Calcolo delle Probabilità
|
|
- Nicolina Poletti
- 7 anni fa
- Visualizzazioni
Transcript
1 Calcolo delle Probabltà pr - 1 Che collegamento c è tra gl strument statstc per lo studo de fenomen real e l calcolo delle probabltà? Vedremo che non sempre la conoscenza delle caratterstche d un fenomeno può essere conseguta osservando tutta la popolazone ma deve essere estratto un campone (rlevazone parzale) La STATISTICA INDUTTIVA o INFERENZIALE ntende descrvere non tanto cò che traspare dalle manfestazon osservate (rlevazon parzal), ma quello che emergerebbe qualora la rlevazone fosse estesa all nseme d tutte le manfestazone del fenomeno. L ncertezza che derva dalla parzaltà della rlevazone è domnata dalla TEORIA DELLE PROBABILITÀ pr - 2
2 TERMINOLOGIA EVENTI: enttà caratterzzate da aleatoretà, qualcosa che può verfcars oppure no La Juventus vncerà l camponato anche quest anno? Gl event s ndcano con le lettere mauscole dell alfabeto latno = La Juventus vncerà l camponato anche quest anno S chama evento complementare ad E l verfcars d tutto cò che non è E e s ndca con E = La Juventus non vncerà l camponato quest anno S ndca con la lettera dell alfabeto greco Ω l nseme d tutt possbl rsultat d un espermento, per espermento s ntende una prova l cu esto è ncerto. Vene anche chamato evento certo o spazo camponaro =Vncerà la Juve, E 2 =Vncerà la Lazo, E 3 =Vncerà la Roma, E 4 =Vncerà l Parma, E 5 =Vncerà l Mlan. Ω è l nseme d tutt gl event E, per =1,.,18 pr - 3 TERMINOLOGIA Al verfcars d un evento verrà assocata una PROBABILITA P( )=Probabltà che la Juventus vnca l camponato Se chedessmo d assegnare questa probabltà a un tfoso della Juve, a un tfoso dell Inter (che pensa sempre che quest anno sa quello buono), a un tfoso del Torno, o a una persona oggetva, tecncamente preparata a lvello calcstco otterremmo 4 valor dvers d probabltà Come è possble assegnare correttamente la probabltà agl event? pr - 4
3 PROPRIETA FORMALI La probabltà non è ma un numero negatvo, verrà assegnata probabltà 0 agl event che c s aspetta che non s verfchno (evento quas mpossble) e probabltà 1 agl event che c s aspetta che s verfchno (evento quas certo) Sccome ogn evento è contenuto n Ω 0 < P(E ) < P(Ω) =1 ( E Ω ) P(Ω)=P( tutto quello che può accadere )=P( evento certo )=1 pr - 5 PROPRIETA FORMALI Se due event e E 2 non possono verfcars contemporaneamente (la loro ntersezone concde con l nseme vuoto) dremo che sono ncompatbl, E E = P( E E ) = Probabltà che vnca l camponato la Juve e anche l Inter? Sccome non possono vncere entrambe, gl event sono ncompatbl, la probabltà della loro ntersezone è uguale a 0 pr - 6
4 PROPRIETA FORMALI Se s vuole calcolare la probabltà che s verfch l evento oppure l evento E 2 ( unto E 2 ) e due event sono ncompatbl allora la probabltà dell unone è uguale alla somma delle probabltà PE ( E) = PE ( ) + PE ( ) Probabltà che vnca l camponato una squadra romana? Sccome non possono vncere entrambe, gl event sono ncompatbl, la probabltà della loro unone è uguale alla probabltà che vnca la Roma, pù la probabltà che vnca la Lazo. pr - 7 ASSIOMI E possble rassumere quanto vsto fno ad ora negl assom d Kolmogorov 1. E Ω, P( E) 0 2. P( Ω) = 1 3. Se E E = allora P( E E ) = P( E ) + P( E ) pr - 8
5 ALCUNE REGOLE E E= Ω qund PE ( ) + PE ( ) = 1 e dunque PE ( ) = 1 PE ( ) Se E E 1 2 ( ) allora P( E E) = PE ( ) + PE ( ) P E E pr - 9 EVENTI ELEMENTARI Insem contenent un solo elemento In generale lo spazo camponaro vene descrtto n termn d event elementar { } Ω = ω1, ω2,..., ωn Se gl event elementar sono tutt equprobabl, coè ({ }) { } ( ) ({ }) P ω 1 = P ω 2 =... = P ωn Allora la probabltà d un evento qualsas E composto da pù event elementar ( ) P E = # cas favorevol (all'evento) # cas possbl (dell'espermento) pr - 10
6 PROBABILITA CONDIZIONATA Dat due event ed E 2 d cu se ne conoscono le probabltà P( ) e P(E 2 ) c chedamo se la probabltà del verfcars dell uno vara sapendo che s è verfcato l altro PE ( E) PE ( E) = con PE ( ) > PE ( 2) ESEMPIO: Lanco d un dado = estrarre un numero par ; E 2 = estrarre un numero >=4 P( ) =3/6 ; P(E 2 )=3/6 La probabltà d estrarre un numero par camba se s sa che l numero estratto è >=4? 2 (4,6) { } { } PE ( 1 E2) P 2/6 2 1 PE ( 1 E2) = = = = PE ( ) P( 4,5,6 ) pr - 11 EVENTI INDIPENDENTI Due event e E 2 s dranno ndpendent se la probabltà del verfcars dell uno rmane nvarata sapendo che s è verfcato l altro, coè P( E E) = PE ( ) e PE ( E) = PE ( ) PE ( 1 E2) = PE ( 1) PE ( 2) Se due event sono ndpendent PE ( Infatt 1 E2) PE ( 1 E2) P( E1 E2) = = PE ( 1) e PE ( 2 E1) = = PE ( 2) PE ( ) PE ( ) Event compatbl ma ndpendent! Event compatbl ma ndpendent! ESEMPIO: Mazzo d 40 carte = estrarre una carta d denar P( ) = 10/40 ; E 2 = estrarre un asso P(E 2 )=4/40 La probabltà d estrarre una carta d denar camba se s sa che la carta estratta è un asso? PE ( 1 E2) P(asso d denar) PE ( 1 E2) = = = = = PE ( ) P(asso) PE ( 1 E2) = PE ( 1) PE ( 2) = = pr - 12
7 EVENTI INDIPENDENTI Event compatbl ma ndpendent! Event compatbl ma ndpendent! ESEMPIO 2: Mazzo d 40 carte = estrarre una carta d denar P( ) = 10/40 ; E 2 = estrarre una fgura P(E 2 )=12/40 La probabltà d estrarre una carta d denar camba se s sa che la carta estratta è una fgura? PE ( 1 E2) P(fgura d denar) PE ( 1 E2) = = = = = PE ( ) P(fgura) PE ( 1 E2) = PE ( 1) PE ( 2) = = denar non denar fgura non fgura condzonate d rga denar non denar fgura non fgura pr - 13 LEGGI DI DE MORGAN E E = E E E E = E E L operazone d complementazone scamba l operazone d unone con l operazone d ntersezone e vceversa pr - 14
8 SCHEMI DI CAMPIONAMENTO S supponga d estrarre una pallna da un urna a) Estrazone con rmessa, la probabltà d estrazone d una sngola pallna rmane costante n ogn estrazone b) Estrazone senza rmessa, la probabltà d estrazone d una sngola pallna camba S supponga d estrarre una untà da una popolazone a) Camponamento con rpetzone (event ndpendent) b) Camponamento senza rpetzone (event condzonat) pr - 15 COEFFICIENTE BINOMIALE In quant modo posso estrarre n blocco (senza rmessa) element da un nseme d n element? Combnazon d n element pres alla volta dove n n! = ( n )!! ( ) ( ) n! = n n 1 n Propretà: n n n n 0! = 1, = 1, = n, = 0 1 n pr - 16
9 ESEMPIO: COEFFICIENTE BINOMIALE Nell aula ogg c sono 20 student: 10 d SPC, 7 d SPM e 3 d SPE. Decdo d chamare alla lavagna 3 student. 1. Quante sono le possbl combnazon? 2. Qual è la probabltà che sano tutt d SPC? 3. Se ne chamo 1 per corso d laurea, quante sono le possbl combnazon? 4. Qual è la probabltà che sano uno per ognuno de tre cors d laurea? 20 1) = ) = = che è uguale a ) = ) = = che è uguale a 3! SPM,SPC,SPE; SPM, SPE, SPC; SPC,SPM,SPE; SPC,SPE,SPM; SPE,SPC,SPM; SPE,SPM,SPC pr - 17 ESERCIZIO: ESTRAZIONE SENZA RIMESSA Da un urna contenente 15 pallne (5 rosse, 5 verd e 5 blu), se ne estraggono 2 senza remmssone; calcolare la probabltà che queste sano dello stesso colore. Soluzone: N=15 5 rosse; 5 verd; 5 blu n=2 (senza remmssone) Trattandos d estrazon senza remmssone non v è l ndpendenza delle prove, nfatt la composzone dell urna s modfca ad ogn estrazone. Inoltre vene chesta la probabltà che s estraggano due pallne dello stesso colore e non d un colore partcolare. S fa osservare che nell urna v sono pallne d tre color dfferent present n par numero (5 rosse; 5 verd; 5 blu), pertanto la probabltà cercata sarà data dalla seguente espressone: 5 4 Pr{ 2 dellostesso colore } = 3 = pr - 18
10 PRINCIPIO DELLE PROBABILITA TOTALI Se A, A,..., A sono una partzone d Ω ed E è un qualsas altro evento 1 2 = 1 ( ) ( ) PE ( ) = P E A P A Se Se conoscamo conoscamo le le probabltà probabltà degl degl event event d d una una partzone partzone (a (a pror) pror) e e conoscamo conoscamo le le probabltà probabltà condzonate condzonate del del verfcars verfcars d d un un qualsas qualsas altro altro evento evento agl agl event event della della partzone, partzone, samo samo sempre sempre n n grado grado d d calcolare calcolare la la probabltà probabltà dell evento dell evento stesso stesso event A, A,..., A sono una partzone se e solo se 1 2 Partzone d Ω A = Ω e scelt a caso due event A e A allora A A = j j pr - 19 FORMULA DI BAYES Se A, A,..., A sono una partzone d Ω ed E è un qualsas altro evento 1 2 PA ( E) = = 1 ( ) P( A ) P E A ( ) P( A ) P E A Se Se sappamo che che s s è è verfcato l evento l evento E samo samo n n grado grado d d calcolare la la probabltà che che s s sa sa verfcato l evento l evento A.. Dato Dato l effetto l effetto samo samo n n grado grado d d calcolare la la probabltà della della causa causa che che lo lo ha ha generato (probabltà a a posteror). E E come come se se no no aggornassmo le le nostre nostre conoscenze a a pror pror su su A a a seguto seguto del del verfcars dell evento E. E. La Laprobabltà a pror pror P(A P(A ) ) dventa dventa una una probabltà a posteror P(A P(A E) E) pr - 20
11 ESEMPIO pr - 21 ESEMPIO N cubett esamnat N cubett dfettos P(A) P(E A) IMPIANTO A A IMPIANTO B A IMPIANTO C A a) Probabltà total P(E)=P(E A1)P(A1)+P(E A2)P(A2)+P(E A3)P(A3) = 0.04 b) Formula d Bayes P(A1 E)= [P(E A1)P(A1)]/P(E) = 0.18 pr - 22
Calcolo delle Probabilità
Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità pr - 1 Che collegamento c è tra gli strumenti statistici per lo studio dei fenomeni reali e il calcolo delle probabilità? Vedremo che non sempre la conoscenza delle caratteristiche
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2
Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliEsercizi di econometria: serie 1
Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....
DettagliRISOLUZIONE ESERCIZI SULLA PROBABILITA. E, pertanto
RISOLUZIO SRIZI SULLA PROBABILITA PROBABILITA LASSIA ) a) I cas possbl sono 0, mentre quell faoreol sono ; ; 0 b) cas faoreol sono 0, 0 ; 0 cas faoreol sono, ; 0 0 0 0 0 P. 0 0 ) 0 pallne, 0B, V, R, 0G
DettagliESERCIZI SULLE VARIABILI CASUALI DISCRETE
ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce
DettagliEsercitazione 1 del corso di Statistica 2
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Dott.ssa Paola Costantini Esercizio n. 1 Estraendo due carte da un mazzo di carte napoletane con la reimmissione della carta nel mazzo
DettagliEsercitazione 1 del corso di Statistica 2
Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliEsercitazione 8 del corso di Statistica (parte 1)
Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco
DettagliVariabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1
Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl
DettagliVariabili casuali. Variabili casuali
Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliMisure dirette utilizzate per il calcolo della misura indiretta X:
Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliEvento Aleatorio. Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado)
ELEMENTI DI CALCOLO DELLE PROBABILITA Evento Aleatorio Un evento si dice aleatorio se può o non può verificarsi (Alea in greco vuol dire dado) Esempi di eventi aleatori 1. Ottenere un certo numero nel
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliPremessa essa sulle soluzioni
Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
Dettagli{, A, A, Ω } Ae n SPAZI PROBABILIZZATI PRO. 0. Algebre d'insiemi. Assegnato un universo finito Ω, sia (Ω) l'insieme delle parti di Ω.
1 PRO SPAZI PROBABILIZZATI 0. Algebre d'nsem Assegnato un unverso fnto Ω, sa (Ω) l'nseme delle part d Ω. S chama algebra su Ω, ogn A (Ω) che soddsf seguent assom d stabltà: (A1) (A2) A,B (Ω). A A A A A
DettagliFRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.
FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliIl campionamento casuale semplice
Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliLAVORO ESTIVO 4CO1 / 4 CO2
LVORO ESTIVO CO / CO LE EQUZIONI ESPONENZILI 7 7 7 LE DISEQUZIONI ESPONENZILI 7 LE EQUZIONI LOGRITMICHE [ ] [ ] log log log log log log log log log ln ln ln ln ln ln log log log LE DISEQUZIONI LOGRITMICHE
DettagliP(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k
Una sura della robabltà Data una rova che genera k event eleentar,..., k necessar, 2. k I, ncopatbl a due a due O/ per ogn ed equprobabl 2! k Una sura della robabltà Da postulat s deduce unvocaente la
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliFoglio di esercizi 2-14 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella
Foglio di esercizi - 1 Marzo 019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Esercizio 1. Un campione di studenti, che non contiene ripetizioni, è ottenuto da una popolazione di
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliINDAGINE ESAUSTIVA O CAMPIONARIA?
INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone
DettagliSorgenti Numeriche - Soluzioni
Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.
Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Estrazioni I Ines Campa Probabilità e Statistica - Esercitazioni -
Dettagliy. E' semplicemente la media calcolata mettendo
COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale
DettagliPOLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA
POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
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
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 15 23 novembre 211 Funzon Eulerane - robabltà professor Danele Rtell www.unbo.t/docent/danele.rtell 1/2? Cambo
DettagliI diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito.
TEST DI AUTOVALUTAZIONE - SETTIMANA I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliOPERAZIONI E INSIEMI NUMERICI
OPERAZIONI E INSIEMI NUMERICI Per rcordare H Un'operazone bnara n un nseme non vuoto A eá una legge ce ad ogn coppa d element a,b A assoca un elemento c A. Gl element a e b s camano operand o termn dell'operazone,
DettagliLe fasi di una indagine statistica
Statstca Calcolo delle probabltà Scuola Meda - - Le fas d una ndagne statstca La statstca studa metod per raccoglere, elaborare ed nterpretare dat relatv ad un fenomeno collettvo. S dce che un fenomeno
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliA B. Si descrivano i seguenti eventi: ESEMPIO: {B1, C1, D1, S1} dove: B1 asso di bastoni, C1 asso di coppe, D1 asso di denari, S1 asso di spade
ESERCIZIO 1 1) Si consideri l'esperimento consistente nell'estrazione di una carta da un mazzo di carte napoletane. Siano: = evento consistente nell'estrazione di un asso B = evento consistente nell'estrazione
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
Dettaglia) Individuare l intervallo di confidenza al 90% per la media di popolazione;
Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un
DettagliLo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6
EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano
DettagliCHE COS E LA COMPLESSITA
CHE COS E LA COMPLESSITA E un termne d moda, ambguo perché rcco d sgnfcat nterdscplnar, a volte mpropramente usato sa n campo scentfco, che nel lnguaggo colloquale, gornalstco e d costume Inter centr d
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliArchitetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami
Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliCorsi di Laurea in Farmacia e CTF Prova di Matematica
Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall
DettagliI generatori dipendenti o pilotati e gli amplificatori operazionali
108 Lucano De Menna Corso d Elettrotecnca I generator dpendent o plotat e gl amplfcator operazonal Abbamo pù volte rcordato che generator fn ora ntrodott, d tensone e d corrente, vengono dett deal per
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliStatistica per le ricerche di mercato
Statstca per le rcerche d mercato a.a. 00/ Prof.ssa Tzana Lauret Prof. Luca Second Introduzone al concetto d probabltà nelle stratege azendal L azenda che vende artcol d abbglamento per govan può essere
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliElementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche
Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliPrima prova di gruppo
Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
DettagliProbabilità. 2) Vengono estratte 5 carte; quale è la probabilità che ci siano esattamente 2 denari? ª 0,278. k fattori. n - k +1 ) k!
Definizione classica = P A Probabilità numero esiti favorevoli numero esiti possibili Esempi 1) Da un mazzo di 40 carte (bastoni, coppe, denari, spade) ne viene estratta una; quale è la probabilità che
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
DettagliB - ESERCIZI: IP e TCP:
Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s
DettagliIL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE
IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone
DettagliDIPARTIMENTO SCIENZE POLITICHE E SOCIALI ABILITÀ LOGICO-MATEMATICHE A.A. 2018/2019 PROBABILITÀ
1 PROBABILITÀ DI UN EVENTO PROBABILITÀ Si parla di eventi probabili o improbabili quando non si è sicuri se essi si verificheranno. Quando lanciamo in aria una moneta, da cosa dipende se dopo la caduta
DettagliTutorato 1 (20/12/2012) - Soluzioni
Tutorato 1 (20/12/2012) - Soluzioni Esercizio 1 (v.c. fantasia) Si trovi il valore del parametro θ per cui la tabella seguente definisce la funzione di probabilità di una v.c. unidimensionale X. X 0 1
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliE NECESSARIO RICORRERE ALLE VARIABILI CASUALI
01 Introduzone Assocare una msura d probabltà al verfcars d un evento (come esto d un espermento) non sempre è suffcente a rsolvere gran parte de problem real con connotat d ncertezza Talvolta studando
DettagliUniversità di Cassino Corso di Statistica 1 Esercitazione del 03/12/2007 Dott. Alfonso Piscitelli. Esercizio 1
Università di Cassino Corso di Statistica Esercitazione del 0/2/2007 Dott. Alfonso iscitelli Esercizio L urna A contiene palline rosse e nere, l urna B contiene 4 palline rosse e 6 nere. Calcolare: a)
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038/371/377) 3 Novembre 2004 COMPITO A1
PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038/37/377) 3 Novembre 004 Cognome Numero d matrcola Nome COMPITO A A fn della valutazone s terrà conto solo ed esclusvamente d quanto rportato negl
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
Dettagli