Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
|
|
- Liliana Parisi
- 7 anni fa
- Visualizzazioni
Transcript
1 Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni del calcolo combinatorio D n,k =Disposizioni semplici ( senza reimmissione )di n oggetti a k a k (o di classe k) Se ho n oggetti distinti (le lettere dell'alfabeto) e voglio contare quante quadruple (k=4) distinte (che tengon conto dell'ordine) si possono costruire utilizzando (senza reimmissione) gli n oggetti devo calcolare n*(n-1)*(n-2)*(n-3)= Introducendo la notazione n!=(n-1)(n-2)...1 e generalizzando ad un k qualsiasi ottengo D n,k =n(n-1)(n-2)...(n-k+1)=n!/(n k)! D R n,k =Disposizioni con ripetizione (con reimmissione) di n oggetti a k a k (o di classe k) =n k
2 Probabilita' mediante l'analisi combinatoria P n =Permutazioni di n oggetti Se k=n le Disposizioni si chiamano permutazioni D n,n =P n =n! ovvero le Permutazioni di n oggetti sono il numero di tutte le n-ple che si possono costruire, tenendo conto dell'ordine, utilizzando tutti gli n oggetti (senza reimmissione -ripetizione) Esempio: gli oggetti sono le lettere dell'alfabeto italiano,il numero di permutazioni possibili e' P 21 =21! Esempio: quanti sono gli anagrammi di LUCIA? 5!=120
3 Probabilita' mediante l'analisi combinatoria P n =Permutazioni di n oggetti con elementi ripetuti Se degli n oggetti m sono uguali il numero delle permutazioni e' ridotto P n(m) = P n /P m =n!/m! Se degli n oggetti m sono di tipo A, r di tipo B... il numero delle permutazioni e' ridotto a P n(m,r,..) = n!/(m!r!..) Esempio: gli anagrammi di Massimo sono 7!/(2!2!)=420
4 Probabilita' mediante l'analisi combinatoria C n,k =Combinazioni semplici di n oggetti a k a k (o di classe k) k) C n,k sono tutte le k-uple che non tengono conto dell'ordine che si possono costruire utilizzando (senza ripetizione) k fra gli n oggetti: quindi si tratta di dividere le D n,k per il numero di permutazioni P k =k! ovvero C n,k =D n,k /k!= n! /(n k)!k! i numeri C n,k vengono anche detti( per un motivo che chiariremo piu' avanti) coefficienti binomiali e indicati con ( n k))= n! /(n k)!k!
5 Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio e' un numero sul cui valore non siamo certi per carenza di informazioni (ad esempio la durata di un macchinario,il valore di un titolofra 2 giorni...) Nella teoria della probabilita' il numero aleatorio e' definito formalmente con riferimento ad un esperimento casuale o aleatorio. Consideriamo ancora il risultato di un esperimentocasuale, (lancio di una moneta o di un dado...)e sia S il suo spazio campionario. Si puo' associare ad ogni evento semplice ( o complesso) di S un numero reale positivo legandolo ad una caratteristica dell'evento. Il numero associato e' una variabile casuale ( o aleatoria) poiche' e' stato riferito al risultato di un esperimento esso stesso casuale. L'intervallo di valori di X e' detto spazio campionario numerico
6 Esempio :lancio di 2 dadi indipendenti Sia S e' lo spazio campionario dell'esperimento lancio di 2 dadi indipendenti e si osservi la somma delle facce in ogni lancio si puo' immaginare di raccogliere in un unico evento complesso gli eventi semplici che danno la stessa somma e associare a detto evento complesso il numero reale positivo somma X delle facce (1,6) (2,5) 3,4) (4,3) (5,2) (6,1) 7 La variabile aleatoria X puo' assumere i valori interi da 2,..., 12.
7 Legge di probabilita' di un numero aleatorio X i La probabilita' di X i,che si indica P(X i ), e' la Probabilita' dell'evento elementare o complesso E i a cui e' stata associata la variabile X i Se gli eventi E i sono mutualmente eclusivi ed costituiscono una partizione dello spazio S ovvero E 1 E 2 E 3 E 4...=S la condizione di P(E i )=1 equivale alla condizione di normalizzazione P(X i )=1
8 Esempio: distribuzione di probabilita' della variabile somma dei numeri che appaiono sulle facce superiori nel lancio di 2 dadi simmetrici E' facile verificare che le probabilita' P(X i ) sono : P(2)=1/36, P(3)=2/36, P(4)=3/36, P(5)=4/36, P(6)=5/36 P(7)=6/36, P(8)=5/36, P(9)=4/36, P(10)=3/36, P(11)=2/36, P(12)=1/36
9 DISTRIBUZIONE DI PROBABILITA' di una variabile aleatoria discreta Siano X i N variabili aleatorie discrete e siano state definite le loro probabilita' P(X i ) che soddisfano le condizioni: a) 0 P(X i ) 1 b) Σ P(X i ) = 1 dove la Σ e' estesa a tutto lo spazio campionario delle variabili X i ( i =1,N). L'insieme degli N valori P(X i ) costituiscono una distribuzione di probabilita' discreta. L'assegnazione della Probabilita' alle variabili X i puo' procedere, come nell'esempio precedente,a partire dallo spazio degli eventi E i o direttamente assegnando ad ogni X i una probabilita' P(X i ) soddisfi le condizioni a) e b).
10 Esempio lancio di 3 monete indipendenti Si associ ad ogni evento dello spazio campionario S il numero totale X di teste che possono essere 0,1,2,3. La variabile aleatoria X i puo' quindi assumere i valori 0,1,2,3 Si assegna alla X i la probabilita' P(X i ) che e' la Probabilita' definita sull'insieme da cui la X i proviene come mostrato in figura
11 DISTRIBUZIONE DI PROBABILITA' di una variabile aleatoria continua Se la variabile casuale X puo' assumere tutti i valori in un intervallo continuo (a,b),la variabile e' detta continua. Si noti che la variabile casuale continua e' un'astrazione: essa non osservabile nella realta'. Cio' non toglie che le variabili casuali continue abbiano grande impotanza nella statistica come modelli approssimati di situazioni reali.
12 Esempio variabile continua Si supponga di voler considerare l'altezza di adulti maschi estraendo un campione a caso da una popolazione. L'altezza di una popolazione e' di per se' una variabile continua, ma la misura di un numero finito della variabile altezza estratta dai un campione porta ad un numero discreto di valori.pur tuttavia si puo' immaginare di procedere intuitivamente assegnando a intervalli contigui della variabile altezza una probabilita' che soddisfi la definizione assiomatica.
13 Rappresentazione della distribuzione di probabilita' per variabili aleatorie continue- La rappresentazione grafica che corrisponde ad una suddivisione in intervalli dello spazio campionario di una variabile aleatoria continua e' un istogramma a intervalli, ossia con rettangoli aventi per basi segmenti uguali all'ampiezza dell'intervallo scelto e per altezza la probabilita' dell'intervallo diviso.
14 Si immagini ora di prendere intervalli sempre piu' piccoli. Il profilo del grafico diventa sempre piu' regolare mentre resta invariato il significato dell'altezza e dell'area dell'istogramma il cui valore totale e' 1. L'istogramma e' normalizzato ad 1 ovvero che la probabilita' che una variabile X sia compresa nell'intero range o spazio campionario e' la certezza.
15 Funzione densita' di probablita' Spingendo al limite 0 l'intervallo si puo' immaginare che la spezzata diventi una curva continua f(x) detta Funzione di densita di probabilita.l'area f(x)dx del rettangolo infinitesimo evidenziato in figura e' la probabilita' che la variabile X sia compresa fra x e x+dx
16 Definizione di funzione densita' di probabilita' Si chiama funzione densita' di probabilita' di una variabile casuale continua X definita nell'intervallo (a,b) una funzione che possiede le seguenti proprieta': a) f(x) 0 b) a b f(x)dx =1
17 Valore atteso e varianza di una distribuzione di probabilita' Si definisce valore atteso o media della variabile casuale X,il numero E(X)= Σ i X i P(X i ) per distribuzioni discrete E(X)= a b X f(x)dx per distribuzioni continue. Indicando con µ il valore E(X) si definisce varianza di X, e si indica con σ 2 σ 2 =Σ i (X i µ) 2 P(X i ) per distribuzioni discrete 2 = a b (X µ) 2 f(x)dx per distribuzioni continue.
18 Momenti Per una variabile casuale X (discreta o continua)avente una funzione di distribuzione di probabilita' P(X) ( funzione di densita' di probabilita' f(x))e' possibile introdurre i cosidetti momenti (rispetto all'origine) µ k di ordine k µ k =E(X k ) Il momento di ordine 1 e' il valore atteso E(X)=µ Il momento di ordine 2 µ 2 =E(X 2 )= Σ i X i 2 P(X i ) per distribuzioni discrete µ 2 =E(X 2 )= a b X 2 f(x)dx per distribuzioni continue.)
19 -Calcolo della varianza σ 2 =µ 2 µ 2 Dalla definizione di varianza σ 2 =Σ i (X i µ)2 P(X i ) per distribuzioni discrete sviluppando il quadrato si ottiene: σ 2 =Σ i (X i2 2µX i + µ 2 ) P(X i )= = Σ i (X i2 ) P(X i ) 2µ Σ i X i P(X )+µ 2 i Σ i P(X i )= =E(X 2 ) 2µΕ(X)+ µ 2 =E(X 2 ) µ 2 la dimostrazione procede analogamente per distribuzioni continue
Variabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliStatistica. V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali
Elementi di Inferenza Statistica Variabili casuali V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali Soriano nel Cimino (VT), 6 Ottobre 2009 Pier
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliAPPUNTI DI CALCOLO COMBINATORIO E PROBABILITA' Corso di Matematica ed Elementi di Statistica Scienze della Natura a.a. 2014/15
APPUNTI DI CALCOLO COMBINATORIO E PROBABILITA' Corso di Matematica ed Elementi di Statistica Scienze della Natura a.a. 2014/15 Elementi di calcolo combinatorio. Primi elementi di probabilita: denizioni
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliDistribuzione di Probabilità
Distribuzione di Probabilità Sia X variabile con valori discreti X 1, X 2,..., X N aventi probabilità p 1, p 2,..., p N ( i p i = 1) (X variabile discreta aleatoria, o stocastica, o casuale, random) Funzione
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliEsercizi di Calcolo combinatorio: disposizioni
Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliLezione n. 1 _Complementi di matematica
Lezione n. 1 _Complementi di matematica INTRODUZIONE ALLA STATISTICA La statistica è una disciplina che si occupa di fenomeni collettivi ( cioè fenomeni in cui sono coinvolti più individui o elementi )
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliVedremo i concetti di:
1 Campionamento e distribuzioni campionarie Vedremo i concetti di: Popolazione e suoi parametri Campionamento da popolazioni finite Campionamento da popolazioni infinite Statistiche campionarie e loro
DettagliRICHIAMI DI STATISTISTICA E CALCOLO DELLE PROBABILITA
RICHIAMI DI STATISTISTICA E CALCOLO DELLE PROBABILITA La Statistica è la disciplina che studia gli eventi non deterministici (o incerti) riguardo ai quali non si ha una completa conoscenza. Tali eventi
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) MEDIA aritmetica semplice
DettagliMisure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili casuali continue p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili
DettagliDistribuzioni di probabilità e principi del metodo di Montecarlo. Montecarlo
Distribuzioni di probabilità e principi del metodo di Montecarlo Simulazione di sistemi complessi Distribuzioni di probabilità Istogrammi Generazione di numeri casuali Esempi di applicazione del metodo
DettagliLICEO SCIENTIFICO QUESTIONARIO QUESITO 1
www.matefilia.it LICEO SCIENTIFICO 7 - QUESTIONARIO QUESITO Definito il numero E come: E = e d, dimostrare che risulta: e d = e E esprimere e d in termini di e ed E. Cerchiamo una primitiva di e integrando
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO CHE COS E? Il calcolo combinatorio è un particolare ramo della matematica applicata avente come scopo la misurazione del numero di raggruppamenti diversi che si possono comporre prendendo
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliDESCRITTIVE, TEST T PER IL CONFRONTO DELLE MEDIE DI CAMPIONI INDIPENDENTI.
Corso di Laurea Specialistica in Biologia Sanitaria, Universita' di Padova C.I. di Metodi statistici per la Biologia, Informatica e Laboratorio di Informatica (Mod. B) Docente: Dr. Stefania Bortoluzzi
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliPROBABILITÁ e CALCOLO COMBINATORIO
PROBABILITÁ e CALCOLO COMBINATORIO Prof. Enrico Terrone A. S: 2008/09 Probabilità e calcolo combinatorio Abbiamo visto la definizione classica di probabilità: probabilità dell evento = (casi favorevoli)
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliLaboratorio di Meccanica (can C) A.A. 2014/15
Laboratorio di Meccanica (can C) A.A. 2014/15 Diario Tipo: PII: prova in itinere E: esercizi V: vacanza Lo scorso anno N Data Tipo Argomento N Data Tipo Argomento 1W No Lab 1W No Lab 1 mercoledì 4 marzo
DettagliEsercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza May 23, 2007 1 Esercizio Si consideri un mazzo di carte francesi di 2 carte e si supponga di stare giocando a poker.
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliEsercizi Teoria della Probabilità
Esercizi Teoria della Probabilità Esercizio 1 Durante un corso universitario, uno studente prova a svolgere una serie di esercizi. La risposta agli esercizi è di tipo binario (SI/NO). Supponendo la completa
DettagliCorso di Fondamenti di TLC Esercizi di Probabilitá
Corso di Fondamenti di TLC Esercizi di Probabilitá Exercise 0.1 Unurna contiene 2 biglie bianche e 5 nere. Estraiamo una prima biglia: se nera la rimettiamo dentro con altre due dello stesso colore, se
DettagliFin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.
Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della
DettagliFrequenza relativa e probabilità
Frequenza relativa e probabilità La La probabilità e' e' un un numero con con cui cuisi si descrivono i i fenomeni che che possono essere essere pensati come come risultato di di un un esperimento che
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliVariabili aleatorie gaussiane
Variabili aleatorie gaussiane La distribuzione normale (riconoscibile dalla curva a forma di campana) è la più usata tra tutte le distribuzioni, perché molte distribuzioni che ricorrono naturalmente sono
DettagliElementi di Analisi Combinatoria
Elementi di Analisi Combinatoria Angelica Malaspina Dipartimento di Matematica, Informatica ed Economia Università degli Studi della Basilicata, Italy angelica.malaspina@unibas.it Lo studio dei vari raggruppamenti
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliVARIABILI 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
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) Cos è la Statistica caratterizzato
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliStatistica. Lezione 1
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 1 a.a 2011-2012 Dott.ssa Daniela
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliFigura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15
Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde
DettagliStatistica. Campione
1 STATISTICA DESCRITTIVA Temi considerati 1) 2) Distribuzioni statistiche 3) Rappresentazioni grafiche 4) Misure di tendenza centrale 5) Medie ferme o basali 6) Medie lasche o di posizione 7) Dispersione
Dettagli