I PARTE: CALCOLO DELLE PROBABILITÀ

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "I PARTE: CALCOLO DELLE PROBABILITÀ"

Transcript

1 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I ARTE: CALCOLO DELLE ROBABILITÀ I. Evet ed Est Cosderamo l espermeto d gettare u dado. Gettamo l dado, aspettamo che s ferm e osservamo l umero d put preset sulla facca superore: come s sa, può avere uo de seguet valor:,, 3, 4, 5 o 6. Gà che c samo, osservamo che può uscre solo uo d quest umer: o s possoo avere cotemporaeamete, poamo, l 3 ed l 5, o qualuque altra combazoe d umer. Caso A - Nulla c mpedsce d scommettere su uo qualuque d quest se valor, per esempo scommettamo sul 3. Caso B - ossamo però fare ua scommessa dversa, ad esempo scommettere su par: vcamo se esce, 4 o 6; perdamo se esce, 3 o 5. Caso C - otremmo ache scommettere d superare l 4: vcamo se esce 5 o 6, perdamo se esce,, 3 o 4. Qual è la dffereza tra quest 3 cas? Nel caso A vedamo che dvers rsultat possbl soo tutt pres cosderazoe sgolarmete. I effett o esstoo rsultat pù elemetar de se valor,, 3, 4, 5 e 6. De rsultat elemetar come quest vegoo chamat ESITI. È da rcordare che solo uo d quest est s può verfcare u sgolo laco: quest est s escludoo a vceda, soo MUTUAMENTE ESCLUSIVI od altrmet detto INCOMATIBILI. Nel caso A abbamo decso d scommettere sul verfcars d uo degl est (l 3). Nel caso B vece, e per la vertà ache el caso C, abbamo scommesso su cert raggruppamet d est. Dcamo meglo: el caso A abbamo scommesso sull EVENTO esce l 3, che cocde co uo solo degl ESITI possbl; el caso B abbamo scommesso vece sull EVENTO esce u umero par, che cocde co tre degl ESITI possbl: gl ESITI, 4 e 6. Aalogamete el caso C abbamo scommesso sull EVENTO esce u umero maggore d 4, che cocde co due degl ESITI possbl: gl ESITI 5 e 6. D ora po chameremo gl evet co ua lettera mauscola. Mateedo ostr tre esemp, defamo qud tre evet: Eveto A: esce l umero 3 (l eveto comprede u solo esto: esce la facca co 3 put) Eveto B: esce u umero par (l eveto comprede 3 est: esce oppure 4 oppure 6) I-

2 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Eveto C: esce u umero maggore d 4 (l eveto comprede est: esce 5 oppure 6) Notamo subto che l verfcars cotemporaeo dell eveto A e dell eveto B è mpossble, così come dell eveto A e dell eveto C. Ifatt gl est che verfcao l eveto A soo soltato uo, l umero 3, metre gl est che verfcao l eveto B soo tre:, 4 e 6. oché se est soo compatbl, e poché gl est che verfcao l eveto B soo tutt dvers dagl est che verfcao l eveto A due evet o possoo ma verfcars smultaeamete: soo ach ess INCOMATIBILI. Stesso dscorso per la coppa d evet A e C. E la coppa B e C? Duque, gl est che verfcao l eveto B soo tre:, 4 e 6, metre gl est che verfcao l eveto C soo due: 5 e 6. S vede che l esto 6 verfca tutt e due gl evet qud gl evet B e C NON soo compatbl. Dopo questo dscorso troduttvo, u po troppo qualtatvo, veamo a delle belle defzo. I dvers rsultat possbl, mutuamete esclusv, d u espermeto aleatoro soo dett est; el seguto verrao dcat co lettere greche muscole. L seme d tutt gl est possbl d u dato espermeto è detto spazo degl evet, e lo deoteremo co la lettera greca Ω. Dremo che u eveto A è assocato agl est dello spazo Ω se possamo sempre dre per qualuque esto ω dello spazo Ω se esso verfca o o verfca l eveto A. Ovvero, co termologa semstca, se possamo dvduare quale sottoseme d Ω cotee tutt e sol gl est che verfcao A. Ache questo sottoseme lo chameremo A. D ora po, percò, A o B o ua lettera mauscola geere potrà deotare dfferetemete u eveto o l sottoseme d Ω che cotee tutt e sol gl est che verfcao tale eveto. Aalogamete per o dre s verfca l eveto A o s verfca u esto apparteete al sottoseme A sarà esattamete la stessa cosa. Avedo dato questa terpretazoe semstca, possamo servrcee per dare qualche defzoe. CA B (uoe degl evet A e B) è ovvamete l eveto che corrspode al sottoseme A B, coè che è verfcato da uo qualuque degl est d A o d B, coè deftva che s verfca quado è verfcato A oppure B (od ache tutt e due, se hao est comue). CA B (tersezoe degl evet A e B: lo scrveremo ache semplcemete AB quado o darà adto a dubb) è altrettato ovvamete l eveto che corrspode al sottoseme A B, coè che è verfcato da uo qualuque d quegl est che appartegoo I-

3 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo cotemporaeamete ad A ed a B, coè deftva che s verfca quado soo verfcat cotemporaeamete gl evet A e B. A-B (dffereza degl evet A e B) è l eveto che corrspode al sottoseme A-B, coè è verfcato da quegl est che verfcao A ma o verfcao B. è charo che A-B A- (A B) U caso partcolare è Ω-A, coè l seme d tutt gl est possbl che o verfcao A: esso è detto eveto complemetare d A e deotato A. Vedamo dagramm d Ve corrspodet a quest dvers sem. I-3

4 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I. robabltà classca redamo u espermeto aleatoro tale che, per le codzo spermetal, s possa rteere che gl est sao tutt equprobabl: ad esempo l laco d ua moeta può dare due est, testa o croce, e verosmlmete due est hao la stessa probabltà; l laco d u dado può dare 6 est, ed è lecto pesare che, graze alla geometra del dado ed alla meccaca del laco, se est sao tutt equprobabl; l estrazoe d ua carta a caso da u mazzo be mescolato (dcamo mescolato molto a lugo): tutte le carte hao a pror la stessa probabltà d vere estratte; e così va. I tal caso la probabltà d u eveto A s calcola come rapporto tra l umero d est che verfcao l eveto stesso ed l umero totale d est possbl. er esemplfcare, rpredamo gl est A, B e C vst prma. I tutt e tre cas l umero d est possbl (ed equprobabl, per quato s è detto) è 6; l umero d est favorevol (coè che verfcao l eveto) è per l eveto A, 3 per l eveto B e per l eveto C: qud 6 ( A) ( B) ( A) A questo puto c servrao alcu I.3 Rcham d calcolo combatoro I. Dat elemet a ed m elemet b j v soo m possbl coppe (a.b j ) II. ù geerale: dat m elemet formare m m... mn a possbl -uple ( ), m elemet a m N elemet a N s possoo a,a,..., a N III. S abba u seme d oggett a, a,, a e s estraggao r elemet, rmettedo og volta l elemeto estratto detro l seme: l umero delle possbl r-uple ordate che s possoo otteere è r (soo le dsposzo co rpetzoe d oggett ad r ad r) IV. S abba u seme d oggett a, a,, a e s estraggao r elemet, seza ma rmettere l elemeto estratto detro l seme: l umero delle possbl r-uple ordate! che s possoo otteere è (-)(-).(-r+), vale a dre. Queste soo dette ( r)! dsposzo seza rpetzoe d oggett ad r ad r. Al puto precedete abbamo calcolato l umero d possbl r-uple ordate d elemet dell seme. Coè, due r-uple che cotegoo gl stess r elemet ma orde dverso soo cosderate r-uple dfferet e ambedue cotate el overo. E se l orde o teressa? I tal caso predamo l umero trovato e lo dvdamo per l umero d permutazo (coè d possbl mod d ordarl) d r oggett. I-4

5 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Quato vale? Facle, l umero d dsposzo d r oggett ad r ad r, coè: r! (r r)! r! r!! V. pertato l umero d combazo (seza rpetzoe) d oggett ad r ad r (coè le r-! uple possbl, seza teere coto dell orde degl elemet) vale ( r)!r! r Notamo che l umero questoe altro o è che l umero d possbl sottosem d poteza r dell seme d poteza dato, o co terme tecco, l umero d sottopopolazo d tagla r della popolazoe d tagla data. VI. Data ua popolazoe d tagla, e umer ter,,, tal che la loro somma sa! par ad, esstoo mod d rpartre la popolazoe sottopopolazo,!!...! rspettvamete d tagla,,,. Rcordamo la formula d Strlg per approssmare l fattorale per molto grade:! π e Esempo Lacado due volte u dado, qual è la probabltà d otteere due volte lo stesso umero? Le coppe (a,b) d valor possbl soo 36, e soo tutte equprobabl; d queste 6 soo formate da u umero rpetuto due volte, coè co ab. Qud la probabltà cercata è 6 (A) 36 Esempo Qual è la probabltà d otteere tre 6 lacado tre dad? Qu le possbl tere (a,b,c) soo 6 3 6, e d queste ua sola ha abc6. Duque Esempo 3 (A) 6 Mettamo r oggett caselle (co r), avedo cura d o mettere ma due oggett ella stessa casella. I quat mod possamo fare questa operazoe? er l prmo oggetto abbamo caselle lbere, per l secodo e restao -, per l terzo - e così va. I deftva Esempo 4 6! N ( )( )...( r + ) ( r)! U covoglo è composto da vago. Su d esso salgoo r passegger, dove r. Se og passeggero scegle l vagoe maera completamete aleatora, qual è la probabltà che gl r passegger salgao su r vago dvers? Oguo degl r passegger può sceglere l suo vagoe mod e qud r passegger hao r mod d dstrburs vago. Vceversa, se lmtamo la scelta modo tale che oguo scelga u vagoe dverso, mod d sceglere soo d meo. Ifatt l prmo può sceglere mod, al secodo e restao -, al terzo - e così va. Qud l umero totale è (-)(-) (-r+), coè I-5

6 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo da cu trovamo la probabltà cercata! N(A) ( r)! N(A)! (A) N ( r)! r Esempo 5 Ua cassa d pezz cotee pezz dfettos. U spettore cotrolla pezz estratt modo casuale dalla cassa. Qual è la probabltà che o e trov essuo dfettoso? I prmo luogo occorre calcolare quat mod possamo sceglere pezz da u lotto d : N!!9! d quest N mod, quat o cotegoo pezz dfettos? N (A) 9 ertato la probabltà cercata è data dal rapporto: 9!!8! 9! N(A) 9!9! (A)!8! N! 8!!!9! Esempo 6 S pescao due carte a caso da u mazzo da brdge. Qual è la probabltà d pescare ass? Il mazzo cotee 5 carte, d cu 4 ass. Quate coppe è possble formare da 5 carte? 5! N 5 36!5! Quate d queste soo formate da ass? Coè, quate coppe è possble formare co 4 ass? Qud la probabltà cercata è 4! N (A) 4 6!! 6 (A) 36 Esempo 7 Vee dstrbuta ua mao d brdge. Qual è la probabltà che oguo de quattro gocator rceva u asso? I quat mod possamo creare 4 sottopopolazo d tagla 3 dalla popolazoe d tagla 5? N 5! 3! 3! 3! 3! Separamo gl ass: dobbamo dstrbure u asso per cascuo, pù altre carte per cascuo. I quattro ass s possoo dstrbure, come sappamo, 4! 4 mod. Co le rmaet 48 carte formamo 4 sottopopolazo d tagla. ossamo farlo 48!!!!! mod. Qud la probabltà rchesta è data da 48! 3! 3! 3! 3! (A) 4!.5!!!! 5! I-6

7 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I.4 Legge d addzoe delle probabltà Cosderamo due evet compatbl A e B d cu sao ote le probabltà (A) e (B), e sa CA B l eveto uoe. I tal caso s ha per l eveto uoe: (C)(A)+(B) ù geerale s può calcolare la probabltà d u eveto evet A, purché quest sao tra loro tutt compatbl: ( C) ( A ) C U A, uoe coè d molt Se abbamo a che fare co due evet NON compatbl occorre rscrvere la probabltà della loro uoe come: (CA B)(A)+(B)-(A B) er capre l perché, faccamo l esempo d u espermeto aleatoro co est tra loro equprobabl. I tal caso, come sappamo, (A) è uguale al umero (A) d est favorevol, coè apparteet al sottoseme A, dvso l umero totale d est possbl N; aalogamete (B) è data dal umero (B) d est apparteet al sottoseme B dvso l umero totale N d est possbl; fe (A B) è par al umero d est apparteet al sottoseme A B, che chameremo (A B), dvso l solto umero totale N d evet possbl. I smbol: (A) (A) N (B) (B) N (A B) (A B) N Se gl evet soo compatbl, coè o v soo est che appartegoo cotemporaeamete ad A ed a B, allora (A B)(A)+(B), da cu: (A B) (A) + (B) (A) (B) (A B) + (A) + (B) N N N N Se vece gl evet o soo compatbl, vale a dre che v soo dcamo M est che appartegoo sa ad A che a B, allora el fare la somma (A)+(B) l cotamo due volte, e qud dobbamo dre che (A B)(A)+(B)-M. Ma l suddetto M, essedo l umero d est che appartegoo cotemporaeamete ad A ed a B, è é pù é meo che l umero d est (A B) coteuto A B, qud I-7

8 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo e deftva: (A (A B) (A B) N (A B) (A) + (B) M B) N N M N (A) N + (B) N M (A) + (B) (A B) N Questo rsultato, che abbamo dmostrato solo per l caso d est equprobabl vale geerale. I.5 robabltà codzoata e legge d moltplcazoe delle probabltà Cosderamo l espermeto seguete: da u ura coteete 5 palle bache e 5 ere vegoo estratte palle. Qual è la probabltà che esse sao ambedue bache? ossamo procedere due mod: ) rapporto est favorevol su est possbl. I quat mod possamo predere due palle da u lotto d? N!!8! 9 quat d quest mod mostrao ambedue le palle bache? la probabltà è duque: 5 5 5! 5! 5 4!3!! 5! ( A) ( A) ) La probabltà d che la prma palla estratta sa baca è p 5 la probabltà che la secoda sa baca se è baca la prma: p 4 9 e qud la probabltà le due palle estratte sao bache è data dal prodotto 5 4 p 9 I-8

9 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo che cocorda col precedete rsultato. Ora, la probabltà che la secoda sa baca se è baca la prma s chama ROBABILITÀ CONDIZIONATA. Dcamo meglo, defamo gl evet seguet: Eveto A la prma palla estratta è baca Eveto B la secoda palla estratta è baca Allora la probabltà che s verfch l eveto B o è 4/9 (fra poco la calcoleremo). La probabltà che s verfch l eveto B se s è verfcato l eveto A è, questa sì, 4/9; e questa è detta probabltà d A codzoato a B, che s scrve (A/B). erché (B), detta probabltà a pror d B, o è uguale a 4/9? erché B s può verfcare ache se o s è verfcato A, ed tal caso la sua probabltà ( ( B / A), probabltà d B codzoato a o-a) è 5/9. E la probabltà TOTALE (s chama propro così) quato vale? È data dalla probabltà che s verfch A seguto da B sommata alla probabltà che s verfch o-a seguto da B, coè: ( A) ( B / A) + ( A) ( B / A) questo perché due percors alteratv (tramte A e tramte o-a) soo compatbl, e qud la probabltà della loro uoe è par alla somma delle loro probabltà. Nulla d strao che vega ¼: detro l ura v soo apputo palla baca su 4. Vedamo u dsego: 4 A ((A)5/) B (((B/A)4/9) B (((B/A)5/9) A ad B A ad B A ((A)5/) B (((B/A)5/9) A ad B B (((B/A)4/9) A ad B Capamo po ua cosa mportate da questo esempo: ( A B) ( A) ( B/ A) I-9

10 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo La probabltà dell tersezoe d due evet o è, geerale, uguale al prodotto delle probabltà: ( A B) ( A) ( B) Defzoe: l eveto B è INDIENDENTE dall eveto A se e solo se ( B/ A) ( B) coè se la probabltà A RIORI d B e la probabltà d B codzoato ad A soo ugual. È charo, da quato vsto, che tal caso s ha ( A B) ( A) ( B / A) ( A) ( B) Ecco duque la legge della moltplcazoe questo caso: la probabltà dell tersezoe d due evet dpedet è par al prodotto delle sgole probabltà de due evet. Da quato detto fora dscede ache u altra propretà. Ifatt vertedo l orde dell equazoe geerale per la probabltà dell tersezoe s ha ache ( B/ A) ( A B) ( A) che forsce la regola per calcolare la probabltà codzoata. Questa s può gustfcare faclmete el caso degl est equprobabl. Ifatt, sao (A) gl est che verfcao A, coteut coè ella sottopopolazoe A, (B) gl est che verfcao B, overo coteut ella sottopopolazoe B, e (A B) l umero d est che verfcao cotemporaeamete A e B, coè coteut ell tersezoe delle suddette sottopopolazo A e B; N è come al solto l umero degl est possbl, gl est d Ω. Ora la probabltà a pror d A è data dal rapporto tra (A) ed N, come sappamo. Tuttava, se s sa che s verfca B, o tutt gl N est soo pù possbl: soltato gl (B) est della sottopopolazoe B possoo verfcars. Il ostro spazo degl evet s è per così dre rstretto a B. D quest (B) est possbl quat verfcao A? aturalmete (A B), ecco duque che se s sa che s verfca B la probabltà che s verfch A è data dal rapporto ( A / B) ( A B) ( B) ( A B) N N ( B) ( A B) ( B) Se ella formula vsta s scambao om degl evet s trova ( B A) ( B) ( A / B) ma poché l tersezoe è commutatva: I-

11 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo da cu due mportat regole: ) La formula d Bayes: ( A) ( B / A) ( A B) ( B A) ( B) ( A / B) ( B/ A) ( B) ( A / B) ( A) ) se A è dpedete da B ache B è dpedete da A e vceversa, e s dce qud che A e B soo tra loro dpedet. Ifatt, se ( A / B) ( A) ( B/ A) Vedamo alcue altre propretà. ( B) ( A / B) ( A) allora ( B) ( A) ( A) S abba ua successoe d evet { } ( C / B) ( A / B) ( B) A tutt compatbl tra loro, U C, allora. Ifatt, come è oto, s ha per l tersezoe C B [ U A ] B U ( A B) A oché d altra parte gl sem A o hao tra loro put comue, eache gl sem ( A B) hao put comue tra loro, e corrspodoo pertato ad evet compatbl. I tal caso s ha per le probabltà ( C B) [ U ( A B) ] ( A B) Se ora dvdamo ambo membr per (B) otteamo apputo: ( C / B) ( C B) ( B) che è quato volevas dmostrare (QDE). ( A B) ( B) Ife geeralzzamo l dea espressa dal precedete grafco: Se ua successoe d evet { } ( A / B) A tutt compatbl tra loro e U Ω, o come s dce: che costtuscoo ua ARTIZIONE d Ω, allora ( B) ( A ) ( B / A ) er provare questo osservamo prma che ( A Ω) A ( B) ( Ω B) [ U ( A B) ] A. ; possamo qud scrvere che oché d altra parte gl sem A o hao tra loro put comue, eache gl sem ( A B) hao put comue tra loro, e corrspodoo pertato ad evet compatbl. I-

12 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Applcado qud la regola per l uoe d evet compatbl trovamo, CVD: [ ( A B) ] ( A B) ( A ) U ( A B) ( A ) ( A ) ( B / A ) Esempo Sa A l eveto per cu pescado a caso da u mazzo ua carta questa sa d pcche. Sa B l eveto che detta carta sa ua rega. A e B soo dpedet? 5 carte, 3 pcche, 4 rege, rega d pcche. 3 (A) 5 (B) 4 5 (A B) (A) ( B) oché la probabltà dell tersezoe cocde co l prodotto delle probabltà due evet soo dpedet. 5 Esempo S trao due dad. A è l eveto che l prmo dado esca dspar, B l eveto che l secodo dado esca dspar e C l eveto la somma de dad sa dspar. A e C soo dpedet? Esempo 3 Nove ure cotegoo ogua 3 palle bache e 3 ere. Ua decma ura cotee 5 palle bache ed ua era. S scegle u ura a caso e s estrae ua palla: prma d estrarla qual è la probabltà (probabltà a pror) che l ura prescelta sa la decma? Se la palla estratta è baca, qual è la probabltà (probabltà a posteror) che l ura prescelta sa la decma? Esempo 4 U ura cotee solo palle bache, u altra e cotee 3 bache e ere. S scegle u ura a caso e s estrae ua palla: qual è la probabltà che sa baca? È effetvamete è baca: la s rmette qud ella stessa ura, s mescola e s estrae u altra palla dalla stessa ura. Qual è la probabltà che questa sa baca? Esempo 5 U ura cotee palle umerate da ad. S estrae ua palla: se è la umero s tee fuor, altrmet s rmette detro l ura. S estrae d uovo ua palla: qual è la probabltà che sa la umero? Esempo 6 La probabltà che la correra per Bazzao parta oraro è.8, e la probabltà che parta oraro e arrv oraro è.7. a) Qual è la probabltà che u bus che parte oraro arrv oraro? b) Sapedo che la probabltà d arrvare oraro è.75, qual è la probabltà che u bus che arrva oraro sa partto oraro? c) Se vece la probabltà che u bus che parte rtardo arrv oraro è.75, qual è la probabltà che u qualuque bus arrv oraro Esempo 7 Ua fabbrca d auto ha tre lee d motaggo, A, B e C, che poroducoo rspettvamete l 45%, l 3% ed l 5% del totale. Se la probabltà che u pezzo sa prodotto dfettoso è.4 per A,.6 per B e. per C, qual è la probabltà che u auto d questa fabbrca sa prodotta dfettosa? E se dfettosa, qual è la probabltà che provega dalla lea B? I-

13 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I.6 Varabl aleatore artamo da u caso pratco: s pesca ua carta da u mazzo da brscola. Gl est d questo espermeto aleatoro soo 4, e soo tutt equprobabl; voledo s potrebbero elecare (asso d basto, due d basto, tre d basto e così va). Ruedo opportuamete quest est (coè facedo de sottosem dello spazo campoaro) possamo defre degl evet: ad esempo pescare u fate ( questo caso l sottoseme corrspodete è formato da 4 fat, rspettvamete d basto, spade, coppe e dear). Ora, se pesamo d assocare alla carta pescata l puteggo ad essa relatvo el goco della brscola ( put per l fate, 3 per l cavallo, 4 per l re, per l tre e per l asso, per le scarte - vale a dre tutte le altre carte) avremo che ad oguo d 6 possbl evet assocamo u valore umerco. er fssare l cocetto scrvamo ua tabella: Esto robabltà Eveto ROBAB. VALORE Fate d basto.5 Fate. Fate d spade.5 Fate d coppe.5 Fate d dear.5 Cavallo d basto.5 Cavallo. 3 Cavallo d spade.5 Cavallo d coppe.5 Cavallo d dear.5 Re d basto.5 Re. 4 Re d spade.5 Re d coppe.5 Re d dear.5 Tre d basto.5 Tre. Tre d spade.5 Tre d coppe.5 Tre d dear.5 Asso d basto.5 Asso. Asso d spade.5 Asso d coppe.5 Asso d dear.5 Tutte le altre carte.5/ua Scarta.5 I-3

14 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Cosa abbamo fatto esattamete? Abbamo assocato a degl evet aleator, tramte ua qualche fuzoe, u valore umerco - abbamo creato ua VARIABILE ALEATORIA (questo ome è geere abbrevato co v.a.). I questo partcolare caso, la v.a. è dscreta, ed oltre assume solo u umero fto d possbl valor, precsamete 6 valor:,, 3, 4, ed. Aggugamo che questo caso valor soo tutt ter. S tratta, è charo, d u caso partcolarmete semplce, però c auta ad eucare la regola: quado determamo ua fuzoe che ad og eveto dello spazo campoaro fa corrspodere u valore umerco damo orge ad ua varable aleatora. Da quato detto è charo che ad og valore della v.a. corrspoderà ua probabltà che tale valore vega assuto, e questa charamete è la probabltà assocata all eveto cu tale valore umerco corrspode. Ad esempo, ell esempo proposto la probabltà che la v.a. assuma l valore (che corrspode al fate) è par a. (coè la probabltà che s pesch u fate). Le v.a. possoo assumere valor dscret (come l caso vsto sopra) o possoo assumere qualuque valore etro u tervallo dell asse reale: el prmo caso parleremo d v.a. dscrete, el secodo d v.a. cotue. Esamamo per prmo l caso della v.a. dscrete, seguto affroteremo le v.a. cotue. I.7 Varabl aleatore dscrete Le v.a. dscrete possoo assumere u umero fto d possbl valor (come ell esempo vsto sopra), oppure u umero fto: quest ultmo caso s tratterà ovvamete d ua ftà umerable. La relazoe che ad oguo de valor che la v.a. può assumere fa corrspodere ua probabltà (duque u umero reale compreso tra e ) è detta DISTRIBUZIONE DI ROBABILITÀ. Questa può essere data forma tabulare, o tramte ua fuzoe aaltca. er l esempo vsto sopra possamo raccoglere tal formazo ua tabella: 3 4 () Nel proseguo adotteremo queste otazo: la v.a. verrà dcata co ua lettera mauscola (ad esempo ); l valore da essa assuto co la corrspodete lettera muscola ( questo esempo ); la dstrbuzoe d probabltà co ua fuzoe del valore (coè ) avete per I-4

15 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo dce la lettera della v.a (qu ), come el seguete esempo che dca la probabltà che assuma l valore : ( ) [ ] f U altra quattà che sarà utle è la FUNZIONE DI RIARTIZIONE, detta ache cumulatva: questa è la probabltà che la v.a. assuma valor mor o ugual d u dato valore. La scrveremo geere co lettera mauscola come el seguete esempo F ( ) [ ] Spesso accade d dover caratterzzare ua v.a. modo stetco, per cu s rchede qualcosa d pù cocso che o l tera dstrbuzoe d probabltà: s cerca d dare u quadro formatvo co poch umer caratterstc. La prma cosa che s vuole trasmettere è la poszoe cetrale della dstrbuzoe: ad esempo se ho u gruppo d N scolar dall aslo al lceo od u gruppo d N pesoat è charo che, metre ambedue cas abbamo tate dverse età, el prmo caso soo dstrbute tra 3 ed a (rpetet compres), el secodo soo da 55-6 a su. Quello che cerchamo è u umero che c da ua qualche formazoe sulla poszoe de valor della v.a. lugo l asse reale. Dcamo subto che le quattà uso soo tre LA MODA: l valore pù probable della v.a. (coè, quello cu corrspode l valore d probabltà pù elevato); LA MEDIANA: l valore tale per cu la somma delle probabltà relatve a tutt valor della v.a. feror ad esso è esattamete uguale alla somma delle probabltà relatve a tutt valor della v.a. superor ad esso; term poco rgoros ma fgurat, è quel valore che ha tata probabltà complessva alla sua destra (sull asse reale) quata e ha alla sua sstra: u certo seso l vero cetro della dstrbuzoe; LA MEDIA: questa è sez altro la pù utle e la pù usata delle tre, dcata geere co la lettera greca µ; s trova co la formula seguete: µ E ( ) ( ) Ua volta localzzato l cetro della dstrbuzoe è mportate ache sapere quato quest ultma è dspersa. Faccamo u esempo u po avulso, gusto per capre cosa s tede co dsperso. Cosderamo seguet grupp d umer, ambedue cetrat toro a : I) 9.9, 9.85,.5, 9.95,.5,.,. II) 5,, 3, 7, 4, 9, I-5

16 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Ambedue grupp hao come meda, però l prmo ha tutt valor molto vc a, paragoato al secodo gruppo che è molto pù sparpaglato. I modo aalogo, torado alle dstrbuzo, potremmo avere ua v.a. che assume valor tutt vcssm come vece ua che assume valor molto sparpaglat. Come gudcare questa caratterstca co u solo umero? Le quattà pù utlzzate soo tre: IL RANGE: la dffereza tra l valore pù grade ed l pù pccolo della v.a.. Utle per campo, come s vedrà pù avat, ma applcable per le dstrbuzo; IL RANGE INTERQUARTILE: la dffereza tra l quartle superore (l umero che ha u quarto della probabltà complessva alla sua destra) ed l quartle ferore (l umero che ha u quarto della probabltà complessva alla sua sstra). Ne rparleremo a proposto d campo; LA VARIANZA: questa è la meda de quadrat degl scart dalla meda, vale a dre: ( ) ( ) ( ) ( ) E [ µ ] V µ Vee molto utlzzata la radce quadrata (postva) della varaza, che vee detta DEVIAZIONE STANDARD (d.s.) ed dcata co la lettera greca σ. Corrspodetemete la varaza vee spesso dcata co σ, otazoe d cu c servremo spesso ache o el seguto. I.8 Il valore atteso Abbamo utlzzato la otazoe E ( ), parlamoe meglo. Ifatt, armat della dstrbuzoe d probabltà possamo calcolare per og fuzoe della v.a. ua quattà detta valore atteso. er trodurla mmagamo l seguete espermeto, co rfermeto a ua fuzoe mootoa g ( ) : s geera a caso u valore d, dcamolo, e s calcola l valore corrspodete della fuzoe, g ( ). S rpete co u secodo valore, po u terzo, po u quarto e va dcedo. Troveremo tat valor dvers che a loro volta, proseguedo suffcetemete a lugo co l espermeto, darao luogo ad ua dstrbuzoe d probabltà per la uova v.a. data dalla fuzoe G g( ) : chamamola ( g) possamo sez altro calcolare la meda d G co la formula vsta sopra: G. Stado così le cose µ G E ( G) g ( g) g G I-6

17 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Ora, è charo che, ad esempo, l valore g ( ) d questa uova v.a. s preseterà co la stessa probabltà co cu s preseta l valore per la v.a., e così va: pù geerale, [ g( ) ] ( ) G : possamo così scrvere: µ G g ( ) ( ) Questa quattà la defamo VALORE ATTESO della fuzoe (aleatora) g ( ). Se partcolare cosderamo la fuzoe g ( ) trovamo l valore atteso d, che cocde co la meda d gà vsta sopra. Se vece cosderamo la fuzoe ( ) ( ) g µ trovamo la varaza d. È charo però che l cocetto d valore atteso è pù geerale, e meda e varaza soo solo due cas partcolar. Vedamo alcue partcolartà. a) Il valore atteso è leare, el seso che: E ( a b) ( a + b) ( ) a ( ) + b ( ) a + b ( ) a be( ) + + b) e la varaza? Come appea vsto la meda d Y a + b è uguale a a + bµ (detta come al solto E( ) µ la meda d ), qud la varaza d Y a + b sarà data da ( ) E b( µ ) ( [( µ )] ) b E( µ ) ) b V( ) ( + b) E [( a + b) ( a + bµ )] V a E b ([ ] ) Il fatto che sparsca la costate addtva a è tutvo: aggugedo a tutt valor d ua costate a s aumeta d questa stessa quattà ache la meda, e duque gl scart dalla meda rmagoo varat. Importate otare che la costate moltplcatva b uscedo dalla varaza deve vere elevata al quadrato. I.9 Dstrbuzo multvarate ossamo estedere le cosderazo fatte ache ad u umero d v.a. maggore d uo: per fssare le dee cosdereremo due varabl aleatore, e c auteremo co la tradzoale coppa d dad. C rferremo a due dvers cas: el prmo cosderamo le due v.a. date da valor de due dad, e chamamole ed Y. Qud è l umero d put che appaoo sulla facca superore del prmo dado, Y l aalogo per l secodo dado. Sa che Y possoo assumere valor,, 3, 4, 5 o 6. ossamo defre la probabltà coguta che le due v.a. assumao I-7

18 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo rspettvamete valor ed y, che scrveremo aalogamete alle otazo precedet,, Y (, y), qud:, Y (, y) [, Y y] I questo caso è charo che le due v.a. soo dpedet, qud come sappamo la probabltà dell tersezoe d evet dpedet è par al prodotto delle sgole probabltà: (, y) [, Y y] [ ] [ Y y] ( ) ( y),y Y Ch legge potrebbe però provare a dmostrare l dpedeza delle due v.a. elecado tutt cas possbl (che soo 36, e soo tutt equprobabl), calcolado le opportue probabltà a pror e codzoate e trado le cocluso. Nel secodo caso cosderamo le v.a. date rspettvamete dalla somma de due dad e dal modulo della loro dffereza: chamamole W e Z. Qud term delle varabl precedet avremmo W + Y ed Z Y. Lascamo al lettore la cura d aalzzare tutt gl est possbl (sempre gl stess 36, sempre equprobabl) e d formare gl evet calcoladoe la probabltà. S trovao seguet rsultat: per la dstrbuzoe d Z z (z) 6/36 /36 8/36 6/36 4/36 /36 er la dstrbuzoe coguta d W e Z: W, Z ( w,) W, Z ( w,z) z,,3,4, 5 La dstrbuzoe d W è be ota ma la rpetamo: w o 3 o 4 o 5 o 9 6 od 8 7 (w) /36 /36 3/36 4/36 5/36 6/36 I-8

19 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo Soo dpedet W e Z? redamo ua coppa d valor qualsas, ad esempo (,3) probabltà a pror che W assuma l valore 7 è ( 7) codzoata: ( 7 / 3) [ W 7 / Z 3] [ W 7 Z 3] [ Z 3] 7 : la 6 W. Calcolamo la probabltà 36 ( 7,3) 36 ( 3) 6 3 W,Z W / Z Z e questa probabltà a posteror è dversa dalla probabltà a pror. er l esattezza è l doppo. Duque, le due varabl NON soo dpedet: sappamo fatt che per v.a. dpedet la probabltà codzoata è uguale alla probabltà a pror per qualuque coppa d valor s. cosder. Qud lea d prcpo ( w,z) ( w) ( z) W,Z W Se desdero cooscere la probabltà che assuma l valore qualuque sa l valore assuto da Y, posso procedere sommado su tutt valor y: ( ) [, y],y (, y) questa vee detta ROBABILITÀ MARGINALE d, questo cotesto. Qud, se abbamo la probabltà coguta possamo faclmete calcolare le sgole probabltà come probabltà margal. y Z 36 I. Combazo elemetar d v.a. Calcolamo la meda della somma d due v.a. ed Y qualuque (che possoo essere o o essere dpedet): per fare questo peschamo tutte le possbl coppe (, y) somma z + y e faccamo la meda d questa quattà per tutte le coppe. E ( Z) ( + y) (, y) (, y) + y (, y),y,y y y y,y e formamo la (, y) + y (, y) ( ) + y ( y) E( ) E( Y),Y,Y y Y + y y duque LA MEDIA DELLA SOMMA È LA SOMMA DELLE MEDIE. Vedamo l caso del prodotto Z Y d due v.a. dpedet, per cu qud vale la relazoe (, y) ( ) ( y),y E Y ( Z) y (, y) y ( ) ( y),y y y Y I-9

20 rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo ( ) y ( y) E( ) E( Y) Y y qud la meda del prodotto è uguale al prodotto delle mede. Ma attezoe solo se le v.a. soo dpedet!, altrmet o è vera la relazoe (, y) ( ) ( y) pù l calcolo appea svolto.,y Y e o vale Calcolamo la varaza della somma d due v.a. ed Y dpedet procededo modo aalogo a quato fatto per la meda. er comodtà, chamamo ξ ed η le mede d ed Y, e qud (per quato appea vsto) la meda d Z sarà data da ξ + η : ( ) [( + y) ( ξ + η) ] (, y) [( ξ) + ( y η) ] (, y) V Z,Y y ( ξ) (, y) + ( ξ)( y η) (, y) + ( y η) (, y),y,y y y ( ξ) ( ) + ( ξ)( y η) ( ) ( y) + ( y η) ( y) Y y y y y,y ( ) + ( ξ) ( ) ( y η) ( y) + V( Y) V( ) V( Y) V Y + y Y,Y duque LA VARIANZA DELLA SOMMA È LA SOMMA DELLE VARIANZE. D uovo, attezoe!: questo è vero solo se le v.a. soo dpedet!, altrmet o vale la relazoe (, y) ( ) ( y),y Y (repetta juvat), e qud o è geeralmete ullo l terme Cov (,Y) ( ξ)( y η) (, y) y Y, detto COVARIANZA d ed Y, e s ha ( Z) V( ) + V( Y) Cov(, Y) V + ossamo ache dare ua msura d quato dpedet sao le varabl, tramte l parametro ρ, detto COEFFICIENTE DI CORRELAZIONE, così defto: ρ (,Y) ( ) V( Y) Cov V S vede che l coeffcete vara tra e +, ed è ullo se le varabl soo dpedet. er ρ > le varabl s dcoo CORRELATE OSITIVAMENTE, e vceversa. Naturalmete quato detto per v.a. dpedet s estede alla somma (o al prodotto) d u umero qualuque d v.a. dpedet. I-

I PARTE: CALCOLO DELLE PROBABILITÀ

I PARTE: CALCOLO DELLE PROBABILITÀ rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I ARTE: CALCOLO DELLE ROBABILITÀ I. Evet ed Est Cosderamo l espermeto d gettare u dado. Gettamo l dado, aspettamo che s ferm e osservamo l

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

Attualizzazione. Attualizzazione

Attualizzazione. Attualizzazione Attualzzazoe Il problema erso alla captalzzazoe prede l ome d attualzzazoe Abbamo ua operazoe fazara elemetare e dato l motate M dobbamo determare l corrspodete captale zale C L'attualzzazoe è la operazoe

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi. 7. Redte I questo captolo edremo solamete u caso d redta, che useremo po per geeralzzare le redte e dedurre tutt gl altr cas. S defsce redta ua successoe d captal (rate) tutte da pagare, o tutte da rscuotere,

Dettagli

Elementi di Statistica descrittiva Parte III

Elementi di Statistica descrittiva Parte III Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo COMPLEMENTI DI STATISTICA L. Greco, S. Naddeo INDICE. GENERALITA SULLA VERIFICA DI IPOTESI. Itroduzoe 4. I test d sgfcatvtà 5.3 Gl tervall d cofdeza 7.4 Le potes alteratve.5 La poteza del test 5.6 Il test

Dettagli

Statistica degli estremi

Statistica degli estremi Statstca degl estrem Rcham d probabltà e statstca Il calcolo della probabltà d u eveto è drettamete coesso co: - la COOSCEZA ICOMPLETA dell eveto stesso; - l assuzoe d u RISCHIO, calcolato come la probabltà

Dettagli

«MANLIO ROSSI-DORIA»

«MANLIO ROSSI-DORIA» «MANLIO ROSSI-DORIA» Collaa a cura del Cetro per la Formazoe Ecooma e Poltca dello Svluppo Rurale e del Dpartmeto d Ecooma e Poltca Agrara dell Uverstà d Napol Federco II 6 Nella stessa collaa:. Qualtà

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 11 marzo 2015 Apput d ddattca della Matematca fazara Redte, ammortamet

Dettagli

L assorbimento e lo strippaggio

L assorbimento e lo strippaggio assorbmeto e lo strppaggo Coloa a stad d ulbro (coloa a patt Il calcolo d ua coloa d assorbmeto/strppaggo d questo tpo parte dal blaco d matera. Chamado e le portate d lqudo A e d gas C relatve a due compoet

Dettagli

CORSO STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI

CORSO STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI CORSO DI STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI Idce I PARTE Sezoe I... Probabltà classca. Il problema d Galleo della somma del puteggo d tre dad... 3. Aagramm d parole co lettere rpetute o meo.

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

Analisi di dati vettoriali. Direzioni e orientazioni

Analisi di dati vettoriali. Direzioni e orientazioni Aals d dat vettoral Drezo e oretazo I tal caso, dat soo msurat term d agol e spesso soo rfert al ord geografco (statstca crcolare) Soo rappresetat su ua crcofereza Dat d drezoe: flusso ua specfca drezoe,

Dettagli

Capitolo 5: Fattorizzazione di interi

Capitolo 5: Fattorizzazione di interi Captolo 5: Fattorzzazoe d ter Trovare fattor d u umero tero grade è ua mpresa assa ardua, e può essere mpossble co le rsorse ogg dspobl. No s cooscoo metod polomal per la fattorzzazoe, come vece accade

Dettagli

Leasing: aspetti finanziari e valutazione dei costi

Leasing: aspetti finanziari e valutazione dei costi Leasg: aspett fazar e valutazoe de cost Descrzoe Il leasg è u cotratto medate l quale ua parte (locatore), cede ad u altro soggetto (locataro), per u perodo d tempo prefssato, uo o pù be, sao ess mobl

Dettagli

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Algoritmi e Strutture Dati. Alberi Binari di Ricerca Algortm e Strutture Dat Alber Bar d Rcerca Alber bar d rcerca Motvazo gestoe e rcerche grosse quattà d dat lste, array e alber o soo adeguat perché effcet tempo O) o spazo Esemp: Matemeto d archv DataBase)

Dettagli

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014 Modell d Flusso e Applcazo: Adrea Scozzar a.a. 203-204 2 Il modello d Flusso d Costo Mmo: Problem d Flusso A u l V b c P S A ), ( m ) ( ) ( ), ( Problem rcoducbl a problem d Flusso Il problema del trasporto

Dettagli

RENDITE. Le singole rate possono essere corrisposte all inizio o alla fine di ciascun periodo e precisamente si ha:

RENDITE. Le singole rate possono essere corrisposte all inizio o alla fine di ciascun periodo e precisamente si ha: RENDITE. Pagamet rateal S defsce redta ua sere qualsas d somme rscuotbl (o pagabl a scadeze dverse, o, pù esattamete, u seme d captal co dspobltà scagloata el tempo. Tal captal soo dett rate della redta

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 18 marzo 2015 Apput d ddattca della Matematca fazara Redte, costtuzoe d

Dettagli

Problema della Ricerca

Problema della Ricerca Problema della Rcerca Pag. /59 Problema della Rcerca U dzoaro rappreseta u seme d formazo suddvso per elemet ad oguo de qual è assocata ua chave. Esempo d dzoaro è l eleco telefoco dove la chave è costtuta

Dettagli

SCHEDA DIDATTICA N 5

SCHEDA DIDATTICA N 5 FACOLTA DI INGEGNEIA COSO DI LAUEA IN INGEGNEIA CIVILE COSO DI IDOLOGIA POF. PASQUALE VESACE SCHEDA DIDATTICA N 5 MOMENTI DELLE VAIABILI CASUALI E STIMA DEI PAAMETI A.A. 0-3 Momet delle varabl casual La

Dettagli

MINICORSO: Controllo Statistico di Processo (parte 2/5) di Andrea Saviano

MINICORSO: Controllo Statistico di Processo (parte 2/5) di Andrea Saviano Parte 2 Mcorso Cotrollo Statstco d Processo d Adrea Savao Walter Adrew Shewhart, ch era costu, premessa Ache le matematco, che combazoe! Probabltà... seza mprevst Il 7 e ½ e altr goch d carte No poamo

Dettagli

Modelli di Schedulazione

Modelli di Schedulazione EW Modell d Schedulazoe Idce Maccha Sgola Tepo d Copletaeto Totale Tepo d Copletaeto Totale Pesato Tepo d Rtardo Totale Maespa co set-up dpedete dalla sequeza Tepo d Copletaeto Totale co vcolo d precedeza

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

Esercizi di Statistica per gli studenti di Scienze Politiche, Università di Firenze

Esercizi di Statistica per gli studenti di Scienze Politiche, Università di Firenze Esercz d Statstca per gl studet d Sceze Poltche, Uverstà d Freze Esercz svolt da ua selezoe d compt degl Esam scrtt d Statstca del 999 e del 000 VERSIONE PROVVISORIA APRILE 00 A cura d L. Matroe F.Meall

Dettagli

Lezione 3. Funzione di trasferimento

Lezione 3. Funzione di trasferimento Lezoe 3 Fuzoe d trasfermeto Calcolo della rsposta d u sstema damco leare Per l calcolo della rsposta (uscta) d u sstema damco leare soggetto ad gress assegat, s possoo segure due strade Calcolo el domo

Dettagli

CALCOLO ECONOMICO E FINANZIARIO

CALCOLO ECONOMICO E FINANZIARIO CALCOLO ECONOMICO E FINANZIARIO 1. Iteresse e scoto La postcpazoe d ua dspobltà fazara rchede ua certa rcompesa (teresse), vceversa la sua atcpazoe comporta ua dmuzoe dell'mporto orgaro (scoto). Il rsparmatore,

Dettagli

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1 Elemet d Matematca Fazara Redte e ammortamet Uverstà Partheope 1 S chama redta ua successoe d captal da rscuotere (o da pagare) a scadeze determate S chamao rate della redta sgol captal da rscuotere (o

Dettagli

COMUNE DI MIRANO PROVINCIA DI VENEZIA REGOLAMENTO

COMUNE DI MIRANO PROVINCIA DI VENEZIA REGOLAMENTO COMUNE DI MIRANO PROVINCIA DI VENEZIA REGOLAMENTO PER LA COSTITUZIONE E LA RIPARTIZIONE DEL FONDO INTERNO DEL 2,00% DELL IMPORTO POSTO A BASE DI GARA DELLE OPERE E DEI LAVORI E DEL 30% DELLA TARIFFA PROFESSIONALE

Dettagli

ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA

ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA The last step of reaso s to ackowledge that there s a fty of thgs that go beyod t. B. Pascal La Statstca ha come scopo la coosceza quattatva de feome collettv.

Dettagli

Lezione 19. Elementi interi ed estensioni intere.

Lezione 19. Elementi interi ed estensioni intere. Lezoe 9 Peequst: Modul ftamete geeat Elemet algebc Elemet te ed esteso tee Sa A u aello commutatvo utao sa B u suo sottoaello Tutt sottoaell cosdeat coteao l utà moltplcatva d A Defzoe 9 U elemeto α A

Dettagli

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione Obettv Statstca Itroduzoe Scopo d quest lucd è d forre cocett base d statstca utl azeda per: la raccolta de dat, la progettazoe degl espermet, l terpretazoe de rsultat. Spazo d probabltà Spazo d probabltà:

Dettagli

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari Tol obblgazoar Bod U obblgazoe è u olo d debo emesso da ua soceà da uo sao o da u ee pubblco che dà dro al suo possessore al rmborso del capale presao alla scadeza e al pagameo d eress cedole. La emssoe

Dettagli

Premessa... 1. Equazioni i differenziali lineari

Premessa... 1. Equazioni i differenziali lineari Apput d Cotroll Autoatc Captolo 3 parte I Sste dac lear Preessa... Equazo dfferezal lear... Evoluzoe lbera ed evoluzoe forzata... Uso della trasforazoe d Laplace... 3 Esepo... 7 Osservazo sulla rsposta

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

Le variabili casuali semplici

Le variabili casuali semplici 573 7 Le varabl casual semplc Nel captolo precedete s è prvlegato l eveto e la sua probabltà seza dugare sulle faltà dell espermeto e sulle attvtà coesse alle sue mafestazo. charo però che l espermeto

Dettagli

Approssimazioni di curve

Approssimazioni di curve Approssmazo d curve e superfc Approssmazo d curve Il terme Computer Grafca comprede ua larga varetà d applcazo che rguardao umerevol aspett della ostra vta. U eleco esemplfcatvo d alcu de camp cu essa

Dettagli

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue:

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue: Procedura aperta per l affdameto de servz tegrat, gestoal, operatv e d mautezoe multservzo tecologco da esegurs presso gl mmobl d propretà o uso alle Asl ed alle azede ospedalere della regoe Campaa ERRATA

Dettagli

ammontare del carattere posseduto dalle i unità più povere.

ammontare del carattere posseduto dalle i unità più povere. Eserctazoe VII: La cocetrazoe Eserczo Determare l rapporto d cocetrazoe d G del fatturato medo (espresso. d euro) d 8 mprese e rappresetare la curva d Lorez: 97 35 39 52 24 72 66 87 Eserczo apporto d cocetrazoe

Dettagli

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA Apput d STATISTICA corso d recupero Docete Scacchtao ANTONIA MARIA Gl error e le machevolezze d quest apput restao a mo carco.soo grata a coloro che vorrao farm pervere,ella prospettva d ua sstemazoe pù

Dettagli

Calcolo delle Probabilità

Calcolo 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.

Dettagli

RAPPRESENTAZIONE ANALITICA DELLE DISTRIBUZIONI STATISTICHE CON R

RAPPRESENTAZIONE ANALITICA DELLE DISTRIBUZIONI STATISTICHE CON R Rappresetazoe aaltca delle dstrbuzo statstche co R RAPPRESENTAZIONE ANALITICA DELLE DISTRIBUZIONI STATISTICHE CON R Versoe 0.4- febbrao 005 Vto Rcc vto_rcc@yahoo.com E garatto l permesso d copare, dstrbure

Dettagli

Programmazione Non Lineare: Algoritmi Evolutivi Ing. Valerio Lacagnina. METODI di PNL

Programmazione Non Lineare: Algoritmi Evolutivi Ing. Valerio Lacagnina. METODI di PNL Programmazoe No Leare: Algortm Evolutv Ig. Valero Lacaga Programmazoe o leare: metodche rsolutve METODI d PNL INDIRETTI DIRETTI Codzo ecessare Sstema d vcol Algortm I metod drett forscoo soltato codzo

Dettagli

13 Valutazione dei modelli di simulazione

13 Valutazione dei modelli di simulazione 3 Valutazoe de modell d smulazoe I modell d smulazoe o sosttuscoo la coosceza, ma soo puttosto u mezzo per orgazzarla. Quado l modello è utlzzato per aalzzare u sstema attuado smulazo, è mportate capre

Dettagli

Ammortamento americano. Ammortamento americano

Ammortamento americano. Ammortamento americano mmortameto amercao La cora lezoe abbamo vto che ell'ammortameto amercao l rmboro del debto zale avvee medate u uco verameto a cadeza, otteuto attravero ua operazoe d cottuzoe d u captale al tao attvo j;

Dettagli

CAMPI DI FORZA CONSERVATIVI - ENERGIA POTENZIALE E POTENZIALE ELETTRICO

CAMPI DI FORZA CONSERVATIVI - ENERGIA POTENZIALE E POTENZIALE ELETTRICO CMPI DI OZ CONSEVTIVI - ENEGI POTENZIE E POTENZIE EETTICO Camp Vettoal Defzoe: u campo vettoale è ua egoe dello spazo, cu og puto è defto u vettoe. Ta camp vettoal d patcolae teesse fsca v soo camp d foza

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Elementi di Calcolo delle probabilità

Elementi di Calcolo delle probabilità Elemet d Clcolo delle probbltà PERCHÉ I TUDIA IL CALCOLO DELLE PROAILITÀ? Clcolo delle probbltà tto d certezz I cu s formo le decso Espermeto csule - prov U espermeto csule è u feomeo del modo rele per

Dettagli

Le 7 fasi dell AMD (PAG.6 M.Fraire-Metodi di AMD CISU, Roma 1994)

Le 7 fasi dell AMD (PAG.6 M.Fraire-Metodi di AMD CISU, Roma 1994) !(Breve rchamo alle lezo ) " I passato l applcazoe ua tecca statstca multvarata cossteva stetcamete tabella e at potes moello e tecca statstca multvarata output e rsultat Ogg l amplars e camp applcazoe

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

La valutazione dei credit derivatives. ed una sua applicazione a dati di mercato.

La valutazione dei credit derivatives. ed una sua applicazione a dati di mercato. La valutazoe de credt dervatves ed ua sua applcazoe a dat d mercato. a cura d Alessadro Matta. La valutazoe d credt dervatves..... Ipotes d base.....2 Strumet sgle-ame....2.3 Strumet mult-ame....4.4 Idc

Dettagli

del corso di Elaborazione Numerica dei Segnali

del corso di Elaborazione Numerica dei Segnali G. Guta: corso d Elaborazoe Numerca de Segal (laurea specalstca) - lucdo. Corso d laurea Corso d laurea del corso d Elaborazoe Numerca de Segal (laurea specalstca) (docete: Prof. G. Guta) x() x () e x

Dettagli

Marco Riani - Analisi delle statistiche di vendita 1

Marco Riani - Analisi delle statistiche di vendita 1 ORARIO LEZIONI ANALISI DELLE STATISTICHE DI VENDITA Marco Ra mra@upr.t http://www.ra.t Mercoledì 3 aula Lauree Mercoledì 4 6 aula Lauree Govedì 3 Eserctazoe Semar? LIBRI DI TESTO Teora Ra M., Laur F. 8,

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

PARTE TERZA: L EQUILIBRIO PARAMETRICO

PARTE TERZA: L EQUILIBRIO PARAMETRICO Aldo Motesao PRINCIPI DI ANALISI ECONOMICA PARTE TERZA: L EUILIBRIO PARAMETRICO Ca. 10 L ANALISI DELL EUILIBRIO PARZIALE Doo aver aalzzato le due otes fodametal della teora ecoomca, secodo cu le azo degl

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Aldo Montesano PRINCIPI DI ANALISI ECONOMICA CAP. 11 L ANALISI DELL'EQUILIBRIO GENERALE I

Aldo Montesano PRINCIPI DI ANALISI ECONOMICA CAP. 11 L ANALISI DELL'EQUILIBRIO GENERALE I Aldo Motesao PRINCIPI DI ANALISI ECONOMICA CAP. L ANALISI DELL'EQUILIBRIO GENERALE I L aals dell equlbro parzale, esaata el captolo precedete, è sa u utle troduzoe all aals dell equlbro geerale, sa uo

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

Con una rappresentazione parametrica, una curva c è data come una funzione a valori vettoriali di un singolo parametro reale:

Con una rappresentazione parametrica, una curva c è data come una funzione a valori vettoriali di un singolo parametro reale: Co u rppresetzoe prmetrc, u curv c è dt come u fuzoe vlor vettorl d u sgolo prmetro rele: c : D R E t.c. c( u o ( x ( u... x ( u I cu o è l orge del rfermeto, D geere cocde co l tervllo [,] e x soo le

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

PROBLEMI INVERSI NELLA MECCANICA DEL

PROBLEMI INVERSI NELLA MECCANICA DEL UNIVERSITÀ DELLA CALABRIA DOTTORATO DI RICERCA IN MECCANICA COMPUTAZIONALE XX CICLO SETTORE SCIENTIFICO DISCIPLINARE ICAR-8 PROBLEMI INVERSI NELLA MECCANICA DEL DANNEGGIAMENTO Doato Guseppe Dssertazoe

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

CAPITOLO 4. Struttura e potere di mercato

CAPITOLO 4. Struttura e potere di mercato CAPITOLO 4 Struttura e potere d merato 4.. Moopolo e potere d merato Quado ua mpresa può fluezare l prezzo he reve per l propro prodotto s de he ha u potere d moopolo, o potere d merato. U mpresa he ha

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

DIPARTIMENTO DI ECONOMIA

DIPARTIMENTO DI ECONOMIA UNIVERITÀ POLITECNICA DELLE ARCHE DIPARTIENTO DI ECONOIA IL CAP: IL CAO DELL ITALIA GIUEPPE RICCIARDO LAONICA QUADERNO DI RICERCA. 56 arzo 006 Comtato scetfco: Reato Balducc arco Crvell arco Gallegat Alberto

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Modelli MILP per il Supply Chain Design

Modelli MILP per il Supply Chain Design Corso d Progettazoe e Gestoe della Supply Cha (PGSC) Facoltà d Igegera Modell MILP per l Supply Cha Desg Ig. Toaso Ross Uverstà C. Cattaeo LIUC Cetro d Rcerca sulla Logstca GLI STRUMENTI PER LA CONFIGURAZIONE.

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

Distribuzioni di probabilità Unità 79

Distribuzioni di probabilità Unità 79 Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Schemi a blocchi. Sistema in serie

Schemi a blocchi. Sistema in serie Scem a blocc Nel caso ssem semplc, ques possoo essere scemazza meae blocc, ce rappreseao vers compoe, collega ra loro sere o parallelo a secoa ella logca uzoameo. Vl Valvolal solvee Sesore Pompa Pompa

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli