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

Save this PDF as:
 WORD  PNG  TXT  JPG

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 /

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

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

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) 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

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

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

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

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

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

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

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

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

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

La probabilità. f n. evidentemente è 0 ( E)

La probabilità. f n. evidentemente è 0 ( E) La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione

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

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

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

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

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

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

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

Applicazioni del calcolo differenziale allo studio delle funzioni

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

Dettagli

1. 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

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

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

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

~ 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

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

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

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

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione

PROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione 1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti

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

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

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

Matematica Applicata. Probabilità e statistica

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

Dettagli

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

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

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

Anno 4 Grafico di funzione

Anno 4 Grafico di funzione Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che

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

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

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

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

Dettagli

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

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

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

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

Distribuzioni discrete

Distribuzioni discrete Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione

Dettagli

Cosa dobbiamo già conoscere?

Cosa dobbiamo già conoscere? Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire

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

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

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

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

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

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

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica

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

Studio grafico analitico delle funzioni reali a variabile reale y = f(x)

Studio grafico analitico delle funzioni reali a variabile reale y = f(x) Studio grafico analitico delle funzioni reali a variabile reale y = f() 1 Ecco i passi utili allo studio di una funzione reale: Determinare il dominio della funzione Ricercare l eventuale intersezione

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

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

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

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

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

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

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

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

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Lezione 6 (16/10/2014)

Lezione 6 (16/10/2014) Lezione 6 (16/10/2014) Esercizi svolti a lezione Esercizio 1. La funzione f : R R data da f(x) = 10x 5 x è crescente? Perché? Soluzione Se f fosse crescente avrebbe derivata prima (strettamente) positiva.

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

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

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

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

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

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

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

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

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

Dettagli

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

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

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

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

COEFFICIENTI BINOMIALI

COEFFICIENTI BINOMIALI COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente

Dettagli

Tasso di interesse e capitalizzazione

Tasso di interesse e capitalizzazione Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo

Dettagli

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

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

Dettagli

Funzioni. Capitolo 6. 6.1 Concetto di funzione e definizioni preliminari

Funzioni. Capitolo 6. 6.1 Concetto di funzione e definizioni preliminari Capitolo 6 Funzioni 6. Concetto di funzione e definizioni preliminari Definizione 6. Dati due insiemi non vuoti D e C, si dice applicazione o funzione una qualsiasi legge (relazione) che associa ad ogni

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

Le derivate versione 4

Le derivate versione 4 Le derivate versione 4 Roberto Boggiani 2 luglio 2003 Riciami di geometria analitica Dalla geometria analitica sulla retta sappiamo ce dati due punti del piano A(x, y ) e B(x 2, y 2 ) con x x 2 la retta

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

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

(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

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

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

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

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

VARIABILI ALEATORIE E VALORE ATTESO

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

Dettagli

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 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

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete. Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo

Dettagli

Esame di stato di istruzione secondaria superiore Indirizzi: Scientifico e Scientifico opzione scienze applicate Tema di matematica

Esame di stato di istruzione secondaria superiore Indirizzi: Scientifico e Scientifico opzione scienze applicate Tema di matematica wwwmatematicamenteit maturità 5 Esame di stato di istruzione secondaria superiore Indirizzi: Scientiico e Scientiico opzione scienze applicate Tema di matematica Il candidato risolva uno dei due problemi

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

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

Matematica generale CTF

Matematica generale CTF Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione

Dettagli