DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i"

Transcript

1 DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..; E n le cui robabilità sono: ; ;..; n tali che Σ i = eventi incomatibili: il verificarsi di uno di essi esclude il verificarsi contemoraneo di qualsiasi altro evento comlementari: uno di essi deve necessariamente verificarsi VALORE MEDIO DI UNA VARIABILE CASUALE M + n n ( X) = = + + n n i Il valore medio (o seranza matematica*, o valore atteso, o valore serato) di una variabile casuale è dato dalla somma dei rodotti dei valori che la variabile uò assumere er le risettive robabilità e quindi è la media onderata dei ossibili valori di. E. Calcolare il valore medio ottenibile nel lancio di un dado. = ; = ; = ; 4 = 4; 5 = 5; = M ( X) = = =, 5 7 * Il termine seranza matematica è storicamente legato ai giochi d azzardo. Un gioco si dice equo se la seranza matematica di ogni giocatore è nulla. E. Giocando alla roulette, untiamo una certa somma S su un numero e saiamo che, se il numero esce ritiriamo 5 volte la somma che abbiamo imegnato, se il numero non esce erdiamo quello che abbiamo untato. Qual è il valore atteso di questo gioco? /

2 I numeri della roulette sono 7, quindi ognuno di essi ha robabilità /7 di uscire e /7 di non uscire. Se il numero esce vinciamo una somma ari a 5S e se non esce erdiamo S. Il valore atteso = del guadagno che abbiamo giocando alla roulette è M( X) 5S S = S Si ha dunque un guadagno medio negativo; non aare allora conveniente giocare alla roulette untando su un numero ieno. SCARTO LINEARE DI UNA VARIABILE CASUALE Detto M(X) = m si definisce scarto (o scostamento o deviazione) la nuova variabile Y = X - m tale che M(Y) = M(X-m)= M(X) M(m)= m - m = 0. E: Calcolare lo scarto riferito all esercizio recedente e verificare la media dello scarto. y 7 = = 5 ; 7 y = = ; 7 y = = ; 7 y 4 = 4 = ; 7 y 5 = 5 = ; 7 = = 5 y ; M ( Y) = = VARIANZA: SCARTO AL QUADRATO scarti. Per evitare che gli scarti negativi annullino gli scarti ositivi si considerano i quadrati degli Si dice variabile casuale scarto al quadrato ( X m) la variabile casuale che assume i valori ( ) m ; ( ) m,.., ( m) n Si dice varianza della variabile casuale X il valore medio dello scarto quadrato ( X m) var [ ] ( X) = M( X m) = M( X ) M( X) La varianza è uguale alla differenza fra il valore medio della variabile casuale quadrato e il quadrato del valore medio. /

3 SCARTO QUADRATICO MEDIO DI UNA VARIABILE CASUALE Lo scarto quadratico medio (o scostamento, o deviazione quadratica media) è dato dalla radice quadrata del valore medio dei quadrati degli scarti lineari. σ = M [( X m) ] la conoscenza di σ è molto utile er revedere l amiezza dei valori dello scarto X-m E. Calcolare la media aritmetica, lo scarto lineare, lo scarto quadratico medio e la varianza con i seguenti dati:, 7, e 0 con robabilità 0,0; 0,5; 0, e 0,4 k k k k k -M ( k -M ) k ( k -M ) k ( k -M ) σ 0,0 0,90 -,7 8,07 -,85,4 7 0,5,75 -,7 4,7-0,54,8 0,,7,8 8,0 0,88,48 0 0,4,80 0,8 7,9,5,4 Totali,00 9,7 0,00,50 5, M M var Σ 9,7 i i ( X) = = = 9, 7 Σ ( X m) =Σ ( M) = 0 i i ( X ) = M( X m) = M( X ) M( X) σ = M m [( X ) ] = 5, [ ] =, 50 VALORE MEDIO NELLE PROVE RIPETUTE Se un evento E ha la robabilità costante di verificarsi in ogni rova, e di conseguenza l evento contrario ha robabilità q =, effettuando n rove nelle medesime condizioni, il /

4 numero delle volte l evento E si verifica costituisce una variabile casuale X, che uò assumere differenti valori ciascuno con una revista robabilità. M ( X) = n Quindi se un evento, su n rove effettuate nelle medesime condizioni, ha la robabilità costante in ogni rova, il valor medio del numero delle volte che l evento richiesto si verifica è dato dal rodotto del numero delle rove effettuate er la robabilità costante dell evento in ogni rova. E. Viene rietuto il lancio del dado er 00 volte, il numero delle volte che si resenterà il vale è M quindi su 00 rove effettuate il valore in media si resenterà 00 dado da ( ) = 00 = 00 volte. SCARTO NELLE PROVE RIPETUTE Se si rietono n rove, ciascuna di robabilità costante in ogni rova e l evento si resenta ν (frequenza) volte, si definisce scarto assoluto la differenza fra il numero ν delle volte che l evento si è resentato favorevole ed il numero medio M ( X) n = delle volte che l evento avrebbe teoricamente resentarsi. Indicando con s lo scarto assoluto si ha: s = ν - n Ricordiamo che il valore medio dello scarto assoluto è nullo cioè M(s) = 0. Il raorto fra lo scarto assoluto ed il numero delle rove effettuate si definisce scarto relativo ed è dato da: s n ν n = n ν = = n f ossia lo scarto relativo è dato dalla differenza fra la frequenza relativa con cui l evento si è resentato e la robabilità costante dell evento in ciascuna rova. Al crescere del numero n delle rove, f si avvicina ad un valore circa uguale a quello della s n robabilità a riori del verificarsi dell avvenimento. M = M( f ) = 0 4/

5 SCARTO QUADRATICO MEDIO NELLE PROVE RIPETUTE: σ = nq = n( ) VARIANZA NELLE PROVE RIPETUTE: var ( X ) = nq Continuando l esercizio recedente: Viene rietuto il lancio del dado er 00 volte, il numero delle volte che si resenterà il vale è dado da ( ) = 00 = 00 M quindi su 00 rove effettuate il valore in media si resenterà 00 volte, lo scarto quadratico medio sarà σ = n ( ) = 00 9, VARIABILI CASUALI CONTINUE Variabile casuale continua è qualsiasi variabile casuale che assume tutti i valori reali comresi in un dato intervallo limitato o illimitato. Diamo alcune definizioni: Funzione di riartizione: la funzione di riartizione F() della variabile casuale X esrime la robabilità che la variabile casuale assuma un valore non sueriore a. Cioè, si ha F( ) = Pr( X ) e valgono le medesime rorietà viste er le variabili casuali discrete, cioè: La funzione di riartizione è definita er qualsiasi valore (reale) di La funzione di riartizione assume valori comresi fra zero e essendo: F ( ) = 0 er a (valore minimo) F ( ) = er b (valore massimo) 5/

6 La funzione di riartizione è monotona non decrescente. F() 0 a b E. Consideriamo la variabile casuale X, continua, che assume tutti i valori reali aartenenti all intervallo [0; 0] e la cui funzione di densità è f() = 0,00. Con riferimento a questa variabile casuale calcoliamo la robabilità che essa assuma valore:. non sueriore a. sueriore a. non sueriore a 4. comreso fra 4 e 7 verifichiamo er rima cosa la condizione che la somma delle robabilità arziale è uguale alla 0 0 certezza: f ( ) d 0,00 d= 0,00 = 0,00 0 = Pr Pr Pr = 0 0 ( X ) = 0,00 d= 0 0 ( X > ) = 0,00 d= ( X ) = 0,00 d= 0 0,00 0,999 0, /

7 Pr 7 ( 4< X 7) = 0,00 d= 4 0,079 PARTICOLARI DISTRIBUZIONI DI PROBABILITA La distribuzione uniforme Si dice che la variabile aleatoria X ha distribuzione di robabilità uniforme se assume i valori,,,., n con robabilità,,., n tutte uguali fra loro. La distribuzione binomiale Si dice rova di Bernuilli un eserimento aleatorio che uò avere solo due esiti ossibili, convenzionalmente chiamati successo e insuccesso aventi robabilità di successo e q=- di insuccesso. Si dice rocesso di Bernouilli una sequenza di rove di Bernouilli tutte di uguale arametro e tra loro indiendenti. La robabilità k P( X = k) = che in un rocesso bernouilliano si verifichino k successi è data da k k n k = 0 q con k = 0,,,.., n E. Una moneta viene lanciata 0 volte e viene registrato il numero delle volte che esce testa. Tale numero è una variabile aleatoria discreta che uò assumere tutti i valori comresi tra 0 e 0; infatti su 0 lanci, l evento testa uò verificarsi 0 volte, volta,., 0 volte. La distribuzione di robabilità di questa variabile aleatoria si determina calcolando la robabilità che su 0 lanci esca testa 0 volte, volta,., 0 volte; se indichiamo con la robabilità che esca volte si ha 0 = 0 con 0 = 0!! ( 0 )! ,00 0,00 0,044 0,7 0,05 0,4 0,05 0,7 0,044 0,00 0,00 7/

8 con = grafico La funzione distribuzione di robabilità della variabile aleatoria X uò quindi essere descritta in forma analitica nel seguente modo: f n 0... altrove n ( ) = ( X = ) = q... er. = 0,,..., n e. La robabilità che su 0 estrazioni di una carta da un mazzo di 40 esca er tre volte un asso è: 0 4 = ,057 E. La robabilità che un tiratore non colisca il bersaglio è 0,08. Calcolare la robabilità che, su 0 tiri, ne fallisca 0,,,.., 0. La variabile aleatoria X è, in questo caso, il numero di tiri non andati a segno sui 0 fatti. = 0,08; q = 0, ( 0) = ( 0,08) ( 0,9) = 0, ( ) = ( 0,08)( 0,9) = 0, ( 5) = ( 0,08) ( 0,9) = 0, ( 0) = ( 0,08) ( 0,9) =,07 0 Il valore atteso è M(X) = 0 0,08 = 0,8 8/

9 La varianza è V(X) = 0 0,08 0,9 = 0,7 questo significa che mediamente ci si asetta che il tiratore sbagli al massimo un tiro su 0 fatti, con uno scarto da questo valore iuttosto basso. LA DISTRIBUZIONE DI POISSON Vedendo gli esemi recedenti se n è grande, la valutazione della robabilità binomiale richiede calcoli di una certa entità. In questi casi se è molto iccolo e se n tende ad infinito si uò ricorrere ad un altra distribuzione che rende il nome di distribuzione di Poisson. In tale distribuzione, la variabile X assume i valori 0,,,. La funzione distribuzione di robabilità di X assume la forma f( ) m m e... er. = 0,,,... =! 0... altrove Dove m è una costante ositiva che raresenta il arametro della distribuzione. Nel caso in cui questa distribuzione venga usata come arossimazione di quella binomiale, quindi er n molto grande e molto iccolo, il arametro m è dato dal valore atteso cioè dal rodotto n. Oltre che come arossimazione della distribuzione binomiale er n grande e iccolo, la distribuzione di Poisson regola molti fenomeni naturali a atto che questi risettino le seguenti condizioni: la robabilità che un evento si verifichi in un fissato intervallo di temo cresca con l amiezza dell intervallo. La robabilità che un evento si verifichi due volte nello stesso intervallo sia trascurabile risetto alla robabilità che si verifichi una sola volta. Il numero di eventi in intervalli disgiunti siano indiendenti. E. Vogliamo calcolare la robabilità che, lanciando due dadi insieme er volte, l evento esce un doio si verifichi 0,,,. volte. 9/

10 Sia X la variabile aleatoria che registra il numero di doia uscita del. La robabilità che in un lancio dei due dadi si verifichi un doio due è /, la robabilità che non si verifichi è 5/ ed inoltre n =. Se calcoliamo i valori di robabilità con la discussione binomiale (funzione di robabilità f ( ) = 5 ottiene er = n= = ) e con la distribuzione di Poisson (funzione di robabilità che si!! m, cioè f ( ) = e ) otteniamo Distrib. binomiale Distrib. Di Poisson 0 0, 0,8 0,7 0,8 0,87 0,84 0,00 0,0 4 0,04 0,05 5 0,00 0,00 0,000 0,00 Come si uò vedere la differenza fra la robabilità calcolata con la distribuzione binomiale e quella di Poisson diventa trascurabile al crescere dei valori assunti da X. E. In un ufficio ostale transitano, er un certo sortello mediamente 90 ersone ogni ora. Se l oeratore si deve allontanare 5 minuti, qual è la robabilità che non arrivino ersone in quei 5 minuti? Qual è la robabilità che arrivino ersone? Se allo sortello si resentano 90 ersone ogni ora, in 5 minuti si resentano mediamente = 7,5 ersone. 0/

11 Il numero di ersone che si resentano effettivamente in quei 5 minuti è una variabile aleatoria discreta che uò assumere i valori 0,,,. Tale variabile segue una distribuzione di Poisson in cui il arametro m vale 7,5; quindi la robabilità che non si resentino ersone allo sortello è ( 0) 0 ( 7,5) 7,5 4 f = ( X = 0) = e = 5,5 0 (robabilità molto bassa) 0! f ( ) = ( X = ) = ( 7,5)! e 7,5 = 0,04 VARIABILE CASUALE CON DISTRIBUZIONE GAUSSIANA Si tratta della variabile casuale continua che assume qualsiasi valore reale (da la cui funzione di densità, che indichiamo con il simbolo (), è definita come segue: ( ) = σ ( m) σ e π Dove m è il valore medio; σ è la varianza e σ è lo scarto quadratico medio. Essa diende dai due valori m e σ. a + ) e Dallo studio della funzione di densità ( ) della variabile casuale gaussiana si deduce che essa ha le seguenti caratteristiche: è simmetrica risetto alla retta =m assume il massimo valore uguale a in corrisondenza della media m ; σ π resenta due unti di flesso in corrisondenza di m σ ed m + σ ; è asintotica risetto all asse delle ascisse; l area sottesa dalla curva e delimitata dall asse ha valore ; il valore atteso e la deviazione standard sono rorio i arametri m e σ /

12 () andamento della funzione di densità () 0 m-σ m m+σ La sua tiica forma a camana è iù o meno concentrata risetto all asse = m, cioè er σ iccoli cresce il valore massimo e quindi la curva è iù alta e iù addensata all asse = m mentre er alti valori di σ la curva è iù bassa e distribuita. La robabilità che la variabile aleatoria assuma un valore che è comreso tra due articolari valori a e b è data dall area della regione di iano racchiusa dalla curva, dall asse delle ascisse e dalle rette =a e =b. Esemio: consideriamo la variabile aleatoria che raresenta il diametro delle sfere di acciaio rodotte da una macchina utensile e suoniamo di saere che le caratteristiche della macchina facciano ottenere sfere con un diametro di valor medio 0,5 cm e deviazione standard 0,0 cm; la curva teorica di robabilità ha in questo caso equazione f ( ) = 0,0 e π ( 0,5) ( 0,0) er valutare la robabilità che una sfera resa a caso dalla distribuzione abbia diametro comreso fra 0,475 cm 0,55cm, dobbiamo calcolare l area della arte di iano racchiusa dalla curva, dall asse delle ascisse e dalle rette di equazioni =0,475 e =0,55. Variabile casuale gaussiana standardizzata: con m = 0 e σ = la formula della distribuzione diventa Questa funzione π ( ) = e 0,9894 e assume il valore massimo in corrisondenza di = m = 0 e vale ; π resenta i due unti di flesso in corrisondenza di - e + () 0 /

E chiaro allora che, rappresentando l evento impossibile e quello certo le due situazioni limite, per un qualunque evento si avrà:

E chiaro allora che, rappresentando l evento impossibile e quello certo le due situazioni limite, per un qualunque evento si avrà: CORSO ELEMENTARE SULLA PROBABILITA Eserimento aleatorio: ogni fenomeno del mondo reale il cui svolgimento è accomagnato da un certo grado di incertezza. rova (tentativo) singola esecuzione di un ben determinato

Dettagli

CBM a.s. 2012/2013 PROBLEMA DELL UTILE DEL CONSUMATORE CON IL VINCOLO DEL BILANCIO

CBM a.s. 2012/2013 PROBLEMA DELL UTILE DEL CONSUMATORE CON IL VINCOLO DEL BILANCIO CM a.s. /3 PROLEMA DELL TILE DEL CONSMATORE CON IL VINCOLO DEL ILANCIO Il consumatore è colui che acquista beni er destinarli al rorio consumo. Linsieme dei beni che il consumatore acquista rende il nome

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

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

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle robabilità Evento casuale Chissà quante volte vi hanno detto: Scegli una carta da questo mazzo e voi scegliete casualmente una carta. Perché casualmente? Cosa vuol dire scegliere a caso?

Dettagli

Sessione live #2 Settimana dal 24 al 30 marzo. Statistica Descrittiva (II): Analisi congiunta, Regressione lineare Quantili.

Sessione live #2 Settimana dal 24 al 30 marzo. Statistica Descrittiva (II): Analisi congiunta, Regressione lineare Quantili. Sessione lie # Settimana dal 4 al 30 marzo Statistica Descrittia (II): Analisi congiunta, Regressione lineare Quantili Lezioni CD: 3 4-5 Analisi congiunta Da un camione di 40 studenti sono stati rileati

Dettagli

Portata Q - è il volume di liquido mosso dalla pompa nell'unità di tempo; l'unità di misura della portata è m 3 /sec (l/s; m 3 /h).

Portata Q - è il volume di liquido mosso dalla pompa nell'unità di tempo; l'unità di misura della portata è m 3 /sec (l/s; m 3 /h). OME ER FLUIDI ALIMENARI Definizione Sono macchine oeratrici oeranti su fluidi incomrimibili in grado di trasformare l energia meccanica disonibile all albero di un motore in energia meccanica del fluido

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

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

5. Dati sperimentali e loro elaborazione 9. 5.1 Resistenza interna del triodo 9. 5.2 Conduttanza mutua del triodo 16

5. Dati sperimentali e loro elaborazione 9. 5.1 Resistenza interna del triodo 9. 5.2 Conduttanza mutua del triodo 16 Sommario Pa. 1. Scoo dell eserienza 2 2. Presuosti teorici 3 3. Aarato Strumentale 6 4. Descrizione dell eserimento 8 5. Dati serimentali e loro elaborazione 9 5.1 Resistenza interna del triodo 9 5.2 Conduttanza

Dettagli

NUMERI RAZIONALI E REALI

NUMERI RAZIONALI E REALI NUMERI RAZIONALI E REALI CARLANGELO LIVERANI. Numeri Razionali Tutti sanno che i numeri razionali sono numeri del tio q con N e q N. Purtuttavia molte frazioni ossono corrisondere allo stesso numero, er

Dettagli

SENSAZIONE SONORA. 18.1 L orecchio umano. 18.2 La sensazione sonora - Audiogramma normale

SENSAZIONE SONORA. 18.1 L orecchio umano. 18.2 La sensazione sonora - Audiogramma normale Corso di Imiati Tecnici a.a. 009/010 Docente: Prof. C. Isetti CAPITOLO 18 18.1 L orecchio umano La ercezione di suoni, come d altra arte già osservato al riguardo della luce, coinvolge sia asetti fisici

Dettagli

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛ Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata

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

Trigonometria (tratto dal sito Compito in classe di Matematica di Gilberto Mao)

Trigonometria (tratto dal sito Compito in classe di Matematica di Gilberto Mao) Trigonometria (tratto dal sito Comito in classe di Matematica di Gilberto Mao) Teoria in sintesi Radiante: angolo al centro di una circonferenza che sottende un arco di lunghezza rettificata uguale al

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

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

DISTRIBUZIONI DI PROBABILITÀ

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

Dettagli

STABILITÀ DEI SISTEMI LINEARI

STABILITÀ DEI SISTEMI LINEARI STABILITÀ DEI SISTEMI LINEARI Quando un sistema fisico inizialmente in quiete viene sottoosto ad un ingresso di durata finita o di amiezza limitata, l uscita del sistema dovrebbe stabilizzarsi a un certo

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

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

Esercizio 1. Svolgimento

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

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

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

Dettagli

TUTORIAL PORTAFOGLIO MANAGEMENT. Parte 1 Rischio e Rendimento

TUTORIAL PORTAFOGLIO MANAGEMENT. Parte 1 Rischio e Rendimento TUTORIAL PORTAFOGLIO MANAGEMENT Parte Rischio e Rendimento Quando si tratta di investire del denaro ci si rosettano diverse combinazioni di rischio e rendimento. Maggiore è il rischio cui ci si esone,

Dettagli

L Q = 1. e nel ciclo di Carnot questo rendimento assume valore massimo pari a : η =

L Q = 1. e nel ciclo di Carnot questo rendimento assume valore massimo pari a : η = CICLI ERMODINAMICI DIREI: Maccine termice Le maccine ce anno come scoo uello di trasformare ciclicamente in lavoro il calore disonibile da una sorgente termica sono dette maccine termice o motrici e il

Dettagli

AREA 1: FUNZIONI E LIMITI

AREA 1: FUNZIONI E LIMITI AREA : FUNZIONI E LIMITI INSIEMI NUMERICI E FUNZIONI Per ricordare H Un insieme E si dice: itato sueriormente se esiste un numero k, non necessariamente aartenente a E, che eá maggiore o uguale di tutti

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

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

Dettagli

I NUMERI INDICI. Numeri indici indici (misurano il livello di variabilità, concentrazione, dipendenza o interdipendenza, ecc.)

I NUMERI INDICI. Numeri indici indici (misurano il livello di variabilità, concentrazione, dipendenza o interdipendenza, ecc.) NUMER NDC Numeri indici indici (misurano il livello di variabilità, concentrazione, diendenza o interdiendenza, ecc.) si utilizzano er confrontare grandezze nel temo e nello sazio e sono dati dal raorto

Dettagli

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

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

Dettagli

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

Capitolo Ventitrè. Offerta nel breve. Offerta dell industria. Offerta di un industria concorrenziale Offerta impresa 1 Offerta impresa 2 p

Capitolo Ventitrè. Offerta nel breve. Offerta dell industria. Offerta di un industria concorrenziale Offerta impresa 1 Offerta impresa 2 p Caitolo Ventitrè Offerta dell industria Offerta dell industria concorrenziale Come si combinano le decisioni di offerta di molte imrese singole in un industria concorrenziale er costituire l offerta di

Dettagli

6. CAMPO MAGNETICO ROTANTE.

6. CAMPO MAGNETICO ROTANTE. 6 CAMPO MAGNETICO ROTANTE Il camo magnetico monofase Il funzionamento delle macchine elettriche rotanti alimentate in corrente alternata si basa sul rinciio del camo magnetico rotante: il suo studio viene

Dettagli

Appunti ed Esercizi di Fisica Tecnica e Macchine Termiche. Cap. 10. Elementi di psicrometria, condizionamento dell aria e benessere ambientale

Appunti ed Esercizi di Fisica Tecnica e Macchine Termiche. Cap. 10. Elementi di psicrometria, condizionamento dell aria e benessere ambientale Aunti ed Esercizi di Fisica Tecnica e Macchine Termiche Ca. 0. Elementi di sicrometria, condizionamento dell aria e benessere ambientale Nicola Forgione Paolo Di Marco Versione 0.0.04.0. La resente disensa

Dettagli

Ripasso di microeconomia ECONOMIA E FINANZA PUBBLICA. Teoria del consumatore. Lezione n. 1. Teoria del consumatore. Le preferenze.

Ripasso di microeconomia ECONOMIA E FINANZA PUBBLICA. Teoria del consumatore. Lezione n. 1. Teoria del consumatore. Le preferenze. Università degli Studi di erugia Corso di Laurea Magistrale in Scienze della olitica e dell'mministrazione Lezione n. Riasso di microeconomia CONOMI FINNZ ULIC nza Caruso Le referenze Come i consumatori

Dettagli

4. Reti correttrici e regolatori industriali. 4.1 Regolatori industriali. 4.1.1 Regolatore ad azione proporzionale P

4. Reti correttrici e regolatori industriali. 4.1 Regolatori industriali. 4.1.1 Regolatore ad azione proporzionale P 4. Reti correttrici e regolatori industriali Un sistema di controllo ad anello chiuso deve soddisfare le secifiche assegnate nel dominio della frequenza e quelle assegnate nel dominio del temo. Queste

Dettagli

14/05/2013. Onde sonore

14/05/2013. Onde sonore Onde sonore valutazione del fenomeno acustico 1 Cos è il suono? Una erturbazione di carattere oscillatorio che si roaga in un mezzo elastico Alla roagazione corrisonde una roagazione di energia ma non

Dettagli

5 LAVORO ED ENERGIA. 5.1 Lavoro di una forza

5 LAVORO ED ENERGIA. 5.1 Lavoro di una forza 5 LAVR ED ENERGIA La valutazione dell equazione del moto di una articella a artire dalla forza agente su di essa risulta articolarmente semlice qualora la forza è costante; in tal caso è ossibile stabilire

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 Controlli Digitali Laurea Magistrale in Ingegneria Meccatronica CONTROLLORI PID Tel. 0522 522235 e-mail: secchi.cristian@unimore.it Introduzione regolatore Proorzionale, Integrale, Derivativo PID regolatori

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

Esercizi di probabilità discreta

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

Dettagli

Esercitazioni 2013/14

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

Dettagli

Corso di Fisica Strumentale

Corso di Fisica Strumentale Facoltà di Medicina e Chirurgia Corso di Fisica Strumentale er Tecnici di Laboratorio Biomedico e Tecnici di revenzione ambientale e sui luoghi di lavoro Prof. R. Rolandi Il microscoio ottico Lo scoo di

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

FISICA. V [10 3 m 3 ]

FISICA. V [10 3 m 3 ] Serie 5: Soluzioni FISICA II liceo Esercizio 1 Primo rinciio Iotesi: Trattiamo il gas con il modello del gas ideale. 1. Dalla legge U = cnrt otteniamo U = 1,50 10 4 J. 2. Dal rimo rinciio U = Q+W abbiamo

Dettagli

1 Il campo elettrico. 1.1 Azione a distanza

1 Il campo elettrico. 1.1 Azione a distanza 1 Il camo elettrico 1.1 Azione a distanza L idea di interazione fra cori è stata semre associata all idea di un contatto: la ossibilità che un oggetto otesse esercitare un azione in una regione di sazio

Dettagli

Valori caratteristici di distribuzioni

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

Dettagli

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

! L occhio come sistema ottico complesso. Corso di Principi e Modelli della Percezione. ! Prof. Giuseppe Boccignone!

! L occhio come sistema ottico complesso. Corso di Principi e Modelli della Percezione. ! Prof. Giuseppe Boccignone! L occhio come sistema ottico comlesso Corso di Princii e Modelli della Percezione Prof. Giusee Boccignone Diartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it htt://homes.dsi.unimi.it/~boccignone/giuseeboccignone_webage/modelli_percezione.html

Dettagli

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

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

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

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

Dettagli

Università degli Studi di Milano

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

Dettagli

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

Tutorato di Probabilità e Statistica

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

Dettagli

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

CAP.3 LA LEGGE COSTITUTIVA ELASTO-PLASTICA

CAP.3 LA LEGGE COSTITUTIVA ELASTO-PLASTICA ECNOLOGE E MAERAL AEROSPAZAL CAP. LA LEGGE COSUVA ELASO-PLASCA CAPOLO LA LEGGE COSUVA ELASO-PLASCA. ntroduzione Le microstruttura dei materiali olicristallini è all origine del comortamento elasto-lastico

Dettagli

La distribuzione Gaussiana

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

Dettagli

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

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Introduzione alla trigonometria

Introduzione alla trigonometria Introduzione alla trigonometria Angoli e loro misure In questa unità introdurremo e studieremo una classe di funzioni che non hai ancora incontrato, le funzioni goniometriche. Esse sono imortanti sorattutto

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Probabilità II Variabili casuali discrete

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

Dettagli

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

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

Dettagli

Decisioni in condizioni di rischio. Roberto Cordone

Decisioni in condizioni di rischio. Roberto Cordone Decisioni in condizioni di rischio Roberto Cordone Decisioni in condizioni di rischio Rispetto ai problemi in condizioni di ignoranza, oltre all insieme Ω dei possibili scenari, è nota una funzione di

Dettagli

Elementi di meccanica dei fluidi

Elementi di meccanica dei fluidi IMPIANTI AEROSPAZIALI DISPENSE DEL CORSO, VERSIONE 005 Caitolo 3 Elementi di meccanica dei fluidi 3. IMPIANTI AEROSPAZIALI DISPENSE DEL CORSO, VERSIONE 005 3. Introduzione In molti imianti il collegamento

Dettagli

Statistica inferenziale

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

Dettagli

CONCORRENZA PERFETTA E DINAMICA

CONCORRENZA PERFETTA E DINAMICA 1 CONCORRENZA PERFETTA E DINAMICA 1. La caratterizzazione dell'equilibrio di mercato Per caratterizzare un mercato di concorrenza erfetta consideriamo un certo numero di imrese che roducono e offrono tutte

Dettagli

La distribuzione binomiale

La distribuzione binomiale La distribuzione binomiale 1. Che cos'è un numero casuale Stiamo per lanciare un dado. Fermiamo la situazione un attimo prima che il dado cada e mostri la faccia superiore. Finché è in aria esso costituisce

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri.

Il prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri. Scrivi i primi termini delle seguenti successioni: =1; =; = + Individua la legge che genera ognuna delle seguenti successioni: -1,, -, 4, -5, In una progressione aritmetica la somma del primo, quarto,

Dettagli

k n Calcolo delle probabilità e calcolo combinatorio (di Paolo Urbani maggio 2011)

k n Calcolo delle probabilità e calcolo combinatorio (di Paolo Urbani maggio 2011) b) (vedi grafo di lato) 7 0 9 0 0 0 ( E ) + + 0, ) Calcolare, riguardo al gioco del totocalcio, la probabilità dei seguenti eventi utilizzando il calcolo combinatorio a) E : fare b) E : fare 0 c) E : fare

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

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

La riflessione della luce: gli specchi

La riflessione della luce: gli specchi APITOLO 3 La riflessione della luce: gli secchi Immaginiamo un camo di 20 ettari ( ha 0 4 m 2 ) ieno di secchi arabolici: er l esattezza 360. Grazie a un articolare sistema di tubi, la radiazione solare

Dettagli

La presa dei fotogrammi

La presa dei fotogrammi UNITÀ T2 La resa dei fotogrammi TEORI 1 Fotogrammetria aerea 2 Relazione tra scala dei fotogrammi e altezza di volo 3 Parametri del volo aereo fotogrammetrico 4 Gestione del volo fotogrammetrico 5 Fotogrammetria

Dettagli

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio

DUE PROPOSTE ANALISI MATEMATICA. Lorenzo Orio DUE PROPOSTE DI ANALISI MATEMATICA Lorenzo Orio Introduzione Il lavoro propone argomenti di analisi matematica trattati in maniera tale da privilegiare l intuizione e con accorgimenti nuovi. Il tratta

Dettagli

MATEMATICA 5 PERIODI

MATEMATICA 5 PERIODI BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE

Dettagli

Errori di misura. è ragionevole assumere che una buona stima del valore vero sia la media

Errori di misura. è ragionevole assumere che una buona stima del valore vero sia la media Errori di miura Se lo trumento di miura è abbatanza enibile, la miura rietuta della tea grandezza fiica darà riultati diveri fra loro e fluttuanti in modo caratteritico. E l effetto di errori cauali, o

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

CONTROLLI STATISTICI

CONTROLLI STATISTICI CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione

Dettagli

Economia dell'informazione

Economia dell'informazione Economia dell'informazione Disensa 3 Monoolio Martina Gambaro & Andrea Borghesan martina.gambaro@unive.it - borg@unive.it Sommario Monoolio... 1 Massimizzazione del rofitto in monoolio... Monoolio ed elasticità...

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

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

Dettagli

Laboratorio di dati e sistemi multimediali

Laboratorio di dati e sistemi multimediali Laboratorio di dati e sistemi multimediali Scienze e tecnologie Multimediale Prof. Christian Micheloni Relazioni tra dati Si consideri un insieme di elementi generico O = o 1,, o n Potrebbe essere imossibile

Dettagli

Ancora sulla II parte dell articolo ALCUNE REGOLARITA DAI NUMERI PRIMI di Guido Carolla 1

Ancora sulla II parte dell articolo ALCUNE REGOLARITA DAI NUMERI PRIMI di Guido Carolla 1 Ancora sulla II arte dell articolo ALCUNE REGOLARITA DAI NUMERI PRIMI di Guido Carolla 1 1. Un osservazione sulle somme contratte e sul software del massimo ga Facendo seguito a quanto l autore ha iniziato

Dettagli

Esercizi SINTESI E RIEPILOGO. Parole chiave. Formule e proprietà importanti. Tema B. In più: esercizi interattivi

Esercizi SINTESI E RIEPILOGO. Parole chiave. Formule e proprietà importanti. Tema B. In più: esercizi interattivi Unità Esercizi In iù: esercizi interattivi Tema B SINTESI E RIEPILG Parole chiave Ascissa. 17 Asse delle ascisse. 17 Asse delle ordinate. 17 Asse. 17 Asse. 17 Coefficiente angolare. 10 Coordinata. 17 Distanza

Dettagli

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

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

Dettagli

Corso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo.

Corso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo. Corso di Matematica Corso di Laurea in Farmacia, Facoltà di Farmacia Università degli Studi di Pisa Maria Luisa Chiofalo Scheda 18 Esercizi svolti sul calcolo delle probabilità I testi degli esercizi sono

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

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

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

SOLUZIONI D = (-1,+ ).

SOLUZIONI D = (-1,+ ). SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.

Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di

Dettagli

6. I GAS IDEALI. 6.1 Il Gas perfetto

6. I GAS IDEALI. 6.1 Il Gas perfetto 6. I GAS IDEALI 6. Il Gas erfetto Il gas erfetto o ideale costituisce un modello astratto del comortamento dei gas cui tendono molti gas reali a ressioni rossime a quella atmosferica. Questo modello di

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2011

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2011 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PRBLEMA Si considerino le funzioni f e g definite, per tutti

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

Punto 1 Dopo aver scelto come unità di misura (dm), dai dati si ricava che la curva deve passare per i punti, B C e D

Punto 1 Dopo aver scelto come unità di misura (dm), dai dati si ricava che la curva deve passare per i punti, B C e D Problema 1: Il porta scarpe da viaggio Risoluzione Punto 1 Dopo aver scelto come unità di misura (dm), dai dati si ricava che la curva deve passare per i punti, B C e D a) L' equazione è da scartare perchè

Dettagli