Soluzioni Esercizi Capitolo 3

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Soluzioni Esercizi Capitolo 3"

Transcript

1 Soluzioi Esercizi Capitolo 3 Esercizio 1 a. I u mazzo di carte fracesi lo spazio campioario è costituito da 52 elemeti. Nel caso dell'estrazioe di u fate, il umero di eveti favorevoli è 4, per cui la probabilità di estrarre u fate è 4 / b. I questo caso il umero di eveti favorevoli è 3, per cui la probabilità del successo è 3 / c. I questa situazioe ci troviamo di frote al caso di eveti disgiuti (cogiuzioe "o"), per cui utilizzeremo il pricipio della somma. Prima, però, occorre valutare se gli eveti siao o meo mutuamete escludetisi, ossia, se vi siao elemeti dello spazio campioario che li soddisfao etrambi. I questo caso o ve e soo, dato che essu fate è ache u asso o viceversa, per cui possiamo scrivere: p(j A) p(j) + p(a) 4/52 + 4/52,15 d. Ache i questa situazioe ci troviamo di frote al caso di eveti disgiuti (cogiuzioe "o"), ma differetemete dal puto (c) vi è ua carta che soddisfa sia la codizioe "fate" sia quella "figura di cuori", che è il fate di cuori. Per questo motivo, oltre a sommare le probabilità dei due eveti (4/52 e 3/52) dovremo sottrarre la probabilità che i due eveti si verifichio cogiutamete (1/52). Per cui: p(j Figura ) p(j) + p(figura ) p(j Figura ) 4/52 + 3/52 1/52,12 e. I questa situazioe ci troviamo di frote al caso di eveti cogiuti (cogiuzioe "e"), per cui utilizzeremo il pricipio del prodotto. Prima, però, occorre valutare se gli eveti siao o meo dipedeti fra loro, ossia, se il verificarsi dell'uo modifica la probabilità di verificarsi dell'altro. Poiché le estrazioi soo co reiserimeto o è questo il caso, per cui la soluzioe è: p(j A) p(j) p(a) 4/52 4/52,0059 f. Ache questa situazioe ci troviamo di frote al caso di eveti cogiuti (cogiuzioe "e"), ma poiché l'estrazioe è seza reiserimeto i due eveti soo dipedeti, i quato il verificarsi dell'uo modifica lo spazio campioario dell'altro. La soluzioe è quidi: p(j A) p(j A J) p(j) p(a J) 4/52 4/51,0060 Esercizio 2 a. Otteere sei volte cosecutive la faccia 5 sigifica otteerla al primo lacio e al secodo lacio e al terzo lacio e al sesto lacio. La cogiuzioe "e" suggerisce che dobbiamo utilizzare il pricipio del prodotto, i quato si tratta di eveti cogiuti. Poiché la Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

2 probabilità che esca ua certa faccia o è modificata dagli esiti dei laci precedeti, la soluzioe è: Successo faccia 5; p(successo) 1/6; p(6 successi) 1/6 1/6 1/6 1/6 1/6 1/6 (1/6) 6, b. U umero pari, el caso del lacio di u dado, è u eveto composto, dato che il successo è rappresetato dalle facce 2, 4 e 6. La probabilità del successo è quidi 3 / 6,50. p(3 successi),50,50,50 (,50) 3,125 c. Se il successo è rappresetato dall'otteere esattamete 8 volte la faccia 1 i laci, soo sequeze favorevoli tutte quelle che, idipedetemete dall'ordie, presetao esattamete 8 volte la faccia 1. I questo caso dobbiamo avvalerci della distribuzioe biomiale e utilizzare la formula: p( k) p k k k q dove k umero successi, umero prove, p probabilità a priori del successo, q 1 p, ovvero probabilità a priori dell isuccesso. Ricordiamo che:! k k!( k)! I questo caso la probabilità del successo è 1/6, per cui quella dell'isuccesso sarà 1 1/6 5/6. Il umero di prove è, quello di successi k 8, per cui: 8 8 p (5) 1/ 6 5/ 6 8 Svolgiamo prima il coefficiete biomiale: C k Il risultato è quidi: p(5 successi) 252,000129,401878,013 d. Se il successo è rappresetato dall'otteere almeo 8 volte la faccia 1 i laci, sigifica che il successo è rappresetato o solo dall'otteerla 8 volte, ma ache dall'otteerla 9 e volte. Questo sigifica che per rispodere alla domada o basterà calcolare la probabilità relativa ad 8 successi, ma dovremo calcolare ache quella relativa a 9 e, per cui avremo che: p(almeo 8 successi) p(8 successi) + p(9 successi) + p( successi) ossia / 6 5/ / 6 9 5/ 6 + 1/ 6 5/ 6 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

3 Risolviamo i coefficieti biomiali: metre sappiamo già che gli altri due soo uguali a e 1 perché cui avremo che: e 1, per 1 p(almeo 8 successi) [45, , ] + [,000000, ] + + [1, ], Esercizio 3 Per risolvere questo esercizio dobbiamo iazitutto costruire la tabella di cotigeza richiesta i base alle iformazioi forite. Le femmie soo il 70% di 150, quidi, Completiamo la tabella: Titolo di studio Geere Liceza Media Diploma Laurea Totale Femmia 5 Maschio Totale Titolo di studio Geere Liceza Media Diploma Laurea Totale Femmia Maschio Totale a. I maschi soo 45 su 150, per cui p(maschio) 45 / 150,30 b. I laureati soo 60 su 150, per cui p(laureato) ) 60 / 150,40 c. I questa situazioe ci troviamo di frote al caso di eveti disgiuti (cogiuzioe "o"), per cui utilizzeremo il pricipio della somma. Prima, però, occorre valutare se gli eveti siao o meo mutuamete escludetisi, ossia, se vi siao elemeti dello spazio campioario che li soddisfao etrambi. I effetti vi soo 12 maschi che soo ache laureati, la cui probabilità di essere estratti è 12 / 150,08. La soluzioe quidi è: p(m Laureato) p(maschio) + p(laureato) p(maschio Laureato),30 +,40,08,62 d. La codizioe "almeo diplomato" idica che possiamo cosiderare come successo sia i diplomati che i laureati, per cui il umero di casi favorevoli è La soluzioe quidi è: p(almeo diplomato) p(diplomato) + p(laureato) (50 / 150) + (60 / 150),73 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

4 e. I questa situazioe ci troviamo di frote al caso di eveti cogiuti (cogiuzioe "e"), per cui utilizzeremo il pricipio del prodotto. Poiché l'estrazioe è co reiserimeto, gli eveti soo idipedeti fra loro, e duque lo spazio campioario rimae ivariato ad ogi estrazioe. p(1a M 2a F) p(m) p(f) (45 / 150) (5 / 150),21 f. I questa situazioe ci troviamo di frote al caso di eveti cogiuti (cogiuzioe "e"), per cui utilizzeremo il pricipio del prodotto. Poiché l'estrazioe è seza reiserimeto, gli eveti o soo idipedeti fra loro, e duque lo spazio campioario cambia ad ogi estrazioe. I questo caso particolare, però, oltre allo spazio campioario ad ogi estrazioe successiva cambia ache il umero di eveti favorevoli, dato che se si è estratto u maschio alla prima estrazioe, alla secoda estrazioe ci sarà u soggetto i meo ma ache u maschio i meo, per cui: p(1a M 2a M) p(1a M [2a M 1a M]) (45 / 150) (44 / 149),09 g. Il modo più semplice è quello di cosiderare che la codizioe "é maschio é laureato" el caso i questioe idetifica come successi le sole femmie diplomate e co liceza media, che soo Oppure potremmo cosiderare che: p(é Maschio é Laureato) 57 / 150,38 p(no Maschio) 1 p(maschio) 1,30,70; p(no Laureato) 1 p(laureato) 1,40,60; Poiché gli eveti o soo mutuamete escludetisi, calcoliamo ache la probabilità: p(no Maschio Laureato) 1,08,92 Per cui: p(no Maschio No laureato) p(no Maschio) + p(no Laureato) p(no Maschio Laureato),70 +,60,92,38 Esercizio 4 a. Poiché utilizziamo tutti i test a disposizioe, la soluzioe si ottiee col calcolo della permutazioi ( P ), ossia!. I questo caso 8, per cui: 8P 8 8! b. Come riportato ell'approfodimeto 3.1, il quadrato latio bilaciato viee costruito a partire dal seguete algoritmo: etc. Le sequeze successive vegoo otteute sommado 1 ad ogi cifra della prima riga. Poiché i questo caso 8 avremo che la prima sequeza è: Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

5 A partire da questa prima sequeza aggiugiamo altre sette righe, e il umero i ogi cella è uguale a quello superiore ella stessa coloa più uo. Naturalmete, ogi volta che la cifra ella cella superiore ella coloa è 8, il coteggio riparte da 1: I questo modo di soddisfa la codizioe che ogi test è preceduto e seguito da oguo degli altri lo stesso umero di volte c. Per gruppi distiti si itede il umero di gruppi distiti per la preseza di almeo u elemeto, ossia le combiazioi. Essedo i test 8, avremo che: d. Per categorie ordiate si itede il umero di gruppi distiti per la preseza di almeo u elemeto e per l'ordie degli elemeti, ossia le disposizioi. Essedo i test 8, avremo che: e. I questo caso dobbiamo teere coto del fatto che i quattro test per la validità di costrutto covergete possoo essere disposti i 4! modi, e che a loro volta i quattro test per la validità di costrutto discrimiate possoo essere disposti i 4! modi. A questo puto basta moltiplicare i due risultati per otteere la soluzioe al quesito: 4! 4! 576. f. I questo caso possoo adare bee i segueti ordii (NB: C covergete; D discrimiate): C D C D C D C D D C D C D C D C g. Ora, i quattro test per la validità covergete possoo essere disposti elle rispettive caselle i 4! modi, e lo stesso vale per i quattro test per la validità discrimiate. Quidi, avremo che per ogua delle due sequeze illustrate i modi possibili soo 4! 4! 576. Poiché le sequeze soo due: Esercizio 5 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

6 a. Per campioi distiti per almeo u elemeto si itedoo le combiazioi. Poiché siamo el caso seza ripetizioe, dobbiamo utilizzare la seguete formula: C k Per cui, dato che 30 e k, avremo:! k!( k)! b. Per campioi distiti per almeo u elemeto si itedoo le combiazioi. Poiché siamo el caso co ripetizioe, dobbiamo utilizzare la seguete formula: C k + k 1 ( + k 1)! ( + k 1)! k k![( + k 1) k]! k!( 1)! Per cui, dato che 30 e k, avremo: c. Per campioi distiti per almeo u elemeto e per l'ordie degli elemeti si itedoo le disposizioi. Poiché siamo el caso seza ripetizioe, dobbiamo utilizzare la seguete formula: D k Per cui, dato che 30 e k 20, avremo:! ( k)! d. Per campioi distiti per almeo u elemeto e per l'ordie degli elemeti si itedoo le disposizioi. Poiché siamo el caso co ripetizioe, dobbiamo utilizzare la seguete formula: k D k Per cui, dato che 30 e k 20, avremo: D k Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

7 e. I modi che hao gli studeti di disporsi tutti attoro ad u tavolo rappresetao le permutazioi circolari, la cui formula è: P circolati ( 1)! (30 1)! 29! f. Se vogliamo calcolare i quati modi gli studeti possoo disporsi egli otto posti della prima fila dell'aula, dobbiamo cosiderare che occorre fare gruppi di 8 studeti da u isieme di 30 che siao distiti sia da almeo u elemeto che dall'ordie di questi elemeti. Per cui, si tratta di disposizioi: Esercizio 6 Avedo quattro alterative di risposta, delle quali solo ua corretta, la probabilità che ha lo studete di rispodere correttamete solo per caso è 1/4,25, che costituirà la probabilità del successo. Coseguetemete, la probabilità dell'isuccesso, ossia della risposta errata, sarà 1,25,75. a. La probabilità di rispodere correttamete alle prime sei domade corrispode a rispodere correttamete alla prima domada, e alla secoda, e alla terza, e alla quarta, e alla quita, e alla sesta domada, e o rispodere correttamete e alla settima, e all'ottava, e alla oa e alla decima domada. Trattadosi di eveti cogiuti e idipedeti, dobbiamo utilizzare il pricipio del prodotto. No c'è bisogo di fare riferimeto alla distribuzioe biomiale perché vi è ua sola sequeza "vicete". p(risposta corretta alle prime dodici domade),25,25,25,25,25,25,75,75,75,75 (,25) 6 (,75) 4, b. Determiare la probabilità di rispodere correttamete a sei domade ci obbliga a fare riferimeto alla distribuzioe biomiale, dato soo varie le sequeze "viceti". Cosiderado che C corretta, e E errata potremmo avere: CCECECECEC, CCECEEECCC, CCCCECECEE, etc. Il umero di queste sequeze è dato dal coefficiete biomiale (ossia, le combiazioi). Cosiderado poi che p,25 e q,75, avremo che: p(6 risposte corrette) k k p( k) p q p(6),25 k 6, dove Quidi avremo che k k p( k) p q k p(6),25 6 6,75 6 2,000244,316406, Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

8 c. Rispodere correttamete ad almeo 6 domade sigifica che possiamo cosiderare u successo o il risultato 6, o il risultato 7, o il risultato 8 o il risultato 9 o il risultato, per cui possiamo utilizzare il pricipio della somma, dato che si tratta di eveti disgiuti. Abbiamo già calcolato la probabilità di sei risposte corrette al puto (b), per cui calcoliamo p(7), p(8), p(9) e p(), ossia le barre scure ella figura: Probabilità,30,25,20,15,,05, Numero risposte corrette 6 p (6),25,75 6 p (7),25, ,000244,316406,016222, dove per cui p(7) 120,000061,421875, p (8),25 8, , dove per cui p(8) 45,000015,562500, (9),25, 75 p, dove, poiché, per cui p(9), ,750000, (),25, 75 p, dove 1, poiché 1, per cui p() 1, , Avremo quidi che: p(almeo sei risposte corrette) p(6) + p(7) + p(8) + p(9) + p(), , , , ,000001, Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

9 d. Rispodere correttamete a meo di 3 domade sigifica che possiamo cosiderare u successo o il risultato 2, o il risultato 1, o il risultato 0, per cui possiamo uovamete utilizzare il pricipio della somma, dato che si tratta di eveti disgiuti. I questo caso, poiché p q la distribuzioe o è simmetrica, per cui o possiamo sfruttare le probabilità già calcolate al puto (c) per l'altra coda della distribuzioe. Probabilità,30,25,20,15,,05, Numero risposte corrette p (2),25 2, , dove per cui p(2) 45,062500,0113, (1) 1,075085, ,25, 75 p, dove (0) 0, ,25, 75 p, dove 1 Avremo quidi che:, poiché, per cui p(1), , poiché 1 0, per cui p(0) 1 1, p(meo di tre risposte corrette) p(2) + p(1) + p(0), , ,056314, Esercizio 7 a. I primo luogo dobbiamo risalire alla tabella di cotigeza Puteggio Sopra/Sotto Cut-off Diagosi i base ai dati a disposizioe. Ricordiamo che la sesibilità è la proporzioe di soggetti co puteggi al test al di sopra del cut-off che hao il disturbo (ella tabella Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

10 a ), metre la specificità è la proporzioe di soggetti co puteggi al di sotto del cut-off a + c d che o hao il disturbo (ella tabella b + d ). Diagosi effettiva Cut-off Sì No Sopra a?? b?? Sotto c?? d?? Totale dei malati a + c 50 Totale dei o malati b + d 350 Totale sopra cut-off a + b?? Totale sotto cut-off c + d?? 400 a Poiché sappiamo che,84 e che a + c 50, otteiamo a come a,84 (a + c),84 a + c d Allo stesso modo ricaviamo d, poiché,80 e b + d 350, d,79 (b + d) b + d, Per differeza dai totali di coloa ricaviamo c e b, e i totali margiali di riga: Diagosi effettiva Cut-off Sì No Sopra a 42 b 70 Sotto c 8 d 280 Totale dei malati a + c 50 Totale dei o malati b + d 350 Totale sopra cut-off a + b 112 Totale sotto cut-off c + d Per calcolare il potere predittivo positivo (PPP) e il potere predittivo egativo (PPN), ossia la proporzioe di soggetti co disturbo sul totale di quelli co puteggio superiore al cut-off e ossia la proporzioe di soggetti seza disturbo sul totale di quelli co puteggio iferiore al cut-off, rispettivamete, utilizziamo le formule: a 42 d 80 PPP,38 PPN, 97 a + b 112 c + d 0 b. Per rispodere a questa domada dobbiamo utilizzare il teorema di Bayes: p( Disturbo > cutoff ) p( Disturbo) p( > cutoff Disturbo) p( Disturbo) p( > cutoff Disturbo) + p( NoDisturbo) p( > cutoff NoDisturbo) Poiché il testo riferisce che la probabilità di osservare u soggetto co disturbo ella popolazioe geerale è il 9%, abbiamo p(disturbo), e p(nodisturbo) 91%. Sappiamo poi che p(>cutoff Disturbo) Sesibilità,84 e p(>cutoff NoDisturbo) 1 Specificità 1,80,20, avremo che:,09,84 p ( Disturbo > cutoff ),29,09,84 +,91,20 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

11 Esercizio 8 a. I questo caso utilizziamo la distribuzioe biomiale, e calcoliamo la probabilità di otteere almeo successi i 12 prove, il che equivale a dire la probabilità di estrarre, 11 e 12 studeti che svolgoo attività sportiva. Probabilità,30,25,20,15,,05, Numero studeti che svolgoo attività sportiva Sommeremo quidi p(), p(11) e p(12). I questo caso, poiché p,54, avremo che q 1,54, p (),54, 46 12, dove per cui p() 66,0028,211600, (11) 11,460000, ,54, p, dove (12) 12, ,54, p, dove 1 Avremo quidi che:, poiché, per cui p(11) 12, , poiché 1, per cui p(12) 1, p(almeo studeti che svolgoo attività sportiva) p() + p(11) + p(12), , ,000615, b. I questo caso utilizziamo sempre la distribuzioe biomiale, ma dato l'ampio campioe a disposizioe sfruttiamo la possibilità di approssimare la distribuzioe biomiale alla distribuzioe ormale stadardizzata. Per fare questo dobbiamo calcolare media e deviazioe stadard della distribuzioe biomiale, che soo: Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

12 µ p 1200, e σ p q 1200,54,46 17, 26 A questo puto basta covertire i puti z il valore 680 ricordado di sottrarre 0,5 per la correzioe di cotiuità (vedi Approfodimeto 3.3): X µ 675,5 648 z 1,59 σ 17,26 La risposta al quesito la troviamo sulle tavole di z determiado l'area al di là di z (vedi Figura 3.34 el testo) per z 1,59, che è,0559. c. I successi relativamete a questa domada soo rappresetati da 4, 5 e 6 studeti su 8, per cui dovremo sommare le probabilità p(4), p(5) e p(6). Probabilità,30,25,20,15,,05, Numero studeti che svolgoo attività sportiva 8 p (4),54 4, , dove per cui p(4) 70,085031,044757, p (5),54 5, , dove, per cui p(5) 56,045917,097336, (6),54, 46 8 p, dove 6 per cui p(6) 28,024795,146905, Avremo quidi che: Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

13 p(fra i 4 e i 6 studeti che svolgoo attività sportiva) p(4) + p(5) + p(6), , ,146905, d. Ache i questo caso utilizziamo l'approssimazioe della distribuzioe biomiale alla distribuzioe ormale stadardizzata. Per fare questo dobbiamo calcolare media e deviazioe stadard della distribuzioe biomiale per 800 studeti, che soo: µ p 800, e σ p q 800,54,46 14, A questo puto basta covertire i puti z i valori 400 e 450 ricordado di sottrarre 0,5 al valore iferiore a aggiugere 0,5 a quello superiore: X µ 399,5 432 X µ 450,5 432 z 1 2,30 z 2 1, 31 σ 14, σ 14, Poiché u valore è egativo e uo è positivo, siamo ella situazioe di Figura 3.37, per cui dovremo sommare le aree comprese fra z e la media per i due valori: p(400 < S < 450) p( 2,30 < z < 1,31) p( 2,30 < z < 0) + p(0 < z < 1,31),4893 +,4049,8942 e. I questo caso siamo i ua situazioe diversa dai precedeti, perché prima si "lavorava" sul umero di eveti, adesso sulla proporzioe. Questo implica che per poter sfruttare l'approssimazioe alla distribuzioe ormale stadardizzata z dobbiamo calcolare l'errore stadard della proporzioe, i base alla formula: π ( 1 π ) π (1 π ) σ P dove π,54. Per cui el ostro caso avremo che: π (1 π ) π (1 π ),54 (1 σ P,05 0 Ora, per trasformare la proporzioe,60 i probabilità dobbiamo utilizzare la formula: P π,60,54 z 1,2 π (1 π ),05 La risposta al quesito è data dall'area al di là di z 1,20, che è,1151. f. La situazioe è aaloga alla precedete, salvo la ecessità di trasformare i puti z due proporzioi. Poiché l'ampiezza campioaria è diversa dal puto (e), dobbiamo ricalcolare l'errore stadard della proporzioe: π (1 π ) π (1 π ),54 (1 σ P, Ora, per trasformare le proporzioi i probabilità dobbiamo utilizzare la formula:,58,54,62,54 z 1 1,14 z 2 2, 29,035,035 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

14 La situazioe è aaloga a quella della Figura 3.38 i quato etrambi i valori di z soo positivi: p(,58 < P <,62) p(1,14 < z < 2,29) p(0 < z < 2,29) p(0< z < 1,14),4890,3729,1161 g. La formula per calcolare l'itervallo di fiducia di ua proporzioe campioaria è la seguete: π z π ( 1 π ) π (1 π ) < P < π + z Sappiamo che per u itervallo di fiducia al 95% il valore di z da utilizzare è 1,96 (valore di z che lascia al di là di sé (1,95)/2,025), metre per u itervallo di fiducia al 99% il valor di z è 2,58 (valore di z che lascia al di là di sé (1,99)/2,005) (vedi Figura 3.49). A questo puto basta sostituire i dati ella formula: Campioe di 20 soggetti,54 1,96 < P <,54 + 1,96 IF95%, 32 < P <, ,54 2,58 < P <,54 + 2,58 IF99%, 25 < P <, Campioe di 200 soggetti,54 2,58 < P <,54 + 2,58 IF99%, 45 < P <, ,54 1,96 < P <,54 + 1,96 IF95%, 47 < P <, h. La formula per calcolare l'itervallo di fiducia della proporzioe della popolazioe a partire da quella campioaria è la seguete: P(1 P) P z < π < P + z 1 P(1 P) 1 Per trovare l'itervallo di fiducia al 98% abbiamo bisogo di trovare quel valore di z di là del quale l'area di probabilità vale,01, dato che (1,98) / 2,01. Tale valore è z ± 2,33. Dato che P,54 e 150, avremo che:,54 2,33 < π <,54 + 2, , 44 < π <, Esercizio 9 a. Poiché la variabile è misurata su scala ad itervalli equivaleti e la distribuzioe dei puteggi è ormale, possiamo fare riferimeto alla distribuzioe ormale stadardizzata z. Per cui, il primo passo è trasformare i puti z i puteggi 38 e 42: Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

15 z 1 1,1 z 2 0, 8 La situazioe è la stessa della Figura 3.39, i cui etrambi i valori di z soo egativi. La soluzioe, quidi è rappresetata da: p(39 < SE < 42) p( 1,1 < z < 0,8) p(0 < z < 1,1) p(0 < z < 0,8),3643,2881, b. Trasformiamo 33 i puti z: z 1, 7 Dobbiamo trovare l'area di probabilità al di là di z 1,7, come el caso della Figura L'area che cerchiamo è, c. Trasformiamo 77 i puti z: z 2, 7 Dobbiamo trovare l'area di probabilità al di là di z 2,7, come el caso della Figura L'area che cerchiamo è, d. Trasformiamo 47 e 55 i puti z: z 1 0, 3, z 2 0, 5 Come el caso della Figura 3.37, dobbiamo sommare le aree comprese fra z e la media per i due valori: p(47 < SE < 55) p( 0,3 < z < 0,5) p( 0,3 < z < 0) + p(0 < z < 0,5),1179 +,1915,3094 e. I questo caso o dobbiamo farci igaare dal fatto che ci vega idicato che soo stati estratti 50 soggetti: vogliamo iazitutto sapere la probabilità che u soggetto abbia u puteggio medio compreso fra 51 e 53. Quidi, basta calcolare questa probabilità e moltiplicarla poi per 50 per rispodere al quesito. Trasformiamo 51 e 53 i puti z: z 1 0,1, z 2 0, 3 La situazioe è aaloga a quella della Figura 3.38 i quato etrambi i valori di z soo positivi: p(51 < SE < 53) p(0,1 < z < 0,3) p(0 < z < 0,3) p(0< z < 0,1),1179,0398,0781 A questo puto per rispodere alla domada basta moltiplicare 50,0781 3,91 4. Circa 4 soggetti su 50 avrao u puteggio di SE compreso fra 51 e 53. f. I questa situazioe, ivece, abbiamo effettivamete a che fare co ua media campioaria, per cui facciamo riferimeto alla distribuzioe delle medie campioarie. Questo sigifica che per trasformare a puti z ua media dovremo utilizzare la formula: Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

16 M µ M M µ M z σ σ M dove µ M e σ M soo rispettivamete la media e la deviazioe stadard della distribuzioe delle medie campioarie. Nel primo caso il valore è uguale a quello della popolazioe (quidi µ M µ 50), el secodo caso di tratta dell'errore stadard, che è uguale ala deviazioe stadard della popolazioe diviso la radice quadrata dell'ampiezza campioaria. Poiché M 1 51 e M 2 53: z 1 0,71, z 2 2, p(51 < M < 53) p(0,71 < z < 2,12) p(0 < z < 2,12) p(0< z < 0,71),4830,2611,2219 g. I questo caso sapere che vegoo estratti 500 campioi o ci iteressa iizialmete. La situazioe è simile a quella del puto (e). Iazitutto dobbiamo calcolare la probabilità di estrarre u campioe di 30 soggetti co media compresa fra 49 e 52: z 1 0,55, z 2 1, p(51 < M < 53) p(0,55 < z < 1,64) p(0 < z < 1,64) p(0< z < 0,55),4495,2088,2407 Poiché la probabilità di estrarre u campioe di 30 elemeti co media compresa fra 51 e 53 è,2407, su 500 campioi possiamo aspettarcee co la stessa caratteristica 500, , h. Il rago percetile di u puteggio è la percetuale di valori al di sotto di esso i ua distribuzioe di puteggi. Per calcolare quati puteggi soo iferiori a 75, trasformiamo questo valore i puti z e calcoliamo l'area sottostate la distribuzioe ormale stadardizzata da meo ifiito a quel valore di z: z 2,55 I questo caso dobbiamo trovare l'area compresa fra 0 e z 2,55 e aggiugervi l'area compresa fra 0 e meo ifiito (vedi Figura 3.34). Nel secodo caso coosciamo già la risposta, perché è la metà dell'area sottostate la distribuzioe ormale, ossia,5000. Nel primo caso basta trovare sulle tavole di z l'area compresa fra 0 e 2,55, che è,4946, per cui avremo che la proporzioe di puteggi iferiori a 75 è,4946 +,5000,9946. Il valore,9946 rappreseta la proporzioe di puteggi iferiori a 75. Il rago percetile viee calcolato moltiplicado questa proporzioe per 0:, ,46, che è la risposta al quesito. Nel caso del puteggio 23, ivece, ci basta calcolare l'area al di là di z perché 23 è sotto alla media (vedi per esempio la Figura 3.35) z 2,7 50 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

17 L'area al di là di z 2,7 è,0035, che moltiplicato per 0 è uguale a, ,35, che la soluzioe al quesito. i. Il puteggio che rappreseta il primo quartile (Q1) della distribuzioe di valori è quello che lascia dietro di sé il 25% di tutti gli altri. Dobbiamo quidi trovare quale valore di z ha u'area al di là di esso uguale a,2500, e dal puto z risalire al puteggio di SE. Dalle tavole di z vediamo che è il valore z 0,67 ad avere u'area di (circa),2500 fra sé e più ifiito. I questo caso, però, siamo ella parte della distribuzioe ormale stadardizzata i cui i valori soo egativi, i quato p <,5000, e quidi z < 0. Il valore va quidi preso col sego meo (situazioe simile all'esempio i Figura 3.35). Se quidi: µ z X, avremo che X z σ + µ, per cui X 0, , 3 σ Il puteggio 43,3 è quidi il primo quartile della distribuzioe dei puteggi di SE. U ragioameto aalogo ci permette di otteere il puteggio che rappreseta il 90 percetile. Il 90 percetile è quel puteggio che lascia dietro di sé il 90% degli altri puteggi. Questo sigifica che dobbiamo trovare il puto z che possiede la caratteristica di avere prima di sé u'area uguale a,9000. Poiché,9000 >,5000, sarà u valore di z positivo, e ci basterà trovare quel valore per cui l'area compresa fra 0 e il valore è,4000, dato che l'area compresa fra 0 e meo ifiito è,5000 (Figura 3.34). Il valore di z co queste caratteristiche è 1,28, per cui: X z σ + µ X 1, , 8 Il puteggio di SE 6,28 rappreseta duque il 90 percetile. j. I questo caso dobbiamo utilizzare la formula: σ µ M z < M < µ M + z σ I valori di z da iserire ella formula soo quelli che lasciao al di là di sé (1,96) / 2,02 e (1,98) /2,01, ossia 2,05 e 2,33, per cui: IF al 96% : IF al 98% : 50 2,05 < M < ,05 44,71< M < 55, ,33 < M < ,33 43,98 < M < 56, Se la popolazioe fosse stata fiita co N 300 avremmo dovuto applicare la correzioe popolazioi fiite, per cui: µ M z σ N σ N < M < µ M + z N 1 N IF al 96% : 50 2,05 < M < , ,83 < M < 55,17 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

18 IF al 98% : 50 2,33 < M < , ,13 < M < 55,87 k. Poiché > 30, la formula per il calcolo dell'itervallo di fiducia della media della popolazioe a partire da quella campioaria è: s s M z < µ M < M + z 1 1 L'itervallo di fiducia è al 94%, per cui il valore di z di cui abbiamo bisogo è quello che lascia al di là di sé u'area di probabilità uguale a (1,94) / 2,03, ossia z ±1,88. L'itervallo di fiducia per la media della popolazioe è duque: 50 1,88 < µ M < ,88 51,45 < µ M < 48, Si oti che i realtà abbiamo trovato l'itervallo di fiducia della media della distribuzioe campioaria delle medie per campioi di ampiezza 200 (µ M ), ma poiché sappiamo che questo coicide co la media della popolazioe, possiamo sostituire µ ella soluzioe: 51,45 < µ < 48,55 Carlo Chiorri, Fodameti di psicometria Copyright 20 The McGraw-Hill Compaies S.r.l., Publishig Group Italia

Domande di teoria. Esercizi

Domande di teoria. Esercizi 1 Domande di teoria 1. Vedi pp. 131-132 2. Vedi pp. 132-134 3. Vedi p. 134 4. Vedi p. 135 5. Vedi pp. 136-142 6. Vedi pp. 138-139 7. Vedi pp. 141-142 8. Vedi pp. 143-146 9. Vedi pp. 146-148 Esercizi Esercizio

Dettagli

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo

Dettagli

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao

Dettagli

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,

Dettagli

Titolo della lezione. Campionamento e Distribuzioni Campionarie

Titolo della lezione. Campionamento e Distribuzioni Campionarie Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe

Dettagli

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe

Dettagli

Domande di teoria. Esercizi

Domande di teoria. Esercizi Chiorri, C. (01). Fodameti di psicometria - Risposte e soluzioi Capitolo 11 1 omade di teoria 1. Vedi pp. 97-301. Vedi pp. 301-30 3. Vedi p. 30. Vedi pp. 30-307 5. Vedi p. 309 6. Vedi p. 309-31 7. Vedi

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica 6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Calcolo combinatorio. Disposizioni - Permutazioni - Combinazioni Coefficienti binomiali - Binomio di Newton Disposizioni semplici.

Calcolo combinatorio. Disposizioni - Permutazioni - Combinazioni Coefficienti binomiali - Binomio di Newton Disposizioni semplici. Calcolo combiatorio. Disposizioi - Permutazioi - Combiazioi Coefficieti biomiali - Biomio di Newto Disposizioi semplici. Disposizioi semplici di oggetti di classe soo tutti gli allieameti che è possibile

Dettagli

Distribuzioni di probabilità

Distribuzioni di probabilità Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Costo manutenzione (euro)

Costo manutenzione (euro) Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso

Dettagli

Principio di induzione: esempi ed esercizi

Principio di induzione: esempi ed esercizi Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione

Aritmetica 2016/2017 Esercizi svolti in classe Seconda lezione Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile

Dettagli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M

Dettagli

Cosa vogliamo imparare?

Cosa vogliamo imparare? Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come

Dettagli

MATEMATICA DEL DISCRETO elementi di calcolo combinatorio. anno acc. 2009/2010

MATEMATICA DEL DISCRETO elementi di calcolo combinatorio. anno acc. 2009/2010 elemeti di calcolo combiatorio ao acc. 2009/2010 Cosideriamo u isieme fiito X. Chiamiamo permutazioe su X u applicazioe biuivoca di X i sè. Ad esempio, se X = {a, b, c}, le permutazioi distite soo 6 e

Dettagli

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0 TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si

Dettagli

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.

Soluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5. 60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta

Dettagli

INFERENZA o STATISTICA INFERENTE

INFERENZA o STATISTICA INFERENTE INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe

Dettagli

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n. SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi

Dettagli

FUNZIONI RADICE. = x dom f Im f grafici. Corso Propedeutico di Matematica. Politecnico di Torino CeTeM. 7 Funzioni Radice RICHIAMI DI TEORIA

FUNZIONI RADICE. = x dom f Im f grafici. Corso Propedeutico di Matematica. Politecnico di Torino CeTeM. 7 Funzioni Radice RICHIAMI DI TEORIA Politecico di Torio 7 Fuzioi Radice FUNZIONI RADICE RICHIAMI DI TEORIA f ( x) = x dom f Im f grafici. = = =7 =9. dispari R R -. - -. - - -. Grafici di fuzioi radici co pari pari [,+ ) [,+ ).. = = =6 =8

Dettagli

ESERCITAZIONI 1 (vers. 1/11/2013)

ESERCITAZIONI 1 (vers. 1/11/2013) ESERCITAZIONI 1 (vers. 1/11/2013 Daiela De Caditiis tutoraggio MAT/06 Igegeria dell Iformazioe - sede di Latia, prima qualche richiamo di teoria... CALCOLO COMBINATORIO Il pricipio fodametale del calcolo

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti

Dettagli

Calcolo delle Probabilità 2012/13 Foglio di esercizi 3

Calcolo delle Probabilità 2012/13 Foglio di esercizi 3 Calcolo delle Probabilità 01/13 Foglio di esercizi 3 Probabilità codizioale e idipedeza. Esercizio 1. Sia B u eveto fissato di uo spazio di probabilità (Ω, A, P), co P(B) > 0. Si mostri che P( B) è l uica

Dettagli

Elementi di Calcolo Combinatorio

Elementi di Calcolo Combinatorio Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale

Dettagli

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua

Dettagli

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?

Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride? Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di

Dettagli

Anemia. Anemia - percentuali

Anemia. Anemia - percentuali 1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14

Dettagli

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con

Consideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi

Dettagli

Lezione 4. Gruppi di permutazioni

Lezione 4. Gruppi di permutazioni Lezioe 4 Prerequisiti: Applicazioi tra isiemi Lezioi e Gruppi di permutazioi I questa lezioe itroduciamo ua classe ifiita di gruppi o abeliai Defiizioe 41 ia X u isieme o vuoto i dice permutazioe su X

Dettagli

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice. La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori

Dettagli

Esercitazioni del corso: ANALISI MULTIVARIATA

Esercitazioni del corso: ANALISI MULTIVARIATA A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1

Dettagli

Algoritmi e Strutture Dati (Elementi)

Algoritmi e Strutture Dati (Elementi) Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti

Dettagli

(1 2 3) (1 2) Lezione 10. I gruppi diedrali.

(1 2 3) (1 2) Lezione 10. I gruppi diedrali. Lezioe 0 Prerequisiti: Simmetrie di poligoi regolari. Gruppi di permutazioi. Cetro di u gruppo. Cetralizzate di u elemeto di u gruppo. Riferimeto al testo: [PC] Sezioe 5.4 I gruppi diedrali. Ogi simmetria

Dettagli

1. Tra angoli e rettangoli

1. Tra angoli e rettangoli . Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia

Dettagli

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4

Quarto Compito di Analisi Matematica Corso di laurea in Informatica, corso B 5 Luglio Soluzioni. z 2 = 3 4 i. a 2 b 2 = 3 4 Quarto Compito di Aalisi Matematica Corso di laurea i Iformatica, corso B 5 Luglio 016 Soluzioi Esercizio 1 Determiare tutti i umeri complessi z tali che z = 3 4 i. Soluzioe. Scrivedo z = a + bi, si ottiee

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

ALGEBRA I MODULO PROF. VERARDI - ESERCIZI. Sezione 1 NUMERI NATURALI E INTERI

ALGEBRA I MODULO PROF. VERARDI - ESERCIZI. Sezione 1 NUMERI NATURALI E INTERI ALGEBRA I MODULO PROF. VERARDI - ESERCIZI Sezioe 1 NUMERI NATURALI E INTERI 2 1.1. Si dimostri per iduzioe la formula: N, k 2 "1( * " 3 ) " 3k +1(. 3 1.2. A) Si dimostri che per ogi a,b N +, N +, se a

Dettagli

Soluzioni esercizi Capitolo 7

Soluzioni esercizi Capitolo 7 Soluzioi esercizi Capitolo 7 Quado si valuta la relazioe fra due variabili, occorre prestare particolare attezioe al fatto che i modelli statistici specifici per ogi scala di misura siao applicabili: i

Dettagli

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z) Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:

Dettagli

Relazioni statistiche

Relazioni statistiche Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:

Dettagli

Cenni di topologia di R

Cenni di topologia di R Cei di topologia di R. Sottoisiemi dei umeri reali Studieremo le proprietà dei sottoisiemi dei umeri reali, R, che hao ad esempio la forma: = (, ) (,) 6 8 = [,] { ;6;8} { } = (, ) (,) [, + ) Defiizioe:

Dettagli

RISOLUZIONE MODERNA DI PROBLEMI ANTICHI

RISOLUZIONE MODERNA DI PROBLEMI ANTICHI RISOLUZIONE MODERNA DI PROBLEMI ANTICHI L itelletto, duque, che o è la verità, o comprede mai la verità i modo così preciso da o poterla compredere (poi acora) più precisamete, all ifiito, perché sta alla

Dettagli

TEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

TEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

Programma (orientativo) secondo semestre 32 ore - 16 lezioni

Programma (orientativo) secondo semestre 32 ore - 16 lezioni Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale

Dettagli

Intervalli di confidenza

Intervalli di confidenza Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media

Dettagli

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare

Dettagli

Proposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.

Proposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri. Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile

Dettagli

Traccia delle soluzioni degli esercizi del fascicolo 6

Traccia delle soluzioni degli esercizi del fascicolo 6 Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi

Dettagli

= Pertanto. Per la formula di Navier ( σ = ), gli sforzi normali σ più elevati nella sezione varranno: di compressione);

= Pertanto. Per la formula di Navier ( σ = ), gli sforzi normali σ più elevati nella sezione varranno: di compressione); La sezioe di trave di figura è soggetta ad u mometo flettete pari a 000 knmm e ed u azioe di taglio pari a 5 kn, etrambe ageti su u piao verticale passate per l asse s-s. Calcolare gli sforzi σ e τ massimi

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa

Dettagli

Calcolo delle Probabilità: esercitazione 3

Calcolo delle Probabilità: esercitazione 3 Argometo: Probabilità codizioata e teorema di Bayes (par. 3.4 libro di testo) Esercizio Tra i partecipati ad u cocorso per giovai musicisti, il 50% suoa il piaoforte, il 30% suoa il violio ed il restate

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

Università di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015

Università di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015 Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura

Dettagli

Lezione 10 - Tensioni principali e direzioni principali

Lezione 10 - Tensioni principali e direzioni principali Lezioe 10 - Tesioi pricipali e direzioi pricipali ü [A.a. 2011-2012 : ultima revisioe 23 agosto 2011] I questa lezioe si studiera' cio' che avviee alla compoete ormale di tesioe s, al variare del piao

Dettagli

ORDINAMENTO 2010 SESSIONE STRAORDINARIA - QUESITI QUESITO 1

ORDINAMENTO 2010 SESSIONE STRAORDINARIA - QUESITI QUESITO 1 www.matefilia.it ORDINAMENTO 1 SESSIONE STRAORDINARIA - QUESITI QUESITO 1 Due osservatori si trovao ai lati opposti di u grattacielo, a livello del suolo. La cima dell edificio dista 16 metri dal primo

Dettagli

IPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA

IPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa

Dettagli

1.2 IL PRINCIPIO FONDAMENTALE DEL CALCOLO COMBINATORIO

1.2 IL PRINCIPIO FONDAMENTALE DEL CALCOLO COMBINATORIO Aalisi combiatoria CAPITOLO 1 1.1 INTRODUZIONE Quello che segue è u tipico problema pratico che coivolge le probabilità. U sistema di comuicazioe cosiste di atee apparetemete idetiche che vegoo allieate

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli

Carte di controllo per attributi

Carte di controllo per attributi Carte di cotrollo per attributi Il cotrollo per variabili o sempre è effettuabile misurazioi troppo difficili o costose troppe variabili che defiiscoo qualità di u prodotto le caratteristiche dei prodotti

Dettagli

Diagramma polare e logaritmico

Diagramma polare e logaritmico Diagramma polare e aritmico ariatori discotiui del moto di taglio Dalla relazioe π D c si ota che la velocità di taglio dipede, oltre che dal umero di giri del madrio, ache dal diametro dell elemeto rotate

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO Pricipio fodametale del calcolo combiatorio Se u eveto E si può presetare i modi e u secodo eveto E 2 si può maifestare i 2 modi, allora l eveto composto E E 2 si può presetare i modi. 2 ORDINE/ RIPETIZIONE

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

Cenni di Calcolo di probabilità e. Il concetto di probabilità

Cenni di Calcolo di probabilità e. Il concetto di probabilità Cei di Calcolo di probabilità e Statistica Dario Maio http://www.csr.uibo.it/~maio/ dmaio@deis.uibo.it 1 Il cocetto di probabilità Il termie probabilità è usato el liguaggio quotidiao per deotare casi

Dettagli

Teoria degli insiemi : alcuni problemi combinatorici.

Teoria degli insiemi : alcuni problemi combinatorici. Teoria degli isiemi : alcui problemi combiatorici. Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota l ordie. Questo può dar luogo ad iteressati e utili applicazioi. Premettiamo

Dettagli

A B C D E F. n n. Calcolo combinatorio. n n-1 n-2 n-3 n-4. n-5 6 n-k+1 k. n n-1. n n-1 n-2 n Permutazioni semplici di n oggetti

A B C D E F. n n. Calcolo combinatorio. n n-1 n-2 n-3 n-4. n-5 6 n-k+1 k. n n-1. n n-1 n-2 n Permutazioni semplici di n oggetti 1. Permutazioi semplici di oggetti Calcolo combiatorio Dato u isieme di oggetti, ad esempio lettere, si vuol sapere quati soo i possibili modi i cui esse possoo essere ordiate i ua fila. Il umero complessivo

Dettagli

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA CHU WENCHANG A Iduzioe matematica: Itroduzioe La gra parte delle proposizioi della teoria dei umeri dà euciati che coivolgoo i umeri aturali; per esempio

Dettagli

Statistica inferenziale e mercati azionari

Statistica inferenziale e mercati azionari Statistica ifereziale e mercati azioari Di Cristiao Armellii, cristiao.armellii@alice.it Dalla statistica ifereziale sappiamo che se m = media del campioe s = scarto quadratico medio del campioe = umerosità

Dettagli

Sperimentazioni di Fisica I mod. A Lezione 2

Sperimentazioni di Fisica I mod. A Lezione 2 La Rappresetazioe dei Numeri Sperimetazioi di Fisica I mod. A Lezioe 2 Alberto Garfagii Marco Mazzocco Cizia Sada Dipartimeto di Fisica e Astroomia G. Galilei, Uiversità degli Studi di Padova Lezioe II:

Dettagli

Tavole di Contingenza Connessione

Tavole di Contingenza Connessione Tavole di Cotigeza Coessioe Ua tavola di cotigeza per due geerici feomei X e Y è ua rappresetazioe simbolica di ua tabella a doppia etrata y 1 y y j y k x 1 11 1 1j 1k 1 x 1 j k x i i1 i ik i x h h1 h

Dettagli

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli

Dettagli

Analisi Matematica I

Analisi Matematica I Uiversità di Pisa - orso di Laurea i Igegeria Edile-rchitettura alisi Matematica I Pisa, febbraio Domada La derivata della fuzioe f) log ) si è ) log )si B) log )cos ) log ) si cos loglog ) + si ) log

Dettagli

NUOVI CRITERI DI DIVISIBILITÀ

NUOVI CRITERI DI DIVISIBILITÀ NUOVI CRITERI DI DIVISIBILITÀ BRUNO BIZZARRI, FRANCO EUGENI, DANIELA TONDINI 1 1. Su tutti i testi scolastici di Scuola Media, oostate siao riportati i criteri di divisibilità per i umeri, 3, 4, 5, 6,

Dettagli

In linguaggio analitico parlare di tre tagli equivale ad individuare le equazioni di tre rette che intersecano il triangolo in questione.

In linguaggio analitico parlare di tre tagli equivale ad individuare le equazioni di tre rette che intersecano il triangolo in questione. Tre tagli... sette parti Dividere u triagolo dato o tre tagli rettiliei i sette parti di ui quattro siao triagoli (e le rimaeti tre, petagoi). Ua delle parti triagolari è limitata dai tre tagli, iasua

Dettagli

6 Stima di media e varianza, e intervalli di confidenza

6 Stima di media e varianza, e intervalli di confidenza Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale

Dettagli