Leggi congiunte di variabili aleatorie
|
|
- Arianna Magnani
- 7 anni fa
- Visualizzazioni
Transcript
1 eggi congiunte di variabili aleatorie CAPIT 6 6. FUNZINI DI DISTRIBUZINE CNGIUNTE Fino a ora abbiamo considerato unicamente le leggi di singole variabili aleatorie. Tuttavia, siamo spesso interessati a studiare problemi di probabilità legati al valore congiunto di due o più variabili aleatorie. Per trattare ueste probabilità, definiamo, per due variabili aleatorie X e Y, la funzione di distribuzione congiunta di X e Y come Fa, b2 P5X a, Y b6 a funzione di distribuzione di X può essere ottenuta da uella congiunta di X e Y come segue: F X a2 P5X a6 P5X a, Y 6 6 P Q lim 5X a, Y b6 b: R lim P5X a, Y b6 b: lim Fa, b2 b: K Fa, 2 Il lettore può notare che nelle precedenti uguaglianze abbiamo fatto uso una volta di più del fatto che la probabilità è un funzione d insieme continua. In maniera analoga, la funzione di distribuzione della variabile Y è data da F Y b2 P5Y b6 lim Fa, b2 a: K F, b2-6 a, b 6 e funzioni di distribuzioni F X e F Y sono definite le funzioni di distribuzione marginali di X e Y. Tutte le proprietà riguardanti le probabilità relative alle variabili X e Y possono, in teoria, essere espresse in termini della loro funzione di distribuzione congiunta. Per esempio, supponiamo di voler calcolare la probabilità che X sia maggiore di a e Y sia maggiore di b.
2 234 Capitolo 6 eggi congiunte di variabili aleatorie Questo può essere fatto nel seguente modo: P5X 7 a, Y 7 b6 - P5X 7 a, Y 7 b6 c 2 - P5X 7 a6 c 5Y 7 b6 c 2 - P5X a6 5Y b62-3p5x a6 + P5Y b6 - P5X a, Y b64 - F X a2 - F Y b2 + Fa, b2 (.) a Formula (.) è un caso speciale della Formula (.2), la cui dimostrazione è lasciata come esercizio. P5a 6 X a 2, b 6 Y b 2 6 Fa 2, b Fa, b 2 - Fa, b Fa 2, b 2 (.2) uando a 6 a 2, b 6 b 2. Nel caso in cui sia X che Y siano variabili aleatorie discrete, è conveniente definire la (funzione di) densità discreta congiunta di X e Y come segue px, y2 P5X x, Y y6 a densità discreta di X può essere ottenuta da px, y2 tramite p X x2 P5X x6 In maniera analoga, a px, y2 y:px, y2 7 p Y y2 a px, y2 x:px, y2 7 Esempio a. Supponiamo che vengano scelte a caso 3 palline da un urna contenente 3 palline rosse, 4 bianche e 5 blu. Se denotiamo con X e Y, rispettivamente, il numero di palline rosse e bianche scelte, allora la densità discreta congiunta di X e Y, pi, j2 P5X i, Y j6,è data da p, 2 a 5 3 bna2 3 b p, 2 a 4 ba5 2 bna2 3 b 4 p, 22 a 4 2 ba5 bna2 3 b 3 p, 32 a 4 3 bna2 3 b 4 p, 2 a 3 ba5 2 bna2 3 b 3 p, 2 a 3 ba4 ba5 bna2 3 b 6
3 6. Funzioni di distribuzione congiunte 235 TABEA 6. P5X i, Y j6 j i Somme sulla colonna P5Y j Somme sulla riga P5X i p, 22 a 3 ba4 2 bna2 3 b 8 p2, 2 a 3 2 ba5 bna2 3 b 5 p2, 2 a 3 2 ba4 bna2 3 b 2 p3, 2 a 3 3 bna2 3 b Queste probabilità possono facilmente essere tabulate come nella Tabella 6.. Il lettore noti che la densità discreta della variabile X si ottiene calcolando le somme sulle righe, mentre uella di Y si ottiene sommando i valori sulle colonne. Siccome le densità discrete di X e Y appaiono ai margini di uesta tabella, per uesto motivo hanno ricevuto il nome di densità marginali. Esempio b. Supponiamo che il 5 per cento delle famiglie in una certa comunità non abbia bambini, che il 2 per cento ne abbia, il 35 per cento ne abbia 2 e il 3 per cento ne abbia 3; e supponiamo, inoltre, che in ogni famiglia, ogni figlio sia con uguale probabilità maschio o femmina in maniera indipendente. Se scegliamo a caso una famiglia di uesta comunità, allora M, il numero di maschi e F, il numero delle femmine, in uesta famiglia hanno la densità discreta congiunta mostrata nella Tabella 6.2. TABEA 6.2 P5B i, G j6 j i 2 3 Somme sulla riga P5B i Somme sulla colonna P5G j
4 236 Capitolo 6 eggi congiunte di variabili aleatorie Queste probabilità si ottengono come segue: P5B, G 6 P5senza figli6.5 P5B, G 6 P5 femmina e in totale figlio6 P5 figlio6p5 femmina figlio6.22a 2B P5B, G 26 P52 femmine e in totale 2 figli6 P52 figli6p52 femmine 2 figli6.352a 2B 2 asciamo al lettore di verificare l esattezza degli altri valori della Tabella 6.2. Diciamo che le variabili aleatorie X e Y sono congiuntamente (assolutamente) continue se esiste una funzione fx, y2 integrabile, che abbia la proprietà che per ogni sottoinsieme C dello spazio delle coppie di numeri reali P5X, Y2 H C6 fx, y2 dx dy x, y2hc (.3) a funzione fx, y2 è chiamata (funzione di) densità congiunta di X e Y. Se A e B sono una ualsiasi coppia di sottoinsiemi della retta reale, allora definendo C 5x, y2: x H A, y H B6, dalla Formula (.3) otteniamo che P5X H A, Y H B6 B A fx, y2 dx dy (.4) Poiché segue, differenziando, che Fa, b2 P5X H -, a4, Y H -, b46 b - - fa, b2 2 Fa, b2 a b sempre che le derivate parziali di F abbiano senso. Un ulteriore interpretazione della densità congiunta si ottiene dalla Formula (.4) nel modo seguente: P5a 6 X 6 a + da, b 6 Y 6 b + db6 d + db fa, b2 da db uando da e db sono piccoli e fx, y2 è continua in (a, b). Perciò fa, b2 risulta una misura di uanto sia probabile che il vettore (aleatorio) X, Y2 sia vicino a a, b2. Se X e Y sono congiuntamente continue, esse lo saranno anche individualmente, e le loro densità si posso ottenere come segue: a fx, y2 dx dy P5X H A6 P5X H A, Y H -, 26 b a a + da fx, y2 dx dy
5 dove 6. Funzioni di distribuzione congiunte 237 è perciò la densità (marginale) della variabile aleatoria X. In maniera analoga, la densità (marginale) di Y è data da Esempio c. a densità congiunta di X e Y è data da Si calcolino (a) P5X 7, Y 6 6, (b) P5X 6 Y6, e (c) P5X 6 a6. Soluzione (a) P5X 7, Y 6 6 (b) P5X 6 Y6 fx, y2 b 2e-x e -2y 6 x 6, 6 y 6 altrimenti 2e -2y - e -y 2 dy 2e -2y dy - 2e -3y dy x, y2: x 6 y y 2e -2y -e -x ` dy e - 2e -2y dy e - - e -2 2 A f X x2 fx, y2 dy f Y y2 fx, y2 dx 2e -x e -2y dx dy 2e -x e -2y dx dy 2e -x e -2y dx dy - A f X x2 dx - - fx, y2 dy dx
6 238 Capitolo 6 eggi congiunte di variabili aleatorie a (c) P5X 6 a6 a e -x dx - e -a 2e -2y e -x dy dx Esempio d. Si consideri un cerchio di raggio R e supponiamo di scegliere a caso un punto dentro il cerchio in modo tale che tutte le regioni di uguale area interne al cerchio abbiano uguale probabilità di contenere il punto. (In altre parole, il punto è uniformemente distribuito dentro il cerchio.) Se fissiamo il centro del cerchio come l origine di un sistema di assi cartesiani e X e Y rappresentano le coordinate del punto scelto (Figura 6.), segue che, essendo X, Y2 un punto scelto a caso e in modo uniforme, la densità congiunta di X e Y è data da per un ualche c. (a) Si determini la costante c. (b) Si determinino le densità marginali di X e Y. (c) Si calcoli la probabilità che D, la distanza dall origine del punto selezionato, sia minore o uguale a a. (d) Si trovi E3D4. Soluzione segue che (a) Poiché fx, y2 b c se x2 + y 2 R 2 se x 2 + y 2 7 R fx, y2 dy dx c dy dx x 2 + y 2 R 2 y R (, ) (X, Y) x Figura 6. Distribuzione congiunta.
7 6. Funzioni di distribuzione congiunte 239 Possiamo calcolare utilizzando la trasformazione a coordinate polari, o più semplicemente notando che essa rappresenta l area del cerchio ed è uin- 4x 2 + y 2 2 dy dx R di uguale a pr 2. Quindi (b) f X x2 fx, y2 dy - pr 2 x 2 + y 2 R 2 dy c dy c 2R 2 - x 2 pr 2 -c 2 pr 2 2R2 - x 2 x 2 R 2 ed è uguale a uando x 2 7 R 2. Per simmetria la densità marginale di Y è data da f Y y2 2 pr 2 2R2 - y 2 y 2 R 2 y 2 7 R 2 (c) Per la funzione di distribuzione di D 2X 2 + Y 2, la distanza dall origine, si ottiene uanto segue: per a R, F D a2 PE 2X 2 + Y 2 af P5X 2 + Y 2 a 2 6 fx, y2 dy dx x 2 + y 2 a 2 pr 2 pa2 pr 2 a2 R 2 c pr 2 dove abbiamo utilizzato il fatto che è l area del cerchio di raggio a e uindi è pari a pa 2 4x 2 + y 2 2 dy dx a. (d) Per il punto (c) otteniamo che la densità di D è x 2 + y 2 a dy dx f D a2 2a R 2 a R
8 24 Capitolo 6 eggi congiunte di variabili aleatorie Quindi E3D4 R 2 a 2 da 2R R 2 3 Esempio e. a densità congiunta di X e Y è data da + y2 e-x 6 x 6, 6 y 6 fx, y2 b altrimenti Si determini la densità della variabile X>Y. Soluzione Iniziamo calcolando la funzione di distribuzione di X>Y. Per a 7, F X>Y a2 Pe X Y a f x>y a e -x + y2 dx dy - e -ay 2e -y dy b -e -y + - a + e-a + 2y a + r ` Differenziando otteniamo che la densità di X>Y è data da f >a X>Y a2, 6 a 6. Possiamo definire in maniera analoga al caso di due variabile, la distribuzione di probabilità congiunta di n variabili aleatorie. Per esempio, la funzione di distribuzione congiunta Fa, a 2, p, a n 2 di n variabili aleatorie X, X 2, p, X n si definisce Fa, a 2, p, a n 2 P5X a, X 2 a 2, p, X n a n 6 Inoltre, le n variabili aleatorie sono dette congiuntamente continue se esiste una funzione fx, x 2, p, x n 2, detta densità congiunta, tale che per ogni sottoinsieme C dello spazio delle n-uple di numeri reali ay e -x + y2 dx dy P5X, X 2, p, X n 2 H C6 p fx, p, x n 2 dx dx 2 p dxn x, p, x n 2HC In particolare, per ogni famiglia di sottoinsiemi A, A 2, p, A n della retta reale P5X H A, X 2 H A 2, p, X n H A n 6
9 6.2 Variabili aleatorie indipendenti 24 An A n - p A fx, p, x n 2 dx dx 2 p dxn r Esempio f. a distribuzione multinomiale. Una delle più importanti distribuzioni congiunte è certamente la multinomiale, che si ottiene uando si ripeta n volte un esperimento in forma indipendente. Supponiamo che ogni esperimento possa avere come risultato uno ualsiasi tra r possibili esiti, con probabilità pari a p, p 2, p, p r, a p i, rispettivamente. Se denotiamo con X i il numero degli n esperimenti che hanno dato come risultato l esito numero i, i allora P5X n, X 2 n 2, p, X r n r 6 n! n! n 2! p n r! p n p 2 n 2 p pr n r (.5) r ogni volta che a n i n. i a Formula (.5) è verificata notando che ogni successione degli esiti degli n esperimenti che portano al fatto che l esito i si verifichi esattamente n i volte, per n i, avrà probabilità pari a p n p 2 2 p n 2, p, r, pr r, grazie all ipotesi di indipendenza. Essendoci n!>n! n 2! p n r!2 di tali seuenze (vi sono n!>n! p n r! permutazioni di n oggetti dei uali n sono uguali tra loro, n 2 sono uguali tra loro, p, n r sono uguali tra loro) la Formula (.5) risulta verificata. a distribuzione congiunta determinata dalla densità discreta congiunta data dalla Formula (.5) è detta distribuzione multinomiale. Il lettore noterà che per r 2, la distribuzione multinomiale si riduce all usuale binomiale. Come applicazione della distribuzione multinomiale, supponiamo di lanciare 9 volte un dado euilibrato. a probabilità che appaia tre volte, 2 e 3 due volte ciascuno, 4 e 5 una sola volta ciascuno e il 6 mai, è pari a 9! 3! 2! 2!!!! a 6 b 3 a 6 b 2 a 6 b 2 a 6 b a 6 b a 6 b 9! 3! 2! 2! a 6 b VARIABII AEATRIE INDIPENDENTI e variabili aleatorie X e Y si dicono indipendenti se, per ogni coppia di sottoinsiemi della retta reale A e B, P5X H A, Y H B6 P5X H A6P5Y H B6 (2.) In altre parole, X e Y sono indipendenti se, per ogni A e B, gli eventi E A 5X H A6 e F B 5Y H B6 sono indipendenti. Grazie agli assiomi della probabilità si può provare che l Euazione (2.) è verificata se e solo se per ogni coppia di numeri reali a, b, P5X a, Y b6 P5X a6p5y b6
10 242 Capitolo 6 eggi congiunte di variabili aleatorie Quindi, in termini della distribuzione congiunta F di X e Y, abbiamo che X e Y sono indipendenti se e solo se Fa, b2 F X a2f Y b2 per ogni a, b Quando X e Y sono variabili aleatorie discrete, la definizione d indipendenza (2.) risulta euivalente a px, y2 p X x2p Y y2 per ogni x, y (2.2) euivalenza segue poiché, se (2.) è soddisfatta, allora otteniamo la (2.2) ponendo A e B uguali, rispettivamente, ai sottoinsiemi formati da un solo punto A 5x6, B 5y6. Inoltre, se (2.2) è soddisfatta, allora per ogni coppia di sottoinsiemi A e B, P5X H A, Y H B6 ayhb a xha px, y2 ayhb a xha p X x2p Y y2 e uindi la (2.) risulta verificata. Nel caso di variabili congiuntamente continue la condizione d indipendenza è euivalente a fx, y2 f X x2f Y y2 per ogni x, y Perciò, semplificando, X e Y sono indipendenti se la conoscenza del valore di una non cambia la distribuzione dell altra. e variabili che non sono indipendenti vengono definite dipendenti. Esempio 2a. Supponiamo che vengano eseguite n + m prove indipendenti, ognuna delle uali abbia probabilità pari a p di risultare in un successo. Se X è il numero di successi nelle prime n prove e Y il numero di successi nelle m prove successive, allora X e Y sono indipendenti, già che conoscere il numero dei successi nelle prime n prove non modifica la distribuzione del numero di successi nelle ulteriori m prove (per l ipotesi di indipendenza delle prove). Infatti, per valori interi positivi x e y, P5X x, Y y6 a n x bpx - p2 n - x a m y bpy - p2 m - y P5X x6p5y y6 ayhb p Y y2 a xha p X x2 P5Y H B6P5X H A6 x n, y m D altra parte anche X e Z saranno indipendenti, dove Z è il numero totale di successi nelle n + m prove (perché?). Esempio 2b. Supponiamo che il numero di persone che entrano in un ufficio postale in un dato giorno sia descrivibile con una variabile di Poisson di parametro l. Si provi che, se ogni persona che entra nell ufficio postale è un uomo con probabilità pari a p e donna con probabilità pari a p, allora il numero di uomini e
11 6.2 Variabili aleatorie indipendenti 243 donne che entrano nell ufficio postale sono variabili aleatorie di Poisson indipendenti di parametri rispettivamente pari a lp e l - p2. Soluzione Denotiamo con X e Y, rispettivamente, il numero di uomini e donne che entrano nell ufficio postale. Proveremo che sono indipendenti dimostrando che la Formula (2.2) è verificata. Per ottenere uesta espressione per P5X i, Y j6, condizioniamo rispetto a X + Y come segue: P5X i, Y j6 P5X i, Y j X + Y i + j6p5x + Y i + j6 + P5X i, Y j X + Y Z i + j6p5x + Y Z i + j6 [Il lettore noti come uesta formula non sia altro che un caso particolare della formula PE2 PE F2PF2 + PE F c 2PF c 2. ] Essendo P5X i, Y j X + Y Z i + j6 chiaramente pari a, otteniamo P5X i, Y j6 P5X i, Y j X + Y i + j6p5x + Y i + j6 (2.3) ra, siccome X + Y rappresenta il numero totale di persone che entrano nell ufficio postale, segue, per ipotesi, che P5X + Y i + j6 e -l l i + j (2.4) i + j2! Inoltre, dato che i + j persone entrano nell ufficio postale e con probabilità pari a p ognuna di esse è un uomo, segue che la probabilità che esattamente i di essi sia un uomo (e uindi j siano donne) è semplicemente la densità discreta di una variabile binomiale di parametri i + j e p valutata in i, ovvero a i + j bp i - p2 j. Quindi i P5X i, Y j X + Y i + j6 a i + j bp i - p2 j (2.5) i Sostituendo la (2.4) e la (2.5) nella (2.3) abbiamo P5X i, Y j6 a i + j i l i + j bp i - p2 j e -l i + j2! Perciò lp2i -l e 3l - p24j i! j! e-lp lp2 i 3l - p24j -l - p2 e i! j! lp2i 3l - p24j -lp -l - p2 P5X i6 e i! a e j j! lp2i -lp e i! (2.6) (2.7) e in maniera simile 3l - p24j -l - p2 P5Y j6 e j! e Formule (2.6), (2.7) e (2.8) verificano uanto desiderato. (2.8)
Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.
Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliAppello febbraio. Vero o falso. Es 1 Es 2 Es 3 Es 4 Tot
Es Es 2 Es 3 Es 4 Tot Appello febbraio Calcolo delle probabilità 5 febbraio 208 Studente: Matricola: Vero o falso Esercizio (0 pti). Si dica, motivando la propria risposta, se le seguenti affermazioni
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliCP110 Probabilità: Esame 4 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 202-3, II semestre 4 giugno, 203 CP0 Probabilità: Esame 4 giugno 203 Testo e soluzione . (6 pts) Un urna contiene inizialmente pallina rossa e 0 palline
DettagliIII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2018/19
III Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 8/9 Martedì luglio 9 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 20 febbraio
II Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 3/4 Nome: febbraio 4 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
Dettagli1 Esercizi tutorato 1/4
Esercizi tutorato 1/ 1 1 Esercizi tutorato 1/ Esercizio 11 Siano X e Y due va discrete indipendenti di distribuzione geometrica con parametro p [0, 1] (i) Si calcoli la legge di X + Y, è una legge nota?
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 202/ Nome: 8 ottobre 20 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
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
Dettagli= P{x < X = x + dx\y < Y < y + dy}
282 Capitolo 6 Leggi congiunte di variabili aleatorie = P{x < X = x + dx\y < Y < y + dy} In altri termini, per valori piccoli di dx e dy, fx\y(x\y}dx rappresenta la probabilità condizionata che ^appartenga
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 14 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 14/15 Nome: 14 luglio 15 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliEsercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliVettori Aleatori discreti
Vettori Aleatori discreti Un vettore aleatorio X =(X,X 2,...,X n ) si dice discreto se esiste un insieme finito o numerabile C R n tale che P (X = x) >, 8x 2 C, P (X = x) =, 8x /2 C, dove, ponendo x =(x,...,x
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliProbabilità 1, laurea triennale in Matematica Prova scritta sessione invernale a.a. 2008/09 del 26/01/2010
Probabilità 1, laurea triennale in Matematica Prova scritta sessione invernale a.a. 2008/09 del 26/01/2010 1. Nello scaffale di un negozio vi sono 20 CD-Rom di software, di cui 2 di grafica e gli altri
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliFoglio di esercizi 4-12 Aprile 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella
Esercizio. Foglio di esercizi 4 - Aprile 9 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Un punto viene scelto a caso uniformemente nel cerchio di raggio 3 centrato nell origine. Dette
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 30 gennaio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica /3 Nome: 3 gennaio 3 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
Dettagli1 Esercizi tutorato 08/06, lezione 2
Esercizi tutorato 8/6, lezione 1 1 Esercizi tutorato 8/6, lezione Esercizio 1.1. La polizia sta cercando un criminale in una certa città che abbia una determinata caratteristica, supponiamo inoltre che
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
DettagliMateriale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI Claudia Furlan Anno Accademico 006-007 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte e
DettagliCOPPIE DI VARIABILI ALEATORIE
COPPIE DI VAIABILI ALEATOIE E DI NADO 1 Funzioni di ripartizione congiunte e marginali Definizione 11 Siano X, Y va definite su uno stesso spazio di probabilità (Ω, F, P La coppia (X, Y viene detta va
DettagliCalcolo delle Probabilità e Statistica. Test di verifica - 05/04/2005
Corso di Laurea in Informatica - a.a. 2004/05 Calcolo delle Probabilità e Statistica Test di verifica - 05/04/2005 Il candidato risolva due (e solo due) problemi tra i seguenti, motivando le proprie risposte.
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliEsercizio 1. Un punto viene scelto a caso nel cerchio di raggio R > 0 con distribuzione uniforme.
Esercizi settimana 8 Esercizi applicati Esercizio. Un punto viene scelto a caso nel cerchio di raggio R > con distribuzione uniforme. (i) qual è la probabilità che il punto disti dall'origine più di r,
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliStudente: Matricola: 0 x 1 n, x x 1 n, che converge alla funzione di riparatizione della costante 0;
Es 1 Es Es 3 Es Tot Terzo appello settembre Calcolo delle probabilità 13 settembre 18 Studente: Matricola: Vero o falso Esercizio 1 (1 pti). Si dica, motivando la propria risposta, se le seguenti aermazioni
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2011/12
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 0/ Esercizio Prova scritta del 7/06/0 Siano X e Y due v.a. indipendenti, con distribuzione continua Γ(, ). Si trovino la distribuzione di X Y e di (X Y ). Esercizio
Dettagli1. Si scelga a caso un punto X dell intervallo [0, 2], con distribuzione uniforme di densità. f X (x) = [0,2](x)
Esercizi di Calcolo delle Probabilità della 3 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio.. Sia (X, Y ) un vettore aleatorio bidimensionale con densità uniforme
DettagliEsercizi - Fascicolo III
Esercizi - Fascicolo III Esercizio 1 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo, indipendentemente
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gioco del
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 28 giugno 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 8 giugno 01 Matricola: ESERCIZIO 1. Sia (A n n una successione di eventi indipendenti, tali che P (A n 1 1 n. Sia B := + n=
DettagliCALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica. Leggere attentamente le seguenti note
CALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica Leggere attentamente le seguenti note Modalità d esame. L esame consta di uno scritto con esercizi (bisogna prenotarsi su infostud). Chi passa questo
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 24/5 Nome: 7 gennaio 26 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2013/2014 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 13/14 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Ancona, 13 gennaio 14 1. In una data università, le studentesse
DettagliIDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 01 - Variabili aleatorie. Calcolo di densità di probabilità. Operatore di media
IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 01 - Variabili aleatorie Motivazioni Densità di probabilità Operatore di media Densità di probabilità congiunta Densità di probabilità condizionata
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino) Prova di giovedi febbraio 2005 (tempo a disposizione: 3 ore). consegna compiti e inizio orale Lunedì
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliCorrezione Esercitazione 2
Correzione Esercitazione Esercizio. Per contare correttamente i casi favorevoli all uscita del 9 e all uscita del bisogna considerare i modi in cui si possono ottenere le loro scomposizioni: in particolare,
DettagliCAPITOLO 9. Vettori Aleatori
CAPITOLO 9 Vettori Aleatori 9 9 Vettori Aleatori 3 9 Vettori Aleatori In molti esperimenti aleatori, indicando con Ω l insieme dei possibili risultati, al generico risultato dell esperimento, ω Ω, sono
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliCalcolo delle Probabilità: esercitazione 11
Argomento: Distribuzioni bivariate discrete (pag. 44 e seguenti) e covarianza (pag 45 e seguenti). Distribuzione bivariate assolutamente continue (pag. 48 e seguenti del libro di testo). La v.c. trinomiale
DettagliTutorato 1 (20/12/2012) - Soluzioni
Tutorato 1 (20/12/2012) - Soluzioni Esercizio 1 (v.c. fantasia) Si trovi il valore del parametro θ per cui la tabella seguente definisce la funzione di probabilità di una v.c. unidimensionale X. X 0 1
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
DettagliPrimi elementi di Probabilità
Primi elementi di Probabilità Sergio Polidoro Dipartimento di Matematica, Università di Bologna In queste dispense vengono introdotte le nozioni di valore atteso e di varianza per variabili aleatorie discrete
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliR. Capone Analisi Matematica Integrali multipli
Integrali multipli Consideriamo, inizialmente il caso degli integrali doppi. Il concetto di integrale doppio è l estensione della definizione di integrale per una funzione reale di una variabile reale
Dettagli(iii) sia Y := X 2, si trovi la distribuzione di Y. (i) anché (0.1) sia una densità di probabilità deve vericarsi. 1 = Cxe x2. 2 1[0, ] (x)dx = Cxe x2
1 Esercizi settimana 6 Esercizi applicati Esercizio 1. Sia X una variabile aleatoria assolutamente continua (VAAC) con densità Si calcoli: f X (x) = Cxe x2 2 1[, ] (x), x, C >. (.1) (i) la costante C >
DettagliAppunti di Geometria - 2
Appunti di Geometria - Samuele Mongodi - s.mongodi@sns.it Cambi di base e applicazioni lineari Richiami Sia V uno spazio vettoriale di dimensione n sul campo K, con base assegnata e,..., e n } (ad esempio
DettagliEsercizi di Calcolo delle Probabilità Foglio 3
Esercizi di Calcolo delle Probabilità Foglio David Barbato Esercizio. (6-ese- s) Sia (X, Y ) un vettore aleatorio con densità: { αy (x, y) D f (X,Y ) (x, y) (x, y) / D Dove D {(x, y) R : x
DettagliNotazione: nel seguito, dato un insieme A, P(A) indicherà l insieme delle parti di A.
Notazione: nel seguito, dato un insieme A, P(A) indicherà l insieme delle parti di A. 1. Spazio di probabilità prodotto di una famiglia finita di spazi di probabilità Iniziamo la nostra discussione con
DettagliQuesiti della seconda prova scritta per Matematica. MCD(x, y) = 10 xy = 30000
Quesiti della seconda prova scritta per Matematica Problema 1. (i) Dire quante e quali sono le coppie ordinate (x, y) di numeri naturali che sono soluzioni del sistema { MCD(x, y) = 10 xy = 30000 Qui MCD(x,
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
DettagliRichiami di TEORIA DELLE PROBABILITÀ
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 015-016 Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
DettagliVariabili aleatorie binomiali e di Poisson
Variabili aleatorie binomiali e di Poisson Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, 63-35121 Padova email: vargiolu@math.unipd.it 9 gennaio 2007 Indice 1 Variabili aleatorie
DettagliCP210 Introduzione alla Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 218-19, II semestre 4 giugno, 219 CP21 Introduzione alla Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliCalcolo delle Probabilità 2013/14 Foglio di esercizi 3
Calcolo delle Probabilità 203/4 Foglio di esercizi 3 Probabilità condizionale e indipendenza. Esercizio. Per rilevare la presenza di una certa malattia, si effettua un test. Se la persona sottoposta al
DettagliEventi numerici e variabili aleatorie
Capitolo Eventi numerici e variabili aleatorie. Probabilità di eventi numerici Nel capitolo precedente si sono considerate le nozioni di esperimento, risultato, evento. Un evento è individuato dai risultati
DettagliTraccia della soluzione degli esercizi del Capitolo 4
Traccia della soluzione degli esercizi del Capitolo 4 Esercizio 6 Sia X una v.c. uniformenente distribuita nell intervallo ( π, π ), cioè f X (x) = π ( π, π ) (x). Posto Y = cos(x), trovare la distribuzione
DettagliEquidistribuzione su un insieme finito
su un insieme finito È la distribuzione che abbiamo già visto per il lancio del dado. Se {x 1, x 2,..., x n } sono gli n diversi valori che una variabile aleatoria X può assumere e tali valori sono equiprobabili,
DettagliVariabili Aleatorie Multiple
Variabili Aleatorie Multiple v.a. multiple - Esercizio 1 Consideriamo l estrazione con reimmissione di palline colorate da un urna contenente 5 palline bianche, 15 verdi, e 10 rosse. 1) Calcolare la probabilità
DettagliLa media campionaria. MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a.
La media MEDIA CAMPIONARIA Date n v.a. X 1,..., X n indipendenti e identicamente distribuite (in breve i.i.d.), la v.a. X n = 1 n è detta media. n X i, i=1 In altre parole, se le X 1,...,X n sono il risultato
DettagliCP110 Probabilità: esame del 4 febbraio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 20-2, II semestre 4 febbraio, 203 CP0 Probabilità: esame del 4 febbraio 203 Testo e soluzione . (6 pts) In un triangolo rettangolo i cateti X e Y sono
Dettagli1 Richiami di algebra lineare
1 Richiami di algebra lineare Definizione 11 (matrici e vettori) Una matrice A e un insieme di numeri A hk, h = 1,, m, k = 1,, n, ordinati in base alla coppia di indici h e k nel modo seguente A 1 A n
Dettagli2 per ogni n N +. k=1 a k) ( n. k=1 b k) n
(ii) il prodotto di due irrazionali è irrazionale; (iii) la somma di un razionale e di un irrazionale è irrazionale; (iv) il prodotto di un razionale e di un irrazionale è irrazionale. 5. Siano a, b R.
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliStatistica descrittiva I. La frequenza
Statistica descrittiva I. La frequenza Supponiamo di ripetere n volte un esperimento che può dare esito 0 o 1, il numero di uni su n ripetizioni è detto frequenza di 1: f 1,n = #{esperimenti con esito
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliTest di preparazione all esame. Attenzione a non confonedere il coefficiente. n(n 1) (n m + 1) m(m 1) 2 1
Test di preparazione all esame. Attenzione a non confonedere il coefficiente binomiale ( ) n m con la frazione n m. I coefficiente binomiale si può calcolare come ( ) n m = n(n 1) (n m + 1). m(m 1) 2 1
Dettaglie n n xn ( 1) n ( 1) n n + 1 2e n x n 3n [ln x]n 1 n + 1 2e n 1
1) Studiare la seguente serie di funzioni en ( 1) n n x n 2) Studiare la seguente serie di funzioni ( 1) n n + 1 2e n xn 3) Studiare la seguente serie di funzioni 3n [ln x]n 1 2n 4) Studiare la seguente
Dettagli