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

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

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

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

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

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

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

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

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

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

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

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

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

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

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

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

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

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

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

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

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

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

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

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

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

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

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

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

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

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

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

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

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

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

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 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 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

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

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

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

Capitolo 22: Lo scambio nel mercato dei capitali

Capitolo 22: Lo scambio nel mercato dei capitali Capitolo 22: Lo scambio nel mercato dei capitali 22.1: Introduzione In questo capitolo analizziamo lo scambio nel mercato dei capitali, dove si incontrano la domanda di prestito e l offerta di credito.

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

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.

SOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag. SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

Esercizi di Matematica. Funzioni e loro proprietà

Esercizi di Matematica. Funzioni e loro proprietà www.pappalardovincenzo.3.it Esercizi di Matematica Funzioni e loro proprietà www.pappalardovincenzo.3.it ESERCIZIO www.pappalardovincenzo.3.it ESERCIZIO ESERCIZIO www.pappalardovincenzo.3.it ESERCIZIO

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

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

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

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

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

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

Capitolo 20: Scelta Intertemporale

Capitolo 20: Scelta Intertemporale Capitolo 20: Scelta Intertemporale 20.1: Introduzione Gli elementi di teoria economica trattati finora possono essere applicati a vari contesti. Tra questi, due rivestono particolare importanza: la scelta

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

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

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

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

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

Elementi di statistica descrittiva I 31 Marzo 2009

Elementi di statistica descrittiva I 31 Marzo 2009 Il Concetti generali di Statistica) Corso Esperto in Logistica e Trasporti Elementi di Statistica applicata Elementi di statistica descrittiva I Marzo 009 Concetti Generali di Statistica F. Caliò franca.calio@polimi.it

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

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

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

Premesse alla statistica

Premesse alla statistica Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo

Dettagli

RISONANZA. Introduzione. Risonanza Serie.

RISONANZA. Introduzione. Risonanza Serie. RISONANZA Introduzione. Sia data una rete elettrica passiva, con elementi resistivi e reattivi, alimentata con un generatore di tensione sinusoidale a frequenza variabile. La tensione di alimentazione

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

1 Alcuni criteri di convergenza per serie a termini non negativi

1 Alcuni criteri di convergenza per serie a termini non negativi Alcuni criteri di convergenza per serie a termini non negativi (Criterio del rapporto.) Consideriamo la serie a (.) a termini positivi (ossia a > 0, =, 2,...). Supponiamo che esista il seguente ite a +

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

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6

Introduzione. Margine di ampiezza... 2 Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di Bode... 6 ppunti di Controlli utomatici Capitolo 7 parte II Margini di stabilità Introduzione... Margine di ampiezza... Margine di fase... 5 Osservazione... 6 Margini di stabilità e diagrammi di ode... 6 Introduzione

Dettagli

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di

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

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

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013

Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 Operazioni Aritmetiche e Codici in Binario Giuseppe Talarico 23/01/2013 In questo documento vengono illustrate brevemente le operazioni aritmetiche salienti e quelle logiche ad esse strettamente collegate.

Dettagli

Coordinate Cartesiane nel Piano

Coordinate Cartesiane nel Piano Coordinate Cartesiane nel Piano O = (0,0) origine degli assi ascissa, y ordinata sistemi monometrici: stessa unità di misura sui due assi, y sistemi dimetrici: unità di misura diverse sui due assi (spesso

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

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I CeSe.Di. - Riorientamento nel primo anno delle superiori INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I dati Sezione 1 - AFFERMAZIONI GENERALI (10 item): affermazioni che afferiscono alle percezioni

Dettagli

Programma di Matematica

Programma di Matematica Programma di Matematica Modulo 1. Topologia in R 2. Funzioni in R 3. Limite e continuità di una funzione Unità didattiche Struttura algebrica di R Insiemi reali limitati e illimitati Intorno di un punto

Dettagli

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)

Il controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

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

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

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

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

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

MATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).

MATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E). MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica

Dettagli

Appunti: Teoria Dei Test

Appunti: Teoria Dei Test Appunti: Teoria Dei Test Fulvio De Santis, Luca Tardella e Isabella Verdinelli Corsi di Laurea A + E + D + G + R 1. Introduzione. Il test d ipotesi è un area dell inferenza statistica in cui si valuta

Dettagli

G3. Asintoti e continuità

G3. Asintoti e continuità G3 Asintoti e continuità Un asintoto è una retta a cui la funzione si avvicina sempre di più senza mai toccarla Non è la definizione formale, ma sicuramente serve per capire il concetto di asintoto Nei

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

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

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

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

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

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

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

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