Statistica 1 A.A. 2015/2016
|
|
- Tommasina Ferro
- 7 anni fa
- Visualizzazioni
Transcript
1 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51
2 Introduzione Il Calcolo delle probabilità è una disciplina che ci insegna a controllare la correttezza dei nostri ragionamenti allora che, per carenza d informazione, ci troviamo in condizioni di incertezza. In tal senso essa appare come una logica, e precisamente come la logica del possibile, che amplia, con l introduzione di una valutazione di probabilità basata sull informazione di cui si dispone, la logica del certo. 2 / 51
3 Nozioni di base Definizione Si definisce esperimento aleatorio (casuale) un esperimento i cui possibili esiti non possono essere previsti con certezza. Esempio di esperimenti aleatori sono: 1 lancio di un dado; 2 lancio di una moneta; 3 estrazione di una pallina da un urna; 4 estrazione di una carta da un mazzo di carte; 5 etc. 3 / 51
4 Definizione Si definisce evento aleatorio (casuale) un qualsiasi esito di un esperimento aleatorio. Gli eventi aleatori si distinguono in due gruppi: gli eventi aleatori elementari, indicati con il simbolo ω i, ovvero i singoli risultati di un esperimento aleatorio; gli eventi aleatori composti, ovvero quelli eventi aleatori definiti come unione di due o più eventi elementari. In generale, gli eventi aleatori composti vengono denotati con le lettere maiuscole dell alfabeto, ad esempio A, B,... 4 / 51
5 Esempio: si consideri l esperimento casuale consistente nel lancio di una moneta. In questo caso possiamo definire due possibili eventi elementari, ovvero ω 1 = {uscita della faccia riportante il simbolo testa } ω 2 = {estrazione della faccia riportante il simbolo croce } 5 / 51
6 Esempio: si consideri l esperimento casuale consistente nel lancio di un dado. In questo caso possiamo definire sei possibili eventi elementari, ovvero: L evento aleatorio ω 1 = {estrazione della faccia riportante il valore 1} ω 2 = {estrazione della faccia riportante il valore 2} ω 3 = {estrazione della faccia riportante il valore 3} ω 4 = {estrazione della faccia riportante il valore 4} ω 5 = {estrazione della faccia riportante il valore 5} ω 6 = {estrazione della faccia riportante il valore 6} A = {estrazione di una faccia riportante un valore pari}, è un evento composto dato che è definito come unione degli eventi elementari ω 2, ω 4 e ω 6. 6 / 51
7 Esempio: si consideri l esperimento casuale consistente nel lancio di due monete. In questo caso possiamo definire quattro possibili eventi elementari; ogni evento elementare è una coppia di esiti (il primo è legato al risultato del primo lancio e il secondo è legato al risultato del secondo lancio). Se indiciamo con T l evento elementare uscita della faccia riportante il simbolo testa e con C l evento elementare uscita della faccia riportante il simbolo croce, tutti i possibili eventi elementari possono essere definiti nel seguente modo: ω 1 = {(C, C)} ω 2 = {(C, T )} ω 3 = {(T, C)} ω 4 = {(T, T )} L evento aleatorio E = {estrazione di almeno una faccia riportante il simbolo testa } è un evento composto ottenuto come unione degli eventi elementari ω 2, ω 3 e ω 4. 7 / 51
8 Definizione Si definisce spazio campionario l insieme di tutti i possibili eventi elementari. Lo spazio campionario viene denotato con il simbolo Ω. Utilizzando la definizione di spazio campionari, un generico evento aleatorio (elementare o composto) può anche essere definito come un qualsiasi sottoinsieme dello spazio campionario. Se consideriamo l esperimento casuale lancio di due monete lo spazio campionario è definito nel seguente modo: Ω = {(C, C), (C, T ), (T, C), (T, T )}. 8 / 51
9 Diagrammi di Venn I diagrammi di Venn consentono di ottenere una rappresentazione grafica semplificata dello spazio campionario e degli eventi aleatori (elementari o complessi). ω 1 ω 2 ω 3 ω 4 ω 5 ω 6 Ω 9 / 51
10 Operazioni logiche sugli eventi Definizione Dato un evento E si definisce negato dell evento E (denotato con Ē) l evento il cui valore logico è l opposto di quello di E. Esempio: Si consideri l esperimento casuale lancio di un dado e l evento E descritto dall enunciato uscita della faccia con il numero due. Il negato dell evento E, denotato con Ē, è l evento descritto dall enunciato uscita della faccia con un numero diverso da due. Esempio: Si consideri l esperimento casuale consistente nel misurare il tempo di vita di un transistor e l evento E descrito dall enunciato il tempo di vita di un transistor non è superiore a 5 ore. In questo caso E = { x : 0 x 5}. Dalla descrizione dell evento E si ricava che l evento negato Ē è descritto dall enunciato il tempo di vita di un transistor è superiore a 5 ore, ovvero E = { x : x > 5}. 10 / 51
11 Unione o Somma logica Dati due eventi aleatori E 1 ed E 2, definiamo unione o somma logica degli eventi E 1, E 2, l evento aleatorio, denotato con E 1 E 2, che si verifica quando si verifica almeno uno dei due eventi che lo compongono Si consideri l esperimento casuale lancio di un dado e i singoli eventi aleatori E 1 = { esce la faccia con il numero 1 }; E 2 = { esce la faccia con il numero 2 }. Definire l evento unione E 1 E 2. Dalla descrizione degli eventi E 1 ed E 2 si deduce che l evento unione è descritto dall enunciato esce un numero inferiore o uguale a / 51
12 Si consideri l esperimento casuale lancio di un dado e i singoli eventi aleatori E 1 = { faccia 2 } E 2 = { faccia 4 } E 3 = { faccia 6 }. Definire l evento unione E 1 E 2 E 3. Dalla descrizione degli eventi E 1, E 2 ed E 3 si deduce che l evento unione è descritto dall enunciato esce un numero pari. Si consideri l esperimento casuale lancio di un dado e i singoli eventi aleatori E 1 = { faccia 1 } E 2 = { faccia 3 } E 3 = { faccia 5 }. Definire l evento unione E 1 E 2 E 3. Dalla descrizione degli eventi E 1, E 2 ed E 3 si deduce che l evento unione è descritto dall enunciato esce un numero dispari. 12 / 51
13 Intersezione o Prodotto logico Dati due eventi aleatori E 1 ed E 2, definiamo intersezione o prodotto logico degli eventi E 1 ed E 2, l evento aleatorio, denotato con E 1 E 2, che si verifica quando si verificano contemporaneamente gli eventi che lo compongono. Si consideri l esperimento casuale lancio di un dado e gli eventi aleatori descritti dagli enunciati E 1 = { uscita di un numero inferiore a 4 } E 2 = { uscita di un numero dispari } Definire l evento unione E 1 E 2. Dalla descrizione degli eventi si ricava che E 1 = {ω 1, ω 2, ω 3 }, E 2 = {ω 1, ω 3, ω 5 }. da cui discende che l evento intersezione è definito nel seguente modo E 1 E 2 = {ω 1, ω 3 } 13 / 51
14 Con riferimento all esperimento casuale consistente nel misurare il tempo di vita di un transistor, si considerino gli eventi casuali descritti dagli enunciati E 1 = { il tempo di vita è inferiore a 4 ore } E 2 = { il tempo di vita è superiore a 5 ore } E 3 = { il tempo di vita è compreso tra 2 e 7 ore } Definire gli eventi E 1 E 2, E 2 E 3. Soluzione Dalla descrizione degli eventi si ricava che E 1 E 2 = (evento impossibile) E 2 E 3 = {x : 5 < x < 7} 14 / 51
15 Le operazioni logiche tra gli eventi, introdotte in precedenza, possono essere rappresentate graficamente mediante l utilizzo dei diagrammi di Venn. L area ombreggiata identifica l evento A B 15 / 51
16 L area ombreggiata identifica l evento A B 16 / 51
17 L area ombreggiata identifica l evento Ē 17 / 51
18 Le operazioni di unione logica ed intersezione logica soddisfano le seguenti proprietà Commutativa Associativa E 1 E 2 = E 2 E 1 E 1 E 2 = E 2 E 1 (E 1 E 2 ) E 3 = E 1 (E 2 E 3 ) = E 1 E 2 E 3 (E 1 E 2 ) E 3 = E 1 (E 2 E 3 ) = E 1 E 2 E 3 Distributiva E 1 (E 2 E 3 ) = (E 1 E 2 ) (E 1 E 3 ) E 1 (E 2 E 3 ) = (E 1 E 2 ) (E 1 E 3 ) 18 / 51
19 Con riferimento ad un certo stato d informazione, un evento si dice certo, rispettivamente impossibile, quando dai dati è possibile dedurre logicamente la verità, rispettivamente la falsità, dell evento. L evento certo è denotato con il simbolo Ω mentre l evento impossibili è denotato con il simbolo. Definizione Due eventi si dicono incompatibili quando la loro intersezione logica è uguale all evento impossibile, ovvero E 1 E 2 =. In altri termini, E 1 ed E 2 sono incompatibili quando il verificarsi di uno di essi implica il non verificarsi dell altro. Due eventi che non sono incompatibili si dicono compatibili. Si considerino l esperimento casuale lancio di due dadi e gli eventi definiti dagli enunciati: E 1 = { al primo e al secondo lancio di un dado esce un punto pari }, E 2 = { la somma dei punti realizzati col primo e il secondo lancio di un dado è dispari }. I due eventi definiti in precedenza sono chiaramente incompatibili. 19 / 51
20 Evoluzione storica della definizione di probabilità Come ottenere una valutazione di probabilità degli eventi? Per rispondere a questa domanda è necessario considerare lo sviluppo storico del concetto di probabilità. Storicamente il calcolo delle probabilità nasce con lo studio del gioco di azzardo. Le prime valutazioni di probabilità sono rivolte ad un ristretto campo di applicazione dove la schematizzazione dei fenomeni si ottiene con l enumerazione di un ridotto numero di casi, assunti tutti ugualmente possibili. 20 / 51
21 Definizione classica di probabilità Definizione La probabilità di un evento aleatorio E Ω, denotata con P(E), è il rapporto tra il numero di casi favorevoli al verificarsi dell evento E e il numero di casi possibili, supposti tutti ugualmente possibili. Da un punti di vista applicativo, secondo la definizione classica la probabilità di un generico evento aleatorio E è ottenuta come rapporto del numero degli eventi elementari che compongono l evento E sul numero di eventi elementari che appartengono lo spazio campionario Ω, ovvero P(E) = numero di eventi elementari in E numero di eventi elementari in Ω. 21 / 51
22 Esempio: si consideri l esperimento casuale lancio di un dado. Calcolare la probabilità dei seguenti eventi casuali: E 1 = {si ottiene la faccia con il numero 3}; E 2 = {si ottiene una faccia con un numero pari}; E 3 = {si ottiene un faccia con un valore inferiore o uguale a 4}. Soluzione: lo spazio campionario Ω è l insieme Ω = {ω 1, ω 2, ω 3, ω 4, ω 5, ω 6 }, dove l i-esimo evento aleatorio elementare è definito come ω i = {uscita della faccia riportante il valore i-esimo}. 22 / 51
23 Osservando che E 1 = {ω 3 } E 2 = {ω 2, ω 4, ω 6 } E 3 = {ω 1, ω 2, ω 3, ω 4 } dalla definizione classica di probabilità si ricava che P(E 1 ) = 1 6 P(E 2 ) = 3 6 = 0.5 P(E 3) = / 51
24 Esempio: si consideri l esperimento casuale lancio di due dadi. Determinare la probabilità che il punteggio ottenuto sia 9. Determinare il punteggio più probabile. Soluzione: in questo caso lo spazio campionario è costituito da tutte le possibili coppie di facce, quindi avremo in totale 6 6 = 36 eventi elementari che compongono Ω. Gli eventi elementari che compongono l evento aleatorio E sono: (faccia 3, faccia 6) (faccia 4, faccia 5) (faccia 5, faccia 4) (faccia 6, faccia 3) da cui si ricava, applicando la definizione classica di probabilità, che P(E) = 4 36 = / 51
25 Analogamente a quanto fatto in precedenza si ricava Somma dei Probabilità valori osservati 2 1/36 3 2/36 4 3/36 5 4/36 6 5/36 7 6/36 8 5/36 9 4/ / / /36 Da cui si ricava che 7 è il punteggio più probabile. 25 / 51
26 Esempio: si consideri l esperimento casuale lancio di tre dadi. Determinare la probabilità dell evento E = {la somma dei valori osservati è uguale a 4}. Soluzione: in questo caso lo spazio campionario Ω è costituito da tutte le possibile terne di facce, quindi in totale avremo 6 3 = 216 eventi elementari che compongono Ω. Gli eventi elementari che compongono l evento E sono: {faccia 1, faccia 1, faccia 2} {faccia 1, faccia 2, faccia 1} {faccia 2, faccia 1, faccia 1} quindi, applicando la definizione classica di probabilità, si ricava che P(E) = / 51
27 Esempio: da un mazzo di 52 carte vengono estratte successivamente due carte, senza che la prima venga reinserita. Calcolare la probabilità che le due carte estratte siano due assi. Soluzione: gli eventi elementari sono tutti le possibili coppie estraibili da un mazzo di 52 carte in cui la prima carta estratta non e reinserita nel mazzo. Si deduce che il numero di eventi elementari è = La probabilità di estrarre una 1 data coppia è Poiché esistono 4 3 = 12 possibili coppie ordinate di assi, la probabilità di estrarre una coppia di assi è uguale a Calcolare la probabilità richiesta in precedenza assumendo che la prima carta venga reinserita nel mazzo. 27 / 51
28 Esercizi. Si consideri un mazzo di 52 carte (13 carte per 4 semi). Il candidato calcoli: i. la probabilità di estrarre un 8 di picche da un mazzo di 52 carte; ii. la probabilità di estrarre una figura di fiori o picche o quadri; iii. la probabilità di estrarre una carta di fiori; iv. la probabilità di estrarre una carta rappresentante un numero pari. 28 / 51
29 Definizione assiomatica di probabilità L impostazione assiomatica si differenzia dalla precedente definizione dato che non fonda la definizione di probabilità ne sul significato di probabilità ne su quello di evento. Si consideri un generico esperimento casuale E e si indichi con Ω lo spazio campionario. Come visto in precedenza lo spazio campionario contiene i soli eventi elementari (indicati con ω i ), ma dagli esempi precedenti abbiamo visto che esistono eventi aleatori generici che non sono contenuti in Ω. Nell esempio del lancio di un dato lo spazio campionario contiene solamente 6 possibili eventi elementari (ognuno dei quali si riferisce ad una determinata faccia); l evento aleatorio E = {uscita di una faccia riportante un valore pari}, è definito come unione di tre eventi elementari ma non è un elemento di Ω. 29 / 51
30 L esempio mostra che è necessario definire un insieme che contenga tutti i possibili eventi aleatori associati ad un dato esperimento casuale. Definizione Si definisce spazio del eventi l insieme di tutti i possibili eventi aleatori associati ad un determinato esperimento casuale. Lo spazio degli eventi è denotato con il simbolo E. Note: dalla definizione di spazio degli eventi si deduce che E contiene l evento impossibile e l evento certo Ω. 30 / 51
31 Esempio: si consideri l esperimento casuale consistente nel lancio di due monete. Se indichiamo con C l evento aleatorio uscita della faccia croce e con T l evento uscita della faccia testa, lo spazio campionario è definito nel seguente modo: Ω = {(C, C), (C, T ), (T, C), (T, T )}. Lo spazio degli eventi è definito nel seguente modo, {(C, C)}, {(C, T )}, {(T, C)}, {(T, T )}, {(C, C), (C, T )}, {(C, C), (T, C)}, {(C, C), (T, T )}, E = {(C, T ), (T, C)}, {(C, T ), (T, T )}, {(T, C), (T, T )}, {(C, C), (C, T ), (T, C)}, {(C, C), (C, T ), (T, T )}, {(C, C), (T, C), (T, T )}, {(C, T ), (T, C), (T, T )}, Ω Note: in generale, se lo spazio campionario contiene k eventi elementari, lo spazio degli eventi E conterrà 2 k eventi aleatori. 31 / 51
32 Definizione Si definisce funzione di probabilità, e verrà indicata con P( ), una qualsiasi funzione definita sullo spazio degli eventi E che soddisfa i seguenti assiomi: i. P(E) 0 per ogni evento E E (assioma di non negatività); ii. P(Ω) = 1 (assioma di normalizzazione); iii. comunque presi due eventi aleatori incompatibili, diciamo E 1 E 2 =, allora la probabilità dell unione di E 1 ed E 2 è uguale alla somma delle singole probabilità: P(E 1 E 2 ) = P(E 1 ) + P(E 2 ). Note: il terzo assioma è noto come teorema delle probabilità totali per eventi incompatibili; dal primo e dal secondo assioma discende che la probabilità è un valore certamente compreso tra 0 ed 1! In altri termini, la funzione di probabilità è definita dallo spazio campionario a valori nell intervallo [0, 1]! 32 / 51
33 Utilizzando i tre assiomi è possibile dimostrare i seguenti teoremi. Teorema La probabilità dell evento impossibile è zero, in altri termini P( ) = 0. Dimostrazione Osserviamo che lo spazio degli eventi elementari può essere definito come Ω = Ω, da cui discende che 1 = P(Ω) = P(Ω ). Dato che Ω e sono incompatibili, per il terzo assioma si ricava da cui si deduce che P( ) = 0. 1 = P(Ω) = P(Ω ) = P(Ω) + P( ) = 1 + P( ), 33 / 51
34 Teorema Sia E un evento ed Ē il suo negato. La probabilità di Ē è il complemento ad uno della probabilità di E, in altri termini P(Ē) = 1 P(E). Dimostrazione Osserviamo che sono verificate le relazioni Ω = E Ē e E Ē =. Attraverso l utilizzo degli assiomi introdotti in precedenza si ricava da cui si ricava che P(Ē) = 1 P(E). 1 = P(Ω) = P(E Ē) = P(E) + P(Ē), 34 / 51
35 Il teorema che segue è una generalizzazione dell assioma iii. e prende il nome di teorema della probabilità totale per eventi qualsiasi. Teorema delle probabilità totali Siano E 1 ed E 2 due eventi. Si dimostra che P(E 1 E 2 ) = P(E 1 ) + P(E 2 ) P(E 1 E 2 ). 35 / 51
36 Esempio: uno studente ha programmato di sostenere gli esami A e B in una determinata sessione. In base alla sua preparazione ritiene che la probabilità di superare l esame A sia pari a 0.7, la probabilità di superare l esame B sia 0.5, mentre la probabilità di superarli entrambi sia 0.4. Qual è la probabilità che lo studente superi almeno uno dei due esami? 36 / 51
37 Esempio: Si consideri un mazzo di 52 carte (13 carte per seme) e si estragga una carta dal mazzo. Calcolare la probabilità di estrarre un re oppure una carta di picche. Soluzione: Definiamo gli eventi A 1 e A 2 nel seguente modo: A 1 = {estrazione di un re} A 2 = {estrazione di una carta di picche} I due eventi aleatori definiti in precedenza sono chiaramente compatibili dato che A 1 A 2 = estrazione del re di picche. Facendo ricorso al teorema delle probabilità per due eventi aleatori generici si ricava che P(A 1 A 2 ) = P(A 1 ) + P(A 2 ) P(A 1 A 2 ) = = / 51
38 Probabilità condizionata e stocastica indipendenza Spesso si è interessati alla determinazione della probabilità di un evento quando disponiamo di qualche informazione parziale sull esito dell esperimento. esempio: si consideri l esperimento casuale consistente nel lancio di due dadi a sei facce. In questo caso lo spazio campionari è definito come l insieme (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6) (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6) (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6) Ω = (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6) (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6) (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6) Supponiamo di essere interessati al calcolo della probabilità dell evento aleatorio A = {la somma dei valori osservati sia uguale a 10}. 38 / 51
39 La probabilità richiesta può essere calcolata facilmente utilizzando la definizione classi di probabilità, ovvero P(A) = , dato che esistono solamente tre possibili coppie la cui somma fornisce valore 10, ovvero (4, 6), (5, 5) e (6, 4). Supponiamo che si disponga di un informazione aggiuntiva sull esperimento casuale, ovvero al primo lancio si osserva il valore 4. In termini probabilistici al primo lancio si è verificato l evento B = {estrazione della faccia con valore 4}. 39 / 51
40 L effetto che deriva dall informazione aggiuntiva è una riduzione della dimensione dello spazio campionario; in altri termini, dato che sappiano che si è verificato l evento B, l insieme di tutte le possibili coppie si riduce nel seguente modo: {(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6)}. Se applichiamo la definizione classica di probabilità, utilizzando lo spazio campionario ridotto si ricava che la probabilità dell evento A (somma dei valori osservati è uguale a 4) dato che al primo lancio si è osservato il valore 4 (ovvero si è verificato l evento B) è pari a 1/ La probabilità calcolata in precedenza viene definita probabilità condizionata dell evento A dato che si è verificato l evento B. La definizione deriva dal fatto che stiamo valutando la probabilità dell evento aleatorio A condizionatamente al fatto che si è verificato l evento aleatorio B. 40 / 51
41 Definizione La probabilità di A condizionatamente a B, detta anche probabilità di A dato B, denotata con P(A B), consiste nella valutazione della probabilità di un evento A valutato subordinatamente allo spazio campionario generato dall evento B. La probabilità di A dato B viene calcolata tramite la seguente formula: P(A B) = P(A B), P(B) ovvero il rapporto tra la probabilità dell evento intersezione (probabilità congiunta) e la probabilità dell evento condizionante. Note: dalla precedente formula discende che P(A B) = P(A B) P(B), (1) la quale è nota come legge delle probabilità composte o regola moltiplicativa per il calcolo della probabilità congiunta. 41 / 51
42 Esercizio. Si consideri l esperimento casuale lancio di due dadi. Si calcoli la probabilità che la somma dei valore ottenuti sia uguale a 3 sapendo che il primo dado lanciato ha fornito il valore 1. Come cambia la probabilità calcolata in precedenza se al primo lancio si ottiene il valore 3? 42 / 51
43 Esercizio. Da un mazzo di 52 carte vengono estratte 3 carte senza reinserimento. Calcolare la probabilità di estrarre tre assi. Soluzione: sebbene la probabilità richiesta possa essere calcolata mediante la nozione classica di probabilità, risulta più agevole il calcolo attraverso la nozione di probabilità condizionata. Consideriamo i tre eventi E 1 = {la prima carta estratta è un asso} E 2 = {la seconda carta estratta è un asso} E 3 = {la terza carta estratta è un asso} 43 / 51
44 La probabilità richiesta può essere espressa come P(E 3 E 2 E 1 ), la quale, applicando le formule precedenti si ricava che P(E 3 E 2 E 1 ) = P(E 3 E 2 E 1 ) P(E 2 E 1 ) = = P(E 3 E 2 E 1 ) P(E 2 E 1 ) P(E 1 ) Applicando la nozione classica di probabilità si ricava P(E 1 ) = 4 52 P(E 2 E 1 ) = 3 51 P(E 3 E 2 E 1 ) = 2 50 quindi P(E 3 E 2 E 1 ) = / 51
45 Stocastica indipendenza Tramite la legge delle probabilità composte è possibile introdurre il concetto di stocastica indipendenza tra due eventi aleatori. Definizione Diremo che l evento A è stocasticamente indipendente dall evento B quando il verificarsi di B non influenza la probabilità dell evento A, ovvero: P(A B) = P(A). 45 / 51
46 La stocastica indipendenza è un concetto simmetrico, ovvero se A è stocasticamente indipendente da B allora anche B è stocasticamente indipendente da A. Infatti P(B A) = P(A B) P(A) = P(A B)P(B). P(A) Dalla definizione di stocastica indipendenza di A da B, ovvero P(A B) = P(A), si ricava P(B A) = P(A B) P(A) = P(A B)P(B) P(A) = P(A)P(B) P(A) ovvero, per definizione B è stocasticamente indipendente da A. = P(B), La legge delle probabilità composte si semplifica quando si considerano eventi stocasticamente indipendenti, infatti si ottiene dalla (1) che P(A B) = P(A) P(B), ovvero la probabilità congiunta di due eventi stocasticamente indipendenti è uguale al prodotto delle singole probabilità. 46 / 51
47 Esempio. Si consideri un urna contenente 8 palline bianche e 2 palline nere. Si consideri l esperimento casuale consistente nell estrazione di due palline con reinserimento, ovvero viene inizialmente estratta una pallina dall urna, osservato il corrispondente colore e poi reinserita nell urna. Qual è la probabilità di osservare la sequenza di colori: Bianco, Nero?. Esempio. Definiamo gli eventi A = {estrazione di una pallina bianca} e B = {estrazione di una pallina nera}. Utilizzando gli eventi definiti in precedenza, dire che siamo interessati a valutare la probabilità di osservare la sequenza di colori Bianco, Nero equivale a valutare la probabilità dell evento intersezione A B. Osserviamo inoltre che la probabilità dell evento B è pari a 2/10 (definizione classica di probabilità) e, dato che la prima pallina estratta viene reinserita nell urna, questa probabilità non dipende da cosa accade alla prima estrazione (se A si verifica o meno). Questo vuol dire che gli eventi aleatori A e B sono stocasticamente indipendenti, quindi tramite la legge delle probabilità composte si ricava che P(A B) = P(A) P(B) = = / 51
48 Esercizi Riepilogativi Esercizio. La roulette consiste in un disco diviso in 37 settori numerati da 0 a 36 e colorati alternativamente in rosso e nero, mentre lo zero è normalmente colorato di verde. 1 Supponendo che il croupier ripeta il lancio della pallina cinque volte, si calcoli la probabilità di ottenere la seguente sequenza di colori: rosso, verde, rosso, rosso, nero. 2 Supponendo che il croupier ripeta il lancio della pallina due volte, si calcoli la probabilità che la somma dei valori ottenuti sia uguale a tre. 48 / 51
49 Esercizio. Una scatola contiene 200 dadi per giochi di società di diversa tipologia e ripartiti nel seguente modo. Il 20% dei dati ha 4 facce, il 40% ha 6 facce, il 30% ha 8 facce e la parte restante è costituita da dadi a 10 facce. 1 Il candidato calcoli la probabilità di estrarre un dado con 6 o 8 facce. 2 Si consideri l esperimento casuale consistente nell estrazione senza reinserimento di 5 dadi. Calcolare la probabilità di osservare la seguente sequenza: 8 facce, 8 facce, 6 facce, 4 facce, 6 facce. 49 / 51
50 Esercizio. Si consideri una slot-machine costituita da cinque rulli i quali forniscono risultati stocasticamente indipendenti tra loro. Ogni rullo è costituito da dieci settori raffiguranti gli interi da uno a dieci. Utilizzando un volta soltanto la slot-machine, il candidato calcoli la probabilità che la slot-machine visualizzi la sequenza / 51
51 Esercizio. Un urna contiene 15 palline bianche, 20 palline nere, 35 palline rosse e 30 palline gialle. i. Calcolare la probabilità che, estraendo una pallina dall urna, la pallina estratta sia di colore rosso. ii. Calcolare la probabilità che, estraendo una pallina dall urna, la pallina estratta sia di un colore diverso dal bianco. iii. Considerando l estrazione senza reinserimento di cinque palline dall urna, calcolare la probabilità di ottenere la sequenza: bianca, bianca, nera, rossa, gialla. 51 / 51
Statistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliStatistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
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
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
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
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
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
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
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
DettagliProbabilità I Calcolo delle probabilità
Probabilità I Calcolo delle probabilità Nozioni di eventi. Definizioni di probabilità Calcolo di probabilità notevoli Probabilità condizionate Concetto di probabilità Cos'è una probabilità? Idea di massima:
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
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliStatistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
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
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliCONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;
ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.
Dettagli( ) ( ) Ω={1,2,3,4,5,6} B B A Siano A e B due eventi di Ω: si definisce evento condizionato B A. Consideriamo il lancio di un dado:
Eventi condizionati Quando si ha motivo di credere che il verificarsi di uno o più eventi sia subordinato al verificarsi di altri eventi, si è soliti distinguere tra eventi dipendenti(o condizionati )
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
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 -
DettagliCALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
DettagliProbabilità: valutazione della possibilità che accada (o sia accaduto) r = 1 (c è un asso di cuori nel mazzo)
Probabilità: valutazione della possibilità che accada (o sia accaduto) un evento. Probabilità di un evento P = r/n dove r = frequenza dell evento N = Numero di possibili eventi Esempio: Evento = estrazione
DettagliSia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è
Cenni di probabilità di Carlo Elce Definizioni Lo spazio campionario per un esperimento è l'insieme di tutti i suoi possibili esiti. Per esempio, se l'esperimento è il lancio di due di dadi e si rappresentano
DettagliCALCOLO DELLE PROBABILITA
CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto
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.
DettagliTeoria della probabilità
Introduzione alla teoria della probabilità Teoria della probabilità Primi sviluppi nel XVII secolo (Pascal( Pascal, Fermat, Bernoulli); Nasce nell ambito dei giochi d azzardo; d La prima formalizzazione
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliLA PROBABILITAÁ ALGEBRA IL CALCOLO DELLE PROBABILITAÁ. richiami della teoria
ALGEBRA IL CALCOLO DELLE PROBABILITAÁ richiami della teoria n un evento E si dice casuale o aleatorio, quando il suo verificarsi dipende unicamente dal caso; n un evento si dice certo quando eá possibile
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
Dettagliprima urna seconda urna
Un po di fortuna Considera il seguente gioco: ci sono due urne contenenti delle palline perfettamente uguali tra loro, ma colorate diversamente, alcune bianche, altre nere. Nella prima urna ci sono una
DettagliIL CALCOLO DELLA PROBABILITÀ
IL LOLO LL PROILITÀ 1 Una scatola contiene quattro dischetti rossi numerati da 1 a 4, sei dischetti verdi numerati da 1 a e cinque dischetti bianchi numerati da 1 a 5. Si estrae un dischetto. Scrivi gli
DettagliESERCIZI SULLA PROBABILITA
PROBABILITA CLASSICA ESERCIZI SULLA PROBABILITA 1) Si estrae una carta da un mazzo di 40 carte ; calcolare la probabilità che la carta sia: a. una figura; b. una carta di danari; c. un asso. 2) Un urna
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
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
DettagliFigura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15
Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliTest di autovalutazione
Test Test di autovalutazione 0 0 0 0 0 0 0 70 80 90 00 n Il mio punteggio, in centesimi, è n Rispondi a ogni quesito segnando una sola delle alternative. n Confronta le tue risposte con le soluzioni. n
DettagliPROBABILITÀ. P ( E ) = f n
PROBABILITÀ GLI EVENTI E LA PROBABILITÀ EVENTI CERTI, IMPOSSIBILI E ALEATORI Ci sono avvenimenti che accadono con certezza, mentre altri sicuramente non possono mai verificarsi. Per esempio, se una scatola
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliLa probabilità: introduzione
P a g. 1 La probabilità: introduzione Nei giochi e nella "realtà" spesso si devono fare scelte di cui non si sanno prevedere esattamente le conseguenze (quale carta conviene scartare? in quale orario conviene
DettagliCalcolo Combinatorio e Probabilità
Calcolo Combinatorio e Probabilità Andrea Galasso 1 Calcolo Combinatorio Definizione 1 Fissati n, k N, con k n, indicheremo con D n,k := n! (n k)! le disposizioni di n oggetti in k posti e con DR n,k :=
DettagliSi consideri un mazzo di carte da gioco francesi ed i seguenti eventi elementari:
ESERCIZIO 1.1 * Si consideri un mazzo di carte da gioco francesi ed i seguenti eventi elementari: A = {figura} B = {carta nera} C = {carta di fiori} D = {carta di cuori} Si determini la probabilità che,
DettagliNelle ipotesi del precedente esercizio, in quanti modi potrebbe essere formata la classifica finale di tutti i 20 concorrenti? [2,4.
CALCOLO COMBINATORIO Ad una gara partecipano 20 concorrenti; quanti terne di primi tre classificati si possono formare? (nell'ipotesi che non vi siano degli ex aequo) [6.840] Nelle ipotesi del precedente
DettagliESERCIZI PROBABILITA E CALCOLO COMBINATORIO CON RISULTATI 1. P che estraendo a caso 1 carta da un mazzo di 52 sia una regina?
ESERCIZI PROBABILITA E CALCOLO COMBINATORIO CON RISULTATI 1. P che estraendo a caso 1 carta da un mazzo di 52 sia una regina? [4/52] 2. Estratta una Q, P che ad una seconda estrazione si presenti ancora
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliEsercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza May 23, 2007 1 Esercizio Si consideri un mazzo di carte francesi di 2 carte e si supponga di stare giocando a poker.
DettagliTest di Matematica di base
Test di Matematica di base Calcolo combinatorio e delle probabilitá Quanti oggetti possiamo differenziare con delle targhe di due simboli di cui il primo é una lettera dell alfabeto italiano e il secondo
DettagliPROBABILITA. Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano.
Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano. La costruzione dello spazio cartesiano richiede un grado di astrazione
DettagliRAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5
RAPPRESENTAZIONE INSIEMISTICA DEGLI EVENTI Lezione n. 5 Finalità: Realizzare grafici che facilitano l organizzazione dei concetti probabilistici utilizzando l insiemistica. Metodo: Compilazione delle schede.
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI
NOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le
DettagliCenni di probabilità
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Cenni di probabilità Ing. Antonino Cancelliere Dipartimento
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliRiprendiamo le probabilità. 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista
Riprendiamo le probabilità 1.Probabilità a priori oggettiva 2.Probabilità a posteriori frequentista 1 2.Probabilità a posteriori frequentista Tabelle di sopravvivenza.! Volendo calcolare la probabilità
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
DettagliCALCOLO delle PROBABILITA
Eventi certi : è certo che si verifichino es. il prossimo mese sarà luglio, domani sorgerà il sole Eventi probabili: non è certo che si verifichino es. domani pioverà? Quanti giorni di ricovero avrà quel
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizione di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Pricipio della somma Principio del prodotto Eventi certi : è certo
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
DettagliP (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) =
Esercizio 7 2 Un esperimento consiste nel lanciare una moneta e nell estrarre una pallina da un urna contenente 4 palline numerate da 1 a 4. Consideriamo gli eventi: A = Esce Testa, B = Si estrae la pallina
DettagliCENNI DI PROBABILITÀ DISCRETA ANDREA SCAPELLATO
CENNI DI PROBABILITÀ DISCRETA ANDREA SCAPELLATO In queste note illustriamo alcuni elementi di probabilità discreta. Si sottolinea che non si ha alcuna pretesa di completezza: quanto qui riportato rappresenta
Dettagli2. I numeri reali e le funzioni di variabile reale
. I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2013/2014
DettagliIl Calcolo delle Probabilità
Il Calcolo delle Probabilità Introduzione storica I primi studi che portarono successivamente a concetti legati alla probabilità possono essere trovati a metà del XVI secolo in Liber de ludo aleæ di Girolamo
DettagliNote di probabilità. Mauro Saita Versione provvisoria, maggio 2014.
Note di probabilità Mauro Saita Versione provvisoria, maggio 2014. Indice 1 Note di probabilità. 2 1.1 Eventi elementari. Spazio degli eventi.............................. 2 1.2 Definizione assiomatica
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata
Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.
DettagliPrecorsi di matematica
Precorsi di matematica Francesco Dinuzzo 12 settembre 2005 1 Insiemi Il concetto di base nella matematica moderna è l insieme. Un insieme è una collezione di elementi. Gli elementi di un insieme vengono
DettagliLezione 1. La Statistica Inferenziale
Lezione 1 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione
DettagliLa probabilità del gioco o il gioco della probabilità? Dispensa probabilità e calcolo combinatorio
La probabilità del gioco o il gioco della probabilità? Dispensa probabilità e calcolo combinatorio Massimo Buzzi, Lucio Alberto Monti 1 Mappe Riassuntive 1.1 Calcolo combinatorio 1.2 Probabilità 1 2 Glossario
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.ssa L.Morato) Esercizi Parte I: probabilità classica e probabilità combinatoria,
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)
Dettagli( A) ( ) 3. Concezioni e valutazioni di probabilità
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezione di statistica del maggio 03 - di Massimo Cristallo - 3. Concezioni e valutazioni di probabilità
DettagliBinomio di Newton. Pertanto, il numero di sottoinsiemi di S, compreso il sottoinsieme vuoto ; elostessos, è dato da. = 2 n, r. (a + b) n = a r b n r,
Binomio di Newton Osserviamo che, volendo costruire un generico sottoinsieme I S, si deve eseguire una procedura di n passi, con alternative in ogni passo. Infatti, occorre decidere per ciascuno degli
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
DettagliDefinizione frequentistica di probabilita :
Esperimenti aleatori un esperimento e l osservazione del verificarsi di qualche accadimento ( A ) che, a partire da determinate condizioni iniziali, porti ad un particolare stato delle cose finali se si
DettagliESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE
ESERCIZI SCHEDA N. 1: EVENTI E VARIABILI ALEATORIE 1) Dato lo spazio campionario Ω = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); (2,2); (2,3); ; (6,6)} riferito al lancio di due dadi non truccati,
DettagliCorso di Fondamenti di TLC Esercizi di Probabilitá
Corso di Fondamenti di TLC Esercizi di Probabilitá Exercise 0.1 Unurna contiene 2 biglie bianche e 5 nere. Estraiamo una prima biglia: se nera la rimettiamo dentro con altre due dello stesso colore, se
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliELEMENTI di TEORIA degli INSIEMI
ELEMENTI di TEORI degli INSIEMI & 1. Nozioni fondamentali. ssumeremo come primitivi il concetto di insieme e di elementi di un insieme. Nel seguito gli insiemi saranno indicati con lettere maiuscole (,,C,...)
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
DettagliCalcolo delle Probabilità 2013/14 Foglio di esercizi 3
Calcolo delle Probabilità 203/4 Foglio di esercizi 3 Probabilità condizionale e indipendenza. Esercizio. Per rilevare la presenza di una certa malattia, si effettua un test. Se la persona sottoposta al
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
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
DettagliF.1 EVENTI E PROBABILITA
F.1 EVENTI E PROBABILITA Breve storia del Calcolo delle probabilità Le origini del (moderno) Calcolo delle probabilità si fanno tradizionalmente risalire alla corrispondenza tra Pascal e Fermat su un problema
DettagliLezione 8. La Statistica Inferenziale
Lezione 8 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione
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
DettagliEventi Condizionati. se E ed H sono entrambi veri se E è f a l s o e H è v e r o. indeterminato
Dati due eventi E ed H, con H 6= logico a tre valori E H = 8 < : Eventi Condizionati vero falso indeterminato, si definisce evento condizionato il seguente ente se E ed H sono entrambi veri se E è f a
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica.
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Probabilità Ines Campa Probabilità e Statistica - Esercitazioni -
Dettagli01 - Elementi di Teoria degli Insiemi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 01 - Elementi di Teoria degli Insiemi Anno Accademico 2015/2016
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
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
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
Dettagli258 Capitolo 9. La probabilità
258 Capitolo 9 La probabilità 96 Esercizi 96 Esercizi dei singoli paragrafi 9 - Gli eventi 9 Quali dei seguenti eventi sono certi, probabili, impossibili a ) Il giorno di Pasquetta pioverà; b ) il giorno
Dettagli