1 Valore atteso o media

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1 Valore atteso o media"

Transcript

1 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è una v.a discreta E[X] = xf(x)dx se X è una v.a continua Nel caso discreto numerabile, E[X] è definita come serie, ammesso che tale serie sia assolutamente convergente, cioè i è definita come integrale, se esso esiste, cioè si richiede che x i f(x i ) < +. Nel caso di v.a. continua, la media x f(x)dx <. Esempio 1.2. Si consideri il lancio di due dadi equilibrati e si denoti con X la v.a. che denota la somma dei punteggi ottenuti sui due dadi. Calcolare E[X]. Esempio 1.3. Sia x 4 se 0 x < 2 f X (x) = 1 2 se 2 x < 3. 0 altrove la funzione di densità di una v. a. continua. Calcolare E[X]. Osservazione 1.4. Il concetto di valore atteso è simile al concetto di baricentro di una distribuzione di massa. Definizione 1.5. Siano X una v.a. e g : R R. Si chiama valore atteso della variabile casuale g(x) il numero definito come E[g(X)] = i g(x i )f(x i ) se X è discreta E[g(X)] = g(x)f(x)dx se X è continua Esempio 1.6. Sia X una v.a. che assume i valori 0, 1, 2 con probabilità Calcolare E[X 2 ]. P[X = 0] = 0.2, P[X = 1] = 0.5, P[X = 2] =

2 Si ha E[X 2 ] = 2 x=0 x 2 f X (x) = = 1.7. } {{ } =P[X=x] Esempio 1.7. Il tempo (espresso in ore) per individuare un guasto in un impianto è una v.a. di densità 1 se 0 < x < 1 f X (x) = 0 altrimenti Se il danno economico provocato da un interruzione di x ore è x 3, qual è il valor atteso di tale costo? Si ha E[X 3 ] = x 3 f X (x) dx = 1 0 [ x x 3 4 dx = 4 ] 1 0 = Proprietà del valore atteso Siano (Ω, A, P) uno spazio di probabilità, X una v.a. di densità f X, g, g 1, g 2 : R R, c, c 1, c 2 R. Supponiamo che esistano E[g(X)], E[g 1 (X)], E[g 2 (X)]. Allora E[c] = c; E[X µ X ] = 0; E[cg(X)] = ce[g(x)]; E[c 1 g 1 (X) + c 2 g 2 (X)] = c 1 E[g 1 (X)] + c 2 E[g 2 (X)]; E[c 1 X + c 2 ] = c 1 E[X] + c 2 ; se g 1 (x) g 2 (x) x R, si ha E[g 1 (X)] E[g 2 (X)]. 2

3 2 Varianza Definizione 2.1. Sia X una v.a. con media µ X, si chiama varianza il numero reale non negativo, che indicheremo con var[x] o con σx 2, definito come (x i µ X ) 2 f(x i ) se X è discreta i var[x] = E[(X µ X ) 2 ] = (x µ X ) 2 f(x)dx se X è continua Il numero reale non negativo σ X = var[x] è detto deviazione standard (o scarto quadratico medio). La varianza (e quindi anche la deviazione standard) misura la dispersione dei valori assunti da X rispetto al suo valor atteso µ X : tanto più grande è σx 2, tanto più i valori di X saranno lontani da µ X ; per contro, tanto più σx 2 è piccola, tanto più i valori di X saranno raccolti attorno a µ X. Si può anche dire che la media di una variabile casuale è tanto più attendibile quanto più piccola è la sua varianza. Osserviamo che var[x] = 0 se e solo se P[X = µ X ] = 1. Esempio 2.2. Si consideri il lancio di due dadi equilibrati e si denoti con X la v.a. che denota la somma dei punteggi ottenuti sui due dadi. Calcolare var[x]. Esempio 2.3. Sia x 4 se 0 x < 2 f X (x) = 1 2 se 2 x < 3. 0 altrove la funzione di densità di una v. a. continua. Calcolare var[x]. Osservazione 2.4. Il concetto di varianza è simile al concetto di momento d inerzia di una distribuzione di massa. 2.1 Proprietà della varianza Siano (Ω, A, P) uno spazio di probabilità, X una v.a. di densità f X, c R. Supponiamo che esistano tutte le quantità indicate. Allora 3

4 var[x] = E[X 2 ] (E[X]) 2 ; var[cx] = c 2 var[x]; var[x + c] = var[x]. 3 Disuguaglianze di Markov e Chebyshev 3.1 Disuguaglianza di Markov Proposizione 3.1. Siano (Ω, A, P) uno spazio di probabilità, g : R R una funzione tale che g(x) 0, x R. Supponiamo che esista E[g(X)]. Allora, per ogni a > 0 si ha P[g(X) a] 1 a E[g(X)]. 3.2 Disuguaglianza di Chebyshev Proposizione 3.2. Siano (Ω, A, P) uno spazio di probabilità, X una v.a. con media µ X e varianza σx 2. Allora, per ogni η > 0 si ha P[ X µ X ησ X ] 1 η 2. Osservazione 3.3. equivalente La disuguaglianza di Chebyshev può essere riscritta nella forma P[ X µ X < ησ X ] 1 1 η 2 P[ ησ X < X µ X < ησ X ] 1 1 η 2. La diseguaglianza di Chebyshev è una stima della probabilità che una variabile aleatoria prenda valori lontani dalla media in termini della sua varianza. Osservazione 3.4. Le disuguaglianze di Markov e Chebyshev permettono di stimare la probabilità di eventi che riguardano una variabile aleatoria di cui si conosca solo la media o la media e la varianza. Esempio 3.5. Il numero di pezzi prodotti da una fabbrica è una v.a. di media 50. Cosa si può dire della probabilità che la produzione superi i 75 pezzi? Se è nota la varianza, σ 2 = 25, cosa si può dire della probabilità che la produzione sia compresa tra i 40 e 60 pezzi? 4

5 4 Momenti e funzione generatrice dei momenti Siano (Ω, A, P) uno spazio di probabilità e X una v.a. con media µ X = E[X]. Definiamo momento di ordine n di X la quantità µ n = E[X n ] e momento centrale di ordine n di X la quantità µ n = E[(X µ X ) n ]. Osserviamo che µ 1 = µ X, µ 1 = 0, µ 2 = var[x]. Osservazione 4.1. Sia (Ω, A, P) uno spazio di probabilità e sia X una v.a. simmetrica rispetto ad un valore reale a, cioè f X (2a x) = f X (x), e tale che esista E[X]. Allora E[X] = a. Osservazione 4.2. Sia (Ω, A, P) uno spazio di probabilità e sia X una v.a. simmetrica rispetto ad un valore reale a. Se esiste µ 3, il momento centrale di ordine 3, allora µ 3 = 0. In generale, si ha µ 2n+1 = 0. Definizione 4.3. Sia (Ω, A, P) uno spazio di probabilità e X una v.a. La funzione generatrice dei momenti di X è definita, per tutti i valori di t per i quali ha senso il valore atteso di e tx, come e tx i f(x i ) se X è discreta i m X (t) = E[e tx ] = e tx f(x)dx se X è continua La funzione generatrice dei momenti prende questo nome perchè a partire da essa è possibile ottenere (per differenziazione nel punto t = 0) tutti i momenti di X. Infatti, 5

6 se X ha tutti i momenti µ k, k = 0,..., n definiti e se m X è definita in un intorno di 0 e derivabile n volte in tale intorno, si ha µ k = E[Xk ] = m (k) X (0). Esercizio 4.4. Sia X una v.a. continua avente densità c f X (x) = x 2 se 1 x 2 0 altrimenti determinare la costante di normalizzazione c e disegnare il grafico di f X ; determinare la funzione di ripartizione F X e disegnarne il grafico; calcolare P[1.5 X < 2]; calcolare P[1.5 X < 2 X > 1.8]; calcolare la media e la varianza di X. 6

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

1 Modelli di variabili aleatorie continue

1 Modelli di variabili aleatorie continue Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI DI PROBABILITÀ Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }. ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso di Automazione Industriale 1. Capitolo 4 Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).

1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1). .5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

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 Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,

Dettagli

Corso di Probabilità e Statistica

Corso di Probabilità e Statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di Probabilità e Statistica (Prof.ssa L.Morato) Esercizi a cura di: S.Poffe sara.poffe@stat.unipd.it A.A.

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Esercitazioni di Statistica con Matlab

Esercitazioni di Statistica con Matlab Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Coppie di variabili aleatorie. In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia.

Coppie di variabili aleatorie. In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia. Capitolo 6 Coppie di variabili aleatorie In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia di variabili aleatorie: si mostra in particolare che in questo caso

Dettagli

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E 2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando

Dettagli

Probabilità 1 P (A B) =P (A)+P (B) P (A B). La coppia (Ω,P) viene detta spazio di probabilità.

Probabilità 1 P (A B) =P (A)+P (B) P (A B). La coppia (Ω,P) viene detta spazio di probabilità. Probabilità Un esperimento (o prova) aleatorio (casuale) è un esperimento che a priori può avere diversi esiti possibili e il cui risultato effettivo non è prevedibile con certezza. Esempi:. Lancio di

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

CENNI DI METODI STATISTICI

CENNI DI METODI STATISTICI Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

Metodi Statistici per la Biologia

Metodi Statistici per la Biologia Metodi Statistici per la Biologia Paolo Dai Pra Università di Padova A.A. 2006/07 1 1 Introduzione Qualche informazione di carattere organizzativo Docenti: Paolo Dai Pra e Francesco Caravenna Orari di

Dettagli

metodi matematici per l ingegneria prove scritte d esame 1 Indice

metodi matematici per l ingegneria prove scritte d esame 1 Indice metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola

Dettagli

VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013)

VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013) VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/213) Daniela De Canditiis modulo di CdP di teoria dei segnali - Ingegneria dell informazione - (Sapienza - Latina) VARIABILI ALEATORIE MULTIVARIATE Molto spesso

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti. PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle

Dettagli

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

S.I.C.S.I. Scuola Interuniversitaria Campana di Specializzazione all Insegnamento VIII ciclo - a.a. 2008/2009. Metodo Monte Carlo

S.I.C.S.I. Scuola Interuniversitaria Campana di Specializzazione all Insegnamento VIII ciclo - a.a. 2008/2009. Metodo Monte Carlo S.I.C.S.I. Scuola Interuniversitaria Campana di Specializzazione all Insegnamento VIII ciclo - a.a. 008/009 Metodo Monte Carlo Laboratorio di Didattica della Matematica Applicata 1 L. Parisi A. Stabile

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it Inferenza Statistica a.a. 2010/2011 Docente Dott.a Daniela Nappo daniela.nappo@unina.it Programma del corso Richiami delle variabili casuali Richiami di inferenza (stima e stimatore, stima puntuale ed

Dettagli

21.05.08 Prima prova parziale di Calcolo delle probabilità I C.L. in Matematica

21.05.08 Prima prova parziale di Calcolo delle probabilità I C.L. in Matematica 21.05.08 Prima prova parziale di Calcolo delle probabilità I Ogni esercizio vale 5 punti. 1. Si gioca a nascondino in una casa di quattro stanze: cucina, salotto, bagno e camera da letto. Otto bambini

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

Matematica Applicata. Probabilità e statistica

Matematica Applicata. Probabilità e statistica Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato

Dettagli

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes

Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Capitolo 4 Modelli matematici per la valutazione dei derivati: dalla formula CRR alla formula di Black-Scholes Quanto è ragionevole pagare per entrare in un contratto d opzione? Per affrontare questo problema

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

Università degli Studi di Milano

Università degli Studi di Milano Università degli Studi di Milano Laurea in Scienza della Produzione e Trasformazione del Latte Note di Calcolo delle Probabilità e Statistica STEFANO FERRARI Analisi Statistica dei Dati Note di Calcolo

Dettagli

CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO

CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima

Dettagli

PROBABILITA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia

PROBABILITA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia PROBABILITA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO Probabilità Variabili casuali: distribuzioni, densità, istogrammi Media, varianza, momenti Distribuzione

Dettagli

STATISTICA PER L INNOVAZIONE

STATISTICA PER L INNOVAZIONE UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 TRASFORMAZIONI DI VARIABILI ALEATORIE TVE: Gumel dei valori minimi

Dettagli

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof.

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof. UIVERSITA DEGLI STUDI DI FIREZE Facoltà di Scienze M.F.. Corso di Laurea in Fisica Prof. Roberto Falciani Prof. Andrea Stefanini Appunti aggiuntivi al corso di ESPERIMETAZIOI I Analisi statistica degli

Dettagli

Inferenza statistica. Inferenza statistica

Inferenza statistica. Inferenza statistica Spesso l informazione a disposizione deriva da un osservazione parziale del fenomeno studiato. In questo caso lo studio di un fenomeno mira solitamente a trarre, sulla base di ciò che si è osservato, considerazioni

Dettagli

COGNOME... NOME... Matricola... Corso Prof... Esame di ANALISI MATEMATICA I - 11 Febbraio 2011, ore 8.30

COGNOME... NOME... Matricola... Corso Prof... Esame di ANALISI MATEMATICA I - 11 Febbraio 2011, ore 8.30 Esame di ANALISI MATEMATICA I - 11 Febbraio 2011, ore 830 A ESERCIZIO 1 (8 punti) Data la funzione = 1 + sin x 2 2 x (a) determinare lo sviluppo di MacLaurin al terzo ordine della funzione ; (b) determinare

Dettagli

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ]

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ] IV A GAT PRIMA VERIFICA DI MATEMATICA 3 ottobre 0 Risolvi le seguenti equazioni e disequazioni fra [ 0 ; π ].. 3... 6. 7. 8. Risultati:. = π/6 e = 7π/6. =π/ ; =π/6 ; =π/6 3. =π/3 ; =π/3. =π/3 ; =π/3. π/

Dettagli

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015 Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Finanza matematica - Lezione 01

Finanza matematica - Lezione 01 Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo

Dettagli

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca

Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche

Dettagli

Variabili Casuali Continue e Distribuzione Normale

Variabili Casuali Continue e Distribuzione Normale Variabili Casuali Continue e Distribuzione Normale Nel Capitolo 5 si è definita variabile casuale continua una variabile casuale che può assumere tutti valori compresi fra gli estremi di un intervallo

Dettagli

Esercizi svolti su serie di Fourier

Esercizi svolti su serie di Fourier Esercizi svolti su serie di Fourier Esercizio. (Onda quadra. Determinare i coefficienti di Fourier della funzione x [, f(x = x [, prolungata a una funzione -periodica su R (d ora in poi denoteremo con

Dettagli

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00)

Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Richiami di matematica pag. 2 Definizione (moderatamente) formale di variabile aleatoria

Dettagli

LA VARIABILE ESPONENZIALE

LA VARIABILE ESPONENZIALE LA VARIABILE ESPONENZIALE E. DI NARDO 1. Analogia con la v.a. geometria In una successione di prove ripetute di Bernoulli, la v.a. geometrica restituisce il numero di prove necessarie per avere il primo

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

2.4.1 Generazione di numeri pseudocasuali con distribuzione uniforme

2.4.1 Generazione di numeri pseudocasuali con distribuzione uniforme GENERAZIONE DI OSSERVAZIONI CASUALI 157 2.4 GENERAZIONE DI OSSERVAZIONI CASUALI Una volta determinate le distribuzioni di input, la simulazione dovrà generare durante ogni esecuzione osservazioni casuali

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

Cenno sui metodi Monte Carlo

Cenno sui metodi Monte Carlo Cenno sui metodi Monte Carlo I metodi probabilistici hanno una lunga storia ma solo dopo il 1944 è iniziato un loro studio sistematico che ha portato a notevoli sviluppi. Attualmente è stato valutato che

Dettagli

Esercizi di probabilità discreta

Esercizi di probabilità discreta Di seguito, potete trovare i testi (con risposta) degli esercizi svolti (o proposti) nel corso di esercitazioni dell insegnamento di Matematica applicata. 1 Esercizi di probabilità discreta Algebra degli

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Politecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013

Politecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013 Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato

Dettagli

MEDIA CONDIZIONATA E. DI NARDO

MEDIA CONDIZIONATA E. DI NARDO MEDI CONDIZIONT E. DI NDO 1. Media condizionata da un evento ssumiamo di avere una informazione parziale circa l esito ω di un esperimento casuale. Questa informazione parziale potrebbe essere rappresentata

Dettagli

APPUNTI DI CALCOLO COMBINATORIO E PROBABILITA' Corso di Matematica ed Elementi di Statistica Scienze della Natura a.a. 2013/14

APPUNTI DI CALCOLO COMBINATORIO E PROBABILITA' Corso di Matematica ed Elementi di Statistica Scienze della Natura a.a. 2013/14 APPUNTI DI CALCOLO COMBINATORIO E PROBABILITA' Corso di Matematica ed Elementi di Statistica Scienze della Natura a.a. 2013/14 Elementi di calcolo combinatorio. Primi elementi di probabilita: denizione

Dettagli

Esercizi 4 (2) È dato su uno spazio campionario Ω = {a, b, c, d, e} dotato della funzione di probabilità seguente:

Esercizi 4 (2) È dato su uno spazio campionario Ω = {a, b, c, d, e} dotato della funzione di probabilità seguente: I seguenti quesiti ed il relativo svolgimento sono coperti dal diritto d autore, pertanto essi non possono essere sfruttati a fini commerciali o di pubblicazione editoriale senza autorizzazione esplicita

Dettagli