1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione"

Transcript

1 .2 Calcolo combnatoro 2.2 Calcolo combnatoro Rcordamo dallesempo.3 che uno spazo d probabltà dscreto (W, P) s dce unforme se W è un nseme fnto e s ha P(A)= A W, per ogn A W. Pertanto, l calcolo della probabltà d un evento n uno spazo unforme s rduce a contarne l numero d element. I problem d conteggo sono tpcamente non banal e vanno affrontat con attenzone. Lo strumento matematco fondamentale n questo contesto è l calcolo combnatoro, che ora descrvamo..2. Prncp baslar Dat due nsem A,B, s dce che A è n corrspondenza bunvoca con B se esste unapplcazone f : A! B bunvoca, coè nettva e surettva. Charamente A è n corrspondenza bunvoca con B se e soltanto se B è n corrspondenza bunvoca con A: s scrve A e B sono n corrspondenza bunvoca, che rende palese la smmetra della relazone (s tratta n effett d una relazone d equvalenza). Dato n 2, s dce che un nseme A ha cardnaltà ne s scrve A = n se A è n corrspondenza bunvoca con lnseme {,2,...,n} ossa, ntutvamente, se A ha n element. In questo paragrafo consdereremo solo nsem fnt, coè nsem che hanno cardnaltà n per un opportuno n 2. Per determnare la cardnaltà d un nseme, la stratega tpca consste nel rcondurre l calcolo allapplcazone combnata (talvolta non banale) d alcun prncp o osservazon baslar. Una prma osservazone, elementare ma molto utle, è che se un nseme A è n corrspondenza bunvoca con un nseme B, allora A = B. Unaltra osservazone, anchessa molto ntutva, è la seguente: se A, B sono due sottonsem (d uno stesso spazo) dsgunt, coè tal che A \ B = /0, allora A [ B = A + B. Pù n generale, se A,...,A sono sottonsem a due a due dsgunt, tal coè che A \ A j = /0 per 6= j, allora S = A = Â = A. La dmostrazone d queste osservazon è semplce ed è lascata per eserczo. Un prncpo leggermente meno elementare rguarda la cardnaltà degl nsem prodotto. Rcordamo che, dat due nsem A,B, l loro prodotto cartesano A B è defnto come lnseme delle coppe ordnate (a,b), con a 2 A e b 2 B. Vale allora la relazone A B = A B. Il modo pù semplce per convncers della valdtà d questa formula consste nel dsporre gl element d A B n una tabella rettangolare, dopo aver numerato gl element de due nsem. Pù precsamente, se A = {a,a 2,...,a m }, B = {b,b 2,...,b }, possamo elencare gl element dellnseme A B nel modo seguente: (a,b )(a,b 2 ) (a,b )(a,b ) (a 2,b )(a 2,b 2 ) (a 2,b )(a 2,b ) , (a m,b )(a m,b 2 ) (a m,b )(a m,b ) 22 Spaz d probabltà dscret: teora da cu è charo che A B = m = A B. Damo ora una dmostrazone pù formale. Per x 2 A ndchamo con {x} B l sottonseme d A B costtuto dagl element che hanno x come prma componente, coè {x} B := {(x,b) : b 2 B}. Possamo qund scrvere A B = [ x2a ({x} B), e s not che questa unone è dsgunta, ossa ({x } B)\({x 2 } B)=/0 se x 6= x 2. Per losservazone enuncata sopra s ha dunque A B = Â x2a {x} B. Dato che lnseme {x} B è n corrspondenza bunvoca con B, medante lapplcazone (x,b) 7! b, segue che {x} B = B e dunque A B = Â x2a B = A B. Per nduzone s estende faclmente la formula al caso d pù d due fattor: dat gl nsem A,...,A, con 2, lnseme prodotto A A è defnto come lnseme delle -uple (a,...,a ), con a 2 A, e ha cardnaltà A A = A A = = A. (.9) Unestensone d questa formula, elementare ma non banale, conduce a quello che è noto come l prncpo fondamentale del calcolo combnatoro. Prma d vedere d che cosa s tratta, dscutamo qualche applcazone de prncp appena vste..2.2 Dsposzon con rpetzone Defnzone.4. Dat 2 e un nseme fnto A, s dcono dsposzon con rpetzone d element estratt da A le funzon f : {,...,}! A. Le dsposzon con rpetzone sono n corrspondenza bunvoca con gl element dellnseme prodotto A := A A ( volte). In effett, una corrspondenza naturale è quella che a (x,...,x ) 2 A assoca la funzone f : {,...,}! A defnta da f () := x. Per la formula (.9) sulla cardnaltà degl nsem prodotto, s ha che A = A = n. Abbamo pertanto l seguente rsultato. Proposzone.6. Le dsposzon con rpetzone d element estratt da un nseme d n element sono n numero n. Per quanto detto, una dsposzone con rpetzone può essere vsta come una sequenza ordnata (x,...,x ) d element x 2 A, non necessaramente dstnt: s può coè avere x = x j per 6= j. Sottolneamo che lordne n cu compaono gl element è mportante: per esempo, (a,a 2 ) e (a 2,a ) sono due dsposzon dfferent. Esempo.6. () I compleann d un gruppo ordnato d 4 persone costtuscono una dsposzone con rpetzone d 4 element estratt dallnseme de gorn dellanno, che ha cardnaltà 366 (contando l 29 febbrao). Sono dunque possbl sequenze dstnte d compleann. (2) Per complare una colonna d una schedna del Totocalco occorre sceglere, per cascuna delle 3 partte n esame, tra la vttora della squadra d casa

2 .2 Calcolo combnatoro 23 (), l pareggo (x) o la vttora della squadra n trasferta (2). Una colonna complata è dunque una dsposzone con rpetzone d 3 element estratt dallnseme {,x,2} e d conseguenza c sono mod possbl d complare una colonna. (3) Le possbl parole (anche prve d sgnfcato) costtute da 6 lettere dellalfabeto nglese possono essere dentfcate con le dsposzon con rpetzone d 6 element estratt da un nseme le lettere dellalfabeto che ne contnene 26: l loro numero è dunque par a Le parole che effettvamente hanno un sgnfcato (per esempo nella lngua nglese) sono naturalmente molte meno: anche ncludendo termn tecnc, non s arrva a trecentomla parole. D conseguenza, la probabltà che dgtando una sequenza d se lettere a caso s ottenga una parola d senso computo è certamente (molto) mnore d /( ) < 0 3, ossa una probabltà su mlle. Osservazone.7. Dat due nsem A,B, ndchamo con A B lnseme d tutte le funzon f : B! A. Se lnseme B ha cardnaltà 2, è facle vedere che A B è n corrspondenza bunvoca con A (o, equvalentemente, con le dsposzon con rpetzone d element estratt da A): una corrspondenza è per esempo quella che a (x,...,x ) 2 A assoca la funzone f 2 A B defnta da f (b ) := x. D conseguenza ottenamo la formula A B = A, coè A B = A B..2.3 Il prncpo fondamentale Un esempo molto rcorrente nelle applcazon è quello n cu gl element d un nseme possano essere determnat attraverso scelte successve. Esempo.7. Sa E lnseme delle funzon nettve da {,...,} n un nseme A con A = n (s not che necessaramente apple n). Possamo determnare ogn funzone f 2 E sceglendo nnanztutto la prma componente f () come un elemento qualunque d A, qund sceglendo la seconda componente f (2) come un elemento qualunque d A \{f ()}, e così va. Abbamo n est possbl per la scelta d f (), (n ) est possbl per la scelta d f (2),...,(n ( )) = (n + ) est possbl per la scelta d f (). Per analoga con gl nsem prodotto, dovrebbe essere charo che E = n (n ) (n + ). ellesempo appena descrtto, lnseme degl est della scelta -esma dpende dagl est delle scelte precedent, tuttava l numero d est possbl è sempre lo stesso, par a n +. Generalzzando queste consderazon, gungamo al prncpo fondamentale del calcolo combnatoro, che possamo formulare come segue. Teorema. (Prncpo fondamentale del calcolo combnatoro). Supponamo che gl element d un nseme E possano essere determnat medante scelte successve, n cu ogn scelta abba un numero fssato d est possbl: la prma scelta ha n est possbl, la seconda scelta ne ha n 2,..., la -esma scelta ne ha n, 24 Spaz d probabltà dscret: teora dove n,...,n 2. Supponamo noltre che sequenze dstnte d est delle scelte determnno element dstnt d E. Allora E = n n 2 n. Così enuncato, questo prncpo può apparre un po vago (per esempo, l concetto d scelta non è stato defnto precsamente). Una rformulazone matematcamente precsa del Teorema., con la relatva dmostrazone, è data dal Teorema C. nellappendce C, che comporta tuttava notazon puttosto pesant e rsulta d poco auto per lapplcazone del prncpo a cas concret. ella pratca, s fa tpcamente rfermento allenuncato del Teorema.. Ldea crucale è che gl element dellnseme E possono essere mess n corrspondenza bunvoca con le sequenze d est delle scelte, che hanno una struttura d spazo prodotto, da cu segue la formula per la cardnaltà. La condzone che sequenze dstnte d est determnno element dstnt d E serve propro a garantre che la corrspondenza sa bunvoca: la mancata verfca d questa condzone è la prncpale fonte d error nellapplcazone del prncpo. Qualche esempo charrà la stuazone. Esempo.8. (a) Un mazzo d carte da poer è costtuto da 52 carte, dentfcate dal seme (cuor ~, quadr }, for, pcche ) e dal tpo (un numero da a 0 oppure J, Q, K). Indchamo con E lnseme delle carte d numero par (fgure escluse) e d colore rosso (coè d cuor o d quadr). Ogn elemento d E può essere determnato attraverso due scelte successve: la scelta del seme, che ha 2 est possbl (cuor e quadr), e la scelta del tpo, che ne ha 5 (coè 2,4,6,8,0). Segue dunque che E = 2 5 = 0. (b) Dato un mazzo d carte da poer, s chama full un sottonseme d 5 carte costtuto dallunone d un trs (un sottonseme d 3 carte dello stesso tpo) e d una coppa (un sottonseme d 2 carte dello stesso tpo). Indchamo con E lnseme de possbl full. Sottolneamo che gl element d E sono sottonsem d 5 carte, non dsposzon: n partcolare, le carte non sono ordnate. Gl element d E possono essere determnat unvocamente attraverso 4 scelte successve: ) l tpo del trs; 2) l tpo della coppa; 3) sem delle carte che compaono nel trs; 4) sem delle carte che compaono nella coppa. Per la prma scelta c sono 3 est possbl, per la seconda scelta, qualunque sa lesto della prma scelta, c sono 2 est possbl (charamente due tp devono essere dfferent, perché non esstono cnque carte dello stesso tpo). Per la terza scelta, occorre sceglere tre sem nellnseme {cuor, quadr, for, pcche}: per enumerazone dretta, è facle vedere che c sono 4 est possbl; analogamente, per la quarta scelta occorre sceglere due sem e per questo c sono 6 est possbl (rtorneremo nellesempo. sul modo d contare sottonsem). Applcando l Teorema. s ottene dunque che E = = (c) Dato un mazzo d carte da poer, ndchamo con E lnseme delle doppe coppe, coè sottonsem d 5 carte costtut dallunone d due coppe d tp dvers, pù una qunta carta d tpo dverso da tp delle due coppe. Per determnare E s potrebbe essere tentat d procedere analogamente al caso de full, attraverso se scelte successve: ) l tpo della prma coppa; 2)

3 .2 Calcolo combnatoro 25 l tpo della seconda coppa; 3) l tpo della qunta carta ; 4) sem delle carte che compaono nella prma coppa; 5) sem delle carte che compaono nella seconda coppa; 6) l seme della qunta carta. C sono 3 est possbl per la prma scelta, 2 per la seconda scelta, per la terza, 6 per la quarta, 6 per la qunta, 4 per la sesta: s otterrebbe dunque E = = Tuttava questo rsultato è errato. La ragone è che le scelte ) e 2) sono ambgue, dal momento che non esste una prma e una seconda coppa. In effett, sequenze dstnte d est delle se scelte sopra elencate non conducono a element dstnt d E: cascun elemento d E, coè cascuna doppa coppa, vene nfatt selezonata esattamente due volte. Per esempo, la doppa coppa {5~,5},6~,6,7} vene determnata sa con lesto 5 della scelta ) e lesto 6 della scelta 2), sa vceversa. Per tale ragone, l rsultato corretto è E = 24704/2 = 23552, coè la metà d quanto ottenuto n precedenza. Un modo alternatvo d ottenere l rsultato corretto è d runre le scelte ) e 2) nellunca scelta bs) tp delle due coppe, che ha 3 2/2 = 78 est possbl (anche su questo torneremo nellesempo.). Le scelte bs), 3), 4), 5) e 6) permettono d applcare correttamente l Teorema., ottenendo E = = Dsposzon semplc e permutazon Defnzone.5. Dat 2 e un nseme fnto A, s dcono dsposzon semplc (o senza rpetzone) d element estratt da A le funzon f : {,...,}! A nettve. Per quanto vsto nellesempo.7, graze al prncpo fondamentale del calcolo combnatoro, l numero d dsposzon semplc d element estratt da un nseme A che ne contene n è par a n(n ) (n +). Introducamo per n 2 l smbolo n!, detto n fattorale, defnto come l prodotto degl nter da a n, e ponamo per convenzone 0! := : n! := n(n ) = n = per n 2, 0! :=. (.20) Possamo esprmere rscrvere la formula n(n ) (n + ) nel modo pù compatto n!/(n )!. Abbamo dunque mostrato l seguente rsultato. Proposzone.7. Le dsposzon semplc d element estratt da un nseme che ne contene n, dove apple apple n, sono n numero D n, := n!/(n )!. Osservazone.8. Per determnare l comportamento asntotco d n! quando n è grande, è d grande utltà la formula d Strlng: n! n n e n p 2pn, (.2) 26 Spaz d probabltà dscret: teora dove a n b n sgnfca che lm n! a n /b n =. Dmostreremo questa formula nella Proposzone 2. del captolo 2. Osservazone.9. In completa analoga con losservazone.7, per ogn nseme fnto B = {b,...,b } con B = l sottonseme d A B costtuto dalle funzon nettve da B n A è n corrspondenza bunvoca con le dsposzon semplc d element estratt da A. La sua cardnaltà è pertanto n!/(n )!. Un caso specale molto mportante s ha quando B = A. Le funzon f : A! A nettve sono necessaramente surettve, dunque bunvoche, essendo A <. Esse sono dette permutazon d A e, per quanto vsto, l loro numero è A!. È nteressante notare che lnseme delle permutazon d un nseme fssato A costtusce un gruppo rspetto alla composzone d applcazon (che è non commutatvo se A 3). A meno d corrspondenze bunvoche, non costa nente consderare l caso specale A = {,...,n}: n questo caso, l gruppo delle permutazon è ndcato con S n ed è detto gruppo smmetrco. Munto della probabltà unforme, lo spazo S n ha propretà nteressant e per cert vers sorprendent, alcune delle qual verranno dscusse nel paragrafo 2.. Esempo.9. Supponamo d mschare un mazzo d carte da poer. La sequenza ordnata delle carte che ne rsulta è una permutazone delle carte del mazzo. Il numero delle possbl sequenze ottenute n questo modo è dunque par 52! Esempo.0 (Paradosso de compleann). S consderno n persone selezonate n modo casuale, nate tutte n un anno non bsestle. S determn la probabltà p n che almeno due d esse compano gl ann lo stesso gorno. Quanto grande deve essere grande n affnché p n > /2? umerat gorn dellanno e le n persone, lo spazo camponaro naturale è dato dalle dsposzon con rpetzone d n element dallnseme de gorn dellanno, ossa W = { f : {,...,n}! {,...,365}}. Abbamo vsto che W = 365 n. Levento d nteresse è dato da A = { f 2 W : f non è nettva}. Munendo lo spazo W della probabltà unforme P, s ha dunque dove, per quanto detto sopra, S ottene dunque p n = p n = P(A)= P(A c )= A c W, A c = { f 2 W : f nettve} = 365! n (365 n)! = (365 ). n =0 (365 ) 365 n = n = = n =0 =0. (.22) 365 Abbamo ottenuto unespressone esatta, anche se non del tutto esplcta. Con lauslo d un calcolatore, s verfca faclmente che p n > 2 se e solo se n 23. In

4 .2 Calcolo combnatoro 27 altr termn, n un gruppo d almeno 23 persone cè una probabltà maggore del 50% che almeno due persone abbano lo stesso compleanno, un rsultato a prma vsta sorprendente. Per un gruppo d 50 persone, la probabltà è maggore del 97%. Concludamo notando che lespressone (.22) può essere approssmata n modo esplcto: sfruttando la dsuguaglanza x apple e x, valda per ogn x 2 R, s ha n p n exp  =0 365 = exp (n )n. 730 Questa espressone è pù grande d 2 per n > n 0 = 2 (+p log2) 22.9, dunque non appena n 23, esattamente come lespressone esatta..2.5 Combnazon Defnzone.6. Dat 2 e un nseme fnto A, s dcono combnazon d element estratt da A sottonsem d A d cardnaltà. Se una dsposzone (semplce o con rpetzone) corrsponde a una sequenza ordnata, una combnazone può essere vsta come una collezone non ordnata d element dellnseme A. Voglamo ora determnare l numero C n, d combnazon d element estratt da un nseme A che ne contene n. Charamente C n,0 =, perché cè un solo nseme con zero element, lnseme vuoto. Per determnare C n, per 2 {,...,n}, rcordamo che c sono D n, = n!/(n )! dsposzon (coè sequenze ordnate) d element dstnt estratt da A. Dato che nelle combnazon lordne degl element non conta, dobbamo dentfcare le dsposzon che danno orgne alla stessa combnazone, coè che selezonano lo stesso sottonseme d A: dato che c sono! rordnament possbl (coè permutazon) d element fssat, s ottene C n, = D n,! =, (.23) dove abbamo ntrodotto l coeffcente bnomale, defnto da n! :=!(n )!, per n 2 0, 2 {0,...,n}. S not che la formula C n, = n vale anche per = 0. Abbamo dunque ottenuto: Proposzone.8. Le combnazon d element estratt da un nseme che ne contene n, dove 0 apple apple n, sono n numero C n, = n. Esempo.. Rtornando brevemente allesempo.8, l numero d mod d sceglere 3 sem tra quattro possbl {~,},,} è par al numero d combnazon d 3 element estratt da un nseme che ne contene 4 ed è dunque dato da 4 3 = 4 28 Spaz d probabltà dscret: teora (come avevamo concluso per enumerazone dretta). Analogamente, l numero d mod d sceglere 2 sem è par a 4 2 = 6 e l numero d mod d sceglere due tp tra 3 possbl è par a 3 2 = 78. Una mano a Poer è un sottonseme d 5 carte dstnte estratte da un mazzo che ne contene 52. Il numero d possbl man è dato dunque da 52 5 = Rcordando lesempo.8, le probabltà d fare full oppure doppa coppa valgono rspettvamente 3744/ % e 23552/ , 8%. Elenchamo alcune semplc propretà de coeffcent bnomal: n n n n = =, =, 8n 2 0, 8 2 {0,...,n}. 0 n n Vale noltre la relazone n n n = +, 8n 2, 8 2 {0,...,n}, (.24) come s verfca faclmente. 2 Rcordamo nfne la formula nota come bnomo d ewton: (a + b) n n = a b n, 8n 2 0, 8a,b 2 R, (.25)  =0 che s dmostra per nduzone usando (.24). Concludamo con un esempo d grande rlevanza teorca e applcatva, che avremo modo d ncontrare nel seguto (s vedano gl Esemp 2. e 4.3). Esempo.2. Consderamo lespermento aleatoro che consste nellnserre casualmente n oggett dstnt n r cassett dsponbl (cascun cassetto può contenere un numero qualunque d oggett). Fssamo 2 {0,...,n} e chedamoc qual è la probabltà che esattamente oggett fnscano nel prmo cassetto. umerat gl oggett da a n e cassett da a r, uno spazo camponaro naturale è dato dallnseme W := f : {,...,n}! {,...,r} delle dsposzon con rpetzone d n element estratt dallnseme {,...,r} (e non vceversa!). Lnterpretazone è che f 2 W codfca lesto n cu ogn oggetto 2 {,...,n} vene nserto nel cassetto f () 2 {,...,r}. La casualtà dellnsermento nduce a munre W della probabltà unforme P. Levento l prmo cassetto contene oggett corrsponde al sottonseme A = { f 2 W : f () = } W delle funzon che assumono l valore esattamente 2 Esste una dmostrazone combnatora d (.24). Le combnazon d element estratt da {,...,n} sono n e possono essere dvse n due sottonsem dsgunt: quelle che contengono n e quelle che non lo contengono; le prme sono n corrspondenza bunvoca con le combnazon d ( ) element estratt da {,...,n }, che sono n, mentre le seconde sono n corrspondenza bunvoca con le combnazon d element estratt da {,...,n }, che sono n.

5 .2 Calcolo combnatoro 29 n element dstnt del domno {,...,n}. Per determnare la cardnaltà d A, possamo applcare l prncpo fondamentale del calcolo combnatoro: c sono n mod d sceglere lnseme f (), ossa l sottonseme de element d {,...,n} che vengono mandat da f n ; una volta fssato lnseme f () su cu f vale valor d f sullnseme complementare {,...,n}\ f () possono essere scelt arbtraramente n {2,...,r}, n un numero d mod par a {2,...,r} {,...,n}\ f () =(r ) n, graze allosservazone.7 (o, equvalentemente, per l prncpo fondamentale). In defntva A = n (r )n e dunque P(A) = A W = n (r )n r n = p ( p) n, con p = r. (.26) el paragrafo.3.4 daremo unnterpretazone alternatva a questa espressone. Largomento con cu abbamo dervato la formula (.23) può essere formalzzato n modo pù precso (e decsamente pù tecnco). Comncamo con un pccolo rsultato preparatoro. Sano D,E due nsem fnt e sa g : D! E unapplcazone surettva. Per ogn y 2 E, ntroducamo l sottonseme g (y) := {x 2 D : g(x)=y} costtuto dagl element d D che vengono mandat da g n y. Supponamo che valga la seguente propretà: esste 2 tale che, per ogn y 2 E, s ha g (y) = (coè per ogn y 2 E esstono esattamente element x 2 D che vengono mandat da g n y). Segue allora che D = E. La dmostrazone è semplce: possamo sempre scrvere E = S y2d g (y) e noltre lunone è dsgunta (eserczo). Qund E = Â y2d g (y) = Â y2d = D. Fssamo ora 2 {,...,n} e defnamo una applcazone g : D n,! C n, nel modo seguente: data f 2 D n,, defnamo g( f ) := Im( f ), dove Im( f ) ndca lmmagne d f (rcordamo che f è una funzone nettva da {,...,} n A). È mmedato verfcare che g è ben defnta, coè effettvamente g( f ) 2 C n, per ogn f 2 D n,, e che g è surettva. Se mostramo che g (B) =!, per ogn B 2 C n,, s ottene D n, =! C n, e qund la formula C n, = n è dmostrata. Indchamo con S B lnseme delle permutazon d B, coè le applcazon p : B! B bunvoche, e fssamo un elemento arbtraro f 0 2 g (B). È molto facle convncers che, per ogn p 2 S B, s ha p f 0 2 g (B): nfatt lapplcazone p f 0 è nettva, perché lo sono sa f 0 sa p, e Im(p f 0 )=Im( f 0 )=B, perché p è una permutazone d B. Rsulta dunque ben posta lapplcazone H : S B! g (B) defnta da H(p) := p f 0. Supponamo che H(p )=H(p 2 ): per ogn b 2 B, se 2 {,...,} è tale che f 0 ()=b(tale esste perché Im( f 0 )=B), ottenamo (p f 0 )()=(p 2 f 0 )(), coè p (b) =p 2 (b); dato che b 2 B è arbtraro, segue che p = p 2, dunque lapplcazone H è nettva. Se ora consderamo un arbtraro f 2 g (B), è facle costrure p 2 S B tale che p f 0 = f, coè H(p) = f, qund lapplcazone H è surettva. Avendo mostrato che H è bunvoca, segue che gl nsem S B e g (B) sono n corrspondenza bunvoca e dunque g (B) = S B =! se B 2 C n,, che è quanto restava da dmostrare..2.6 Estrazon d pallne da unurna Un esempo classco d applcazone del calcolo combnatoro è costtuto da problem d estrazone d pallne da unurna. Al d là dellnteresse matematco, questo genere d problem ha grande rlevanza applcatva: modell basat su urne sono usat ad esempo per descrvere meccansm d rnforzo n teora dellapprendmento. Pù 30 Spaz d probabltà dscret: teora n generale, molt problem d camponamento da una popolazone possono essere rformulat astrattamente come problem d estrazone d pallne da unurna. C lmteremo a consderare lesempo d unurna contenente pallne d due color, dcamo M pallne rosse e M verd (con M apple ). Supponamo d esegure n estrazon successve, secondo uno de seguent due schem seguent: Estrazon con remmssone. Dopo ogn estrazone, la pallna estratta vene renserta nellurna. Estrazon senza remmssone. Le pallne estratte non vengono renserte. In questo caso devessere n apple. Calcolamo, per cascuno de due schem, la probabltà che esattamente delle n pallne stratte sano rosse. Estrazon con remmssone. Supponamo d numerare da a M le pallne rosse e da (M + ) a le pallne verd. Lesto d n estrazon successve può essere dscrtto medante una dsposzone con rpetzone d n element pres dallnseme {,2,...,}. Sa dunque W := { f : {,...,n}! {,...,}} lnseme d tal dsposzon e sa P la probabltà unforme su W. Denotamo nfne con A lnseme delle dsposzon contenent esattamente pallne rosse. S tratta d calcolare P(A) = A W. Per determnare A, utlzzamo l prncpo fondamentale. Un elemento d A è determnato dalle seguent scelte successve. S scelgono le poszon, su n possbl, n cu mettere le pallne rosse: per questa scelta c sono n est possbl. S dspongono pallne rosse (prese dalle M present nellurna) nelle poszon prescelte: c sono M tal dsposzon. S dspongono (n ) pallne verd (prese dalle ( M) present nellurna) nelle rmanent poszon: c sono ( M) n tal dsposzon. S ottene pertanto A = M ( M) n, e dato che W = n, segue faclmente che P(A) = p ( p) n, dove p := M. (.27) S not lanaloga con lespressone (.26), determnata per un modello dverso. Questa analoga verrà renterpretata pù avant, nel paragrafo.3.4. Estrazon senza remmssone. Enumeramo le pallne come nel caso precedente. Un naturale spazo camponaro, n cu la probabltà unforme esprme la casualtà dellestrazone, è quello delle dsposzon senza rpetzone. Tuttava, poché

6 .2 Calcolo combnatoro 3 levento l numero d pallne rosse estratte è non dpende dallordne d estrazone, è forse ancora pù naturale sceglere come spazo camponaro lnseme delle combnazon, e così faremo. Sa dunque W lnseme de sottonsem d n element dellnseme {, 2,..., }, e P la probabltà unforme su d esso. Levento d cu voglamo calcolare la probabltà è A = {w 2 W : w \{,2,...,M} = } = {w 2 W : w \{M +,...,} = n Charamente A = /0 se > M oppure se (n ) > ( M). Supponamo dunque che apple M e (n ) apple ( M). Ogn elemento d A è determnato da due scelte successve: occorre sceglere element da {,2,...,M} e (n ) da {M +,...,}. D conseguenza possamo scrvere M M A =, n }. 32 Spaz d probabltà dscret: teora Osservamo che!, M! e anche ( M )!, graze a (.29). Dato che n e sono fssat, termn tra parentes graffe nella relazone precedente tendono a per `!. Poché M /! p, segue che lm P(A)= p ( p) n, (.30) `! che concde esattamente con lespressone (.27), come volevas dmostrare. Per questa ragone, quando lurna contene molte pallne d cascun colore, l calcolo della probabltà d estrarre pallne rosse n n estrazon senza remmssone vene fatto tpcamente usando la formula (.27), valda per l caso d estrazon con remmssone, che è pù maneggevole d (.28) e ne costtusce unottma approssmazone (per lo meno se n e sono molto mnor d M e M). dove usamo la convenzone secondo cu W = n, possamo dunque concludere che P(A) = M j = 0 se j < 0o j >. Rcordando che M n n. (.28) Osservazone.0 (Estrazon da unurna popolosa). Intutvamente, se lurna contene molte pallne d cascun colore (ossa M e M ), non c dovrebbe essere grande dfferenza tra due schem d estrazon consderat, dal momento che la rmozone d una pallna modfca n modo trascurable la composzone dellurna. Questo argomento può essere formalzzato matematcamente nel modo seguente. Sa (M ) 2 una successone d nter postv tal che M lm = p 2 (0,). (.29)! Se effettuamo n estrazon senza remmssone da unurna che contene pallne d cu M rosse, la probabltà d estrarne esattamente rosse è data dalla formula (.28). Mostramo che l lmte per! d tale probabltà, quando numer,n sono fssat, è dato dalla formula (.27). Scrvendo M =! =0 (M M ) e analogamente per n e n, con qualche manpolazone algebrca a partre da (.28) s arrva allespressone P(A) = = n n M =0 M! ( =0 (n ) j=0 M! M j j ) M ( n (n ) j=0 j M + j ).

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

OPERAZIONI E INSIEMI NUMERICI

OPERAZIONI E INSIEMI NUMERICI OPERAZIONI E INSIEMI NUMERICI Per rcordare H Un'operazone bnara n un nseme non vuoto A eá una legge ce ad ogn coppa d element a,b A assoca un elemento c A. Gl element a e b s camano operand o termn dell'operazone,

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

3 Partizioni dell unità 6

3 Partizioni dell unità 6 Partzon dell untà Alessandro Ghg 29 ottobre 2014 Indce 1 Funzon lsce a supporto compatto 1 2 Rcoprment localmente fnt 5 3 Partzon dell untà 6 1 Funzon lsce a supporto compatto Lemma 1. Sano f C 1 (a, b)

Dettagli

Analisi Matenatica Lezione 5 1 ottobre 2013

Analisi Matenatica Lezione 5 1 ottobre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 5 1 ottobre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/13? Fattorale d un numero naturale Sa n N {0}. Il fattorale d n, n! s defnsce nduttvamente

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 4 20 novembre 2008

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 4 20 novembre 2008 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 4 20 novembre 2008 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/10? A f B A B 2/10? A

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

IL GRUPPO SIMMETRICO S n

IL GRUPPO SIMMETRICO S n EMILIO ZAPPA MATRICOLA UNIVERSITA DEGLI STUDI DI TORINO DIPARTIMENTO DI MATEMATICA ANNO ACCADEMICO 00/00 TESINA PER IL LABORATORIO DI COMBINATORICA IL GRUPPO SIMMETRICO S n IL GIOCO DEL Sa A un nseme fnto

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 12 10 novembre 2011 Teorema d Lebesgue Vtal-Generazone d msure professor Danele Rtell www.unbo.t/docent/danele.rtell

Dettagli

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica. Lezone 7 Prereqst: L'nseme de nmer nter Lezone 6 Nmer prm Teorema Fondamentale dell'artmetca Defnzone 7 Un nmero ntero p dverso da 0 e s dce prmo se per ogn a b Z Altrment p s dce composto p ab p a oppre

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

APPUNTI 1 SU: DISTRIBUZIONI CONGIUNTE, COVARIANZA E RETTA DI REGRESSIONE 1 Distribuzioni congiunte Spesso nelle applicazioni si e portati a considerar

APPUNTI 1 SU: DISTRIBUZIONI CONGIUNTE, COVARIANZA E RETTA DI REGRESSIONE 1 Distribuzioni congiunte Spesso nelle applicazioni si e portati a considerar APPUNTI 1 SU: DISTRIBUZIONI CONGIUNTE, COVARIANZA E RETTA DI REGRESSIONE 1 Dstrbuzon congunte Spesso nelle applcazon s e portat a consderare p u quantt a aleatore e a confrontarne l comportamento. C o

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Statistica di Bose-Einstein

Statistica di Bose-Einstein Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate

Dettagli

Analisi Matenatica Lezione 1 23 settembre 2013

Analisi Matenatica Lezione 1 23 settembre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 1 23 settembre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/24? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del docente www.danelertell.name

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

Propagazione degli errori

Propagazione degli errori Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da

Dettagli

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II.

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II. Corso d Logca I. Modulo sul Calcolo de Sequent. Dspensa Lezone II. Govann Casn Teorema d corrspondenza fra l calcolo su sequent SND e l calcolo de sequent SC. Rproponamo per esteso la dmostrazone della

Dettagli

INDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata

INDICE. Scaricabile su:   Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate

Dettagli

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali. FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P

1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P . Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero

Dettagli

Analisi Class info sul corso Lezione 1 22 settembre 2014

Analisi Class info sul corso Lezione 1 22 settembre 2014 CLASS Bologna Anals Matematca @ Class nfo sul corso Lezone 1 22 settembre 2014 professor Danele Rtell danele.rtell@unbo.t 1/27? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

Dettagli

Prima prova di gruppo

Prima prova di gruppo Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo

Dettagli

APPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI

APPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI APPUNTI SUL TEOREMA DI CLASSIFICAZIONE DEI GRUPPI ABELIANI FINITAMENTE GENERATI GIOVANNI GAIFFI, CORSO DI ALGEBRA 1 2010/2011 NOTA: FA PARTE DEL PROGRAMMA SOLO LA CONOSCENZA DELL ENUNCIATO DEL TEOREMA

Dettagli

Lezione 20 Maggio 29

Lezione 20 Maggio 29 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca

Dettagli

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2 Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

6.1- Sistemi punti, forze interne ed esterne

6.1- Sistemi punti, forze interne ed esterne 1 CAP 6 - SISTEMI DI PUNTI MATERIALI Parte I 1 Cap 6 - Sstem d punt materal Cap 6 - Sstem d punt materal Il punto materale è un astrazone alla quale poch cas s possono assmlare. La maggor parte degl oggett

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Strani spazi vettoriali

Strani spazi vettoriali Stran spaz vettoral Enrco Gregoro 19 novembre 2009 Consderamo l nseme S delle successon d numer compless; gl element d S saranno ndcat con smbol come a[ ]. Le parentes quadre servono per denotare gl element

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

3-DIMENSIONAL MATCHING

3-DIMENSIONAL MATCHING 3-DIMENSIONAL MATCHING Vaccar Lorenzo 14 gennao 2004 Corso d Laurea specalstca n nformatca, Unverstà d Trento va Sommarve 14, 38050 Povo, Italy 40qc@krk.scence.untn.t Sommaro In questo documento dmostreremo

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile Matematca Generale a.a. 2018/19 Teorem dmostrat nel corso. ATTENZIONE!!!!. Nel corso d matematca generale sono stat presentat teorem per qual è rchesta la conoscenza del solo enuncato e teorem de qual

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

y. E' semplicemente la media calcolata mettendo

y. E' semplicemente la media calcolata mettendo COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Grafi ed equazioni topologiche

Grafi ed equazioni topologiche Graf ed equazon topologche www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --) Premessa Se s ndca con l l numero d corrent e l numero d tenson de component d un crcuto, la rsoluzone del crcuto rchede

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

Dettagli

Considerazioni teoriche su nuove osservazioni ottiche 1 della teoria della relatività. M. v. Laue (Berlin)

Considerazioni teoriche su nuove osservazioni ottiche 1 della teoria della relatività. M. v. Laue (Berlin) Consderazon teorche su nuove osservazon ottche 1 della teora della relatvtà. M. v. Laue (Berln) 1. Il calcolo della deflessone della luce da parte del sole s fonda sulla legge che la propagazone della

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Il traffico è un gioco?

Il traffico è un gioco? Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Sistemi punti, forze interne ed esterne

Sistemi punti, forze interne ed esterne Ncola GglettoA.A. 2017/18 3 6.2- IL CENTRO DI MASSA Parte I 1 Cap 6 - Sstem d punt materal Cap 6 - Sstem d punt materal Il punto materale è un astrazone alla quale poch cas s possono assmlare. La maggor

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 20 marzo 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 20 marzo 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 9: 20 marzo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/31? an d ammortamento La rata α k scadente al tempo

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

Distribuzione di Boltzmann. Nota

Distribuzione di Boltzmann. Nota Dstrbuzone d Boltzmann ota Tutto l soggetto trattato deve n realta essere nserto nel quadro concettuale della meccanca statstca, che non e trattato n questo corso. Quest cenn sono solo un breve rchamo

Dettagli

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Cognome. Nome. matricola. Matematica Finanziaria a.a Prof. Ragni Ferrara 05 luglio 2017

Cognome. Nome. matricola. Matematica Finanziaria a.a Prof. Ragni Ferrara 05 luglio 2017 Matematca Fnanzara aa 2016-17 Prof Ragn Ferrara 05 luglo 2017 Cognome Nome matrcola Frma e posta elettronca (solo per ch non s è regstrato sul sto) NOTA BENE: s accetta una sola correzone nel gruppo d

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Lezione n La concentrazione

Lezione n La concentrazione 1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 17 13 febbrao 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? 2/19? Fgura 1: ( 5y

Dettagli

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà

Dettagli

Sulla teoria di Z in L = {+,<}

Sulla teoria di Z in L = {+,<} Sulla teora d Z n L = {+,

Dettagli

Risposta in frequenza

Risposta in frequenza Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom

Dettagli

Un quadro della situazione. Lezione 7 Logica Digitale (1) Dove siamo nel corso. Organizzazione della lezione. Dove siamo. Dove stiamo andando..

Un quadro della situazione. Lezione 7 Logica Digitale (1) Dove siamo nel corso. Organizzazione della lezione. Dove siamo. Dove stiamo andando.. Un quadro della stuazone Lezone 7 Logca Dgtale () Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Memora Prncpale Sstema d Interconnessone Regstr Central Processng

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli