Test d ipotesi. Monica Musio, Maria Luisa Targhetta
|
|
- Rosa Campana
- 4 anni fa
- Visualizzazioni
Transcript
1 Test d ipotesi Monica Musio, Maria Luisa Targhetta
2 0. Introduzione Un ipotesi statistica è un asserzione sui parametri di una popolazione. Siano: H 0 : θ Θ 0 H : θ Θ () L ipotesi nulla e l ipotesi alternativa sui valori di un parametro incognito θ nella distribuzione di probabilità f(x θ), θ Θ con Θ = Θ 0 Θ, x R. Si chiama funzione test una trasformazione misurabile ϕ : R n [0, ] che ad ogni ennupla n x= (x,, x n ) R n fa corrispondere un valore ϕ(x,, x n ) avente il significato di probabilità di respingere H 0 per quel dato n x. Scegliere ϕ significa scegliere un criterio per respingere o accettare H 0. In particolare, se ϕ è l indicatore di una certa regione ω n R n, ossia se: ϕ( n x) = I ωn = se(x,, x n ) ω n 0 se(x,, x n ) / ω n (2) Il test si dice non casualizzato, o non randomizzato in quanto si respinge l ipotesi H 0 con probabilità quando n x ω n e con probabilità 0 quando n x/ ω n. L insieme ω n si chiama regione critica del test. Negli altri casi il test si dice casualizzato. Consideriamo il valor medio di (2): dove E[ϕ( X n θ)] = ϕ( x)l( n x n θ)d x n R n (3) n L( x n θ)) = f(x i θ) i=
3 è la funzione di verosimiglianza. Tale valor medio rappresenta la probabilità di respingere H 0 per un dato valore θ del parametro. Il valor medio (3) come funzione del parametro θ si chiama funzione potenza e si denota con Π(θ), quindi: Π(θ) = E[ϕ( X n θ)] = P r(respingere H 0 θ). (4) Per ogni fissato valore θ Θ, Π(θ ) è la potenza di ϕ per quel valore di θ e rappresenta la probabilità di non commettere errore del II tipo in corrispondenza all alternativa θ = θ. Per ogni fissato θ 0 Θ 0, Π(θ 0 ) rappresenta la probabilità di commettere errore del I tipo in corrispondenza a quel valore ipotizzato. ( L errore del I tipo è la probabilità di rifiutare H 0 quando questa è vera, mentre l errore del II tipo è la probabilità di accettare H 0 quando essa è falsa). Fissato α, 0 α, ϕ è detto un test per le ipotesi () di livello di significatività α se risulta: sup θ Θ0 Π(θ) α θ Θ 0 (5) ϕ è detto un test per le ipotesi () di ampiezza α se risulta: sup θ Θ0 Π(θ) = α θ Θ 0 (6) In breve si dice che ϕ è un test per il problema (α, Θ 0, Θ ). Un test si dice non distorto se Π(θ ) Π(θ ), θ Θ and θ Θ Ipotesi semplici Consideriamo ora il caso di ipotesi entrambe semplici, cioè: 2
4 H 0 : θ = θ 0 H : θ = θ (7) Il problema della scelta della funzione test si formula in questo modo: fissato α con 0 α, oltre che la numerosità campionaria n, determinare la funzione ϕ 0 nella classe Ψ α delle funzioni test che verificano la (6) con θ = θ 0, in modo tale che sia: Π 0 (θ ) = E[ϕ 0 ( n X θ )] Π ϕ (θ ) = E[ϕ( n X θ )] Π 0 (θ 0 ) = α ϕ Ψ α (8) Il test ϕ 0 per il problema (α, θ 0, θ ), sotto la condizione (8), viene detto più potente (MP, most powerful) di livello di significatività α. Il lemma che segue fornisce una risposta a questo problema. Enunciamo e dimostriamo il lemma per una variabile di base X assolutamente continua, facendo osservare nel corso della dimostrazione come si deve modificare eventualmente per una variabile di tipo discreto. Lemma (Neyman Pearson). Un test ϕ k della forma: ϕ k ( n x) = I ωn = se L( n x θ 0 ) kl( n x θ ) 0 se L( n x θ 0 ) > kl( n x θ ) (9) 3
5 per qualche k > 0 è il test più potente (MP) di livello di significatività α per le ipotesi (7). 2. Fissato α, 0 α, si può scegliere k in modo che sia E[ϕ k ( X n θ 0 )] = α, cioè che il test abbia livello di significatività α, se x S R con S indipendente da θ. Dimostrazione:. Posto: ω n = x n R n : L( x n θ 0 ) kl( x n θ )}, risulta ϕ k ( x) n = I ωn. Sia ϕ un qualunque test (casualizzato o no) tale che: E[ϕ k( x n θ 0 )] E[I ωn θ 0 ]. (0) Consideriamo: = + = + R n ω n )( ) (I ωn ϕ L( x n θ 0 ) kl( x n θ ) d x= n )( ) (I ωn ϕ L( x n θ 0 ) kl( x n θ ) d x n + R n ω n )( ) (I ωn ϕ L( x n θ 0 ) kl( x n θ ) d x= n n x:l( x θ n 0) kl( x θ n )<0 n x:l( n x θ 0) kl( n x θ )>0 )( ) ( ϕ L( x n θ 0 ) kl( x n θ ) d x n + )( ) ( ϕ L( x n θ 0 ) kl( x n θ ) d x n () 4
6 dato che ϕ è una funzione test, risulta 0 ϕ e gli integrandi negli ultimi due integrali sono entrambi 0, per cui si ha: Segue che R n )( ) (I ωn ϕ L( x n θ 0 ) kl( x n θ ) d x n 0 } 0 E[I ωn θ 0 ] E[ϕ θ 0 ] k E[I ωn θ ] E[ϕ θ ] cioè E[I ωn θ ] E[ϕ θ ]. In conclusione, la potenza del test (9) è non minore di quella di un qualunque altro test che verifica (0). Sostituendo nella dimostrazione il segno di integrale con quello di somma, si constata facilmente che la prima parte del lemma è valida anche per una variabile di tipo discreto. 2. Per ogni n x per cui risulta L( n x θ) > 0, si può scrivere: n E[I ωn θ 0 ] = P r x n L( X θ 0 ) ω n θ 0 } = P r L( X n θ ) k θ 0 } ed essendo X assolutamente continua, esiste certamente un valore k 0 della statistica tale che Λ( n X) = L( n X θ 0 ) L( n X θ ) P r Λ( X) n } k 0 θ 0 = α. 5
7 Nel caso che X sia di tipo discreto, potrebbe succedere che esista un valore k 0 per Λ tale che: P r Λ( X) n } < k 0 θ 0 < α < P r Λ( X) n } k 0 θ 0. In questo caso la funzione test MP di livello di significatività α è data da: se L( x n θ 0 ) < kl( x n θ ) ϕ( x) n = γ( x) n se L( x n θ 0 ) = kl( x n θ ) 0 se L( x n θ 0 ) > kl( x n θ ) dove k = k 0 e γ( n X) = γ è una costante definita da: α = P r Λ( X) n } < k 0 θ 0 +γp r Λ( X) n } = k 0 θ 0 e quindi γ = α P r Λ( X) n } < k 0 θ 0 P r Λ( X) n } 0 < γ <. = k 0 θ 0 Esempio Sia X N(µ, 2 ) con 2 noto. Risulta dunque: f(x µ) = (x µ) 2 2π 2 e 2 2. Si vuole verificare l ipotesi nulla: H 0 : µ = µ 0 contro l ipotesi alternativa: H : µ = µ < µ 0 6
8 con livello di significatività α. Il Lemma di Neyman Pearson ci permette di determinare la regione critica relativa al test MP per tale tipo di ipotesi: ossia L( x n µ 0 ) L( x n µ ) = ( ) n/2 e n 2π i= (x i µ 0 ) 2 ( ) 2π n/2 e n i= (x i µ ) 2 k(α) e 2 2 [ n i= (x i µ 0 ) 2 n i= (x i µ ) 2] k(α) passando ai logaritmi in entrambi i membri, svolgendo i quadrati e semplificando si ottiene: X h(α) con h(α) = 2 log k(α) n/2(µ µ 0 ) n(µ 0 µ ) Imponeniamo che il test abbia livello di significatività α ossia che P rx h(α) µ = µ 0 } = α Per calcolare tale probabilità usiamo il fatto che X, sotto l ipotesi nulla, ha distribuzione normale con valor medio µ 0 e varianza pari a 2 /n. Risulta pertanto: P rx h(α) µ = µ 0 } = P r X µ 0 / n h(α) µ 0 / n } = α sfruttando ora le proprietà di simmetria della distribuzione normale otteniamo h(α) µ 0 / n = z α 7
9 essendo z α il quantile di ordine α della distribuzione normale. La regione critica è dunque: X µ 0 z α n. Calcoliamo ora la funzione potenza ossia la probabilità di rifiutare H 0 quando µ = µ. Si ha: Π(µ ) = P rx µ 0 z α n µ = µ } = P r X µ / n µ 0 µ / n z α} = = Φ( z α + µ 0 µ n). Φ funzione di ripartizione della distribuzione normale standard. Esempio 2 Sia X N(0, 2 ) con 2 incognito. Risulta dunque: f(x ) = 2π 2 e 2 x 2 2. Si vuole verificare l ipotesi nulla: H 0 : = 0 contro l ipotesi alternativa: H : = > 0 con livello di significatività α. Il Lemma di Neyman Pearson fornisce la regione critica: L( x n 0 ) L( x n ) = ( ) n/2 e n 2π i= x2 i ( ) 2π n/2 e n i= x2 i k(α) 8
10 ossia i= ( ) ne n i= x2 i ( ) 0 k(α) 0 da cui, passando ai logaritmi in entrambi i membri: n x 2 i log k(α) + n log 0 = h(α) (2) La regione critica ω n è dunque costituita dai punti di R n le cui coordinate verificano la relazione (2). Per determinare la costante h(α) osserviamo che le variabili X i 0, i =,, n hanno distrubuzione normale standard, dunque la variabile Y = n i= X2 i 2 0 ha distribuzione χ 2 con n g.d.l. La regione critica è pertanto definita da: n Xi 2 0χ 2 2 α,n i= essendo χ 2 α,n il quantile di ordine α della distribuzione χ 2 con n g.d.l. La probabilità Π( ) di non commettere errore del II tipo si ottiene considerando la variabile Y = n i= X2 i 2 la quale, in virtù della (2) soddisfa la relazione: Y = n i= X2 i χ 2 2 α,n 9
11 È pertanto: Π( ) = χ 2 α,n 0 Ψ(y)dy = F [ 2 0 χ 2 α,n] 2 essendo Ψ la densità e F la funzione di ripartizione della distribuzione Chi quadrato. Esempio 3 Sia X Exp(θ) con θ parametro incognito. Si vuole verificare l ipotesi nulla H 0 : θ = θ 0 contro l ipotesi alternativa: H : θ = θ > θ 0 con livello di significatività α. Il Lemma di Neyman Pearson porge la regione critica: ossia segue da qui: L( n x θ 0 ) L( n x θ ) = n i= e n θ0 n θ 0 i= x i e n θ n θ i= x i k(α) ( θ θ 0 ) ne n i= x i( θ θ 0 ) k(α) x i ( θ θ 0 ) log k(α) + n log θ 0 θ e tenuto conto che θ θ 0 < 0 0
12 risulta: n i= x i log k(α) + n log θ 0 θ θ θ 0 = h(α) Per determinare la costante h(α) osserviamo prima di tutto che, essendo le v.a. X,, X n iid tutte con distribuzione esponenziale negativa, la variabile Y = n i= X i ha distribuzione Γ(n, θ), come si vede immediatamente scrivendo la funzione caratteristica di Y. Pertanto si ha: α = h(α) Ψ(λ)dλ) dove Ψ(λ) è la densità della distribuzione gamma di parametri n e θ Ipotesi composte Consideriamo esclusivamente test non casualizzati. Ricordiamo che la funzione potenza ossia Π(θ) = P r x n ω n θ)} rappresenta la probabilità di commettere errore del I tipo se θ Θ 0 e la probabilità di non commettere errore del II tipo se θ Θ. Al fine di determinare ω n fra tutte le regioni di R n per cui sup θ Θ0 Π(θ) = sup θ Θ0 P r n x ω n θ)} = α (3) conviene considerare i valori di Π(θ) per θ Θ. Infatti, se θ è un particolare valore di Θ, fra due regioni ω n verificanti la relazione (3), quella per cui
13 è più grande Π(θ ) ha maggiore potenza. Sarebbe desiderabile quindi costruire una regione critica ω n verificante la (3) e tale che Π(θ) sia massimo contemporaneamente per tutti i valori θ Θ. Una tale regione, se esiste, da luogo ad un test uniformemente più potente di livello α (UMP, Uniform most powerful). Un esempio di test UMP è il seguente: H 0 : µ = µ 0 H : µ > µ 0 con X N(µ, 2 ) con 2 nota, la cui regione critica nx ω n = R n : x µ 0 + } z α n non dipende dai valori ipotizzati in H purchè sia µ > µ 0. Questo esempio rappresenta però un caso particolare. In generale infatti il test più potente per H 0 dipende da θ (θ Θ ) e quindi non è UMP. Consideriamo a titolo d esempio il test d ipotesi: H 0 : µ = µ 0 H : µ µ 0 (4) con X N(µ, 2 ), 2 nota. Le seguenti regioni verificano entrambe (3) in corrispondenza dell unico valore µ Θ 0 = µ 0 } : x µ 0 n z α/2 (5) x µ 0 n z α (6) 2
14 Le corrispondenti funzioni potenza sono date rispettivamente da: X µ µ 0 µ Π (µ) = P r n X µ µ 0 µ + P r n = Φ( z α/2 µ µ 0 n zα/2 } + n + zα/2 } = n) + Φ( zα/2 + µ µ 0 n) (7) X µ Π 2 (µ) = P r n µ 0 µ n + zα }= Φ( z α + µ µ 0 n) (8) dove Φ rappresenta la funzione di ripartizione normale standard. Che per µ µ 0 risulti Π 2 (µ) Π (µ), lo si vede calcolando le corrispondenti derivate e studiando l andamento della loro differenza. Precisamente, risulta Π 2(µ) Π (µ) 0 e quindi Π 2 (µ) Π (µ) è crescente. Per valori di µ per cui è: e 2 z2 α+ 2 z2 α/2 e ξ(z α/2 z α) e ξ(z α/2+z α) (9) dove ξ = µ µ 0 n Poichè il secondo membro in (9) assume il valore 0 per ξ = 0, quindi cresce per ξ > 0 con continuità e diventa per ξ ci sarà un solo valore ξ che rende uguali i due membri della (9). Dimodochè la funzione Π 2 (µ) Π (µ) cresce, partendo da 0 per µ = µ 0, fino ad un certo valore per µ 0 µ µ(ξ), quindi decresce fino a 0 per µ > µ(ξ). Il test considerato, con regione critica (5) non è dunque UMP in quanto Π 2 (µ) > Π (µ) per µ > µ 0. Anzi, senza restringere la classe delle regioni ω n verificanti (3), tra le quali si cerca la regione critica, non esiste test UMP per le ipotesi considerate. Fra tutte le regioni ω n verificanti la (3), esistono invece regioni critiche ottimali (e 3
15 quindi corrispondenti tests UMP) per alcuni tipi di ipotesi, se la distribuzione di base appartiene ad una famiglia con rapporto di verosimiglianza strettamente monotono. Le ipotesi (4) sopra considerate non rientrano in questo tipo di ipotesi. Definizione Una famiglia di densità (o distribuzioni di probabilità) f(x θ), θ Θ si dice a rapporto di verosimiglianza monotono in una statistica T (X,, X n ) se per ogni coppia di valori θ, θ Θ tali che θ < θ, il rapporto L( x n θ ) L( x n θ ) è una funzione monotona della statistica T (X,, x n ) dei dati osservati, ossia se è L( x n θ ) L( x n θ ) = ϕ(t (x,, x n )) (20) con ϕ funzione reale (non strettamente) monotona, dipendente eventualmente anche da θ, θ. Se f(x θ) appartiene alla famiglia esponenziale, ossia se: f(x θ) = e a(x)α(θ)+b(x)+β(θ) x S R (2) con α(θ) strettamente monotona, allora verifica (20). Infatti: L( x n θ ) L( x n θ ) = e n i= a(x i)(α(θ ) α(θ )) e n(β(θ ) β(θ )) e se α(θ) è strettamente monotona, tale rapporto è funzione monotona della statistica sufficiente T ( n X) = n i= a(x i). 4
16 Il seguente teorema garantisce l esistenza di tests UMP, limitatamente a variabili di base X di tipo assolutamente continuo: Teorema Se f(x θ) appartiene ad una famiglia a rapporto di verosimiglianza strettamente crescente in una statistica T ( n X) allora per le seguenti classi di ipotesi: a) H 0 : θ θ 0 H : θ < θ 0 b) H 0 : θ θ 0 H : θ > θ 0 esistono tests UMP di livello di significatività α le cui regioni critiche sono date rispettivamente da: a) T ( n x) k(α) b) T ( n x) k(α) dove, in entrambi i casi, k(α) è determinata dalla relazione P r n x ω n θ = θ 0 } = α. Dimostrazione nel caso a). Si considerino le ipotesi: H 0 : θ = θ 0 H : θ = θ < θ 0 Per il lemma di Neyman-Pearson esiste per queste ipotesi un test MP la cui regione critica è data da: ω n = nx R n : L(n x θ 0 ) } L( x n θ ) k(α). 5
17 Poichè per le ipotesi è L( n x θ 0 ) con ϕ strettamente crescente, risulta: L( n x θ ) = ϕ(t (n x)) θ < θ 0 nx } ω n = R n : T ( x) n ϕ (k(α)) (22) con ϕ (k(α)) (ϕ funzione inversa di ϕ ) determinata dalla condizione P ry( n x) R n : T ( n x) ϕ (k(α)) θ = θ 0 } = α. Poichè ω n non dipende da θ, il test definito in (22) è il test UMP per le ipotesi H 0 : θ = θ 0 H : θ < θ 0 ed è di ampiezza α. D altra parte, se si considerano le ipotesi semplici H 0 : θ = θ H : θ = θ < θ la regione critica ottimale è ancora del tipo (22), cioè: Introdotta la funzione potenza associata a (22) nx } ω n = R n : T ( x) n c. (23) Π(θ) = P rt ϕ (k(α)) θ} il test definito da (23) è di ampiezza Π(θ) se si determina la costante c in modo tale che sia: Π(θ) = P rt ( n X) c θ = θ}. 6
18 Poichè un test MP è anche non distorto, risulta: Π(θ) Π(θ ) θ > θ con Π(θ) = Π(θ ) solo se θ = θ, cioè Π(θ) è decrescente in θ. Con θ < θ 0 θ, Π(θ ) > Π(θ 0 ) e Π(θ) α per θ θ 0. In conclusione, un test la cui regione critica è data da (22) è il più potente di livello di significatività α per le ipotesi H 0 : θ = θ θ > θ H : θ = θ 0 θ < θ 0 quindi è UMP per le ipotesi a) nonchè non distorto. Una dimostrazione analoga vale per b). 7
Università di Pavia Econometria. Richiami di Statistica. Eduardo Rossi
Università di Pavia Econometria Richiami di Statistica Eduardo Rossi Università di Pavia Campione casuale Siano (Y 1, Y 2,..., Y N ) variabili casuali tali che le y i siano realizzazioni mutuamente indipendenti
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliSoluzioni ottava esercitazione
Soluzioni ottava esercitazione. (a) Notiamo subito che la densità f(x θ) appartiene alla famiglia esponenziale con t(x) = ln(x) e c(θ) =, funzione strettamente decrescente. Quindi anche il rapporto di
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliRichiami di Statistica
Università di Pavia Richiami di Statistica Eduardo Rossi Popolazione e campione casuale Un idea centrale della statistica è che un campione sia una rappresentazione della popolazione. Si possono sfruttare
DettagliVerifica di ipotesi. Parte VI. Verifica di ipotesi
Parte VI Verifica di ipotesi Definizione (Sistema di ipotesi) Nell ambito di un modello statistico parametrico, un sistema di ipotesi statistiche è costituito da due congetture, incompatibili, sul parametro
DettagliStatistica Inferenziale Soluzioni 3. Verifica di ipotesi
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
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,
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliE n 1 n. n i. n 2. n 2 ( n
Lezione n. 7 7.1 Ancora sulle proprietà degli stimatori Esempio 7.1 [continua dall Esempio 6.1] Studiare varianza e MSE dei due stimatori e verificare se T n raggiunge il limite di Cramer- Rao. Soluzione.
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
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,
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliDisuguaglianza di Cramér-Rao
Disuguaglianza di Cramér-Rao (Appunti per gli studenti Silvano Holzer Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche Bruno de Finetti Università degli studi di Trieste Un esperimento
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliAnalisi Matematica 3 (Fisica) Prova scritta del 17 febbraio 2012 Un breve svolgimento delle versioni A
Analisi Matematica 3 (Fisica) Prova scritta del 7 febbraio Un breve svolgimento delle versioni A Vi sarò grato per la segnalazione di eventuali errori. Esercizio. (a) Dimostrare che l equazione () (3 +
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Ipotesi statistica parametrica non parametrica una qualunque affermazione che specifica completamente o parzialmente la distribuzione di probabilità di una v.c. X. semplice: se la
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliAnalisi Matematica 2. Michele Campiti. Prove scritte di. Ingegneria Industriale a.a
Michele Campiti Prove scritte di Analisi Matematica 2 Ingegneria Industriale a.a. 20 202 Grafico della funzione f(x, y) := sin(2x 2 y) cos(x 2y 2 ) in [ π/2, π/2] 2 Raccolta delle tracce di Analisi Matematica
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliProve scritte di Analisi I - Informatica
Prove scritte di Analisi I - Informatica Prova scritta del 3 gennaio Esercizio Stabilire il comportamento delle seguenti serie: n= n + 3 sin n, n= ( ) n n + 3 sin n, n= (n)! (n!), n= n + n 9 n + n. Esercizio
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
Dettaglia) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
DettagliEsonero di Analisi Matematica II (A)
Esonero di Analisi Matematica II (A) Ingegneria Edile, 8 aprile 3. Studiare la convergenza del seguente integrale improprio: + x log 3 x (x ) 3 dx.. Studiare la convergenza puntuale ed uniforme della seguente
Dettagli(e it + e 5 2 it + e 3it )
CALCOLO DELLE PROBABILITÀ - 13 gennaio 1999 1. Siano A, B, C eventi, con P (A) = 0.3, P (B) = 0.5, P (C) = 0.7, e per i quali è noto che i relativi costituenti sono C 1 = A c B c C c, C 2 = AB c C c, C
DettagliTest d ipotesi Introduzione. Alessandra Nardi
Test d ipotesi Introduzione Alessandra Nardi alenardi@mat.uniroma2.it 1 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo del nostro studio sia valutare il
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliCorso di Laurea in Informatica Applicata Esame di Calcolo delle Probabilità e Statistica Prova scritta dell 11 gennaio 2007
Corso di Laurea in Informatica Applicata Esame di Calcolo delle Probabilità e Statistica Prova scritta dell 11 gennaio 007 Primo esercizio Per una certa stampante S 1, la probabilità che un generico foglio
DettagliANALISI 1 - Teoremi e dimostrazioni vari
ANALISI 1 - Teoremi e dimostrazioni vari Sommario Proprietà dell estremo superiore per R... 2 Definitivamente... 2 Successioni convergenti... 2 Successioni monotone... 2 Teorema di esistenza del limite
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliL Analisi della Varianza (ANOVA)
L Analisi della Varianza (ANOVA) Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche Introduzione. L analisi della varianza (indicata spesso con
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliEsercitazione del 21/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/0 Istituzioni di Calcolo delle Probabilità David Barbato Funzione di ripartizione Sia F X una funzione da in. consideriamo le seguenti condizioni: F X è non decrescente lim ( ) x F
DettagliRegressione lineare. Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche.
Regressione lineare Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche Siano x ed y due variabili legate tra loro da una forma funzionale del
DettagliEsercizi - Fascicolo V
Esercizi - Fascicolo V Esercizio Sia X una v.c. uniformenente distribuita nell intervallo ( π 2, π 2 ), cioè f X (x) = π ( π 2, π 2 ) (x). Posto Y = cos(x), trovare la distribuzione di Y. Esercizio 2 Si
DettagliStima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.
Stima dei parametri Sia il carattere X rappresentato da una variabile casuale (v.c.) che si distribuisce secondo la funzione di probabilità f(x). Per investigare su tale carattere si estrae un campione
DettagliEsercitazione Maggio 2019
Esercitazione 6 9 Maggio 019 Esercizio 1 E noto che la durata di un determinato tipo di Hard Disk per Server segue la legge esponenziale con media pari a 8 anni. a) Calcolare la probabilità che un Hard
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliSOLUZIONE PROBLEMA 1. Punto 1 Osserviamo anzitutto che la funzione
SOLUZIONE PROBLEMA 1 Punto 1 Osserviamo anzitutto che la funzione g(x) = (ax b)e,-,. è continua e derivabile in R in quanto composizione di funzioni continue e derivabili. Per discutere la presenza di
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/02/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
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
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliAnalisi Matematica 3 (Fisica), , M. Peloso e L. Vesely Prova scritta del 14 luglio 2009 Breve svolgimento (con alcuni conti omessi)
Analisi Matematica 3 Fisica, 8-9, M. Peloso e L. Vesely Prova scritta del 4 luglio 9 Breve svolgimento con alcuni conti omessi. a Dimostrare che l insieme G = { x, y R : x + x + log y = ye x} coincide
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliIntroduzione all inferenza statistica, IV lezione
Proprietà asintotiche Introduzione all inferenza statistica, IV lezione Carla Rampichini Dipartimento di Statistica Giuseppe Parenti - Firenze - Italia rampichini@ds.unifi.it - www.ds.unifi.it/rampi/ T
DettagliEsercitazioni di Statistica Matematica A Lezione 7. Variabili aleatorie continue
Esercitazioni di Statistica Matematica A Lezione 7 Variabili aleatorie continue.) Determinare la costante k R tale per cui le seguenti funzioni siano funzioni di densità. Determinare poi la media e la
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2011/12
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 0/ Esercizio Prova scritta del 7/06/0 Siano X e Y due v.a. indipendenti, con distribuzione continua Γ(, ). Si trovino la distribuzione di X Y e di (X Y ). Esercizio
Dettaglinon solo otteniamo il valore cercato per la validità della (1.4), ma anche che tale valore non dipende da
NOTE INTEGRATIVE PER IL CORSO DI ANALISI MATEMATICA 2 ANNO ACCADEMICO 2012/13 NOTE SULLA CONTINUITÀ UNIFORME D.BARTOLUCCI, D.GUIDO Sia f(x) = x 3, x [ 1, 1]. Si ha 1. La continuità uniforme x 3 y 3 = x
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 8:
STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 8: 10-05-2004 Andrea Tancredi Università di Roma La Sapienza, Rome, Italy andrea.tancredi@uniroma1.it http://3w.eco.uniroma1.it/utenti/tancredi
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017 1 2 3 4 5 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCorsi di laurea in Fisica, Fisica ed Astrofisica Analisi A.A Foglio 4 1. Data la funzione
Corsi di laurea in Fisica, Fisica ed Astrofisica Analisi A.A. 007-008 Foglio 4 1. Data la funzione x 6x + 8 x 0, 8 cos(x) x < 0, dire se è continua in 0. Affinché la funzione sia continua in zero, deve
DettagliPROVE SCRITTE DI ANALISI MATEMATICA I, ANNO 2008/09
PROVE SCRITTE DI ANALISI MATEMATICA I, ANNO 8/9 Prova scritta del 4//9 Si studi, al variare di x >, la serie + n= log nx + A n x, ove A é il numero delle lettere del proprio nome. Data la funzione: f(x)
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliFunzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
DettagliMattia Zanella. Ferrara, April
Department of Mathematical Sciences Politecnico di Torino, Italy http://www.mattiazanella.eu Ferrara, April 5 217 Programma della lezione Seminario I Introduzione a Matlab U(, 1): metodo di inversione
DettagliEsercitazioni di Matematica
Università degli Studi di Udine Anno Accademico 009/00 Facoltà di Agraria Corsi di Laurea in VIT e STAL Esercitazioni di Matematica novembre 009 Trovare le soluzioni della seguente disequazione: x + +
DettagliEsercitazione del 16/04/2019 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/04/09 Istituzioni di Calcolo delle Probabilità David Barbato Nozioni di riepilogo con esercizi Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliE, la successione di numeri {f n (x 0. n f n(x) (15.1)
Capitolo 15 15.1 Successioni e serie di funzioni Sia {f n } una successione di funzioni, tutte definite in un certo insieme E dello spazio R n ; si dice che essa è convergente nell insieme E se, comunque
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
DettagliFoglio di Esercizi 9 con Risoluzione 29 dicembre 2015
Matematica per Farmacia, a.a. 5/6 Foglio di Esercizi 9 con Risoluzione 9 dicembre 5 Esercizio. Integrare per parti: L integrale che poi si ottiene puó essere risolto con una sostituzione). ln d e arctan
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
Dettagli5.3 Alcune classi di funzioni integrabili
3. Si verifichi che per ogni f, g : [a, b] R si ha f g = g + (f g) 0, f g = f + g f g; dedurne che se f, g R(a, b) allora f g, f g R(a, b). [Traccia: si osservi che basta verificare che f 0 R(a, b), e
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) ai quesiti degli esercizi del 12.X.2018 1. (a) Ω è aperto, Ω = {0, 1, 2}, Ω = Ω, Ω = [0, 1]
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliContinuità di funzioni
Continuità di funzioni Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica 2 novembre 2015 Annalisa Cesaroni, Paola Mannucci e Alvise Sommariva
DettagliAnalisi II, a.a Soluzioni 1. j j + 1 ; ( 1)j
Analisi II, a.a. 7-8 Soluzioni Calcolare le seguenti distanze e norme: (i d (x, y dove x = {x j } e y = {y j } sono le successioni di l definite da x j = ( j, y j = j/(j + ; (ii d (f, g dove f, g sono
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliFunzioni. iniettiva se x y = f (x) f (y) o, equivalentemente, f (x) = f (y) = x = y
Funzioni. Dati due insiemi A e B (non necessariamente distinti) si chiama funzione da A a B una qualunque corrispondenza (formula, regola) che associa ad ogni elemento di A uno ed un solo elemento di B.
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. II Esonero - 10 Gennaio 2014
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 II Esonero - 10 Gennaio 2014 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
Dettagli1.3. Logaritmi ed esponenziali
1.3. Logaritmi ed esponenziali 1. Rappresentazione sugli assi cartesiani 2. Relazione 3. Definizione di funzione 4. La funzione esponenziale 5. Il logaritmo 6. La funzione logaritma 1-3 1 Rappresentazione
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Ines Campa Probabilità e Statistica -
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliAnalisi Matematica 1 Soluzioni prova scritta n. 1
Analisi Matematica Soluzioni prova scritta n Corso di laurea in Matematica, aa 008-009 5 giugno 009 Sia a n la successione definita per ricorrenza: a n+ 3 a n a 3 n, a 3 a n+ 3 a n a 3 n, a 3 a n+ 3 a
DettagliEsame di Analisi Matematica 2 24/7/2013 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 2012/2013
Esame di Analisi Matematica 4/7/013 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 01/013 A Cognome (in STAMPATELLO):... Nome (in STAMPATELLO):... CFU:... Esercizio 1. Sia f : R R una funzione
DettagliDensità di probabilità del prodotto di due variabili casuali distribuite uniformemente
Firenze - Dip. di Fisica 2 agosto 2008 Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente In questa dispensa, che presentiamo a semplice titolo di esercizio e applicazione
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 25 febbraio 2013 Matricola: ESERCIZIO 1. Si mostri la seguente formula di disintegrazione per la probabilità condizionata:
Dettagli19 Marzo Equazioni differenziali.
19 Marzo 2019 Equazioni differenziali. Definizione 1. Si chiama equazione differenziale una relazione che coinvolge una o più derivate di una funzione incognita y(x), la funzione stessa, funzioni di x
DettagliEsercizi svolti. a 2 x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.
Esercizi svolti 1. Sia sin(x ) f(x) = x ( 1 + x 1 ) se x > 0 a x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.. Scrivere l equazione della retta tangente nel punto di ascissa
Dettagli1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: c) x + 1 d)x sin x.
Funzioni derivabili Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: a)2x 5 b) x 3 x 4 c) x + 1 d)x sin x. 2) Scrivere l equazione della retta tangente
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
DettagliSoluzioni dei problemi della maturità scientifica A.S. 2012/2013
Soluzioni dei problemi della maturità scientifica A.S. / Nicola Gigli Sun-Ra Mosconi June, Problema. Il teorema fondamentale del calcolo integrale garantisce che Quindi f (x) = cos x +. f (π) = cos π +
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 10 settembre 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 10 settembre 2012 Matricola: ESERCIZIO 1. Facendo uso solamente della definizione di spazio di probabilità, dell additività
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
Dettagli