Esercizio 1. Costruire un esempio di variabili casuali X ed Y tali che Cov(x,y) = 0, ma X ed Y siano dipendenti.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esercizio 1. Costruire un esempio di variabili casuali X ed Y tali che Cov(x,y) = 0, ma X ed Y siano dipendenti."

Transcript

1 srcz d conomtra: sr srczo Costrur un smpo d varabl casual d tal ch Cov(,), ma d sano dpndnt. Soluzon Dobbamo vrcar l sgunt condzon: σ [ ] [ ] [ ] covaranza nulla ) ( ) ( ) dpndnza non lnar Prma cosa da ar è costrur una tablla cu valor atts sano par a zro. In qusto modo avrmo vrcato la prma condzon. - () ().5..5 Tablla : unzon d dnstà congunta margnal [] [] quando l modaltà sono dspar, qudstant, con valor cntral nullo l unzon margnal sono smmtrch. [] (.75) - (.75) - (.75) + (.75) qund è vrcata la prma condzon d covaranza nulla. Al n d vrcar ch du carattr sono dpndnt, è ncssaro ch: ) ( ) ( ), da cu sosttundo: (, ). 75 ( ) ( ) (.5)(.5). Qund anch la sconda condzon è vrcata. srczo S consdr l lanco d du ttradr rgolar (dado a quattro acc). Sa l valor pù basso d l valor pù alto. a. S trov la dnstà congunta d d b. S trov P( )

2 srcz d conomtra sr c. S calcol la mda la varanza d d d. S calcol la dstrbuzon d condzonata ad pr tutt valor d.. S trov la corrlazon tra d. Soluzon Pr dnr la unzon d dnstà congunta dlla varabl doppa (, ), è ncssaro dscrvr lo spazo camponaro calcolar valor dlla unzon d dnstà, (, ) pr ogn coppa d valor d. Lo spazo camponaro sarà ormato da 6 vnt, ossa. Inoltr, punt camponar sono tutt quprobabl, con probabltà par a // /6, dato ch pr ogn lanco la probabltà d un numro è / ogn lanco è ndpndnt dall altro. I rsultat dll sprmnto (spazo camponaro Ω) l copp d valor assunt da, numro pù basso d du usct, numro pù alto, sono: Ω {-, -, -, -, -, -, -, -, -, -, -, -, -, -, -, -} { } { } a. la unzon d dnstà congunta d d è la sgunt: () /6 /6 /6 /6 7/6 /6 /6 /6 5/6 /6 /6 /6 /6 () /6 /6 /6 7/6 Tablla : unzon d dnstà congunta b. la probabltà ch sa ch sano maggor d è la sgunt: [ <, < ], ) [, ( ) ] P, < < c. la mda la varanza d d sono l sgunt: [] ( ) [] ( ). 5 6 Mntr momnt scond ( ) ( )

3 srcz d conomtra sr Prtanto l varanz sono: VAR() ( ) - [()].859 VAR() ( ) - [()].859 d. la dstrbuzon d condzonata ad pr tutt valor d è la sgunt, rcordando ch ( ), ) ( ) ( ) ( ) ( ) ( ) / /5 /7 / /5 /7 /5 /7 /7. la corrlazon tra d è data da: ρ ( ) ( ) ( ) Cov Tablla : unzon d dnstà condzonata. Calcolamo dapprma la covaranza, data da dalla sgunt ormula: Cov() [] ()(). 9 da cu s ottn: ρ ( ) ( ) ( ) Cov srczo Sa data la sgunt unzon d dnstà congunta dll varabl casual contnu d : ) ( + ) (, ); (, ) altrmnt S calcolno: a. P(>) b. P(<+<) c. P(<< )

4 srcz d conomtra sr Soluzon a. la probabltà ch sa maggor dll untà è la sgunt: P(>) d d d[ ] [ ] b. rcordando ch pr una varabl casual Z assolutamnt contnua P[a < Z < b] P[Z < b] - P[Z < a] prtanto la probabltà rchsta s può scrvr anch: P[< + < ] P[+ < ] - P[+ < ] la probabltà ch la somma dll du varabl d sa comprsa tra è data gracamnt dal domno dll ntgrazon, coè: ) > - ) < - pr cu la probabltà P(+<) ha un domno par a D : < < <<-, mntr la probabltà P(+<) ha un domno par a D : < < <<-. pr cu: Pr dnzon s ha ch: P( << ; << ) ( )dd P(+< ) P(+< ) Prtanto d d d d P[< + < ] P[+ < ] - P[+ < ] c. Pr dnzon la probabltà condzonata è: P ( ) ) ( ). ( ) S l du varabl casual d sono ndpndnt, la probabltà condzonata è par alla probabltà margnal. aclmnt dmostrabl ch l du varabl sono ndpndnt. L unzon margnal sono l sgunt:

5 srcz d conomtra sr ( ) ) d d [ ] ( ) ) d d [ ] S d sono ndpndnt dv vrcars la sgunt rlazon: ( + ) ( + ) ( + ) ( ) ( ) ) c.v.d. D consgunza val la sgunt rlazon: P ( ) ossa ) ( ) ( ) ( ) ( < < ) ( ) d d [ ] srczo Sa data la sgunt unzon d dnstà congunta dll varabl casual contnu d : ( ) ( ) ) (, ) [, ) (, ) [, ) a. Dtrmnar s (,) ttvamnt una unzon d dnstà. b. Calcolar () () c. Calcolar l valor attso condzonato ( ) pr > d. Calcolar la probabltà P( ). Calcolar la Corrlazon tra d. Trovar un altra unzon d dnstà con l mdsm unzon d dnstà margnal. Soluzon a. dmostramo ch ssa sa una unzon d dnstà, ossa vrchamo l du condzon: ) ) ) ) dd La prma proprtà è subto dmostrata: bastrà analzzar la condzon pr la prma sprsson pr cu pr smmtra ssa è vrcata anch pr l altra. - - ( - ) quando, ssndo - > smpr, - -, ossa quando. La sconda proprtà s vrca sparatamnt pr < < 5

6 srcz d conomtra sr ( ) dd d ( ) d d [ + ] ( + ) d da cu ntgrando pr part l prodotto ( - ) svluppando s ottn: ] + + d + ] Pr smmtra pr < < s ha ch Prtanto: ( ) dd ) dd + c.d.v. ( ) + b. rcordando la dnzon d unzon d dnstà margnal pr una varabl casual contnua ( ) ) d ( ) )d poché nl prmo ntrvallo < pr < la dstrbuzon margnal d pr < è: ( ) ( ) ( ) ( ), d d+ d pr smmtra sgu ch: ( ) ) d pr < +. c. Pr dnzon, [ ] ( ) ) ( ) d d prtanto tnndo conto ch < < pr < < < pr < s ha: [ ] ( ) ( ) ( ) d + d d+ ( ) d da cu ntgrando pr part sosttundo s ottn: [ ] +. d. al n d calcolar la probabltà rchsta, ossa ch rsult vsto ch < < 6

7 srcz d conomtra sr pr < < < pr < è ncssaro ch nl prmo ntrvallo < mntr nl scondo <, prtanto la probabltà rchsta è data da: P (, ) ( ) dd+ ( ) dd Data l vdnt smmtra tra du ntgral è possbl scrvr: P ( ) d ( ) d, + d ( + )d da cu ntgrando pr part s ottn: + P, + d ( ) +. pr trovar l cocnt d corrlazon tra d è ncssaro dnr alcun grandzz qual (), (), (), () (). S ha: () ( ) ( ) d d + d Qund () pr ovv ragon d smmtra sgu ch (). Pr calcolar () () ncssaro calcolar ( ) ( ): ( ) ( ) ( ) d d + d Qund ( ) 6;smpr pr smmtra s ha ch ( ) 6. Prtanto: [ ] 6 pr smmtra ( ) ( ) ( ) ( ) Sgu ch σ σ. ( ) ) dd ( ) dd+ ( ) dd d ( ) d+ d ( )d Inn, dalla smmtra d du ntgral dopp sgu ch: ( ) d( ) d d d d + d d d + + d + d + d d 7

8 srcz d conomtra sr Sosttundo t, pr cu t d dt/, s ottn: ( ) d + t t dt + t t dt d d + t t dt + + t t Prtanto: cov ñ σ σ dt d 5 (, ) ( ) ( ) ( ) 5 ( ) σ σ. La pù smplc unzon d dnstà d probabltà congunta avnt l stss margnal è qulla ch s ottn consdrando d ndpndnt prcsamnt: ( + ) ) ( ) ( ) pr < <.. srczo 5 Il rddto annual n mlon d Lr d dc copp è rsultato l sgunt Nom dlla Coppa Rddto dl marto Rddto dlla mogl Ross 5 Banch 5 Vrd 5 Nr 5 Gall 5 Arancon 5 Azzurr 5 Vola 5 Marron 5 Amaranto 5 Una coppa è stratta a caso pr rapprsntar l ntro collttvo. Sano d l du varabl alator rlatv rspttvamnt al rddto dl marto dlla mogl stratt. a. Trovar la dstrbuzon d probabltà bvarata d d. b. Trovar l dstrbuzon margnal dlla dlla, l loro valor mdo la loro varanza. c. Trovar la covaranza la corrlazon tra d. d. Trovar la mda la varanza dl rddto amlar total.. Supponamo ch l alquota contrbutva dl marto sa dl % qulla dlla mogl dl %. Calcolar la mda la varanza dl rddto amglar dopo la tassazon.. Pr msurar l lvllo d dscrmnazon contro l donn un socologo calcola l ndc D -. Qual è la mda la varanza d tal ndc? 8

9 srcz d conomtra sr Soluzon a. L dtrmnazon assunt dalla varabl alatora rddto dl marto sono l sgunt: {,, } mntr pr la varabl rddto dlla mogl s ha { 5, 5, 5} Lo spazo camponaro Ω è dato dall nsm dll copp, scondo l pots dll srczo, cascuna coppa ha la stssa probabltà d ssr stratta P. La dstrbuzon d probabltà congunta ) P(, ) è data dalla tablla a doppa ntrata qu d sguto rportata: () 5 / / / 5 / / / 6/ 5 / / / () / / / Tablla : unzon d probabltà congunta margnal b. dov l unzon margnal sono dat dall ultma rga colonna, prcsamnt: ( ) ) ( ) (, ). I valor atts d d sono: ( ) ( ) ( ) ( ) 5 mntr l varanz: ( ) [ ] [ ] [ ] ( ) ( ) ( ) ( ) [ ] ( [ ] ) [ ] ( ) ( ) c. la covaranza tra d è dnta nl sgunt modo Cov [, ] [, ] [ ] [ ] dov : Il cocnt d corrlazon tra d è nvc dnto qual: 9

10 srcz d conomtra sr ρ [, ] [ ] [ ] Cov 6.8 d. Il rddto amlar global è dnto com Z+ dov la dstrbuzon d probabltà, l valor attso la varanza dlla nuova varabl alatora Z sono sgunt: [ Z] z ( z ) [ Z ] z ( z ) [ Z] [ Z ] [ Z] Z Z 55 ( ) Z P(Z) 5 / 5 / 55 / 65 / 75 / Tablla 6: dstrbuzon d probabltà d Z 65. La dstrbuzon d probabltà congunta dll d qulla d Z, dopo la tassazon, sono dat da: 8 () / / / / / / 6/ 8 / / / () / / / Tablla 7: dstrbuzon d probabltà congunta Z P(Z) / / / 8 / / 6 / 7 / Tablla 8: dstrbuzon d Z dopo la tassazon

11 srcz d conomtra sr [ Z] z ( z ) [ ] z ( z ) Z [ Z] [ Z ] [ Z] Z Z 758. ( ) 58.. La dstrbuzon d probabltà dll ndc d dscrmnazon dll mogl rsptto a mart dnto com D è la sgunt: [ D] [ ] D [ D] 85 8 D P(D) 5 7/ 5 / / Tablla 9: dstrbuzon d probabltà dll ndc D 8 85

SOLUZIONI. risparmio totale = D altra parte la traccia di dice anche che: e 64 L = produzione. Pertanto si ha: Quindi si ha un risparmio del 9,902%.

SOLUZIONI. risparmio totale = D altra parte la traccia di dice anche che: e 64 L = produzione. Pertanto si ha: Quindi si ha un risparmio del 9,902%. SOLUZIONI. Il costo d un farmaco da banco pr un dtrmnato prncpo attvo è così suddvso: l 7,% pr la confzon, l 7,% pr la produzon d l rstant % pr l IVA. Dlla quota rlatva alla produzon, l 3% è dovuto all

Dettagli

S O L U Z I O N I + 100

S O L U Z I O N I + 100 S O L U Z I O N I Nl 00 un farmaco vnva vnduto a 70 a) Nll pots ch ogn anno l przzo aumnt dl 3% rsptto all anno prcdnt quanto vrrbb a costar lo stsso farmaco nl 0? b) Supponamo ch l przzo dl farmaco nl

Dettagli

Interferenza e diffrazione con gli esponenziali complessi. Nota

Interferenza e diffrazione con gli esponenziali complessi. Nota Intrfrnza dffrazon con gl sponnzal complss ota on s fanno commnt sul sgnfcato d rsultat ottnut, n su qullo dll pots d volta n volta assunt: lo scopo solo qullo d mostrar com funzon n pratca l formalsmo

Dettagli

Esercizi di econometria: serie 1

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

Dettagli

Variabili casuali. Variabili casuali

Variabili casuali. Variabili casuali Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere

Dettagli

INDICI DI POSIZIONE O DI TENDENZA CENTRALE

INDICI DI POSIZIONE O DI TENDENZA CENTRALE IDICI DI POSIZIOE O DI TEDEZA CETRALE Gl ndc d poszon, o d tndnza cntral, sono numr ch sprmono la snts numrca d una dstrbuzon statstca (d ora n avant ndcata dal smbolo ) d una varabl X. I valor ossrvat

Dettagli

Corso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Esercizi svolti sulle funzioni di variabile complessa (3)

Corso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Esercizi svolti sulle funzioni di variabile complessa (3) Corso d Mtod Matmatc pr l Inggnra A.A. 206/207 Esrc svolt sull funon d varabl complssa 3 Marco Bramant Poltcnco d Mlano Novmbr 8, 206 Classfcaon dll sngolartà d una funon, calcolo d svlupp d Laurnt, calcolo

Dettagli

Esercitazioni di Elettrotecnica: circuiti in regime stazionario

Esercitazioni di Elettrotecnica: circuiti in regime stazionario Maffucc: rcut n rgm stazonaro r- Unrstà dgl Stud d assno srctazon d lttrotcnca: crcut n rgm stazonaro ntono Maffucc r sttmbr Maffucc: rcut n rgm stazonaro r- Sr paralllo parttor S alcolar la rsstnza qualnt

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

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

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

Bisogna innanzitutto calcolare le variazioni annue: loro o per riassumere distribuzioni che hanno andamento

Bisogna innanzitutto calcolare le variazioni annue: loro o per riassumere distribuzioni che hanno andamento La mda omtrca Pr ua dstrbuzo utara d u carattr quattatvo d trm, la mda omtrca è dfta com: K usata pr sttzzar dat ch ha sso moltplcar fra loro o pr rassumr dstrbuzo ch hao adamto omtrco S applca pr dtrmar

Dettagli

Trasformata di Fourier discreta (Discrete Fourier Transform DFT)

Trasformata di Fourier discreta (Discrete Fourier Transform DFT) Trasorata d ourr dscrta (Dscrt ourr Transor DT) - Dscrtzzazon dlla sr d ourr - Dnzon rortà dlla DT - DT d sgnal traslat - Un so d DT - orula d nvrson dlla DT - DT ral - Trasorata cosno dscrta (DCT) - Trasorata

Dettagli

Esercizio 1. Cov(X,Y)=E(X,Y)- E(X)E(Y).

Esercizio 1. Cov(X,Y)=E(X,Y)- E(X)E(Y). Esrcizi di conomtria: sri 4 Esrcizio Siano, Z variabili casuali distribuit scondo la lgg multinomial di paramtri n, p, p, p p p.. Calcolar la Covarianza tra l variabili d. Soluzion Dat du variabili dinit

Dettagli

Calcolo delle Probabilità: esercitazione 10

Calcolo delle Probabilità: esercitazione 10 Calcolo dll Probablà: srcazon 0 Argono: Dsrbuzon noral (pag. 47 sgun dl lbro d so). Valor aso, varanza (pag. sgun). Dsrbuzon bvara dscr (pag. 44 sgun) covaranza (pag 45 sgun). NB: asscurars d conoscr l

Dettagli

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti Prncp d applcazon dl mtodo dgl lmnt fnt Formulazon bas con approcco agl spostamnt PRINCIPIO DEI LAVORI VIRTALI Data una crta statca: sforz σ j, forz d volum F forz d suprfc f j ; s dmostra ch mporr la

Dettagli

Apprendimento per Perceptron: esempio. Apprendimento di Reti di Perceptron. Discesa di Gradiente. gradiente

Apprendimento per Perceptron: esempio. Apprendimento di Reti di Perceptron. Discesa di Gradiente. gradiente / 3 ; J DA E F DA DA I DA $ N 45 2 dov "#$ &'#$, 9? K 9 O L M M K 9L 7 9 AC AC Sstm d Elaborazon dll Informazon 9 Sstm d Elaborazon dll Informazon Apprndmnto pr Prcptron smpo Apprndmnto d Rt d Prcptron

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

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

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

Dettagli

di Enzo Zanghì 1

di Enzo Zanghì 1 M@t_cornr d Enzo Zngì Intgrl ndfnto S dc c l funzon F () è un prmtv dll funzon f (), contnu nll'ntrvllo I s F '( ) f ( ) S un funzon mmtt n un ntrvllo I un prmtv, llor n mmtt nfnt c dffrscono tr loro mno

Dettagli

ELEMENTI DI ELABORAZIONE DEI SEGNALI PER TELELOCALIZZAZIONE

ELEMENTI DI ELABORAZIONE DEI SEGNALI PER TELELOCALIZZAZIONE ELEMENTI DI ELABOAZIONE DEI SEGNALI PE TELELOCALIZZAZIONE nota pr l corso d Elaborazon d Sgnal pr Tlcomuncazon a cura d F. Bndtto G. Gunta. Introduzon al problma dlla dcson I componnt d bas d un problma

Dettagli

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco

Dettagli

Esercizi di Probabilità e Statistica

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

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

MATRICE DI TRASFERIMENTO

MATRICE DI TRASFERIMENTO MATRICE DI TRASFERIMETO In qusto captolo vn prsntato l mtodo d calcolo dtto mtodo dlla matrc d trasfrmnto. Esso rsulta molto utl pr dtrmnar n modo satto l comportamnto crtco d sstm ch possono ssr dscrtt

Dettagli

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

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

Dettagli

Le onde elastiche monocromatiche

Le onde elastiche monocromatiche L ond lastch monocromatch Ptagora Samo 570-495 a.c. Jan Baptst Josph Forr Franca, 1768 1830 Ptagora so allv ddro n mplso straordnaro alla tora d nmr alla tora dl sono. Ptagora è attrbto l prmo stdo sstmatco

Dettagli

DISTRIBUZIONE DI GAUSS ( o normale [ 26 ] )

DISTRIBUZIONE DI GAUSS ( o normale [ 26 ] ) LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE DI GAUSS ( o normal [ 6 ] ) La dnstà d probabltà d Gauss è: f ( x) π ( xm) Valor mdo: E() m Varanza: () La dstrbuzon gaussana è carattrzzata

Dettagli

Calori specifici (isolanti)

Calori specifici (isolanti) Calor spcfc (solant) Modllo d Enstn pr l calor spcfco dgl solant Modllo Prndamo com modllo un nsm d (molt) oscllator armonc undmnsonal trattamo qusto modllo quantstcamnt. lvll nrgtc d ogn componnt sono

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Esercitazioni del corso di relazioni tra variabili

Esercitazioni del corso di relazioni tra variabili Eserctazon del corso d relazon tra varabl Gancarlo anz Facoltà d Socologa Unverstà degl Stud d lano Bcocca gancarlomanz@statstcaunmbt Eserctazone n lano, ebbrao 7 Sommaro seconda eserctazone sure dell

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2: Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto

Dettagli

Tecniche MIMO (Multiple Input Multiple Output)

Tecniche MIMO (Multiple Input Multiple Output) Tcnch IO (ultpl Input ultpl Output) Infrastruttur odulo d Applcazon d Informazon Avanzat dll ICT Codfca aa aa 04-05 007-08 Canal IO: dfnzon h (, t, ) N antnn n trasmsson antnn n rczon h N, ( t, ) Pr ogn

Dettagli

VALUTAZIONI DI ERRORE

VALUTAZIONI DI ERRORE CORSO DI PROGETTAZIONE ASSISTITA DELLE STRUTTURE MECCANICHE PARTE IIIA VALUTAZIONI DI ERRORE VALUTAZIONE DELL ERRORE Il mtodo EF fornsc soluzon approssmat. S l f.n d forma rspttano dtrmnat condzon, l mtodo

Dettagli

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

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

Dettagli

ESERCIZI SULLA DEMODULAZIONE INCOERENTE

ESERCIZI SULLA DEMODULAZIONE INCOERENTE Esrcitazioni dl corso di trasmissioni numrich - Lzion 4 6 Fbbraio 8 ESERCIZI SULLA DEMODULAZIONE INCOERENE I du sgnali passa basso di figura sono utilizzati pr la trasmission di simboli binari quiprobabili

Dettagli

Variabili aleatorie una variabile aleatoria ( v.a.)

Variabili aleatorie una variabile aleatoria ( v.a.) Varabl alator ua varabl alatora ( v.a.) ua applcazo ch assoca u umro ral [0,] ad og rsultato dllo spazo dgl vt gral og sprmto alatoro carattrzzabl tramt ua varabl alatora dscrta o cotua Varabl alator dscrt:

Dettagli

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione Alssandro Ottola matr. 0800 lzon dl //00 ora 0:0-:0 Indc Dagramma d Glasr... Part omogna sottoosta a dffrnz trmch dffuson... Dagramma d Glasr r art omogna... 4 Dagramma d Glasr r art multstrato... 5 Esrczo

Dettagli

Soluzioni. a) Il dominio è dato da tutti i numeri reali tranne quelli che annullano il denominatore di (x+1)/x. Quindi D = R {0} = (-,0) (0,+ ).

Soluzioni. a) Il dominio è dato da tutti i numeri reali tranne quelli che annullano il denominatore di (x+1)/x. Quindi D = R {0} = (-,0) (0,+ ). Soluzioni Data la unzion a trova il dominio di b indica quali sono gli intrvalli in cui risulta positiva qulli in cui risulta ngativa c dtrmina l vntuali intrszioni con gli assi d studia il comportamnto

Dettagli

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

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

Dettagli

FUNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO

FUNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO Pg. Pro. Muro D Ettorr UNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO PREMESSE DERIVATE PARZIALI DI UNA UNZIONE A DUE O PIU VARIABILI Dt un unzon d n vrbl z=... n s dc drvt przl l unzon

Dettagli

Modelli di variabili casuali

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

Dettagli

NOME:... MATRICOLA:... Corso di Laurea in Fisica, A.A. 2010/2011 Calcolo 1, Esame scritto del

NOME:... MATRICOLA:... Corso di Laurea in Fisica, A.A. 2010/2011 Calcolo 1, Esame scritto del NOME:... MATRICOLA:.... Corso di Laura in Fisica, A.A. 00/0 Calcolo, Esam scritto dl 3.0.0 Data la funzion f(x = x +x, a dtrminar il dominio (massimal di f ; b trovar tutti gli asintoti di f ; c trovar

Dettagli

Decadimento (Emissione spontanea di fotoni da nuclei eccitati)

Decadimento (Emissione spontanea di fotoni da nuclei eccitati) Dadmnto (msson spontana d oton da nul tat) Carattrsth gnral dll msson: non un vra trasormazon h amb natura numro d nulon osttunt l nulo, ma dstazon dl nulo A * A γ ntrvallo nrgto 0kV 5MV h /h h / tp d

Dettagli

Istogrammi ad intervalli

Istogrammi ad intervalli Istogrammi ad intrvalli Abbiamo visto com costruir un istogramma pr rapprsntar un insim di misur dlla stssa granda isica. S la snsibilità dllo strumnto di misura è alta, è probabil ch tra gli N valori

Dettagli

17. Le soluzioni dell equazione di Schrödinger approfondimento

17. Le soluzioni dell equazione di Schrödinger approfondimento 7. soluzon dll quazon d Scrödngr approfondmno Gl sa ms Il gao d Scrödngr è l pù famoso sao mso dlla MQ. E una parclla un po spcal, prcé è un oggo macroscopco d cu s dscu l comporamno quansco. E anc una

Dettagli

Appendice 1. Approfondimento dei metodi statistici

Appendice 1. Approfondimento dei metodi statistici Appndc 1 Approfondmnto d mtod statstc APPROFONDIMENTO DEI METODI STATISTICI TASSO STANDARDIZZATO PER ETÀ DI MORTALITÀ (TSDM) E DI OSPEDALIZZAZIONE (TSDH). Il Tasso Standardzzato (TSD) è calcolato com

Dettagli

Lezione 3 Cenni di meccanica statistica classica e quantistica

Lezione 3 Cenni di meccanica statistica classica e quantistica Lzon Cnn d mccanca statstca classca quantstca Fsca dllo Stato Soldo http://www.d.unf.t/fsca/bruzz/fss.html Elttronca a.a. 7-8 Sommaro. Partcll dstngubl ndstngubl. Idnttà ndstngubltà. Frmon - Il prncpo

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y.

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y. INTRODUZIONE Ossrviamo, in primo luogo, ch l funzioni sponnziali sono dlla forma a con a costant positiva divrsa da (il caso a è banal pr cui non sarà oggtto dl nostro studio). Si possono allora vrificar

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

Il problema della Trave Inflessa

Il problema della Trave Inflessa Il problma dlla Tra Inflssa q F EI m Problma dlla tra EI q L F m ϕ - c ϕ spostamnto trasrsal rotaon curatura flssonal y M EI c momnto flttnt T d q T M q -T taglo carco trasrsal M M T TdT MdM quaon d campo

Dettagli

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics)

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics) CONOMIA INTRNAZIONAL Bnno CLM - Prof. B. Quntr IL TASSO DI CAMBIO Anno Accadmco 2012-2013, I Smstr (Tratto da: Fnstra-Taylor: Intrnatonal conomcs) S propon, d sguto, una brv rassgna d prncp fondamntal

Dettagli

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

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

Dettagli

Svolgimento di alcuni esercizi

Svolgimento di alcuni esercizi Svolgimnto di alcuni srcizi Si ha ch dal momnto ch / tnd a pr ch tnd a (la frazion formata da un numro, in qusto caso il numro, fratto una quantità ch tnd a ±, in qusto caso, tnd smpr a ) S facciamo tndr

Dettagli

ESPERIMENTO DELLA LENTE E DELLA CANDELA

ESPERIMENTO DELLA LENTE E DELLA CANDELA S.S.I.S. a.a. 003-004 RELAZIONE di Laboratorio di Didattica dlla Fisica (Esprimnto dlla lnt dlla candla) di MARIA LEPORE SARA MARSANO I anno, Classi 47-48-59 Pro.ssa Tuccio SSIS a.a. 003-004 Laboratorio

Dettagli

Effetti di carico. Ai fini dei problemi di effetto di carico, i casi 3) e 4) sono equivalenti tra loro

Effetti di carico. Ai fini dei problemi di effetto di carico, i casi 3) e 4) sono equivalenti tra loro ppunt d Msur Elttrch Efftt d carco Introduzon... oltmtro ampromtro... Studo dgl fftt d carco pr una msura d tnson...2 Caso partcolar: msura d tnson con mpdnza ntrna dl crcuto rsstva 5 INTODUZIONE oglamo

Dettagli

SOLUZIONE PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038) 6 Novembre 2002 COMPITO A1

SOLUZIONE PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038) 6 Novembre 2002 COMPITO A1 FIRM DELLO STUDENTE SOLUZIONE PRIM PROV INTERMEDI DI STTISTIC CLE (COD. 547/438) 6 Novembre 22 Cognome Numero d matrcola Nome COMPITO 1 fn della valutazone s terrà conto solo ed esclusvamente d quanto

Dettagli

MATEMATICA CORSO A III APPELLO 19 Settembre 2011

MATEMATICA CORSO A III APPELLO 19 Settembre 2011 MATEMATICA CORSO A III APPELLO 9 Sttmbr 0 Soluzioni. Calcola (Suggrimnto: x lnx = (/x) lnx ) x lnx dx x lnx dx = /x dx = [ln lnx ] = ln ln ln ln = ln ln = ln lnx. Dtrmina l sprssion analitica di una funzion

Dettagli

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR)

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR) RFLETTOMETRA NEL DOMNO DEL TEMPO (TDR) Scopo dll srctaon La rflttomtra nl domno dl tmpo è una tcnca frquntmnt utlata, mpgando prncp dll co, pr carattrar ln d comuncaon, localar guast sa nll ln d trasmsson

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 28/0/2008 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 20 soggett. Soggetto Età Resdenza

Dettagli

Modelli equivalenti del BJT

Modelli equivalenti del BJT Modll ulnt dl JT Pr lo studo dll pplczon crcutl dl JT, s è rso opportuno formulr d modll ulnt dl dsposto ch srssro rpprsntr n modo connnt l suo comportmnto ll ntrno d crcut. A scond dl tpo d pplczon (mplfczon

Dettagli

Sorgenti Numeriche - Soluzioni

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

Dettagli

Il trattamento dei dati a fini descrittivi

Il trattamento dei dati a fini descrittivi Il trattamento de dat a fn descrttv Rappresentazone de dat: Dstrbuzon d frequenza Rappresentazon grafche Dstrbuzon doppe Sntes de dat Calcolo d ndc: poszone, varabltà, forma Studo delle relazon tra due

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

METODO DEGLI ELEMENTI FINITI

METODO DEGLI ELEMENTI FINITI Introduon al METODO DEGLI ELEMENTI FINITI Ossrvaon su mtod varaonal approssmat classc L unon approssmant dvono: Soddsar rqust d contnutà Essr lnarmnt ndpndnt complt Soddsar l condon al contorno ssnal Dcoltà:

Dettagli

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1)

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1) Trasformator Part Trasformator trfas www.d.ng.unbo.t/prs/mastr/ddattca.htm (vrson dl 1-11-01) Trasformator trfas Pr trasfrr nrga lttrca tra du rt trfas s possono utlzzar tr trasformator monofas, ugual

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Esercizi di Elettrotecnica. prof. Antonio Maffucci Università degli Studi di Cassino. Circuiti in regime stazionario

Esercizi di Elettrotecnica. prof. Antonio Maffucci Università degli Studi di Cassino. Circuiti in regime stazionario srcz d lttrotcnca prof. ntono Maffucc Unrstà dgl Stud d assno rcut n rgm stazonaro rson. ottobr 7 . Maffucc srcz d lttrotcnca - rcut n rgm stazonaro rson. ottobr 7. Sr paralllo parttor. S.. alcolar la

Dettagli

ELETTROTECNICA Ingegneria Industriale

ELETTROTECNICA Ingegneria Industriale LTTOTCNCA nggnra ndutral MTOD D ANALS TASFOMATO DAL MUTU NDUTTANZ Stfano Pator Dpartmnto d nggnra Archtttura Coro d lttrotcnca (04N) a.a. 0-4 Torma d Thnn Condramo un bpolo L collgato al rto dl crcuto

Dettagli

Il Metodo degli Elementi Finiti

Il Metodo degli Elementi Finiti Il Mtodo dgl Elmnt Fnt Il Mtodo dgl Elmnt Fnt Dall dspns dl prof. Daro Amodo dall lzon dl prof. Govann Santucc L.Corts Progttazon Mccanca agl Elmnt Fnt (a.a. 20-202) Il Mtodo dgl Elmnt Fnt Introduzon In

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

Dettagli

Esercizi sulla Geometria Analitica

Esercizi sulla Geometria Analitica Esrcizi sulla Gomtria Analitica Esrcizio Siano dat l rtt di quazion x + y + 4 0 x + y 0 Dir s ciascuna dll sgunti affrmazioni è vra o falsa: a) l rtt sono paralll b) l du rtt si intrscano nl punto (, 5

Dettagli

Dalla sola analisi della tabella dei profili colonna, pensi ci sia un associazione tra le due variabili in tabella? (motiva brevemente la risposta)

Dalla sola analisi della tabella dei profili colonna, pensi ci sia un associazione tra le due variabili in tabella? (motiva brevemente la risposta) Corso d Statstca Docente: Smona Balzano ESERCIZIO 1 La tabella ndagnestudentflorda, dsponble sul sto (n formato pdf e xls), rporta dat d un'ndagne condotta su 60 student laureat presso la Unversty of Florda,

Dettagli

x 1 x 2 Studiare e disegnare il grafico delle seguenti funzioni Esercizio no.1 Soluzione a pag.2 Esercizio no.2 Soluzione a pag.4

x 1 x 2 Studiare e disegnare il grafico delle seguenti funzioni Esercizio no.1 Soluzione a pag.2 Esercizio no.2 Soluzione a pag.4 Edutcnica.it Studio di funzioni Studiar disgnar il grafico dll sgunti funzioni Esrcizio no. Soluzion a pag. Esrcizio no. Soluzion a pag. y 5 y Esrcizio no. Soluzion a pag.6 Esrcizio no. Soluzion a pag.8

Dettagli

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 15 23 novembre 211 Funzon Eulerane - robabltà professor Danele Rtell www.unbo.t/docent/danele.rtell 1/2? Cambo

Dettagli

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k Una sura della robabltà Data una rova che genera k event eleentar,..., k necessar, 2. k I, ncopatbl a due a due O/ per ogn ed equprobabl 2! k Una sura della robabltà Da postulat s deduce unvocaente la

Dettagli

PRIMI ESERCIZI SULLE FUNZIONI DERIVABILI. (1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni:

PRIMI ESERCIZI SULLE FUNZIONI DERIVABILI. (1) Applicando la definizione di derivata, calcolare la derivata in x = 0 delle funzioni: PRIMI ESERCIZI SULLE FUNZIONI DERIVABILI VALENTINA CASARINO Esrcizi pr il corso di Analisi Matmatica (Inggnria Gstional, dll Innovazion dl Prodotto, Mccanica Mccatronica, Univrsità dgli studi di Padova)

Dettagli

PREMIO EQUO E PREMIO NETTO. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

PREMIO EQUO E PREMIO NETTO. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti PREMIO EQUO E PREMIO NETTO Prof. Crchiara Rocco Robrto Matrial Rifrimnti. Capitolo dl tsto Tcnica attuarial dll assicurazioni contro i Danni (Daboni 993) pagg. 5-6 6-65. Lucidi distribuiti in aula La toria

Dettagli

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z) Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall

Dettagli

Calcolo delle Probabilità e Statistica. Prova scritta del III appello - 7/6/2006

Calcolo delle Probabilità e Statistica. Prova scritta del III appello - 7/6/2006 Corso di Laura in Informatica - a.a. 25/6 Calcolo dll Probabilità Statistica Prova scritta dl III appllo - 7/6/26 Il candidato risolva i problmi proposti, motivando opportunamnt l propri rispost.. Sia

Dettagli

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

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

Dettagli

FUNZIONI. Dominio: il dominio di una funzione è l insieme delle x in cui una funzione è definita.

FUNZIONI. Dominio: il dominio di una funzione è l insieme delle x in cui una funzione è definita. FUNZIONI Dominio: il dominio di una funzion è l insim dll in cui una funzion è dfinita. Funzioni Fratt: una funzion si dic fratta quando compar la al dnominator Pr calcolar il dominio di una funzion fratta

Dettagli

La forma generale di una disequazione di primo grado è la seguente: ax + b > 0 ( o ax + b < 0) con a e b numeri reali. b se a > 0 a.

La forma generale di una disequazione di primo grado è la seguente: ax + b > 0 ( o ax + b < 0) con a e b numeri reali. b se a > 0 a. Disquazioni di I grado La forma gnral di una disquazion di primo grado è la sgunt: a + b > o a + b < con a b numri rali. La soluzion dlla disquazion si ottin dai sgunti passaggi: a + b > a > b > < b s

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doe Una varable casuale doa (,) è una funzone defnta sullo sazo degl event che assoca ad ogn evento una coa d numer real (x,y) (x 1, y 1 ) S y 1 A B y (x, y ) (x 3, y 3 ) C y 3 x 1 x x 3

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

= l. x 0. In realtà può aversi una casistica più amplia potendo sia x che f ( x) tendere ad un elemento dell insieme

= l. x 0. In realtà può aversi una casistica più amplia potendo sia x che f ( x) tendere ad un elemento dell insieme LIMITI DI FUNZINI. CNCETT DI LIMITE Esula dallo scopo di qusto libro la trattazion dlla toria sui iti. Tuttavia, pnsando di far cosa gradita allo studnt, ch dv possdr qusta nozion com background, ritniamo

Dettagli

1. Variabili casuali continue e trasformazioni di variabili casuali...3. 2. La variabile casuale normale... 14

1. Variabili casuali continue e trasformazioni di variabili casuali...3. 2. La variabile casuale normale... 14 ESERCIZI DI CALCOLO DELLE PROBABILITÀ PARTE II Rccardo Borgon Elna Colcno Pro Quao Sara Sala INDICE. Varabl casual connu rasformazon d varabl casual....3. La varabl casual normal... 4 3. Funzon gnrarc

Dettagli

Ulteriori esercizi svolti

Ulteriori esercizi svolti Ultriori srcizi svolti Effttuar uno studio qualitativo dll sgunti funzioni ) 4 f ( ) ) ( + ) f ( ) + 3) f ( ) con particolar rifrimnto ai sgunti asptti: a) trova il dominio di f b) indica quali sono gli

Dettagli

CAMPO LONTANO GENERATO DA UNA APERTURA

CAMPO LONTANO GENERATO DA UNA APERTURA Potnzal Vtto Magntco P l campo d sognt magntch (aptu) occo utlzza l dual dl potnzal vtto A (utlzzato p l cont lttch) ch vn ndcato con vn dtto potnzal vtto magntco o d tzgald. all quazon d Maxwll s ha,

Dettagli

LE FRAZIONI LE FRAZIONI. La frazione è un operatore che opera su una qualsiasi grandezza e che da come risultato una grandezza omogenea a quella data.

LE FRAZIONI LE FRAZIONI. La frazione è un operatore che opera su una qualsiasi grandezza e che da come risultato una grandezza omogenea a quella data. LE FRAZIONI La frazion è un oprator ch opra su una qualsiasi grandzza ch da com risultato una grandzza omogna a qulla data. AB (Il sgmnto AB è stato diviso i tr parti sono stat prs du) Una frazion è scritta

Dettagli

y = ln x ln x x x Studiare e disegnare il grafico delle seguenti funzioni Esercizio no.1 Soluzione a pag.2 Esercizio no.2 Soluzione a pag.

y = ln x ln x x x Studiare e disegnare il grafico delle seguenti funzioni Esercizio no.1 Soluzione a pag.2 Esercizio no.2 Soluzione a pag. Edutcnica.it Studio di funzioni Studiar disgnar il grafico dll sgunti funzioni Esrcizio no. Soluzion a pag. Esrcizio no. Soluzion a pag. atg Esrcizio no. Soluzion a pag. Esrcizio no. Soluzion a pag.9 ln

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

UN TEST DI CONCORDANZA TRA PIÙ ESAMINATORI. Piero Quatto 1. INTRODUZIONE

UN TEST DI CONCORDANZA TRA PIÙ ESAMINATORI. Piero Quatto 1. INTRODUZIONE STATISTICA, anno LXIV, n. 1, 004 UN TEST DI CONCORDANZA TRA PIÙ ESAINATORI Pro Quatto 1. INTRODUZIONE La statstca Kappa, proposta da Flss (1971), costtusc uno dgl strumnt pù utlzzat pr saggar l accordo

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

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

Dettagli

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

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

Dettagli

Distribuzione gaussiana

Distribuzione gaussiana Appunti di Misur Elttric Distribuion gaussiana Funion dnsità di probabilità di Gauss... Calcolo dlla distribuion cumulativa pr una variabil di Gauss... Funion dnsità di probabilità congiunta...6 Funion

Dettagli

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6.

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6. Corso di laura: BIOLOGIA Tutor: Floris Marta PRECORSI DI MATEMATICA PROPORZIONI Ossrvar l sgunti figur: Cosa possiamo dir di ss? Ch la suprfici dlla figura A sta alla suprfici dlla figura B com sta a 6.

Dettagli