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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 statistica, Università Cattaneo-Liuc, AA , lezione del IDICE (lezione PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore medio atteso o momento primo di una quantità aleatoria pag. 3. Varianza e momento secondo di una quantità aleatoria pag. 3.3 Frequenza assoluta, frequenza relativa e densita di frequenza dei valori osservati di una quantita aleatoria pag Probabilita, valore atteso e varianza delle quantitá aleatorie e loro relazione con i dati osservati pag. 10 1

2 statistica, Università Cattaneo-Liuc, AA , lezione del PROBABILITÀ, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 VALORE MEDIO ATTESO O MOMETO PRIMO DI UA QUATITÀ ALEATORIA Per certe applicazioni non è necessario considerare la q.a. con il dettaglio di tutti i suoi valori possibili e con le corrispondenti probabilità o densità di probabilità. Il valore medio atteso, o momento primo, di una q.a. discreta o continua è un numero che sintetizza in modo appropriato la q.a. stessa. (Formula del valore medio atteso o momento primo di una q.a. Per poter sintetizzare una q.a. in modo appropriato il valore medio atteso, o E, di una q.a. si calcola utilizzando tutti i valori possibili della q.a. e le corrispondenti probabilità o densità di probabilità, e precisamente è dato dalle seguenti formule p ( q.a. discreta S E f d q.a. continua S [Osservazione facoltativa: dalla prima formula di risulta evidente che la dimensione fisica di è la stessa dei valori S (infatti le probabilità p ( sono numeri puri cioè privi di dimensione fisica. Es.: se la q.a. è una lunghezza (e quindi i suoi valori possibili S sono delle lunghezze, allora anche è una lunghezza (e precisamente la lunghezza media di tutti i valori possibili. Per la seconda formula di, come si vedrà più oltre, vale la stessa osservazione] (Significato applicativo del valore medio atteso di una q.a. I valori possibili di una q.a. sono distribuiti o posizionati o sparpagliati o dispersi sull asse delle ascisse. Inoltre, la posizione di ciascuno di essi è più o meno rilevante, e dà un contributo più o meno grande alla somma e all integrale che determina, a seconda della grandezza della probabilità o densità del valore stesso. Si dice allora che il valore medio atteso di una q.a. indica la posizione media della q.a. sull asse delle ascisse. Più brevemente si dice anche che il valore medio atteso è un indice di posizione di una q.a. (Proprietà del valore medio atteso di una q.a. Il valore medio atteso di una q.a. discreta o continua sintetizza in modo appropriato la q.a. stessa perché ha, fra le altre, le seguenti due proprietà: Proprietà di consistenza (verificare per esercizio S c, Proprietà di internalità Se è una q.a. degenere con { } allora: E c Per qualsiasi q.a. si ha: min S E ma S [Facoltativa, non in programma] Proprietà di compensazione delle differenze ( p 0, ( f 0 S S S :

3 statistica, Università Cattaneo-Liuc, AA , lezione del (Osservazione: corrispondenza fra le formule di nel caso discreto e continuo Si noti la seguente corrispondenza fra le formule del valore medio atteso continue E p ( p P S di q.a. discrete e f d f d P( < + d S Corrispondenza indicata dalla prima freccia La sommatoria è definita in matematica soltanto per un numero finito o infinito numerabile (in questo caso è una serie di valori possibili, cioè per un insieme discreto di valori possibili. Per un insieme S continuo al posto della sommatoria si deve considerare l integrale. S Evidente. Corrispondenza indicata dalla seconda freccia Corrispondenza indicata dalla terza e quarta freccia [Facoltativa, non in programma]. L intervallo ( < + d è l intervallo infinitesimo che è il limite di un intervallo ( < + al tendere a zero la lunghezza (al limite si pone d: lim 0 ( < + ( < + d Per le q.a. continue l evento aleatorio dato dall intervallo infinitesimo ( < d S è il più piccolo evento che meglio approssima o meglio corrisponde (quarta freccia, all evento aleatorio ( con probabilità P( 0 delle q.a. discrete. Dalla corrispondenza fra i due eventi segue anche la corrispondenza (terza freccia fra le loro probabilità. (La dimensione fisica della densità di probabilità [facoltativa, non in programma] Assumiamo vera l equazione: f d P( d < + (v. quarta freccia sopra DOMADA: quale è la dimensione fisica della densità di probabilità f (? RISPOSTA. Il secondo membro della equazione di cui sopra è la probabilità P( < + d che, in quanto probabilità, è un numero puro (cioè privo di dimensione fisica. Allora deve essere f d al primo membro della equazione. Affinché il prodotto un numero puro anche il prodotto f d sia un numero puro, f dimensione fisica di d (che è la stessa di deve avere dimensione fisica pari al reciproco della S. Esempio: se S dimensione fisica lunghezza (elevata alla prima, allora f elevata alla 1, cosicché il prodotto f, e quindi d, ha la ha la dimensione lunghezza d è un numero puro. A questo punto si ritorni a verificare quanto detto sulla dimensione di nel caso di q.a. continua. 3

4 statistica, Università Cattaneo-Liuc, AA , lezione del (Generalizzazione per le q.a. non uniformi della regola: probabilità base altezza [Facoltativa, non in programma]. Assumiamo vera l equazione: f d P( d < + (v. quarta freccia sopra DOMADA: Cosa ci dice, cosa significa, tale equazione? P < + tanto più RISPOSTA. Tale equazione ci dice che per il calcolo della probabilità piccola è la lunghezza dell intervallo considerato (al limite d tanto meglio il prodotto f (al limite il prodotto f d approssima il valore della probabilità P( < +. Si noti che il prodotto f (al limite il prodotto f d è la regola lunghezza di base (al limite d per altezza f densità f ( in realtà non è uniforme sull intervallo considerato ( generale l equazione f d P( d limite d tanto meglio il prodotto base per altezza f (al limite il prodotto f approssima il valore della probabilità P( < +. applicata nel caso generale in cui la < +. In tale caso < + ci dice dunque che tanto più piccolo è (al d (Interpretazione probabilistica di due formule del Calcolo differenziale: la formula del teorema del valor medio e la formula del differenziale [Facoltativa, non in programma]. Consideriamo l equazione: f d P( d < + (v. quarta freccia sopra DOMADA: Perché tale equazione è vera? PRIMA RISPOSTA. Tale equazione è vera perché è un risultato del Calcolo differenziale che si ottiene dal limite per che tende a zero dalla formula del teorema della media in forma integrale ovvero + f ( d f ( f d [, + (1 0 la cui interpretazione in Calcolo delle Probabilità è data da + f ( d P( < + P( < + d ( SECODA RISPOSTA. Alternativamente, l equazione di cui si tratta è un risultato del Calcolo differenziale che si ottiene dal limite per che tende a zero dalla formula del differenziale di una funzione F 0 F + F f + o f d (3 0 F la cui interpretazione in Calcolo delle Probabilità (con funzione di ripartizione è data da ( F + F P < + P < P < + P < + d ( 0 COCLUSIOE sia (1-(, sia (3-(, tendente a zero danno proprio l equazione: ( < + f d P d

5 statistica, Università Cattaneo-Liuc, AA , lezione del VARIAZA E MOMETO SECODO DI UA QUATITÀ ALEATORIA (Formula della varianza σ di una q.a. Per il calcolo della varianza V, o σ, di una q.a. si utilizzano tutti i valori possibili della q.a. e le corrispondenti probabilità o densità di probabilità, e precisamente è data dalle seguenti formule ( p ( q.a. discreta S V σ ( f d ( q.a. continua S [Osservazione facoltativa: dalle due formule di cui sopra, e da quanto visto sulla dimensione fisica di, risulta evidente che la dimensione fisica di σ è il quadrato della dimensione fisica dei valori S. Esercizio. Se k è un numero puro (senza dimensione, dire se sono dimensionalmente corrette le espressioni: (1 kσ e + kσ (Risposta: O, ( kσ e + kσ (Risposta: SI]. (Significato applicativo della varianza σ di una q.a. In relazione al significato applicativo del valore medio atteso, si è già detto che i valori possibili S di una q.a. sono distribuiti o posizionati o sparpagliati o dispersi sull asse delle ascisse. Inoltre, si è detto che la posizione o distanza di ciascuno di essi rispetto a è più o meno rilevante a seconda della grandezza della probabilità p o densità f del valore S stesso. Allora si ha che: la varianza di una q.a. indica o misura la distanza complessiva o la dispersione complessiva o aggregata di tutti i valori possibili della q.a. rispetto alla posizione media data dal valore medio atteso. Infatti, il valore della varianza si calcola come sommatoria (o integrale delle distanze ( di ciascun valore possibile S dalla posizione media e ciascuna singola distanza dà un contributo maggiore o minore alla distanza complessiva (cioè alla f, per cui varianza a seconda che sia maggiore o minore la probabilità ciascuna singola distanza è moltiplicata (vedere le formule di σ sopra. p, o densità (Proprietà della varianza σ di una q.a. Proprietà di non negatività della varianza (la prima affermazione qui sotto è evidente; verificare la seconda per esercizio V σ 0 qa.. V σ 0 se e solo se è una q.a. degenere (Formula del momento secondo E ( di una q.a. Il momento secondo E ( di una q.a. è un numero che si calcola utilizzano tutti i valori possibili della q.a. e le corrispondenti probabilità o densità di probabilità, e precisamente è dato dalle seguenti formule (vedere la pagina seguente 5

6 statistica, Università Cattaneo-Liuc, AA , lezione del E S S p f d ( q.a. discreta ( q.a. continua [Osservazione facoltativa: dalle due formule di cui sopra risulta evidente che la dimensione fisica E è il quadrato della dimensione fisica dei valori S ] di ( Il momento secondo permette di calcolare la varianza con una formula alternativa a quella data dalla sua definizione già vista. Inoltre il momento secondo coincide con la varianza nel caso particolare ma importante qui sotto specificato. (Formula della varianza scritta con il momento secondo e sua conseguenza Si dimostra che per le q.a. discrete e continue si ha V σ E da cui segue che il riquadro sinistro qui sotto implica quello destro e viceversa 0 E( E σ (Dimostrazione della formula della varianza scritta con il momento secondo [facoltativa, non in programma] Consideriamo il caso discreto (la dimostrazione è la stessa, mutatis mutandis, nel caso continuo. ( p S S V( ( p S ( p p p + + p p p + S S S p + S p ( S ( ( E E E (poiché: p (, p 1 S S (Scarto quadratico medio o deviazione standard σ di una q.a. Lo scarto quadratico medio o deviazione standard di una q.a. discreta o continua è la radice quadrata (positiva della varianza, ovvero è V σ σ 0 Il significato applicativo di σ è lo stesso della varianza σ. La differenza stà nella dimensione fisica. [Osservazione facoltativa: la dimensione fisica di σ, al contrario di quanto accade con la varianza, è la stessa dimensione fisica di S e di. Pertanto, se k è un numero puro (senza dimensione, allora: (a è dimensionalmente corretta l espressione kσ (che compare negli intervalli di confidenza, invece: (b è dimensionalmente scorretta l espressione kσ ]. 6

7 statistica, Università Cattaneo-Liuc, AA , lezione del FREQUEZA ASSOLUTA, FREQUEZA RELATIVA E DESITA DI FREQUEZA DEI VALORI OSSERVATI DI UA QUATITA ALEATORIA Tutti i più importanti risultati teorico-matematici delle teorie delle scienze fisiche ( e quindi anche del calcolo delle probabilità si basano direttamente o indirettamente sull operazione matematica di limite che, a sua volta, coinvolge due nozioni di infinito, e precisamente: (I la nozione di infinito numerabile nel caso del limite per ( 1,,... { } (II la nozione di infinito più che numerabile nel caso del limite per 0 (, 0. Tuttavia, al di fuori della matematica, bisogna rinunciare all aiuto e all utilità della nozione matematica di infinito, ciò in particolare nelle due seguenti importanti circostanze: (III la verifica empirica dei risultati delle teorie delle scienze fisiche si basa sui valori osservati delle quantità coinvolte e tali valori, per quanto osservati in grande numero, saranno sempre in numero finito. (IV l applicazione in campo tecnologico ed industriale dei risultati delle teorie delle scienze fisiche si basa anch essa sui valori osservati delle quantità coinvolte e tali valori, per quanto osservati in grande numero, saranno sempre in numero finito. Inoltre a tal proposito, va tenuto presente che di tutti gli infiniti (e più che numerabili numeri dell asse reale (, che si dovrebbero scorrere per valutare il limite per 0 (, 0, la stragrande maggioranza di essi non potrà mai essere osservato misurando il valore delle quantità fisiche, infatti: (V per qualsiasi quantità fisica non potranno mai essere osservati valori dell asse reale 1 (, con un numero infinito di cifre decimali, p.es , (che sono 6 numeri reali razionali, o π , e (che sono numeri reali irrazionali. (VI dei numeri dell asse reale (, che restano, cioè quelli con un numero finito di cifre decimali, si potranno osservare solo quelli il cui numero finito di cifre decimali è abbastanza piccolo da poter essere, p. es., scritto a mano in tempo ragionevole od essere contenuto nei registri o nelle parole (word dei computer che hanno, ovviamente word length e memory size ( cioè capacità di immagazzinamento o memorizzazione finita. Tutto ciò premesso, ed a riprova del fatto che la nozione matematica di limite e di infinito risponde comunque ad una effettiva necessità dell indagine scientifica, nelle due importanti circostanze (III e (IV di cui sopra spesso si imita le nozione matematica di limite per ( 1,,... con una nozione empirica di limite per abbastanza grande. Ciò si fa anche { } nel calcolo delle probabilità, e ciò dà luogo alla seguente tabella di corrispondenza fra nozioni o quantità teoriche (che possono coinvolgere direttamente o indirettamente la nozione matematica di limite e le corrispondenti nozioni o quantità empiriche che invece possono coinvolgere, direttamente o indirettamente, la nozione empirica di limite abbastanza grande. ozioni teoriche per una q.a. ozioni empiriche per una q.a. ( Probabilità di un evento A P A Frequenza relativa di un evento A P A Densità di probabilità di f Densità di frequenza di f, Valore medio atteso Valore osservato della media campionaria Varianza σ Valore osservato della varianza campionaria s 7

8 statistica, Università Cattaneo-Liuc, AA , lezione del Cominciamo ad illustrare con un semplice esempio numerico le prime nozioni di questo paragrafo. Subito dopo daremo le definizioni formali generali. Si consideri, p.es., la q.a. punteggio risultante dal lancio di un dado regolare a sei facce ovvero la q.a. seguente 1,,3,,5,6 p 16 Si facciano, p.es., lanci del dado e si osservino i quattro punteggi ottenuti. Indicando con i l i-esimo punteggio ottenuto, si ottenga p.es. 1, 3, 3 6, 3 Si hanno allora le seguenti nozioni di: insieme S dei valori osservati: S {,3,6} S { 1,,3,,5,6} (1* (dove l indice di S indica il numero dei valori osservati. n di ciascun valore osservato frequenza assoluta n 1, n ( 3, n ( 6 1 (* (dove l indice di n ( indica il numero dei valori osservati. frequenza relativa p (dove l indice di di ciascun valore osservato : n 1 n ( 3 p, p ( 3, ( 6 n 6 1 p (3* p indica il numero dei valori osservati. frequenza relativa P ( A dell evento aleatorio { 3, 6} n( 3 n( { 3, 6} A : P A P p p (* cioè, P A è la somma delle frequenze relative dei valori osservati che appartengono ad A. (dove l indice di P A indica il numero dei valori osservati. Come si vede immediatamente da quanto sopra, la frequenza relativa ha le stesse tre proprietà fondamentali della probabilità, ovvero: (Proprietà delle frequenze relative Proprietà di non negatività: la frequenza relativa non è mai minore di zero (poiché il numeratore è n, con n se e solo se non è mai stato osservato, vedasi (*-(3* sopra; 0 0 Proprietà di normalizzazione: la frequenza relativa non è mai maggiore di uno (poiché il n n se e solo se è stato l unico valore osservato in tutte le numeratore è, con osservazioni, vedasi (*-(3* sopra Proprietà di additività: la frequenza relativa di un evento aleatorio è la somma delle frequenze relative dei valori osservati che compongono l evento (cioè dei valori osservati che soddisfano la condizione che definisce l evento stesso, vedasi (* sopra. Seguono le definizioni formali generali delle nozioni di cui all esempio numerico precedente: 8

9 statistica, Università Cattaneo-Liuc, AA , lezione del (Frequenza assoluta di un valore osservato di una q.a. discreta o continua Definizione: Dati valori osservati t ( t 1,... di una quantità aleatoria discreta o continua, si dice frequenza assoluta del valore il numero delle volte che si è ripetuto negli valori osservati. Simbologia: frequenza assoluta di : n ( (Frequenza relativa di un valore osservato di una q.a. Definizione: Dati valori osservati t si dice frequenza relativa di osservati. Simbologia: frequenza relativa di : ( t 1,... la sua frequenza assoluta n discreta o continua di una quantità aleatoria discreta o continua, P ( p n divisa per il numero degli valori [ota bene facoltativo: al passare da valori osservati a + 1, la frequenza relativa di non può (salvo che nel caso particolare (c qui sotto rimanere costante. Infatti, si hanno solo tre casi: (a se al passare da a 1 si ha n n n p > p (b se al passare da a 1 si ha (c se al passare da a 1 si ha + + 1, allora n n< e n+ 1 n+ 1, allora p < p n n e n + 1 n+ 1, allora p p + ] 1 1 (Frequenza relativa di un evento aleatorio A di una q.a. discreta o continua Definizione: Dati valori osservati t ( t 1,... di una quantità aleatoria, la frequenza relativa P ( A di un evento aleatorio A è la somma delle frequenze relative p dei valori osservati che appartengono all evento, ovvero dei valori osservati che soddisfano la condizione che definisce l evento stesso. Simbologia: frequenza relativa di un evento aleatorio A di una q.a. dove il numeratore P A p A S A S discreta o continua: n n A n A è la frequenza assoluta dei valori osservati che appartengono ad A n ( A n A S ([Facoltativo, non in programma]. Densità di frequenza dell evento aleatorio A ( < + di una q.a. continua di una quantità aleatoria continua, la densità Definizione: Dati valori osservati t ( t 1,... di frequenza (relativa f, dell evento aleatorio A ( n ( A f, < + è il valore 9

10 statistica, Università Cattaneo-Liuc, AA , lezione del (continua dalla pag. precedente ovvero, è la frequenza relativa di A per unità di lunghezza di. Allora, per definizione, la densità di frequenza f è tale che n A n A f, P ( A P ( < + ovvero f, è tale, nel caso di q.a. continua, la frequenza relativa di un evento dato da un intervallo è rappresentata dall area che si ottiene con la regola lunghezza di base ( per altezza che è data da dalla densità di frequenza f stessa.,, 3. PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI Ritorniamo all esempio numerico iniziale del paragrafo 3.3 precedente ed osserviamo che: (A con soli lanci non si possono ottenere S 1,, 3,, 5, 6, si tutti i valori possibili { } otterrà invece un insieme di valori S S, nell esempio S,3,6 S 1,,3,,5,6 { } { } (B analogamente le frequenze relative p dei valori osservati non possono essere tutte uguali ad 16 (anche se il dado è effettivamente regolare; nell esempio tali frequenze relative sono state n 1 n ( 3 n ( 6 1 p, p ( 3, p ( 6 (C E tuttavia intuitivo che al crescere del numero dei lanci, diciamo per, ovvero con un numero sufficientemente grande di lanci, si abbia prima o poi S S 1,,3,,5,6 { } e che (se il dado è effettivamente regolare per le frequenze relative si ottenga prima o poi circa p 16 p ( S { 1,,3,,5,6} (5* (se ciò non accadesse dovremmo concludere che il dado non è regolare dove p è la probabilità di S. La formula (5* è un caso particolare della seguente proprietà empirica generale delle frequenze relative comportamento asintotico delle frequenze relative. (Comportamento asintotico delle frequenze relative Per, ovvero per sufficientemente grande, c è da attendersi che si abbia [ ] p p S S (6*, dove, per le ragioni che si sono dette, non indica un limite in senso matematico. Ciò si interpreta nel senso che per sufficientemente grande c è da attendersi che la frequenza relativa dei valori osservati tenda empiricamente alla (e quindi dia una stima attendibile della probabilità dei valori stessi. [Due osservazioni facoltative, nel caso di una q.a. continua: (a l espressione tra parentesi in (6*, ovvero [ S S, ], alla luce delle considerazioni iniziali su limite e infinito dovrebbe porre un problema per le q.a. continue, quale? (b nel caso di una q.a. continua la frequenza relativa P dei valori che cadono in un dato intervallo tende empiricamente alla probabilità dell intervallo ovvero P < + P < + ] 10

11 statistica, Università Cattaneo-Liuc, AA , lezione del Inoltre da (A e (B di cui sopra si ha anche che: se con i valori osservati si calcola la media dei valori osservati stessi si avrà in generale p S p S f ( d S Ma, per (6* si ha in generale anche che: (Relazione fra valore medio atteso di una q.a. e la media dei valori osservati Per, ovvero per sufficientemente grande, c è da attendersi che si abbia p S p S f ( d S Ovvero, per sufficientemente grande, c è da attendersi che la media dei valori osservati tenda empiricamente al (e quindi dia una stima attendibile del valore medio atteso della q.a. considerata. [Osservazione facoltativa: si noti che l integrale in alto a destra è in realtà esso stesso una somma per. Si unisca questa osservazione con il quesito (a del riquadro sul Comportamento asintotico delle frequenze relative e con la natura necessariamente empirica di qualsiasi limite che coinvolga valori osservati, per concludere che il problema sollevato in (a non è un problema] Analogamente da (A e (B di cui sopra si ha che: se con i valori osservati si calcola la varianza dei valori osservati stessi, si avrà in generale s ( p σ ( ( S s ( p S ( f d σ S Ma, per (6* si ha in generale anche che: (Relazione fra varianza σ di una q.a. e la varianza dei valori osservati Per, ovvero per sufficientemente grande, c è da attendersi che si abbia s ( p σ ( ( S s ( p S ( f d σ S Ovvero, per sufficientemente grande, c è da attendersi che la varianza dei valori osservati tenda empiricamente alla (e quindi dia una stima attendibile della varianza σ della q.a. considerata. [Osservazione facoltativa: circa l integrale sopra a destra vale la stessa osservazione fatta nel riquadro precedente relativo alla relazione fra di una q.a. e ] s 11

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

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 - 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

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Applicazioni del calcolo differenziale allo studio delle funzioni

Applicazioni del calcolo differenziale allo studio delle funzioni Capitolo 9 9.1 Crescenza e decrescenza in piccolo; massimi e minimi relativi Sia y = f(x) una funzione definita nell intervallo A; su di essa non facciamo, per ora, alcuna particolare ipotesi (né di continuità,

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

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

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

Matematica e Statistica

Matematica e Statistica Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

Studio di una funzione ad una variabile

Studio di una funzione ad una variabile Studio di una funzione ad una variabile Lo studio di una funzione ad una variabile ha come scopo ultimo quello di pervenire a un grafico della funzione assegnata. Questo grafico non dovrà essere preciso

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

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

Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica

Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,

Dettagli

Tavola riepilogativa degli insiemi numerici

Tavola riepilogativa degli insiemi numerici N : insieme dei numeri naturali Z : insieme dei numeri interi Q : insieme dei numeri razionali I : insieme dei numeri irrazionali R : insieme dei numeri reali Tavola riepilogativa degli insiemi numerici

Dettagli

Scelte in condizione di incertezza

Scelte in condizione di incertezza Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

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

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3. 7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,

Dettagli

Vademecum studio funzione

Vademecum studio funzione Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

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

CONTINUITÀ E DERIVABILITÀ Esercizi risolti

CONTINUITÀ E DERIVABILITÀ Esercizi risolti CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione

Dettagli

NOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1.

NOME:... MATRICOLA:... Scienza dei Media e della Comunicazione, A.A. 2007/2008 Analisi Matematica 1, Esame scritto del 08.02.2008. x 1. NOME:... MATRICOLA:.... Scienza dei Media e della Comunicazione, A.A. 007/008 Analisi Matematica, Esame scritto del 08.0.008 Indicare per quali R vale la seguente diseguaglianza : + >. Se y - - è il grafico

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

Studio di funzioni ( )

Studio di funzioni ( ) Studio di funzioni Effettuare uno studio qualitativo e tracciare un grafico approssimativo delle seguenti funzioni. Si studi in particolare anche la concavità delle funzioni e si indichino esplicitamente

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

11. Analisi statistica degli eventi idrologici estremi

11. Analisi statistica degli eventi idrologici estremi . Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Fondamenti e didattica di Matematica Finanziaria

Fondamenti e didattica di Matematica Finanziaria Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

1 Valore atteso o media

1 Valore atteso o media 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

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

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

la funzione è definita la funzione non è definita Si osservi, infatti, che la radice di un numero negativo non esiste nel campo dei numeri reali.

la funzione è definita la funzione non è definita Si osservi, infatti, che la radice di un numero negativo non esiste nel campo dei numeri reali. 1 y 4 CAMPO DI ESISTENZA. Poiché data è una irrazionale con indice di radice pari, il cui radicando è un polinomio, essa risulta definita solo per i valori della per i quali il radicando è positivo, ovvero

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

3.1 Successioni. R Definizione (Successione numerica) E Esempio 3.1 CAPITOLO 3

3.1 Successioni. R Definizione (Successione numerica) E Esempio 3.1 CAPITOLO 3 CAPITOLO 3 Successioni e serie 3. Successioni Un caso particolare di applicazione da un insieme numerico ad un altro insieme numerico è quello delle successioni, che risultano essere definite nell insieme

Dettagli

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una

Dettagli

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

Dettagli

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22 Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari

Dettagli

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè:

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè: 1 Limiti Roberto Petroni, 2011 Possiamo introdurre intuitivamente il concetto di limite dicendo che quanto più la x si avvicina ad un dato valore x 0 tanto più la f(x) si avvicina ad un valore l detto

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Capitolo 2. Operazione di limite

Capitolo 2. Operazione di limite Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A

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

LE REGOLE GENERALI DI CALCOLO DELLE PROBABILITA : COME SI DIMOSTRANO CON I TRE ASSIOMI DELLA PROBABILITA?

LE REGOLE GENERALI DI CALCOLO DELLE PROBABILITA : COME SI DIMOSTRANO CON I TRE ASSIOMI DELLA PROBABILITA? INDICE (lezione17.04.07 LE REGOLE GENERALI DI CALCOLO DELLE PROBABILIA : COME SI DIMOSRANO CON I RE ASSIOMI DELLA PROBABILIA?.1 Raccordo con le regole di calcolo delle probabilità già viste nelle lezioni

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

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Elementi di topologia della retta

Elementi di topologia della retta Elementi di topologia della retta nome insieme definizione l insieme è un concetto primitivo che si accetta come intuitivamente noto secondo George Cantor, il padre della teoria degli insiemi: Per insieme

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

Ulteriori problemi di fisica e matematica

Ulteriori problemi di fisica e matematica Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520: Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Transitori del primo ordine

Transitori del primo ordine Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

3 GRAFICI DI FUNZIONI

3 GRAFICI DI FUNZIONI 3 GRAFICI DI FUNZIONI Particolari sottoinsiemi di R che noi studieremo sono i grafici di funzioni. Il grafico di una funzione f (se non è specificato il dominio di definizione) è dato da {(x, y) : x dom

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

Alessandro Pellegrini

Alessandro Pellegrini Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

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

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

UNO STUDIO DI FUNZIONE CON DERIVE a cura del prof. Guida. 4 x

UNO STUDIO DI FUNZIONE CON DERIVE a cura del prof. Guida. 4 x UNO STUDIO DI FUNZIONE CON DERIVE a cura del prof. Guida Con questa guida si vuol proporre un esempio di studio di funzione con Derive. La versione che ho utilizzato per questo studio è la 6.0. Consideriamo

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (Statistiche) che esprimono le caratteristiche di simmetria e Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Numeri naturali numeri naturali minore maggiore Operazioni con numeri naturali

Numeri naturali numeri naturali minore maggiore Operazioni con numeri naturali 1 Numeri naturali La successione di tutti i numeri del tipo: 0,1, 2, 3, 4,..., n,... forma l'insieme dei numeri naturali, che si indica con il simbolo N. Tale insieme si può disporre in maniera ordinata

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015 SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Osservazioni sulla continuità per le funzioni reali di variabile reale

Osservazioni sulla continuità per le funzioni reali di variabile reale Corso di Matematica, I modulo, Università di Udine, Osservazioni sulla continuità Osservazioni sulla continuità per le funzioni reali di variabile reale Come è noto una funzione è continua in un punto

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

Ottimizazione vincolata

Ottimizazione vincolata Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l

Dettagli

PROGRAMMA SVOLTO NELLA SESSIONE N.

PROGRAMMA SVOLTO NELLA SESSIONE N. Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE

Dettagli

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Inferenza statistica I Alcuni esercizi. Stefano Tonellato Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,

Dettagli

LA FUNZIONE INTEGRALE

LA FUNZIONE INTEGRALE LA FUNZIONE INTEGRALE MAGLIOCURIOSO & CAMILLO magliocurioso@hotmail.it Sommario. In questa breve dispensa ho semplicementrascritto in L A TEX il contenuto di questa discussione: http://www.matematicamente.it/forum/

Dettagli

Appunti sulla Macchina di Turing. Macchina di Turing

Appunti sulla Macchina di Turing. Macchina di Turing Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso

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