PROBABILITÀ SCHEDA N. 8 LA LEGGE DEI GRANDI NUMERI E IL TEOREMA CENTRALE DEL LIMITE Ovvero: ci si può fidare dell esperienza per stimare probabilità?
|
|
- Berta Valentini
- 7 anni fa
- Visualizzazioni
Transcript
1 Matematica e statistica: dai dati ai modelli alle scelte Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) PROBABILITÀ SCHEDA N. LA LEGGE DEI GRANDI NUMERI E IL TEOREMA CENTRALE DEL LIMITE Ovvero: ci si può fidare dell esperieza per stimare probabilità?. La legge empirica del caso Abbiamo visto che o esiste u modo uivoco per dare ua valutazioe delle probabilità di eveti. Nell assegazioe bisoga che siao però soddisfatte alcue proprietà (la probabilità di tutti i possibili eveti deve essere uguale a e la probabilità che si verifichi l uioe di eveti icompatibili deve coicidere co la somma delle probabilità dei sigoli eveti). Comuque abbiamo osservato che per avere ua valutazioe ragioevole della probabilità di u eveto si può osservare ripetutamete il suo verificarsi o meo, se è possibile l osservazioe ripetuta i codizioi idetiche, oppure simularlo col calcolatore. Ci fidiamo del fatto che, ripetedo più volte u esperimeto, elle stesse codizioi, la frequeza relativa di u eveto che riguarda quell esperimeto è ua sesata valutazioe della probabilità dell eveto stesso. La valutazioe è tato più affidabile quato maggiore è il umero di prove. A questa "legge", la cui validità è rilevabile sperimetalmete, si è attribuito il ome di "legge empirica del caso". Ad esempio, el lacio di ua moeta a due facce o truccata, la frequeza relativa, all aumetare del umero di laci tede a 0.. Questo o vuol dire che il umero t delle teste tede a essere uguale al umero c delle croci, ma è la frequeza relativa dell eveto esce testa che tede a essere uguale alla frequeza relativa dell eveto esce croce.. La legge dei gradi umeri Si legge i alcui libri che la "legge empirica del caso" è ache ota col ome di "legge dei gradi umeri". Questa affermazioe o è corretta, perché, i realtà, si tratta di due euciati cocettualmete molto diversi. Ifatti, la "legge dei gradi umeri", detta ache "Teorema di Beroulli", è, apputo, u teorema (e come tale, è ua proposizioe dimostrabile i ua teoria). La legge empirica del caso è ivece u affermazioe che sitetizza ua regolarità osservabile sperimetalmete. Per compredere la legge dei gradi umeri occorroo ozioi avazate della teoria delle probabilità. Tra l altro soo ote e usate formulazioi differeti della legge dei gradi umeri, che si collocao a diversi gradi di geeralità. Noi e presetiamo ua e lasciamo a evetuali studi futuri il compito di approfodire la trattazioe. Cosideriamo ua successioe di variabili casuali X, X,..., X idipedeti e co la stessa distribuzioe e, i particolare, uguale media μ. Cosideriamo quidi la variabile aleatoria che si ottiee facedo X + X X la media delle variabili date : X =. Dalle proprietà della media e della variaza si ha che X ha valore atteso μ e variaza σ /. [La dimostrazioe è riportata i Appedice] X Prima di euciare la legge dei gradi umeri, facciamo due esempi per capire il sigificato della variabile aleatoria X. ESEMPIO. Cosideriamo l esperimeto del lacio di dadi idetici a sei facce. La fuzioe che associa, a ogi faccia dell i-esimo dado ( i ) u umero dell isieme {,,,,,} è ua variabile aleatoria che idica il puteggio otteuto el lacio e che chiamiamo X i ( i ). Cosideriamo la variabile aleatoria S che corrispode alla somma dei puteggi otteuti egli
2 laci e che, quidi, assume valori ell isieme umeri aturali compresi tra e. La variabile S X è e idica il puteggio medio otteuti egli laci. Se effettuiamo effettivamete l esperimeto otterremo ua particolare realizzazioe di. ESEMPIO. Cosideriamo, sempre el lacio di u dado, l eveto esce la faccia cotrassegata co. I sei possibili esiti a ogi lacio del dado soo descritti da ua variabile aleatoria X che assume valore se si verifica l eveto esce la faccia cotrassegata co e assume il valore 0 altrimeti. La variabile X ha quidi distribuzioe di Beroulli co probabilità p. Se si effettuao laci si hao variabili casuali idipedeti e ideticamete distribuite (assumoo sempre il valore 0 o a secoda che o si verifichi o si verifichi l eveto esce il ), X, X,..., X. Tali variabili aleatorie hao co la stessa media (visto che hao la stessa distribuzioe). La variabile aleatoria X + X X X = idica la frequeza relativa dell eveto esce la faccia cotrassegata co i laci. Ache i questo caso se effettuiamo effettivamete x X l esperimeto otterremo ua particolare realizzazioe di. x X La legge dei gradi umeri dice che: Se la umerosità delle prove tede all ifiito la probabilità che X assuma valori al di fuori dell itervallo ( μ - δ, μ + δ) tede a 0, qualuque sia la semiampiezza δ dell itervallo. I formula: lim P + ( X μ δ) > = 0. Il che equivale a dire che se tede a ifiito la probabilità che la media campioaria media comue μ delle X i è uguale a, ossia che per ogi δ >0, _ lim P( X μ < δ) = + X coverga alla Iterpretiamo la legge dei gradi umeri el caso dell Esempio. All aumetare del umero dei dadi, cresce la probabilità che la media dei puteggi otteuti laciado gli dadi, sia ua buoa valutazioe del valore atteso μ di ciascua variabile X i (osserviamo che, se i dadi o soo truccati, si ha μ =.). La legge dei gradi umeri specifica che se il umero di dadi cosiderati tede a ifiito, allora è uguale a la probabilità che lo scarto assoluto tra la variabile aleatoria media campioaria e il valore atteso μ sia miore di u qualuque umero reale δ, piccolo a piacere. Il che equivale a dire che, per tedete a ifiito, è uguale a la probabilità che la media campioaria sia uguale al valore atteso μ, cioè questo è u eveto praticamete certo. Iterpretiamo la legge dei gradi umeri el caso dell Esempio. I questo caso abbiamo u eveto ( esce il sei el lacio di u dado) che immagiiamo abbia probabilità scoosciuta p (scoosciuta perché il dado potrebbe essere truccato, o semplicemete difettoso: o possiamo saperlo i aticipo). Eseguedo laci cosecutivi otteiamo ua valutazioe della probabilità di otteere sei co quel dado, data da x + x x x = dove i valori x, x,..., x idicao l'esito dei laci e valgoo se i quel lacio è uscito il, metre valgoo 0 se è uscito u altro umero. è ua realizzazioe della variabile aleatoria X + X X x X =.
3 La legge dei gradi umeri afferma che, tate più prove si fao, tato più la valutazioe della probabilità fatta sulla base dell esperieza sarà vicia, probabilmete, alla probabilità reale p dell'eveto. Se la valutazioe è molto vicia a /, probabilità teorica che esca il sei per u dado perfettamete equilibrato, potremo essere ragioevolmete certi che il dado i questioe o è polarizzato per il sei (per essere ragioevolmete sicuri che il dado o sia truccato i essu modo dovremmo ripetere il test ache per gli altri cique umeri). Che cosa sigifichi ragioevolmete sicuri dipede da quato vogliamo essere precisi el ostro test: co dieci prove avremmo ua valutazioe grossolaa, co ceto e otterremmo ua molto più precisa, co mille acora di più e così via: il valore di che siamo disposti ad accettare come sufficiete sarà oggetto di future trattazioi. Attezioe, però: laciado u dado vero molte volte, questo può deformarsi e o mateere costate la probabilità di uscita di ua faccia. Questo è successo realmete quado u matematico ha voluto effettivamete verificare quello che succedeva co u umero molto alto di laci!!! Come è possibile otare, la legge dei gradi umeri ha u euciato più complesso e meo vago di quello della legge empirica del caso; soprattutto, è u teorema, ossia può essere dimostrato i ua teoria (quella del calcolo delle probabilità). La sua portata cooscitiva è quidi molto superiore di quella della legge empirica del caso e ci si può aspettare che coduca a sviluppi più sigificativi rispetto alle applicazioi cosetite dalla legge empirica del caso. Il fatto di accotetarsi della legge empirica del caso o, ivece, di apprezzare la prospettiva che dà la legge dei gradi umeri è u iteressate idice della ostra miore o maggiore propesioe a ua visioe matematica della realtà. Matematizzare vuol dire descrivere feomei e situazioi utilizzado u liguaggio particolare, fatto di simboli e formule, che hao sicuramete qualche referete cocreto, ma che spesso cosetoo di vedere il cocreto co uovi occhi, da diverse prospettive e che per questo, spesso, offroo iterpretazioi iattese e aproo uove strade alla coosceza. Si pesi, per esempio, al liguaggio delle variabili aleatorie. Ad esempio, quado eseguiamo laci di ua moeta o truccata, potremmo accotetarci di cosiderare solamete gli esiti, ossia ua lista di tre umeri. Ivece, i matematici, per ogi lacio, cosiderao ua variabile aleatoria, ossia a ua fuzioe che associa, per esempio, all uscita di testa il umero e all uscita di croce il umero 0. La lista dei umeri che idicao gli esiti dei tre laci è allora ua realizzazioe fra le possibili realizzazioi, ossia è u elemeto del prodotto cartesiao {0,}x{0,}x{0,} (qui a fiaco visualizzato). Tutto ciò sigifica solo redere iutilmete complicate cose semplici? Vuol dire igegarsi a oscurare i sigificati? Oppure vuol dire offrire uovi occhi per osservare i feomei, per poteziare la ostra capacità di osservare gli oggetti di studio? La risposta può costituire u idice sigificativo per valutare la ostra evetuale viciaza o lotaaza dalla matematica e dal modo co cui, attraverso essa, possiamo vedere i feomei. Nel paragrafo seguete e elle schede di ifereza statistica verrà evideziato proprio come la matematica teorica abbia permesso di valutare osservazioi statistiche sperimetali.. Il teorema del limite cetrale (o teorema cetrale del limite) Co questo ome vegoo presetati diversi euciati che riguardao la covergeza alla distribuzioe ormale di medie o somme di variabili aleatorie idipedeti. Sia la legge dei gradi umeri che il teorema del limite cetrale riguardao la variabile aleatoria, media di variabili aleatorie idipedeti e co la stessa distribuzioe: X + X X X =. X
4 La legge dei gradi umeri precisa che la variabile aleatoria X di X. Il teorema del limite cetrale dà iformazioi sulla distribuzioe di. permette di valutare il valore atteso X μ Questo teorema fu euciato per la prima volta da Laplace el, ma solo itoro agli ai treta del Noveceto fu defiitivamete sistemato da Berstei e poi da Feller. Il teorema, elle diverse formulazioi e geeralizzazioi ha u ruolo importate, sia dal puto di vista teorico, sia, acora di più, elle applicazioi. Molti dei pricipali metodi utilizzati ell ifereza statistica si basao su questo teorema (che è detto cetrale proprio per tale motivo). Il teorema afferma che se si hao variabili aleatorie idipedeti X, X,..., X, co stessa media μ e stessa variaza σ, allora la successioe di variabili aleatorie X μ Z = (cioè le variabile aleatorie X stadardizzate) σ tede ad avere ua distribuzioe ormale di media 0 e variaza ; dove tede sigifica che, all aumetare di, la distribuzioe di Z assomiglia sempre più a quella di ua variabile aleatoria co distribuzioe N(0,). Ua formulazioe più precisa del teorema è la seguete. La fuzioe di distribuzioe cumulata di Z, calcolata i ogi puto t, cioè FZ ( t ), quado tede all ifiito, tede alla fuzioe di distribuzioe cumulata di Z calcolata i t, cioè FZ ( t), co Z variabile aleatoria ormale stadardizzata. I formula: t, lim F ( t) = F ( t ) ( Z ) Il teorema cetrale, come già detto, è u risultato teorico e cotiee, el suo euciato u limite per che tede a ifiito; ha però u risvolto operativo che si può sitetizzare i questo modo. Qualuque sia la distribuzioe di ua variabile aleatoria X, la fuzioe di distribuzioe cumulata di X si può approssimare co quella di ua variabile aleatoria di distribuzioe ormale (co stessa media e variaza di X ) e tale approssimazioe è tato migliore quato più grade è. Vediamo due esempi allo scopo di chiarire quato è stato detto. ESEMPIO. Cosideriamo dadi o truccati. I possibili esiti di ciascuo di essi soo modellizzati da ua variabile aleatoria X che assume valori sull isieme {,,,,,} e che ha ua distribuzioe uiforme (P()=P()=P()=P()=P()=P() = /), quidi be lotaa da quella ormale. Ritoriamo al sigificato del teorema del limite cetrale: esso assicura che la forma della distribuzioe di X, X, X,..., X tede ad assumere sempre più la forma di ua gaussiaa ma mao che si procede ei termii della successioe (ossia ma mao che aumeta ) basta che le variabili X i siao idipedeti, co stessa variaza e stessa media. Questo ache el caso i cui ciascua di essa (come el caso dei laci di u dado) ha ua fuzioe di desità di probabilità molto diversa dalla curva a campaa tipica della fuzioe di desità di probabilità ormale. Sappiamo che esiste ua dimostrazioe di tale teorema, ma o è per ulla semplice ed è al di fuori della portata di studeti di ua scuola secodaria. Possiamo però dare ua visualizzazioe del teorema i u cotesto i cui siamo i grado di fare direttamete i coti. Cosideriamo il lacio di,,,,, dadi. Potremmo calcolare (co molta pazieza) la distribuzioe teorica delle variabili aleatorie X, X, X,..., X (come visto ella scheda ) co X + X X + X + X X = X, X =, X =., X = X i. Z i =
5 Ivece di fare ciò, simuliamo la situazioe. Sappiamo che la distribuzioe di X, cioè di X, è uiforme su {,,,,,}, ma simuliamo ache questa. Geeriamo umeri casuali da ua variabile uiforme Y i [0,] e calcoliamo X = it ( Y + ) dove la fuzioe it idica la parte itera di u umero. Alcui software hao direttamete la distribuzioe uiforme itera. A fiaco è riportato il grafico della desità di X simulata. La desità di probabilità della media di due uiformi idipedeti ha forma triagolare. Il grafico a fiaco riporta la desità della media di due variabili aleatorie otteute per simulazioe. All aumetare di, la media di variabili aleatorie uiformi assume sempre più ua forma a campaa, tipica della distribuzioe ormale. Desita` i percetuale Desita` i percetuale X Riportiamo di seguito i grafici delle desità della somma dei puteggi otteuti el lacio di dadi, per uguale a e a 0. 0 (X+X)/ Desita` i percetuale 0 Desita` i percetuale 0 0 (X+X+X)/ 0 (X+...+X0)/0 ESEMPIO. Cosideriamo ua variabile aleatoria X espoeziale di parametro, co fuzioe di desità di probabilità e fuzioe di distribuzioe cumulata rappresetate ei grafici sotto, molto lotae dalla forma delle corrispodeti fuzioi di ua variabile aleatoria co distribuzioe ormale (i questo caso o vi soo emmeo simmetrie, come ivece si avevao el caso dell esempio precedete). Abbiamo già detto che u esempio cocreto modellabile co ua variabile aleatoria espoeziale è la durata di ua lampadia. La variabile aleatoria X modella quidi la durata di vita media di lampadie.
6 La variabile aleatoria X modella quidi la durata di vita media di lampadie. I questo secodo esempio, ivece di simulare X, utilizziamo (seza riportarle) le formule delle fuzioi di desità di probabilità e di distribuzioe cumulata esatte per X. Si possoo quidi cofrotare tali fuzioi esatte co quelle di ua ormale co stessa media e stessa variaza. I grafici a liea cotiua si riferiscoo alla distribuzioe della variabile aleatoria espoeziale e quelli a liea tratteggiata alla distribuzioe ormale corrispodete. La tedeza alla ormale di X, si ha già per valori di relativamete piccoli.
7 Il teorema cetrale giustifica i parte la popolarità del modello ormale ella descrizioe di molti feomei. Quado la variabilità di u feomeo può essere pesata come la somma di varie cause idipedeti co stessa media e stessa variaza, allora si può applicare il teorema del limite cetrale e affermare che la media campioaria ha ua distribuzioe ormale (ache el caso i cui le variabili casuali abbiao diversa distribuzioe). Quello che si osserva è che, ache partedo da distribuzioi molto lotae dalla ormale (come abbiamo visto egli esempi precedeti) e ache i codizioi meo restrittive di quelle da oi euciate el teorema del limite cetrale, la covergeza di Z alla ormale stadard è abbastaza rapida. I geere co > 0 si può essere abbastaza traquilli ell approssimare la distribuzioe di ua somma o ua media di variabili aleatorie co quella di ua variabile aleatoria ormale. ESEMPIO. Si deve verificare il buo fuzioameto di ua macchia che produce tubi di acciaio. I codizioi di regolarità della produzioe il diametro è 0 mm e la deviazioe stadard è mm. Per verificare se la macchia o si sia sregolata si esamia u campioe di 00 pezzi e se la media dei diametri del lotto è maggiore di mm si attua ua mautezioe straordiaria della macchia. È ragioevole questa scelta? Per rispodere dobbiamo sapere qual è la probabilità di otteere ua media dei diametri maggiore di mm, el caso i cui la macchia fuzioi i modo regolare. Modelliamo la misura del diametro del tubo co ua variabile aleatoria X di valore atteso 0 e di deviazioe stadard e cosideriamo la variabile aleatoria media campioaria Dobbiamo valutare se P ( X 00 > ) è alta o bassa. X 00. Ache se o coosciamo la distribuzioe di X, essedo la umerosità campioaria alta, possiamo applicare il teorema del limite cetrale e quidi approssimare la distribuzioe di X 00 co quella di ua ormale di media 0 e deviazioe stadard 0.. Ifatti: std( X ) E ( X 00 ) = E( X ) =0 std( X 00 ) = =. 0 Possiamo quidi dire che: X P ( X 00 > ) = P > P ( Z >.) = 0.00 co Z N ( 0,) La probabilità di otteere u valore medio maggiore di mm i codizioi di fuzioameto regolare è molto bassa. Quidi si può supporre che la macchia abbia bisogo di ua mautezioe straordiaria, i quato vi soo buoe ragioi per riteere che o stia più fuzioado regolarmete. ESEMPIO. Riprediamo l Esempio della scheda, che riportiamo qui itegralmete: Il rapporto dei sessi ella specie umaa alla ascita è di 0 femmie su 00 maschi. Qual è la probabilità che i ascite sigole almeo la metà dei eoati siao di sesso femmiile? Come varierebbe la probabilità se si cosiderassero 0 ascite sigole? Sarebbe maggiore o miore della precedete? Cocetriamoci sulla risposta all ultima domada. 7
8 Idichiamo co S 0 il umero di eoati di sesso femmiile elle 0 ascite prese i esame. Vogliamo calcolare la probabilità che su 0 ascite almeo la metà siao di sesso femmiile, quidi P( S ). Se utilizzassimo il fatto che S 0 è ua biomiale B(0, 0.), dovremmo svolgere 0 0 P( S ) = P(S 0 =0) + P(S 0 =) + P(S 0 =0), 0 0 Questo calcolo richiede o solo u addizioe di 0 addedi, ma, quel che è peggio, il calcolo del valore di ciascuo degli addedi è piuttosto complesso. Abbiamo però a disposizioe il Teorema del limite cetrale, il quale afferma che S 0 (che si può scrivere come somma di 0 variabili aleatorie idipedeti di media 0. e variaza 0*0.*0.9 = ) si può approssimare co ua ormale. Abbiamo quidi S P( S 0 0 )= P > P( Z > 0.) =-0. = 0. Facedo i calcoli direttamete avremmo otteuto 0... Alcue riflessioi sul fidarsi dell esperieza Negli esempi e abbiamo utilizzato la simulazioe o le coosceze teoriche sulle fuzioi di distribuzioe e di ripartizioe delle variabili casuali cosiderate per verificare l euciato del teorema cetrale, e ache la sua efficacia, osservado la velocità di covergeza alla ormale. I questi esempi, la situazioe reale da modellare, cioè i risultati del lacio di u dado o la durata di ua lampadia, ci è servita per compredere meglio, i u certo seso visualizzadolo, l euciato di u teorema. I u certo seso lo abbiam visualizzato. Naturalmete o abbiamo dimostrato iete: la dimostrazioe del teorema del limite cetrale, come abbiamo già detto è al di fuori della portata di uo studete di scuola secodaria. Sappiamo però che esiste e, quidi, possiamo cotare sulla sua correttezza e adeguatezza per applicare le cosegueza ella risoluzioe di problemi applicativi. Ma che cosa accade quado il risultato teorico è iaccessibile per problemi di complessità di calcolo oppure perché o è proprio oto? I questo caso è possibile fidarsi della simulazioe per risolvere u problema, per esempio per risolvere il problema di stimare ua probabilità? La risposta sta, i fodo, ella fiducia che attribuiamo alla legge empirica del caso, ma questa o è u risultato della teoria. Nella forma i cui viee espressa è irriducibile alla teoria. Tutto sembra ritorare daccapo; i realtà come abbiamo già osservato la legge dei gradi umeri e il teorema cetrale del limite (due risultati teorici) pogoo codizioi be precise, cosetedo di essere più cosapevoli dei limiti e delle potezialità della legge empirica del caso. Appedice. Dimostrazioe del valore atteso e della variaza di ( ) i ( i ) E X = E X = E X = μ = μ = μ i = i = i = ( ) i i ( i ) σ Var X = Var X = Var Var X = X = σ = σ = i = i = i= i = std( X σ ) = Possiamo stadardizzare la variabile aleatoria atteso 0 e variaza. X X e otteere la variabile X μ Z = co valore σ / Riferimeti bibliografici:
9 Rossi, C. (999), La matematica dell icertezza, Zaichelli, Bologa Sitografia Wikipedia, e 9
Ovvero: ci si può fidare dell esperienza per stimare probabilità?
PRROBABILITÀ SCHEDA N. 4 LA LEGGE EMPIRICA DEL CASO, LA LEGGE DEI GRANDI NUMERI E IL TEOREMA CENTRALE DEL LIMITE Ovvero: ci si può fidare dell esperieza per stimare probabilità? La legge empirica del caso
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliLEGGE DEI GRANDI NUMERI
LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 24 maggio 26 Desità e distribuzioi cogiute e codizioate. Covergeza e approssimazioe Esercizio Uo studio dice che l ivestimeto i titoli di stato, rappresetato
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliProva d esame di Calcolo delle Probabilità 02/07/2011
Prova d esame di Calcolo delle Probabilità 0/07/0 N. MATRICOLA... COGNOME e NOME... Esercizio Cosideriamo due ure ed ua moeta truccata. La prima ura (ura A) cotiee pallie rosse e 4 biache, la secoda ura
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliProbabilità CENNI DI PROBABILITÀ
CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliProgramma della parte introduttiva: Lezione 4
Programma della parte itroduttiva: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
DettagliINTEGRAZIONI PER IL CORSO DI MATEMATICA E STATISTICA, SC. AMBIENTALI, 2018/19 ALESSANDRA FAGGIONATO
INTEGRAZIONI PER IL CORSO DI MATEMATICA E STATISTICA, SC. AMBIENTALI, 208/9 ALESSANDRA FAGGIONATO I progress. Spazio campioario, esiti, eveti, spazio di probabilità Cosideriamo u esperimeto i seso ampio
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliDal punto di vista teorico, questi valori possono essere assegnati a piacimento con l unico vincolo che
4. 5 marzo 2013 Cocetto di variabile casuale (o aleatoria): a livello ituitivo 1, ua quatità (umerica) che è il risultato di u feomeo aleatorio; o possiamo quidi prevedere esattamete il suo valore, ma
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliEsercitazione sette: soluzioni. H 1 : θ > 0.48 ( =
Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018
Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,
DettagliEsperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI
Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe
Dettagli1 Variabili aleatorie in casi più generali: indipendenza, LGN e TCL.
versioe 28-05-2004 0 Variabili aleatorie i casi più geerali: idipedeza, LGN e TCL.. Variabili aleatorie idipedeti Molte delle defiizioi e delle proprietà delle variabili aleatorie i spazi fiiti valgoo
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità B - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità B - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliProgramma della parte introdu0va: Lezione 4
Programma della parte itrodu0va: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliCopyright Esselibri S.p.A.
CAPITOLO OTTAVO LE VARIABILI CASUALI Sommario:. Geeralità. -. La variabile casuale biomiale. - 3. La variabile casuale di Poisso. - 4. La variabile casuale ormale. 5. La variabile casuale chi-quadrato.
DettagliProbabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?
Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità A - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità A - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
Dettagli7. Test d ipotesi. 2. L ipotesi è vera ma in base ai dati la rifiuto in questo caso si dice che si commette errore di prima specie
7. Test d ipotesi U tipico problema che ci si può trovare ad affrotare è il seguete: Faccio ua certa ipotesi che idico co H 0 e che chiamo ipotesi ulla. I base ai dati che ho a disposizioe devo decidere
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioi a.a. 2006/2007 C.d.L.: Igegeria per l Ambiete ed il Territorio, Igegeria Civile, Igegeria Gestioale, Igegeria dell Iformazioe C.d.L.S.: Igegeria Civile Estrazioi-II
DettagliStatistica I - A.A
Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliEntropia ed informazione
Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre
Dettagli1 Esercizi tutorato 27/5
Esercizi tutorato 7/5 Esercizi tutorato 7/5 Esercizio.. Si cosideri u compoete elettroico costituito da compoeti collegate i serie. Ogi compoete ha u tempo di vita T i Expλ), i =,..., idipedete. Sia X
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliProbabilità e Statistica Laurea Triennale in Matematica 17/06/2014 Soluzioni traccia B
Probabilità e Statistica Laurea Trieale i Matematica 7/06/204 Soluzioi traccia B Esercizio 2. (Appello completo) Cosideriamo due ure A e B. L ura A cotiee 4 biglie rosse e 2 ere, metre l ura B cotiee biglia
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliEsercizi settimana 10
y = = 0 0,5 0,5,5 x Esercizi settimaa 0 Esercizi applicati Esercizio. Siao X ) i.i.d. tali per cui X U0, ), si dimostri che X 0. Soluzioe. Per calcolare la covergeza i legge dobbiamo usare la fuzioe di
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
DettagliEsercizi di Calcolo delle Probabilità Foglio 7
Esercizi di Calcolo delle Probabilità Foglio 7 David Barbato Esercizio. Siao Y e X } N variabili aleatorie idipedeti e co distribuzioe espoeziale di parametro λ =. Siao ioltre: W := maxy, X } N T := miw
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliAnalisi Matematica Soluzioni prova scritta parziale n. 1
Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
DettagliP(X = k) = (k 1). 2 Infatti, le uniche sequenze di lunghezza k (di T e C) possibili sono
Prima Prova Itermedia testo co soluzioi 5 Aprile 09 Elemeti di Probabilità e Statistica, Laurea Trieale i Matematica, 08-9 M Romito, M Rossi Problema 0 Ua moeta equa viee laciata fio alla prima volta i
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliSTATISTICA INFERENZIALE - SCHEDA N. 1 CAMPIONAMENTO E STIMA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
DettagliEsercizi di econometria: serie 2
Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso
DettagliEsercitazione 1 del corso di Statistica (parte 2)
Esercitazioe del corso di Statistica (parte ) Dott.ssa Paola Costatii Esercizio 7 Aprile 0 Il tempo di percorreza del treeo che collega la stazioe di Roma Termii co l aeroporto di Fiumicio è di 30 miuti
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliSoluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente
Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P
Dettagli7 LE PROPRIETÀ DEI NUMERI NATURALI. SUCCES- SIONI
7 LE PROPRIETÀ DEI NUMERI NATURALI. SUCCES- SIONI Abbiamo usato alcue proprietà dei umeri aturali che coviee mettere i evideza. Per prima cosa otiamo che N gode delle due proprietà (i 0 N; (ii se N allora
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliCALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL 1/2/2011
CALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL //0 PRIMA PARTE Esercizio U sitomo S è ricoducibile a tre malattie M, M e M 3 a due a due icompatibili. Sapedo che la probabilità che u idividuo abbia la patologia
DettagliDistribuzioni di probabilità
Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
DettagliLA MISURA IN PSICOLOGIA
Prof. Giulio Vidotto (Uiversità di Padova) Lez. 3 - Distribuzioe ormale e stadardizzazioe delle misure Argometi della lezioe Stadardizzazioe Distribuzioe Normale Distribuzioe Normale Stadard Stadardizzazioe
DettagliQualunque processo che generi risultati eventi che non sono generalizzabili con certezza
CAMPIONAMENTO Esperimeto experimetal desig Qualuque processo che geeri risultati eveti che o soo geeralizzabili co certezza Popolazioe o è fiita Feomeo è sotto cotrollo: stimolo - risposta (pe sperimetazioe
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa
Dettagli(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.
Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova
Dettagli