Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
|
|
- Enrico Maggi
- 7 anni fa
- Visualizzazioni
Transcript
1 Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si possono riscontrare piccole differenze nei risultati finali. a. Si il numero di parassiti su una foglia è possibile considerarla come una variabile casuale. b. La distribuzione di probabilità di è data da: P P < P 7 P P P 7 P P P P P c. La funzione di ripartizione di è: F x < x < x < x < x < x d. P foglia presenta o parassiti P w w 9. a. una v.c. discreta. b. Dalla formula 9.. si ha che: ip i i Dalla formula 9.. si ha che: i P i i 7 9 c. una funzione di probabilità uniforme discreta. d. F x < x < x < x < x < x < x < x e. P > P F
2 9. a. Si ha f x se x che coincide con la formula 9.8. per a e b. altrove b. fx c. Si tratta della funzione di densità della distribuzione uniforme continua in [] d. Dalla formula 9.. si ha che: Dalla formula 9.. si ha che: x x dx. x x x x dx. Agli stessi risultati si può giungere osservando che si veda il paragrafo e 9. a. Si tratta di una v.c. Binomiale formula 9.7. con π e n. Pertanto si ha: b. Dalla formula 9.. si ha che: P ip i i Dalla formula 9.. si ha che: i. P i x 8 nπ e Agli stessi risultati si può giungere osservando che si veda il paragrafo 9.7. nπ π 9. a. Dal paragrafo 9.7. si ha che il numero medio di telefonate che arrivano al centralino è b. Dal paragrafo 9.7. si ha che λ. λ e dunque la deviazione standard è λ a. Si tratta di una v.c. uniforme continua in []. Dunque la funzione di densità è
3 se x f x che coincide con la formula 9.8. per a e b. altrove Per calcolare media e varianza si può operare allo stesso modo dell esercizio 9. modificando i limiti degli integrali necessari per il calcolo della media e varianza oppure si possono utilizzare i risultati noti relativi alla distribuzione uniforme continua. Dunque si ha si veda il paragrafo 9.8. e 8. b. Si tratta di una v.c. uniforme continua in []. Dunque la funzione di ripartizione è x x F x < x da cui P 8 F F 8. > 9.7 a. Dalla formula 9.7. con λ8 si ha che P periodo vita particella A non superiore a P x P x P x e e e 799!!! Poiché per la v.c. Chi-quadrato la media corrisponde ai gradi di libertà utilizzando il Software Statasy si ottiene che: P periodo vita particella B non superiore a. Si può pertanto concludere che una durata di vita non superiore a giorni è più probabile per le particelle della sostanza A. b. Dalla formula 9.7. con λ8 si ha che Pperiodo vita particella A superiore o uguale a P P P P 97 Utilizzando il Software Statasy si ottiene che: P periodo vita particella B superiore o uguale a. Si può pertanto concludere che una durata di vita superiore o uguale a giorni è più probabile per le particelle della sostanza B. c. Si ha che per la v.c. di Poisson con λ8 la varianza è λ8 mentre per la v.c. Chi-quadrato con g la varianza è g8 che dunque è maggiore. 9.8 Utilizzando le tavole della Normale o il Software Statasy si ottiene: a. ~ N ; P P P Z P Z Φ Φ ~ N ; P > per la simmetria della v.c. normale rispetto al valore x. b. P P P Z Φ Φ Φ Φ Φ 977 c. ~ N ; P < P < P Z < 7 Φ 7 Φ 7 d. ~ N - ; [ ] 9 e. ~ N ; σ σ σ σ σ μ μ μ μ σ μ P μ μ σ P P Z Φ Φ σ σ σ P σ P P Z Φ Φ f. ~ N μ; σ 9.9 Il peso delle confezioni è una v.c. che si distribuisce come ~ N ; Software Statasy si ottiene:. Utilizzando le tavole della Normale o il
4 Φ Φ Φ Φ a. P 8 9 P P Z [ ] [ ] 99 b. Pil peso di una scatola differisca dalla media per più di grammi P > P < 8 P > P < 8 8 P > P < P Z > P Z < [ P Z ] P Z < [ Φ ] [ Φ ] [ Φ ] 9. Derivando si ha x x f e da cui ~ sp. a. P F e e 9 b. P > P F e e 7 9. a. Dalla formula 9.. si ha che: xp x Dalla formula 9.. si ha che: x P x x x b. Y ; Y SD Y Y 7 da cui formula 9..7 si ha c. Y 7 ; Y 8 SD Y Y 8 da cui formula 9..7 si ha d. Y Y Y Y Y 9 Y e per l indipendenza tra le due variabili si ha 9. a. P P P 9 b. Dalla formula 9.. si ha che: xp x Dalla formula 9.. si ha che: x P x x x 7 Guadagno mensile.8 7 c. Guadagno mensile SD Guadagno mensile Guadagno mensile da cui formula 9..7 si ha d. Dalla formula 9.. si ha che: xp x 7 x
5 Dalla formula 9.. si ha che: x 7 P x x Guadagno e dunque mensile 9.8 Guadagno mensile SD Guadagno mensile Guadagno mensile 99 da cui formula 9..7 si ha e. Conviene vendere il nuovo prodotto il guadagno mensile atteso è maggiore 9. a. Dalla formula 9.. si ha che: xp x Dalla formula 9.. si ha che: x x P x x b. Y Y 9 da cui formula 9..7 si ha SD Y Y 9. a. Le v.c. e Y non sono indipendenti poiché non vale x y P x P y P. b. xp x Y yp y x c. Dalla formula 9.. si ha che Y Y d. Y x y P x y x y y e sia Y la v.c. reddito medio netto. e 9. a. Sia la v.c. stipendio medio con e Poiché è Y segue che Y 9 Y. b. Dalla formula 9.. essendo SD Y 7 89 Y 9 < 97 P. k discende che k9 9. Possiamo pensare il numero di volte che viene superato lo stock su settimane come una v.c. ~ Binomiale π ; n. P a. Dalla formula 9.7. si ha che 987 b. Dalla formula 9.7. si ha che: P P P a. Per la macchina A si ha: ~ Binomiale ; n π. Dalla formula 9.7. si ha che: P almeno volta - P mai ; n b. Si in particolare Binomiale π 997 ~
6 ; n c. ssendo anche Binomiale 999 ~ π si ha per la 9..7 n π n π e per la d. non si distribuisce come una binomiale. Infatti la variabile è la somma di n n variabili casuali bernoulliane non identicamente distribuite poiché π π. e. Utilizzando il software sulla binomiale che si trova sul sito web del libro possiamo ottenere le probabilità corrispondenti ai singoli valori delle due variabili casuali: P 8 P P P P 9 P 8 P P e quindi: P P < [ P P ] [ P P ] [ P [ P P P { ] [ P ] [ P P P ] [ P ] [ P P P ] ] [ P P ] [ P P ] } f. Dal software sulla binomiale si trova che: P P P P 7 P 8 P P P P 7 P 8 P 8 [ P [ P [ P [ P [ P [ P [ P [ P [ P [ P P P P P 7 P P P P P P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P 7] [ P P P P P 7 P P P P P P 8] ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P ] [ P P P P P 8 P P P P P ] ] ] ] ] ] ] ] 7] 9.8 ~ N ; a a a. P a a P P Z 9 a a a a Φ Φ Φ Φ 9 da cui Φ a 97. a Dalle tavole o dal software per la normale si ha che 9 e dunque a 9. b b b. P b b P P Z 99 b b b b Φ Φ Φ Φ 99 da cui Φ b 99. b Dalle tavole o dal software per la normale si ha che 8 e dunque b 8. a b a b
7 9.9 μ μ μ P P < PZ < 8 da cui Φ 8 e dunque σ σ σ μ μ μ P PZ 877 da cui Φ 877 e dunque σ σ σ Risolvendo il sistema μ σ μ σ si ottiene μ 7 e σ. 9. Sia la v.c. guadagno a. - Px... b... Poichè < 9. Sia ~ Binomiale ; n π la v.c. numero di teste in tre lanci non conviene giocare perché in media si perde. a. Dalla formula 9.7. si ha che P b. Dalla formula 9.7. si ha che P P c. Dalla formula 9.7. si ha che P 7 d. La v. c. ha nπ e varianza nπ π. Per il teorema del limite centrale si ha ~ N ;. ssendo approssimata ad una v.c. continua sappiamo che P. Tuttavia si può migliorare l approssimazione considerando la probabilità di un intervallo unitario centrato rispetto a ossia P P9. Confrontando il valore non approssimato calcolato con il software della binomiale con n e π si ottiene P 9.. Risulta e. Per il teorema del limite centrale si ha ~ N 7 7 P 7 P P P 8 Z Analogamente a quanto visto nel punto precedente possiamo migliorare l approssimazione considerando P Il valore esatto calcolato con il software della binomiale con n e π è P Dato che si risponde a caso ~ Binomiale ;. Per il teorema del limite centrale si ha ~ N 9. ~ N ;9 a. Si ha per la simmetria della v.c. Normale rispetto al valore b. 8 P 8 P P Z P Z < c. 9 P 9 P P Z 8 P Z < 8. x P. d. Dato che si risponde a caso ~ Binomiale;. Per il teorema del limite centrale si ha ~ N; 87. Quindi P > P P P Z 77 e P P P Z
8 7 7 7 Φ 9 Φ 9 Φ 9 Φ 9 Φ a. P P P 9 Z 9 [ ] 8 b. P > P > P Z > P Z Φ ~ N 8; P < 8. per la simmetria della v.c. Normale rispetto al valore x 8. a. P P P Z 7 Φ 7 Φ b Φ Φ Φ Φ Φ 9 c. P P P Z [ ] 8 x 8 8 P da cui Φ x 8 8 e dunque x. Ne segue che x 9 8. d. < x P Z < 9. Sia la v.c. differenza tra il numero di teste e il numero di croci a. - - Px 7 7 b. F x 87 x < x < x < x < x c. Dalla formula 9.. si ha che: 7 7 Dalla formula 9.. si ha che: 7 SD 7 da cui formula 9..7 si ha 9. Sia la v.c. peso medio dei due uomini estratti. Consideriamo estrazioni senza ripetizioni allora: a. 7 Px / / / / / / Dalla formula 9.. si ha che: b. Dalla formula 9.. si ha che: x a. P < < f x dx xdx x dx x < b. P f x dx dx xdx x dx x 8 x x x
9 c. x F x x x x < x < x x > 9.8 Sia la v.c. media giornaliera di nati con e a. numero bambini nati in un periodo di tre giorni numero bambini nati in un periodo di tre giorni b. numero maschi nati in un giorno numero bambini nati in un giorno 9.9 a. Poiché le tre variabili sono indipendenti si ha: P Y W P PY PW e la corrispondente distribuzione di probabilità: Y W 8 P Y W /8 /8 /8 /8 b. la corrispondente distribuzione di probabilità è: Y W Y W 8 P Y W Y W /8 /8 /8 /8 c. la corrispondente distribuzione di probabilità è: Y W 8 P Y W /8 / / / /8 9. a. La distribuzione della è la seguente: - - P / / / / La v.c. Y può assumere solo i valori e con probabilità: Y P Y / / b. La funzione di probabilità congiunta è la seguente: c. Dalla distribuzione congiunta si possono calcolare: Y Y 8 8 Cov Y Y Y Cor Y Y totale - / / - / / / / / / totale / / d. No. Infatti se e Y fossero indipendenti ogni probabilità congiunta potrebbe calcolarsi come prodotto tra le corrispondenti probabilità marginali. immediato constatare dalla distribuzione congiunta del punto b. che in questo caso ciò non è vero. Questo esempio mostra che sebbene Y sia una funzione di è possibile che la covarianza e la correlazione siano nulle e questo può accadere anche se le due variabili casuali non sono indipendenti. 9. Ricordiamo che ar e quindi ar ; Cov e poiché le due v.c. sono indipendenti
10 . Y 9. Partendo dall espressione data nella definizione 9..8: [ ][ ] { } Cov la possiamo riscrivere nel modo seguente: [ ][ ] { } [ ] [ ] { } { } { } { } { } Cov Cov ar Cov 9. a. La v.c. Y essendo la somma dei quadrati di v.c. Normali standardizzate indipendenti si distribuisce come a una v.c. Chi-quadrato con gradi di libertà. b. Y e Y. c. Dalla tavola del Chi-quadrato si trova che Y P e quindi la 97 > Y P Y P
X = X 1 + X 2 +... + X n. dove. 1 se alla i-esima prova si ha un successo 0 se alla i-esima prova si ha un insuccesso. X i =
PIU DI UNA VARIABILE CASUALE Supponiamo di avere n variabili casuali, X 1, X 2,..., X n. Le n variabili casuali si dicono indipendenti se e solo se P(X 1 x 1 X 2 x 2... X n x n ) = = P(X 1 x 1 ) P(X 2
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
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
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 7 home - indice In base agli arrotondamenti effettuati nei calcoli,
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
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
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
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
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliAlcune nozioni introduttive alla statistica
Capitolo 1 Alcune nozioni introduttive alla statistica 1.1 Valore atteso e varianza di variabili casuali Definizione 1. Se X è una variabile casuale discreta con distribuzione p(x), ossia P(X = x i ) =
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
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.
DettagliEsercizio 1. La variabile casuale G, somma di due V.C. normali, si distribuisce anch essa come una normale.
Esercizio 1. La V.C. Y segue una distribuzione normale con media 45 e varianza 9. La V.C. X segue una legge normale con media 12 e varianza 4. Calcolare come si distribuisce e quali sono i parametri della
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
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
DettagliCorsi di Laurea in Matematica Probabilità I Anno Accademico 2012-2013 5 giugno 2013
Corsi di Laurea in Matematica Probabilità I Anno Accademico 2012-201 5 giugno 201 L uso di calcolatrici o testi non è consentito. Motivare chiaramente i procedimenti e i risultati proposti. Rispondere
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,
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
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
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliDISTRIBUZIONI BINOMIALE, POISSON E NORMALE Indice degli esercizi
DISTRIBUZIONI BINOMIALE, POISSON E NORMALE Indice degli esercizi 1 Distribuzione di Poisson 1.1 Soluzione dell'esercizio 1 2 Sulla distribuzione normale 2.1 Soluzione dell'esercizio 2 3 Distribuzione binomiale
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliCP110 Probabilità: Esame 4 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 4 luglio, 2012 CP110 Probabilità: Esame 4 luglio 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline numerate da 1
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliCP110 Probabilità: Esame del 15 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 15 settembre, 2010 CP110 Probabilità: Esame del 15 settembre 2010 Testo e soluzione 1. (6 pts) 10 carte numerate da 1 a 10 vengono
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore
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,
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
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)
DettagliCorso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1
Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994
DettagliSTATISTICA (modulo II - Inferenza Statistica) Soluzione Esercitazione I
Soluzione Esercitazione I Esercizio A. Si indichi con A i l evento la banca i decide di aprire uno sportello per il quale Pr(A i = 0.5 (e dunque Pr(A i = 0.5 per i =, 2, 3. Lo spazio degli eventi dato
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 3 12.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Distribuzioni doppie di probabilità: applicazioni E stata svolta un indagine per studiare la relazione tra abitudine a
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
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
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliApprofondimento 3.3. Approssimazione della distribuzione binomiale alla normale
Approfondimento 3.3 Approssimazione della distribuzione binomiale alla normale Come aveva notato de Moivre, se il numero di prove è sufficientemente ampio e la probabilità del successo π sufficientemente
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.
DettagliCP110 Probabilità: Esame 5 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 5 giugno, 212 CP11 Probabilità: Esame 5 giugno 212 Testo e soluzione 1. (6 pts) Sette biglietti numerati da 1 a 7 vengono distribuiti
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
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
DettagliPROBLEMI DI PROBABILITÀ 2
PROBLEMI DI PROBABILITÀ 2. Si sceglie a caso un numero X nell intervallo (0, ). (a) Qual è la probabilità che la usa prima cifra decimale sia? (b) Qual è la probabilità che la seconda cifra decimale sia
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
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,
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
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.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
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
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,
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliLEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
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.
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S Borra, A Di Ciaccio - McGraw Hill Es 6 Soluzione degli esercizi del capitolo 6 In base agli arrotondamenti effettuati nei calcoli, si possono
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliModelli di variabili casuali
Modelli di variabili casuali Un modello di v.c. è una funzione f(x) che associa ad ogni valore x di una v.c. X la corrispondente probabilità. Obiettivo: calcolo della probabilità per tutti i valori che
DettagliEsercitazione 1 - Statistica II - Economia Aziendale Davide Passaretti 9/5/2017
Esercitazione 1 - Statistica II - Economia Aziendale Davide Passaretti 9/5/2017 Contents 1 Variabili casuali discrete 1 1.1 Variabile casuale di Bernoulli.................................... 1 1.2 Variabile
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliMATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE
MATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE 5-3-09 ES1-Se la probabilità di colpire un bersaglio è 1/5 e rimane tale ad ogni tentativo, calcola la probabilità che, sparando
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,
DettagliLEZIONE 2.6. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.6 p. 1/15
LEZIONE 2.6 p. 1/15 LEZIONE 2.6 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.6 p. 2/15 variabili aleatorie continue consideriamo la distribuzione del fatturato mensile in una popolazione
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
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 =
DettagliVARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliTutorato 2 (21/12/2012) - Soluzioni
Tutorato (1/1/1) - Soluzioni Esercizio 1 Un mazzo di fiori è composto da 5 fiori: 13 rose, 13 margherite, 13 viole e 13 girasoli. Vengono estratti 5 fiori con reinserimento. Si è interessati alla variabile
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 23 maggio, 213 CP11 Probabilità: Esonero 2 Testo e soluzione 1. (7 punti) Una scatola contiene 1 palline, 5 bianche e 5 nere. Ne vengono
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
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliCORSO 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
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
Dettagli