore alla media. Le due variabili non sono indiendenti. Covarianza negativa: Cov (, < 0 E[ ( µ ( µ ] Si uò anche dire che le due variabili aleatorie variano congiuntamente, ma in senso oosto. + + M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 5
46 Covarianza 0 µ µ Saere qualcosa sulla (er esemio che è sueriore alla media non mi dà informazioni sulla. In media i rodotti ositivi si elidono con quelli negativi. Covarianza 0 Cov (, 0 E[ ( µ ( µ ] Si uò anche dire che le due variabili aleatorie non tendono a variare congiuntamente. 6
47 Doo aver visto la covarianza di due variabili aleatorie vediamo ora la varianza della somma di due variabili aleatorie Se due variabili aleatorie e sono DIPENDENTI: [ + ] var [ ] + var[ ] + cov[ ] Var, Se la covarianza diventa varianza cov [ ] [ ] [ ] [ ], E ( µ ( µ E ( µ ( µ E ( µ Se varianza Dimostriamo ora la formula M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna 7
48 Var + E E [ ] [ ] [ ] + E ( + ( µ + E + + [ ] E[ ] + + E[ ] µ µ µ µ [ ] E[ ] µ + µ + ( E[ ] µ µ var [ ] + var[ ] + cov[, ] ( µ + µ E dunque: Se le variabili sono indiendenti allora: cov [, ] 0 Var [ + ] var [ ] + var[ ] Si uò estendere il risultato ad una combinazione lineare: Var [ a + b ] a var[ ] + b var[ ] + abcov[, ] M.Lui,"Tecnica ed Economia dei Trasorti" - A.A. 00/-Università di Bologna
TEORIA DELLA PROBABILITÁ
TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi
DettagliRichiami di Teoria della probabilità (I)
Richiami di Teoria della probabilità (I) ESPERIMENTO: ogni operazione il cui risultato non può essere predetto con certezza EVENTO: è il risultato di un esperimento Eventi semplici e composti Eventi disgiunti
DettagliEsercizi proposti - Gruppo 7
Argomenti di Matematica er l Ingegneria - Volume I - Esercizi roosti Esercizi roosti - Gruo 7 1) Verificare che ognuina delle seguenti coie di numeri razionali ( ) r + 1, r + 1, r Q {0} r ha la rorietà
DettagliLa probabilità. f n. evidentemente è 0 ( E)
La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione
DettagliRichiami di TEORIA DELLE PROBABILITÀ
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 015-016 Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
DettagliCALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà.
CALCOLO DELLE PROBABILITÀ -Definizione di robabilità -Legge additiva (eventi disgiunti) -Probabilità totale -Eventi comosti -Eventi indiendenti -Legge moltilicativa -Probabilità comoste - -Definizione
DettagliNote sulla Definizione Assiomatica della Probabilita
Note sulla Definizione Assiomatica della Probabilita 1 I diagrammi di Wenn forniscono un metodo grafico er visualizzare i concetti fondamentali del calcolo delle robabilità. In questa raresentazione una
DettagliRichiami sul calcolo delle probabilità
robabilità Richiami sul calcolo delle probabilità TEORIA DEI SEGNALI LAUREA IN INGEGNERIA DELL INFORMAZIONE Modello matematico Sommario Assiomi del calcolo delle probabilità robabilità di un evento robabilità
DettagliCP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione
Diartimento di Matematica, Roma Tre Pietro Cauto 212-13, II semestre 2 settembre, 213 CP11 Probabilità: Esame 2 settembre 213 Testo e soluzione 1. (6 ts) Abbiamo due mazzi di carte francesi, il mazzo A
DettagliNote sulla Definizione Assiomatica della Probabilita
ote sulla efinizione ssiomatica della Probabilita La totalità delle varie modalità con cui si uò resentare un fenomeno casuale sono raresentate dai unti di uno sazio. Un sottoinsieme qualunque dello sazio
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliEsercizi con martingale Pietro Caputo 23 novembre 2006
Esercizi con martingale Pietro Cauto 23 novembre 2006 Esercizio 1. Sia {X n } la asseggiata aleatoria simmetrica su Z con X 0 = 0, vale a dire che Z k = X k X k 1, k = 1, 2,... sono indiendenti e valgono
DettagliStatistica. Congiunte. Capitolo 5. Distribuzioni di Probabilità. Chap 5-1. Statistics for Business and Economics, 6e 2007 Pearson Education, Inc.
Statistica Capitolo 5 Distribuzioni di Probabilità Congiunte Statistics for Business and Economics, 6e 2007 Pearson Education, Inc. Chap 5-1 Distribuzione di Probabilità Congiunta Una variabile casuale
DettagliCapitolo 2. Funzioni
Caitolo 2 Funzioni 2.1. De nizioni Un concetto di fondamentale imortanza è quello di funzione. roosito la seguente de nizione: Vale a questo De nizione 10 Dati due insiemi (non vuoti) X e Y, si chiama
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali multidimensionali Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2/29 Marco Pietro Longhi Prob. e Stat.
Dettagli1 Richiami di algebra lineare
1 Richiami di algebra lineare Definizione 11 (matrici e vettori) Una matrice A e un insieme di numeri A hk, h = 1,, m, k = 1,, n, ordinati in base alla coppia di indici h e k nel modo seguente A 1 A n
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
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 SCHEDA
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliLa Probabilità Classica e la Probabilità Quantistica
La Probabilità Classica e la Probabilità Quantistica .a La robabilità classica e la robabilità quantistica Johann Carl Friederick Gauss Germania 777 855 Andrey Nikolaevich Kolmogorov Russia 903 987 J.
DettagliComportamento asintotico delle Catene di Markov
Comortamento asintotico delle Catene di Markov In queste note analizzeremo il comortamento asintotico della catene di Markov a temo discreto omogenee, con sazio degli stati di dimensione finita. I risultati
DettagliV. c. multidimensionali e distribuzioni di funzioni di v.c.
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
DettagliMateriale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI Claudia Furlan Anno Accademico 006-007 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte e
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliVariabili casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsercitazione del 21/10/2011 Calcolo delle probabilità
Esercitazione del /0/0 Calcolo delle probabilità Funzione di ripartizione Sia F X una funzione da R in R. consideriamo le seguenti condizioni: F X è non decrescente ( ) x F X (x) x F X (x) 0 F X è continua
DettagliCALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica. Leggere attentamente le seguenti note
CALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica Leggere attentamente le seguenti note Modalità d esame. L esame consta di uno scritto con esercizi (bisogna prenotarsi su infostud). Chi passa questo
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliIsometrie. (f (g h))(x) = f(g(h(x))) = ((f g) h)(x).
Isometrie.. Generalità. Una trasformazione di IR n è un alicazione biiettiva f : IR n IR n. Le trasformazioni si ossono comorre tra loro: se f e g sono due alicazioni biiettive da IR n ad IR n, allora
DettagliRisultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1
Esercizio 1 Determinare la distribuzione di probabilità e la funzione di ripartizione della v.c. discreta X = numero di croci in 3 lanci di una moneta. Calcolare F(-1), F(1.5), F(300). Risultati X P(X)
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliProbabilità 1, laurea triennale in Matematica II prova di valutazione in itinere a.a. 2008/09
robabilità, laurea triennale in Matematica II prova di valutazione in itinere a.a. 008/09. Francesco lancia ripetutamente due dadi non truccati: sia T il numero di lanci necessario ad ottenere per la prima
DettagliLA DOMANDA DI MERCATO
LA DOMANDA DI MERCATO Finora ci siamo occuati della scelta dell individuo, ora vogliamo esaminare come si determina la domanda di mercato di un bene. Domande individuali: x i 1 ( 1, 2, y i ) i= 1,...n
DettagliVariabili casuali multidimensionali
Variabili casuali multidimensionali Variabili casuali multidimensionali: k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità X = (X 1,..., X k ) Funzione di
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliDistribuzioni di probabilità
Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 4 Analisi Bivariata I Parte
Metodi Quantitativi per Economia, Finanza e Management Lezione n 4 Analisi Bivariata I Parte Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliE (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente
Dettagli9. Test del χ 2 e test di Smirnov-Kolmogorov. 9.1 Stimatori di massima verosimiglianza per distribuzioni con densità finita
9. Test del χ 2 e test di Smirnov-Kolmogorov 9. Stimatori di massima verosimiglianza per distribuzioni con densità finita Supponiamo di avere un campione statistico X,..., X n e di sapere che esso è relativo
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
Dettaglif(1, C) = 1; f(2, C) = 1; f(3, C) = 3; f(4, C) = 2; f(5, C) = 5; f(6, C) = V ar(x) = E[X 2 ] (E[X]) 2 =
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Si lanciano un dado equilibrato a sei facce e una moneta equilibrata. Se esce testa e il valore del dado è pari oppure croce e il
DettagliLaurea Triennale in Matematica, Università Sapienza Corso di Probabilità 2 A.A. 2010/2011 Prova scritta 10 giugno 2011 Soluzione degli esercizi
Laurea Triennale in Matematica, Uniersità Saienza Corso di Probabilità A.A. 00/0 Proa scritta 0 giugno 0 Soluzione degli esercizi Esercizio. Un modello di cellulare iene enduto con una batteria istallata
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
Dettagli! X (92) X n. P ( X n X ) =0 (94)
Convergenza in robabilità Definizione 2 Data una successione X 1,X 2,...,X n,... di numeri aleatori e un numero aleatorio X diremo che X n tende in probabilità a X escriveremo X n! X (92) se fissati comunque
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliStatistica 28/10/09 Gruppo H-Z Programma ed esercizi svolti
) Statistica 8/1/9 Gruppo H-Z Programma ed esercizi svolti Coppie ( X, Y di variabili aleatorie (v.a.) X e Y considerate congiuntamente pag. 1 Rappresentazioni grafiche di una coppia ( X, Y ) di v.a. pag.
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliProcessi. Giuseppe Sanfilippo. 30 novembre Processo di Bernoulli-Passeggiata aleatoria semplice (Simple Random Walk)
Processi Giusee Sanfilio 30 novembre 005 1 Processo di Bernoulli-Passeggiata aleatoria semlice Simle Random Walk) vedi [5, ]) Analizziamo uno dei classici rocessi discreti. Sia E 1, E,..., E n,... una
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 17-18, I semestre Settembre 18 Scritto del - 9-18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliCP110 Probabilità: Esonero 1
Diartimento di Matematica, Roma Tre Pietro Cauto 2010-11, II semestre 12 arile, 2011 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si uo usare durante l esame è una
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliIntroduzione a rischio e rendimento
CAPITOLO 8 Introduzione a rischio e rendimento Semlici PROBLEMI 1. Il risultato atteso è 100 e il rendimento atteso è zero. La varianza è 20 000 (ercentuale al quadrato) e lo scarto quadratico medio è
DettagliCalcolo delle Probabilità e Statistica Matematica previsioni 2003/04
Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione
DettagliProbabilità e tempi medi di assorbimento
Probabilità e temi medi di assorbimento 6.1 Probabilità di assorbimento Consideriamo una catena con un numero finito di stati che indichiamo con S = {1, 2,... r}. Sia C una classe chiusa di S. Se la catena
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliFacoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA
Facoltà di SCIENZE Anno Accademico 2016/17 Registro lezioni del docente MUSIO MONICA Attività didattica CALCOLO DELLE PROBABILITA' [60/64/186] Periodo di svolgimento: Primo Semestre Docente titolare del
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliTraccia dello svolgimento di alcuni esercizi del compito del 15/04/08
Traccia dello svolgimento di alcuni esercizi del comito del //8 Esercizio.. L esercizio richiede di risolvere in generale il seguente sistema lineare @ A = b a. Il sistema ^A = b ammette soluzioni se Rg(
DettagliEsercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliTre tipi di Sistema Un richiamo
Corso di Studi di Fisica Corso di Chimica Luigi Cerruti www.minerva.unito.it Programma: a che unto siamo? Lezioni 25-26 2010 re tii di Sistema Un richiamo Un aio di riferimenti matematici Sistema isolato:
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
Dettagli12. Calcolare la somma della serie
gennaio 0 VARIANTE: 0 risposte: C A A B B B D C A B A C D C D B A C D A Ricordiamo che se Z ha distribuzione normale standard, si ha P (Z >.00) = %, P (Z >.) = 0%, P (Z >.) = %, P (Z >.00) =.%, P (Z >.)
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliI Giochi di Archimede - Soluzioni Triennio
I Giochi di Archimede - Soluzioni Triennio dicembre 999 C E C A C B D C D C C B D D E A B E C D B C E B D 2 3 4 5 6 7 8 9 02345678920222232425 ) La risosta e (C). Infatti 39 = 723, quindi i lati sono lunghi
DettagliMetodi Quantitativi per Economia, Finanza e Management. Lezione n 5 Analisi Bivariata I Parte
Metodi Quantitativi per Economia, Finanza e Management Lezione n 5 Analisi Bivariata I Parte Statistica descrittiva bivariata Indaga la relazione tra due variabili misurate. Si distingue rispetto alla
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
Dettaglidocente: Germana Scepi
INSEGNAMENTO DI :PIANO DEGLI ESPERIMENTI CORSO DI LAUREA: CLAS docente: Germana Scei Eserimenti in Scienza e Industria I metodi serimentali sono amiamente utilizzati sia nella ricerca scientifica che nel
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliModulo di Matematica per il Corso di Laurea in Farmacia, cognomi M-Z Soluzioni del TEMA 1 del 20 dicembre 2010
Modulo di Matematica per il Corso di Laurea in Farmacia, cognomi M-Z Soluzioni del TEMA 1 del 0 dicembre 010 Esercizio 1. Indichiamo con Ω: lo spazio degli eventi, in questo caso tutte le scatole del farmaco;
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità (docenti G. Nappo, F. Spizzichino prova scritta giugno 5 (tempo a disposizione: ore La prova scritta consiste nello svolgimento
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliLaurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio FOGLIO RISPOSTE
Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio 202 - FOGLIO RISPOSTE NOME e COGNOME SOLUZIONI CANALE: G. Nappo VOTO: N.B. Scrivere le risposte dei vari punti degli
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 24 Outline 1 () Statistica 2 / 24 Outline 1 2 () Statistica 2 / 24 Outline 1 2 3 () Statistica 2 /
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliFondamenti e metodi analisi empirica nelle scienze sociali
CORSO DI FONDAMENTI E METODI PER L'ANALISI EMPIRICA NELLE SCIENZE SOCIALI Distribuzioni statistiche multiple AA 2017/2018 1. Introduzione: il processo di rilevazione e le distribuzioni statistiche. 2.
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
Dettagli