Estrazioni senza restituzione da un urna di composizione incognita. P(E i)=
|
|
- Valerio Palumbo
- 7 anni fa
- Visualizzazioni
Transcript
1 Estrazioni senza restituzione da un urna di composizione incognita. Consideriamo n estrazioni senza restituzione da un urna contenente N palline, di cui r sono bianche, con r incognito. Introdotta la partizione {H 0,H 1,...,H N }, con H r = nell urna ci sono r palline bianche. Per ogni i =1,...,n, consideriamo l evento E i = l i-esima pallina estratta è bianca. Per ogni i = 1,...,n, e per ogni r =0, 1,...,N,siha P (E i H r )= r N, P(E i)= NX r=0 r N P (H r), e quindi gli eventi E 1,E,...,E n sono equiprobabili. Anche in questo caso l indipendenza stocastica, in generale, non sussiste più. Ad esempio, per N =, assumendo equiprobabili le ipotesi H 0,H 1,H e osservando che P (E 1 E H r )=P (E 1 H r )P (E E 1 H r )= r(r 1) N(N 1), G. Sanfilippo - CdP pag. 196
2 equindi P (E 1 E H 0 )=P (E 1 E H 1 )=0,P(E 1 E H )=1, si ha P r=0 P (E E 1 )= P (E 1E H r ) (E 1 ed E sono ancora correlati positivamente). Infine, per ogni r e per ogni h, siha = 3 > 1 ; P (X = h H r )= n h N r N r n h = r h N n N n r h, cioè X H r H(N, n, r N ). Allora P (X = h) = P N r=0 P (X = h H r)p (H r )= = P N ( n h)( N r h n ) r=0 ( N P (H r )= P N ( h)( r N n h) r r=0 r ) ( N P (H r ), n) ovvero, la distribuzione di probabilità di X è una mistura di distribuzioni ipergeometriche. G. Sanfilippo - CdP pag. 197
3 Esempio 48 Si considerino estrazioni senza restituzione da un urna contenente palline, di cui r bianche, con r incognito. Posto P (H r )= r, con si può verificare che =1, r < 1, 8 r, P (E 1 )= 1 1 +, P(E E 1 )= 1, P(E 1 E )=. 1 + Verifichiamo se esistono coppie di valori ( 1, ) (0, 1) (0, 1) (con 1 + < 1) tali che P (E 1 )P (E )=P (E 1 E ) cioè 1 + =, ovvero ( )=0. La precedente equazione parametrica ha soluzioni 1 = ± p. Dalla Figura 3 osserviamo che per ogni fissato (0, 1) la soluzione 1 = + p =( p ) G. Sanfilippo - CdP pag. 198
4 è un valore appartenente a (0, 1) e inoltre si ha ( p )+ apple 1. y x Figura 3: Parabola di equazione ( 1 x + y) = y Se consideriamo la funzione f( )=( p )= p (1 p ), G. Sanfilippo - CdP pag. 199
5 Si ha 0 apple f( ) apple 1, 0 apple f( )+ apple 1. Come si può verificare, per 1 = f( ),risulta P (E 1 )=P (E )= = p, equindi P (E E 1 )= = P (E )(E 1 ). Ovvero, per 1 = f( ) abbiamo che gli eventi E 1,E sono stocasticamente indipendenti. Inoltre, per 0 apple 1 <f( ),siha mentre, per f( ) < 1 apple 1, siha Ad esempio, se P (E ) < p <P(E E 1 ); P (E ) > p >P(E E 1 ). = 1 k, 1 = p (1 si ha: P (E E 1 )=P (E )= 1 k. p )= 1 k 1 1 k, 0 = 1 1 k, G. Sanfilippo - CdP pag. 00
6 Eventi scambiabili La nozione di scambiabilità gioca un ruolo fondamentale nell esame delle possibili relazioni che sussistono tra valutazioni di probabilità e frequenze osservate. Definizione 8 Gli eventi E 1,...,E n sono scambiabili se, per ogni fissato h, con 0 apple h apple n, i costituenti del tipo E i1 E ih E c i h+1 E c in (51) hanno la stessa probabilità p n,h (dipendente solo da n edah), per ogni permutazione (i 1,...,i n ) di (1,...,n). Ovvero, gli eventi E 1,...,E n sono scambiabili se la probabilità che esattamente h siano verificati è la medesima qualunque siano gli h eventi a ermati. Consideriamo i quattro casi di estrazioni con o senza restituzione da un urna di composizione nota o incognita, contenente N palline, e indichiamo con E i l evento l i-ma pallina estratta è bianca. sono scam- Si può verificare che, in tutti e quattro i casi, gli eventi E 1,...,E N biabili. Infatti: -nelprimocaso(estraz. con rest. da un urna di comp. nota) siha: p n,h = p h q n h, 8 (i 1,i,...,i n ), 1 apple n apple N ; G. Sanfilippo - CdP pag. 01
7 - nel secondo caso (estraz. senza rest. da un urna di comp. nota) siha: p n,h = N n pn h N pn, 8 (i 1,i,...,i n ), 1 apple n apple N ; -nelterzocaso(estraz. con rest. da un urna di comp. incognita) siha: p n,h = P N r=0 r N h N r N n h P (Hr ), 8 (i 1,i,...,i n ), 1 apple n apple N ; -nelquartocaso(estraz. senza rest. da un urna di comp. incognita) siha: p n,h = P N r=0 ( N n r h ) ( N r ) P (H r), 8 (i 1,i,...,i n ), 1 apple n apple N. Un altra definizione di eventi scambiabili è la seguente Definizione 9 Gli eventi E 1,...,E n sono scambiabili se, per ogni fissato h, con 1 apple h apple n, gli eventi del tipo E i1 E ih (5) G. Sanfilippo - CdP pag. 0
8 hanno la stessa probabilità (dipendente solo da h), per ogni sottoinsieme {i 1,...,i h } {1,...,n}. Si dimostra il seguente Teorema 6 Le Definizioni 8 e 9 sono equivalenti. 16 Esercizio 3 Consideriamo i quattro casi di estrazioni con o senza restituzione da un urna di composizione nota o incognita, contenente N palline, e indichiamo con E i l evento l i-ma pallina estratta è bianca. Verificare che, in tutti e quattro i casi, gli eventi E 1,...,E N sono scambiabili secondo la Definizione Vedi Lad, F Operational Subjective Statistical Methods, Wiley, New York. G. Sanfilippo - CdP pag. 03
9 Esercizio 4 Da un urna contenente 4 palline, di cui almeno bianche, si e ettuano 3 estrazioni senza restituzione. Definiti gli eventi H r = nell urna ci sono r palline bianche, r =, 3, 4, si ponga P (H 4 )=P (H 3 )=p e si indichi con X il numero aleatorio di volte in cui esce pallina bianca nelle 3 estrazioni. Calcolare i valori coerenti di p e la probabilità = P (H 3 X =), in funzione di p. Determinare inoltre l insieme I dei valori coerenti di p tali che E(X). p ; = ; I = Esercizio 5 In un lotto di 10 componenti ci sono pezzi difettosi. I componenti vengono esaminati a caso (senza restituzione) per individuare i due difettosi. Si supponga che dal lotto venga tolto un pezzo (senza essere esaminato) e che siano controllati i rimanenti 9 pezzi. Definito l evento H = il pezzo tolto dal lotto è difettoso, E i = l i-mo pezzo esaminato è non difettoso, i = 1,...,10, calcolare: P (H E 1 ),P(E E 1 ),P(E c Ec 8 ),P(Ec 3 (Ec 1 _ Ec ). Calcolare inoltre la varianza del numero aleatorio X = E 1 + E + E 3. (Sfruttare il fatto che gli eventi E 1,E,...,E 9 sono scambiabili. Osservando ad esempio che P (E c Ec 8 )=P (Ec Ec 1 )) G. Sanfilippo - CdP pag. 04
10 Varianza Relativamente ad un numero aleatorio X abbiamo visto che il valore atteso E(X) si può interpretare come il valore centrale della distribuzione di probabilità di X. Inalcunicasi la conoscenza del valore atteso può essere su ciente per sintetizzare la distribuzione di probabilità (valore di sintesi). In generale è troppo restrittivo descrivere delle valutazioni di probabilità solamente attraverso il valore atteso. Si pensi di dover decidere la scelta dell investimento di un capitale in due attività che assicurano rispettivamente i guadagni aleatori X, Y, con X = 100,P(X =100)= 1 40,P(X = 40) = 1 Y = ,P(Y =100100)= ,P(X = ) = 1 il valore atteso dei due guadagni è E(X) =E(Y )=30, quindi giudicando in base al valore atteso sarebbe indi erente scegliere il primo o il secondo investimento. Osserviamo però che il secondo è più rischioso perchè sono maggiori i possibili scarti del guadagno dal valor atteso. Esempio 49 Consideriamo la scelta a caso di una persona da una popolazione statistica costituita da due individui: uno mangia polli (supponiamo, a settimana) e l altro 0 G. Sanfilippo - CdP pag. 05
11 polli. Sia X il numero (aleatorio) di polli mangiati settimanalmente dalla persona estratta. Si ha ( 0, P(X =0)= 1 X =,, P(X =)= 1. Adesso, consideriamo il caso in cui entrambi gli individui mangiano 1 pollo a settimana. Sia Y il numero (aleatorio) di polli mangiati settimanalmente dalla persona estratta. Si ha Y =1, P(Y =1)=1. Allora: E(X) =E(Y )=1, Il valore atteso ci dice che in entrambe le popolazioni gli individui mangiano mediamente un pollo a settimana. Ad esempio se nella prima popolazione abbiamo Enzo che mangia polli e Marco che non ne mangia, allora il valore atteso si limita a dire che entrambi mangiano mediamente un pollo. Per tale motivo si introduce il concetto di varianza, un indice che valuta la dispersione di X attorno al suo valor atteso E(X). Definizione. Sia X un numero aleatorio e sia E(X) =m. SidefinisceVarianza di X e si indica con Var(X) o con la seguente quantità X Var(X) =E[(X m) ] (53) G. Sanfilippo - CdP pag. 06
12 La Var(X) si definisce come il valore atteso del numero aleatorio (X m).indicando con x 1,x,...,x n tutti i possibili valori di X e con p i = P (X = x i ) le rispettive probabilità, possiamo rappresentare X nella seguente forma canonica X = x 1 X = x 1 + x X = x + + x n X = x n e la previsione E(X) nella consueta espressione E(X) =p 1 x 1 + p x + + p n x n. Il n.a. (X m) si può rappresentare nella forma seguente Allora, per la varianza si ottiene (x 1 m) X = x 1 + +(x n m) X = x n. Var(X) =E[(X m) ]= = p 1 (x 1 m) + p (x m) + + p n (x n m) = = P n i=1 p i(x i m). Come si può intuire, la varianza di un n.a. è tanto più grande quanto più la distribuzione di X è dispersa attorno al suo valor atteso, ovvero quanto più sono probabili i valori di X lontani dal valor medio E(X). G. Sanfilippo - CdP pag. 07
13 Figura 33: Varianza e Previsione E(X) =E(Z), Var(X) >Var(Z) Dal punto di vista meccanico, dato un sistema di masse, la Var(X) rappresenta il momento d inerzia rispetto al baricentro e quindi misura la dispersione di massa rispetto al baricentro E(X). Scarto quadratico medio (deviazione standard). Lo scarto quadratico medio o deviazione standard di un numero aleatorio X si denota con X e coincide con la radice quadrata della varianza di X: X = q X qvar(x) = (54) G. Sanfilippo - CdP pag. 08
14 Esempio. Siano X, Y, Z tre numeri aleatori rispettivamente con le seguenti distribuzioni: P (X = 1) = P (X =1)= 1 P (Y = ) = P (Y = 1) = P (Y =1)=P (Y =)= 1 4 P (Z = ) = P (Z =)= 1 Le previsioni sono uguali, essendo E(X) =E(Y )=E(Z) =0, mentre le varianze sono diverse. Infatti X = 1 ( 1 0) + 1 (1 0) =1 Y = 1 4 ( 0) ( 1 0) (1 0) ( 0) = 5 Quindi: Z = 1 ( 0) + 1 ( 0) =4 Var(Z) >Var(Y ) >Var(X). Varianza di un indicatore. Dato un evento E con P (E) =p e p(e c )=1 p = q, essendo E( E ) =p, si dimostra che Var( E ) =pq. Infatti E = E[( E p) ]=p(1 p) + q(0 p) = pq. G. Sanfilippo - CdP pag. 09
15 Osserviamo che, come mostrato nel grafico sotto, risulta: Var( E ) =pq apple 1 4. Figura 34: Var( E ) G. Sanfilippo - CdP pag. 10
16 Proprietà della varianza. 1. Var(X) 0;. Var(aX + b) =a Var(X), per ogni a, b R; (a) Var(X + c) =Var(X); (b) Var(aX) =a Var(X), per ogni a R; (c) Var( X) =Var(X); 3. Var(X) =E(X ) [E(X)]. 4. E[(X c) ] Var(X), per ogni c R; Ricordando che m = E(X), dimostriamo la (3). X = E[(X m) ]=E(X mx + m )= = E(X ) me(x) +m = E(X ) [E(X)]. Dimostriamo la (4). Si ha E[(X c) ]=E[(X m + m c) ]= = E[(X m) +(m c)(x m) +(m c) ]= G. Sanfilippo - CdP pag. 11
17 = Var(X) +(m c) Var(X). Osserviamo inoltre che per la deviazione standard si ha (ax+b) = a X, per ogni a, b R. Esempio 50 Sia X il risultato del lancio di un dado. Calcolare var(x). Prima calcoliamo il valore atteso. µ = E(X) =1 = Per calcolare la varianza di X, costruiamo il numero aleatorio (X µ) e ne calcoliamo il valore atteso E[(X µ) ]. A tal proposito utilizziamo la Tabella G. Sanfilippo - CdP pag. 1
18 x P(X = x) (x 7/) 1 1/6 5/4 1/6 9/4 3 1/6 1/4 4 1/6 1/4 5 1/6 9/4 6 1/6 5/4 Tabella 13: Calcolo della varianza. Il valore atteso E[(X µ) ] dato da var(x) = 1 6 = 35 1, e la deviazione standard X = p 35/ G. Sanfilippo - CdP pag. 13
19 Utilizzando le proprietà sulla varianza, possiamo calcolare var(x) con E(X ) µ. Si ha E(X ) = e, = 91 6, var(x) =E(X ) µ = = 35 1 Supponiamo che venga lanciato un dado non regolare. Sia Y il risultato di tale dado e supponiamo che P (Y =1)=5P (Y = h), h =, 3, 4, 5, 6. Calcolare var(y ) G. Sanfilippo - CdP pag. 14
Vettori 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
DettagliNumero Aleatorio Semplice
Numero Aleatorio Semplice Dati n eventi E 1,E 2,,E n ed n numeri reali 1, 2,, n si definisce numero aleatorio semplice la seguente quantità: X = 1 E 1 + 2 E 2 + + n E n (45) Al variare in tutti i modi
DettagliCalcolo delle Probabilità 16 Giugno 2016, C.d.L. STAD, UNIPA
Calcolo delle Probabilità 6 Giugno 206, C.d.L. STAD, UNIPA Prova intera esercizi, 2, 3, 4, 5, 6. Tempo 2 h 45 minuti. Esercizio risolto correttamente vale 5.5 punti. Seconda Prova in itinere esercizi 4,
Dettagli= = 4 5.
n.a. discreti Esempio 54 Dieci carte vengono suddivise in due scatole U 1 e U 2 di 5 carte ciascuna. Nella scatola U 1 vi sono solo carte vincenti mentre nella scatola U 2 vi sono 3 carte vincenti e 2
DettagliCALCOLO DELLE PROBABILITÀ
CALCOLO DELLE PROBABILITÀ - gennaio 000 Elettronici: nn. 4 Informatici: nn. 6. Un lotto contiene pezzi buoni ed un solo pezzo difettoso. Si effettuano tre estrazioni senza restituzione, e sia E i = pezzo
Dettagli3+2 =0.6) e B vincente a 1 contro 4 ( 1
Esempio 23 (Sul teorema delle probabilità totali) 6 Consideriamo una gara in cui ci sono tra i vari concorrenti due italiani e precisamente i concorrenti A e B e indichiamo i seguenti eventi E A = vince
DettagliSi ha A = ABC c _ AB c C c, B = C 1 _ C 2 _ C 3, C = C 2 _ C 5.
Esempio 25 Con riferimento a una data partita di calcio tra la Roma el Inter, si considerino gli eventi: A : la Roma a cinque minuti dal termine della gara è in vantaggio sull Inter; B : la Roma vince
DettagliEsercizi. 2. [Conteggio diretto] Due dadi vengono lanciati in successione. a) Qual è la probabilità che la somma dei due risultati faccia 7?
1 E. Vitali Matematica (Scienze Naturali) Esercizi 1. [Conteggio diretto] Quattro ragazzi, A, B, C e D, dispongono di due biglietti per il teatro e decidono di tirare a sorte chi ne usufruirà. a) Qual
DettagliProbabilità e Vincite (Perdite) medie al Lotto
Probabilità e Vincite (Perdite medie al Lotto Giuseppe Sanfilippo Lotto Le giocate Ambo, Terna, Quaterna e Cinquina, sono da intendersi secche. Si ha Num. di palline presenti nell urna N = 90 Num. di estrazioni
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
Dettagli! X (92) X n. P ( X n X ) =0 (94)
Convergenza in robabilità Definizione 2 Data una successione X 1,X 2,...,X n,... di numeri aleatori e un numero aleatorio X diremo che X n tende in probabilità a X escriveremo X n! X (92) se fissati comunque
Dettagli1 se si verifica E 0 se non si verifica E. S se si verifica E 0 altrimenti.
Probabilità Soggettiva Definizione 3 Dato un evento E, la probabilità P (E) =p dell evento E, secondo un dato individuo in un certo stato di informazione, è la misura numerica (coerente) del suo grado
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliAll ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti
Esercizio 1 All ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti 1. 18 2. 25 3. 30 4. Se il voto standardizzato
DettagliProbabilità condizionate
Probabilità condizionate Dati due eventi E ed H, con H φ, si definisce evento condizionato il seguente ente logico a tre valori E H = vero falso indeterminato se E ed H sono entrambi veri se E è falso
DettagliX Vincita (in euro) Tabella 1: Vincite
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 9 Giugno 1 CdS in STAD, SIGAD - docente: G. Sanfilippo Motivare dettagliatamente
DettagliIl valore atteso di una v.a. (discreta)
di una v.a. (discreta) Introduciamo un nuovo concetto. DEFINIZIONE DI VALORE ATTESO DI UNA V.A. DISCRETA Sia X : Ω R una v.a. discreta avente come immagine in R l insieme V. di X è il numero reale E(X)
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliNome e cognome:... Matricola...
Nome e cognome:................................................... Matricola................. CALCOLO DELLE PROBABILITA - 0/07/008 CdS in Economia e Finanza - Cds in Informatica - Cds SIGAD Motivare dettagliatamente
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
Dettagli(e it + e 5 2 it + e 3it )
CALCOLO DELLE PROBABILITÀ - 13 gennaio 1999 1. Siano A, B, C eventi, con P (A) = 0.3, P (B) = 0.5, P (C) = 0.7, e per i quali è noto che i relativi costituenti sono C 1 = A c B c C c, C 2 = AB c C c, C
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliRappresentazione geometrica della coerenza nel caso di tre eventi (Versione 0.5)
Rappresentazione geometrica della coerenza nel caso di tre eventi (Versione 0.5) Giuseppe Sanfilippo 27 marzo 2009 Indice 1 Introduzione 1 2 Involucro convesso con 7 vertici. 4 3 Tre Eventi con due restrizioni
DettagliDistribuzione di Poisson
Distribuzione di Poisson Si dice che un numero aelatorio X ha una distribuzione di Poisson 9 di parametro 2 R +,esiindica X P( ), se valgono le seguenti condizioni, con ) X 2 N 0 = {0,, 2, 3,...,n,...};
DettagliCALCOLO DELLE PROBABILITA - 13 Aprile 2011 CdL in STAD, SIGAD - docente: G. Sanfilippo
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 13 Aprile 211 CdL in STAD, SIGAD - docente: G Sanfilippo Motivare dettagliatamente le risposte su fogli allegati e scrivere le risposte negli appositi
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliC = {C 1 = A B c H, C 2 = A c B H, C 3 = A B c H c, C 4 = A c B H c } ; P (C 1 ) = 21/100, P (C 2 ) = 9/100, P (C 3 ) = 49/100, P (C 4 ) = 21/100.
CALCOLO DELLE PROBABILITÀ - 20 gennaio 2007 Motivare dettagliatamente le risposte su fogli allegati Elettronica: Es.1 4. Nettuno: Es.1 3. 1. Si effettuano due estrazioni con restituzione da un lotto contenente
DettagliIl modello di Bernoulli
Il modello di in funzione DEFINIZIONE DI V.A. B(p) Una v.a. di arametro p è una v.a. che può assumere solo i valori 0 e 1, e per cui la probabilità di assumere il valore 1 è pari a p, e quella di assumere
DettagliEventi Condizionati. se E ed H sono entrambi veri se E è f a l s o e H è v e r o. indeterminato
Dati due eventi E ed H, con H 6= logico a tre valori E H = 8 < : Eventi Condizionati vero falso indeterminato, si definisce evento condizionato il seguente ente se E ed H sono entrambi veri se E è f a
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
DettagliProbabilità Soggettiva
Probabilità Soggettiva Definizione 3 Dato un evento E, la probabilità P (E) =p dell evento E, secondo un dato individuo in un certo stato di informazione, è la misura numerica (coerente) del suo grado
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
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
DettagliBinomio di Newton. Pertanto, il numero di sottoinsiemi di S, compreso il sottoinsieme vuoto ; elostessos, è dato da. = 2 n, r. (a + b) n = a r b n r,
Binomio di Newton Osserviamo che, volendo costruire un generico sottoinsieme I S, si deve eseguire una procedura di n passi, con alternative in ogni passo. Infatti, occorre decidere per ciascuno degli
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliCP110 Probabilità: Esame 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2010-11, II semestre 30 gennaio, 2012 CP110 Probabilità: Esame 30 gennaio 2012 Testo e soluzione 1. (5 pts) Un gioco consiste in n prove ripetute, tali
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
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
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliPROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati
PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono
DettagliP (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) =
Esercizio 7 2 Un esperimento consiste nel lanciare una moneta e nell estrarre una pallina da un urna contenente 4 palline numerate da 1 a 4. Consideriamo gli eventi: A = Esce Testa, B = Si estrae la pallina
Dettagli0 z < z < 2. 0 z < z 3
CALCOLO DELLE PROBABILITÀ o - 7 gennaio 004. Elettronica : 4; Nettuno: 3.. Data un urna di composizione incognita con palline bianche e nere, sia K = il numero di palline bianche nell urna è il doppio
DettagliMATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE
MATEMATICA E STATISTICA CORSO A SCIENZE BIOLOGICHE MOLECOLARI ESERCITAZIONE 5-3-09 ES1-Se la probabilità di colpire un bersaglio è 1/5 e rimane tale ad ogni tentativo, calcola la probabilità che, sparando
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
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
DettagliESERCIZI PROBABILITA I
ESERCIZI PROBABILITA I ESERCIZIO 1 Il rendimento annuo di un titolo viene descritto mediante una distribuzione normale. I e III quartile del rendimento sono uguali a, rispettivamente, -0.1 e 0.3. Si calcoli
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)
DettagliL assegnazione è coerente? SÌ NO. A e B sono stocasticamente indipendenti? SÌ NO
CALCOLO DELLE PROBABILITÀ - gennaio 00 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati Nuovo Ordinamento esercizi -4. Vecchio Ordinamento esercizi -6..
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
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
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.
Dettaglib = 1 2σ 3. La lunghezza di una barra è un numero aleatorio X con densità della forma 0, x 0, 0 < x 1 a = 1 F (x) = 2 2x 1 x2
CALCOLO DELLE PROBABILITÀ E STATISTICA - 0 gennaio 2002 Informatica (N.O.) (Canali 4) esercizi -4 Vecchio Ordinamento esercizi -6. Da un lotto contenente 4 pezzi buoni e 2 difettosi si estraggono senza
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,
DettagliI Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. 2012/ Giugno 2013
I Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. / 9 Giugno Recupero I esonero o prova scritta di Probabilità da 5 cfu o di Probabilità e Statistica da cfu: esercizio ; esercizio
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali multidimensionali Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2/29 Marco Pietro Longhi Prob. e Stat.
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
DettagliPROVA SCRITTA DI STATISTICA. CLEA/CLEFIN/CLEMIT (cod. 5047/4038/371/377) 3 Novembre 2004 MOD. A
PROVA SCRITTA DI STATISTICA CLEA/CLEFIN/CLEMIT (cod. 547/438/37/377) 3 Novembre 4 MOD. A Esercizio N. (3 punti). Data la v.s. X avente funzione di densità: / x < 9/4 x < 3 f(x) = / 3 x < 7 / 7 x < 9 altrove
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
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 su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliFoglio di esercizi 3-29 Marzo 2019 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella
Foglio di esercizi 3-29 Marzo 209 Probabilità e statistica Ingegneria Meccanica Alessandro Ciallella Esercizio. Una compagnia aerea dispone di un aereo da 20 posti e di uno da 0 posti. Poiché si sa che
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
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliLimiti della Distribuzione Binomiale
Limiti della Distribuzione Binomiale Giuseppe Sanfilippo 11 maggio 2012 1 Teorema di Bernoulli Sia X 1, X 2,..., X n... una successione di variabili aleatorie bernoulliane stocasticamente indipendenti
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.
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
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 8/04/2016
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 8/4/26 NOME: COGNOME: MATRICOLA: Esercizio Si supponga di avere
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliV. c. multidimensionali e distribuzioni di funzioni di v.c.
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliCALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ 2 (Laurea Specialistica) 28 giugno 2006 Motivare dettagliatamente le risposte su fogli allegati 1.- Sia X un numero aleatorio a valori { α, 0, α}, con α > 0 e P (X = α) = P (X
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
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
DettagliNumero di successi su n prove
Numero di successi su n prove Risultati possibili lanciando, volte una moneta. numero di volte in cui esce croce... (,) 0. 0 0 0..... numero di volte in cui esce testa Figura : I risultati favorevoli all
DettagliSoluzione esercizi (quarta settimana)
Soluzione esercizi (quarta settimana) Marco Riani Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? 1 Esempio Gioco la schedina mettendo a caso i segni (1 X
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
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliTEST n La funzione di ripartizione di una variabile aleatoria:
TEST n. 1 1. Un esperimento consiste nell estrarre successivamente, con reimmissione nel mazzo, due carte da un mazzo di 52 carte. Individuare la probabilità di estrarre due assi. A 0.0059 B 0.0044 C 0.0045
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,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 205- P.Baldi Lista di esercizi 5, 8 febbraio 20. Esercizio Si fanno 25 estrazioni
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di 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
Dettagli