1 se si verifica E 0 se non si verifica E. S se si verifica E 0 altrimenti.
|
|
- Aldo Greco
- 7 anni fa
- Visualizzazioni
Transcript
1 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 di fiducia nel verificarsi di E. Criterio operativo di misura + condizione di coerenza: Criterio della scommessa P (E) =p rappresenta il prezzo che un individuo ritiene equo pagare per ricevere 1 se si verifica E 0 se non si verifica E. Più in generale, se S 2 R, S 6= 0, l individuo deve essere disposto a pagare ps per ricevere S se si verifica E 0 altrimenti. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 64
2 Condizione di coerenza: L individuo deve essere coerente, cioè le sue valutazioni di probabilità per uno o più eventi non devono essere tali da fargli subire una perdita certa. Se indichiamo con G il guadagno aleatorio, si ha G = S( E p) = S(1 p), E vero ps, E falso. In generale, data una famiglia F n = {E 1,...,E n } ed un assegnazione di probabilità P n =(p 1,...,p n ) su F n, con p i = P (E i ), i =1,...,n, il guadagno aleatorio corrispondente è dato da nx G = S i ( E i p i ), dove S 1,...,S n sono n numeri reali arbitrari (non tutti nulli). i=1 Definizione 4 La valutazione P n si dice coerente se, per ogni scelta di S 1,...,S n, risulta Min G Max Gapple0. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 65
3 Esempio 17 Sia F = {A, B, A c B c } esiap =(0.4, 0.3, 0.2) una valutazione di probabilità su F. Cioè: Proposizione grado di fid. A p A =0.4 B p B =0.3 A c B c p A c B c =0.2 Mostriamo che tali valutazioni di probabilità sono incoerenti in quanto esistono degli importi S 1,S 2,S 3 che rendono positivi tutti i guadagni. Fissiamo i seguenti importi: S 1 = S 2 = S 3 =$10. L espressione del guadagno aleatorio diventa: G =$10( A 0.4) + $10( B 0.3) + $10( A c B c 0.2). Ovvero l individuo: $10, A, paga $4 per ricevere 0, A c ; $10, B, paga $3 per ricevere 0, B c ; $10, A c B c, paga $2 per ricevere 0, (A c B c ) c. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 66
4 In sintesi si ha paga evento riceve guad. evento riceve guad. $4 A $10 $6 A c $0 $4 $3 B $10 $7 B c $0 $3 $2 A c B c $10 $8 (A c B c ) c $0 $8 I possibili valori del guadagno in corrispondenza dei costituenti saranno: g AB = $10(1 0.4) + $10(1 0.3) + $10( 0.2) = $11 g AB c = $10(1 0.4) + $10( 0.3) + $10( 0.2) = $1 g A c B = $10( 0.4) + $10(1 0.3) + $10( 0.2) = $1 g A c B c = $10( 0.4) + $10( 0.3) + $10(1 0.2) = $1 Avendo trovato una combinazione di scommesse in cui i valori dei guadagni sono tutti positivi ne segue che P è incoerente. Esempio 18 (Sul teorema delle probabilità totali) 4 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 il concorrente A, E B = vince il concorrente B. Quale è la probabilità di vittoria italiana? Supponiamo che l individuo 0 che tenga il banco valuti uguale a 0.60 la probabilità di vittoria del concorrente A (p A =0.60) e a 0.20 la probabilità di vittoria del concorrente B, ecioèdiaa vincente a 3 contro 2 ( =0.6) 4 Sul significato soggettivo della probabilità G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 67
5 e B vincente a 1 contro 4 ( =0.2). Allora è necessario che valuti la probabilità di vittoria italiana uguale a 0.80, ovvero che dia l Italia vincente a 4 contro 1. Infatti, un competitore che compri a 0.60 euro un buono che vince 1 euro se vince A,eun buono a 0.20 euro che vince 1 euro se vince B, spende in tutto 0.80 euro ed ha un insieme di due buoni che vince 1 euro in caso di vittoria italiana (vince A o B). L individuo che tiene il banco e ha valutato uguale a 0.60 e 0.20 le probabilità di vittoria di A edib, e si è cioè impegnato ad accettare scommesse col pubblico su queste basi, si è con ciò implicatamente impegnato ad accettare scommese sulla vittoria italiana implicitamente valutato uguale a =0.80, ha cioè implicitamente valutato uguale a 0.80 la probabilità di vittoria italiana. (L individuo ha applicato il teorema delle probabilità totali P (E A _ E B )=P (E A )+P (E B ), E A E B = ;) Se, invece, egli non comprendesse, e, senza rispettare il teorema delle probabilità totali, valutasse la probabilità di vittoria italiana a 0.75 allora accadrebbe che se un competitore scommettesse 1 euro nel caso di vittoria italiana, 1 euro contro la vittoria di A e 1 euro contro la vittoria di B e cioè pagasse 0.75 per un buono che vince 1 euro nel caso di vittoria italiana, cioè paga 0.75 per ricevere 1, EA _ E B, 0, E c A ^ Ec B ; G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 68
6 e riscuotesse 0.60 e.20 euro impegnandosi a versare 1 euro rispettivamente se vincono A, B, cioè paga per ricevere 1, EA, 1, EB, 0, E c A ; paga per ricevere 0, E c B ; allora avrebbe intascato 5 eurocent (0.05) e sarebbe libero da ogni altro impegno perchè le eventuali vincite e perdite si compensano in ogni caso. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 69
7 Esempio 19 Dati due eventi incompatibili, A, B, supponiamo che un individuo valuti P (A) =0.60, P (B) =0.20 e P (A _ B) =0.75 e verifichiamo che l individuo non è coerente. Ovvero esiste una combinazione di scommesse S A,S B,S A_B che porta a guadagni certi o vincite certe.se fissiamo S A_B = 1 e S A,S B =1si ha G =( A 0.60) + ( B 0.20) ( A _ B 0.75) = =0 z } { A + B A _ B = 0.05 < 0. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 70
8 Coerenza e proprietà della probabilità Verifichiamo che le tre Proprietà fondamentali della probabilità P1. P (E) 0, per ogni evento E; P2. P ( ) = 1 ; P3. se AB = ;, allorap (A _ B) =P (A) +P (B). sono condizioni necessarie per la coerenza. Sia E un evento, ricordiamo che il guadagno aleatorio associato alla valutazione P (E) =p, èdatoda G = S(1 p), E vero ps, E falso. La condizione di coerenza Min G Max Gapple0, 8S 6= 0 diventa S(1 p)( ps) = p(1 p)s 2 apple 0, che è soddisfatta se e solo se 0 apple p apple 1. Pertanto la Proprietà P1 è condizione necessaria (ma anche su ciente) per la coerenza di G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 71
9 una valutazione di probabilità su un evento). Se E =,siha Min G = Max G = G = S(1 p). La condizione di coerenza diviene S(1 p) S(1 p) apple 0, 8S 6= 0 richiede G =0, per ogni S. Pertanto, la condizione di coerenza richiede P ( ) = 1, ovvero la Proprietà P2 è condizione necessaria per la coerenza. Essa è anche su ciente, infatti P ( ) = 1 è una valutazione coerente poichè G =0per ogni S. Analogamente si prova che condizione necessaria e su valutazione su un evento impossibile è P (;) =0. ciente per la coerenza di una Per quanto riguarda la dimostrazione della necessità della proprietà additiva (P3) consideriamo dapprima una partizione di, costituita da n eventi {H 1,...,H n }, di probabilità p 1,...,p n e dimostriamo che condizione necessaria per la coerenza di p 1,...,p n è c h e p 1 + p p n =1. (In realtà la condizione è anche su ciente) G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 72
10 Il guadagno totale relativo ad n scommesse simultanee sugli eventi H 1,...,H n, con importi S 1,...,S n,è G = S 1 ( H 1 p 1 )+ + S n ( H n p n ). Poichè H H n =1,perS 1 = = S n = S si ottiene Min G = Max G = G = = S[1 (p p n )]. Per la condizione di coerenza, dev essere G =0. Allora, segue p p n =1, ovvero P (H 1 )+ + P (H n )=1. (14) Dim. che la proprietà additiva è condizione necessaria per la coerenza: dati due eventi incompatibili A, B, per la partizione {A _ B, (A _ B) c } deve essere soddisfatta la condizione P (A _ B) +P [(A _ B) c ]=1. D altra parte, per la partizione {A, B, (A _ B) c } deve valere P (A) +P (B) +P [(A _ B) c ]=1, da cui si ottiene : P (A _ B) =P (A) +P (B). (15) G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 73
11 La formula (15) nel caso di n eventi E 1,...,E n (Teorema delle probabilità totali) a due a due incompatibili diventa P (E 1 _ _E n )=P (E 1 )+ + P (E n ). (16) Diamo una citazione presa dall articolo Sul significato soggettivo delle probabilità di Bruno de Finetti estratto da Fundamenta Mathematica (1931). Dimostrate le proprietà fondamentali del calcolo classico delle probabilità, ne scende che tutti i risultati di tale calcolo non sono che conseguenze della definizione che abbiamo data della coerenza. Un individuo che nel giudicare delle probabilità di certi eventi contraddice un teorema del calcolo delle probabilità non è coerente: un competitore potrebbe scommettere con lui assicurandosi la vincita a colpo sicuro. Osservazione 1 (criterio classico di valutazione) Se in un dato esperimento aleatorio si hanno m casi possibili C 1,...,C m giudicati ugualmente probabili, poichè P (C 1 )+ + P (C m )=1, G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 74
12 segue P (C k )= 1 m, k =1,...,m. Allora, considerato un evento E con r casi favorevoli, ad esempio E = C 1 _ _C r, dalla formula ( 16) si ottiene P (E) =P (C 1 )+ + P (C r )= r m, cioè la probabilità di E è pari al rapporto tra il numero di casi favorevoli e il numero di casi possibili. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 75
13 Costituenti. Osserviamo che ^ = echee _ E c =, 8 E. Sfruttando tali relazioni, considerati due eventi A, B, si possono determinare i costituenti o casi elementari, eliminando le intersezioni impossibili dallo sviluppo della seguente espressione: (A _ A c ) ^ (B _ B c )= (AB _ AB c _ A c B _ A c B c (17) ). In generale, data una famiglia F n = {E 1,...,E n },icasipossibili, C 1,...,C m, con m apple 2 n, si ottengono dallo sviluppo della seguente espressione (eliminando le intersezioni impossibili) (E 1 _ E c 1 ) ^ (E 2 _ E c 2 ) ^ ^(E n _ E c n )=C 1 _ C 2 _ _C m dove C k = E 1 E 2 E n, k =1, 2,...,m apple 2n, dove E i = E i, oppure E i = Ec i. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 76
14 G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 77
15 Esempio 20 (Costituenti) Dati 2 eventi A, B con A B si hanno i seguenti costituenti (vedi Figura 15) Infatti l intersezione AB c = ;. C 1 = AB C 2 = A c B C 3 = A c B c. A B Ω Figura 15: A B G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 78
16 Esercizio 6 Supponiamo di e ettuare il lancio di un dado. Consideriamo gli eventi: A = Esce il numero 2, B = Esce un numero pari. Calcolare i costituenti relativi alla famiglia F = {A, B}. Esercizio 7 Dati 3 eventi A, B, C con A e C incompatibili e B C. Calcolare i costituenti relativi alla famiglia F = {A, B, C}. Esercizio 8 Da un urna contenente 5 palline bianche e 3 nere si e ettuano 2 estrazioni senza restituzione. Sia A l evento la 1 a pallina estratta è bianca e B l evento la 2 a pallina estratta è bianca. Calcolare, in relazione a ciascun evento, il rapporto tra il numero di casi favorevoli e il numero di casi possibili, confrontando i valori ottenuti per A e B. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 79
17 Decomposizione di un evento nell unione dei costituenti ad esso favorevoli Data una famiglia F n = {E 1,...,E n }, siano C 1,C 2,...,C m i relativi costituenti. Utilizzando la formula di decomposizione per ogni evento E i si ha E i = E i ^ =E i ^ (C 1 _ C 2 _ _C m )= = E i C 1 _ E i C 2 _ _E i C m. Facendo distinzione tra i costituenti favorevoli ad E i e quelli contrari si ha la seguente rappresentazione E i = (E i C h ) _ (E i C h ). h:c h E i h:c h *E i Eliminando le intersezioni impossibili e osservando che, se C h * E i allora E i C h = ;, si ottiene E i = _ (E i C h ). h:c h E i Infine poichè per C h E i si ha E i C h = C h, possiamo scrivere E i = _ C h, h:c h E i ovvero ogni evento E i si può scrivere come unione logica dei costituenti ad esso favorevoli. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 80
18 Esempio 21 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 la partita; C : la Roma a cinque minuti dal termine della gara è in svantaggio sull Inter. I casi possibili relativi agli eventi A, B, C, tenendo conto che A e C sono incompatibili e quindi che gli eventi ABC e AB c C risultano impossibili, sono i seguenti: C 1 = ABC c,cioèa e B veri e C falso; vale a dire: la Roma a cinque minuti dal termine della gara è in vantaggio sull Inter e vince la partita. C 2 = A c BC, cioèa falso e B e C veri; vale a dire: la Roma a cinque minuti dal termine della gara è in svantaggio sull Inter e vince la partita. C 3 = A c BC c,cioèa e C falsi e B vero; vale a dire: a cinque minuti dal termine della gara le squadre sono in parità e la Roma vince la partita. C 4 = AB c C c,cioèa vero e B e C falsi; vale a dire: la Roma a cinque minuti dal termine della gara è in vantaggio sull Inter e non vince la partita. C 5 = A c B c C,cioè A e B falsi e C vero; vale a dire: la Roma a cinque minuti dal termine della gara è in svantaggio sull Inter e non vince la partita. C 6 = A c B c C c,cioè A, B e C falsi; vale a dire: a cinque minuti dal termine della gara le squadre sono in parità e la Roma non vince la partita. Si ha A = ABC c _ AB c C c, B = C 1 _ C 2 _ C 3, C = C 2 _ C 5. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 81
19 Verifica della coerenza Sia F n = {E 1,...,E n } una famiglia di eventi arbitrari, legati da possibili relazioni logiche. Inoltre, sia P n =(p 1,...,p n ) una assegnazione di probabilità su F n, con p i = P (E i ), i =1,...,n. Siano C 1,...,C m, con m apple 2 n, i costituenti relativi alla famiglia F n. Abbiamo visto che ogni evento E i si può esprimere come unione logica dei costituenti ad esso favorevoli, ovvero E i = _ C h. (18) h:c h E i Se si assegnano le probabilità x h = P (C h ) a tutti i costituenti, poichè questi formano una partizione, dev essere x h 0, h =1,...,m; nx x h =1. (19) h=1 Inoltre, dalla (18) segue P (E i )= X h:c h E i x h. (20) G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 82
20 Si consideri il seguente sistema nelle incognite (non negative) x 1,...,x m 8 X x h = p i, h:c h E i i =1,...,n; (S) : >< mx x h =1, (21) h=1 >: Si può dimostrare il seguente risultato x h 0, h =1,...,m. Teorema 2 La valutazione di probabilità P n è coerente se e solo se il sistema (S) è risolubile. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 83
21 Esempio 22 Dati tre eventi A, B, C, con A ^ C = ;, verificare se la valutazione P (A) =P (B) =P (C) =0.4, P (A ^ B) =P (B ^ C) =0.2 è c o e r e n t e. Soluzione. I costituenti sono Osserviamo che si ha C 1 = AB c C c C 2 = ABC c C 3 = A c BC c C 4 = A c BC C 5 = A c B c C C 6 = A c B c C c. pertanto il sistema (S) diviene A = C 1 _ C 2 B = C 2 _ C 3 _ C 4 C = C 4 _ C 5 AB = C 2 BC = C 4, 8 >< >: P (A) =0.4 =x 1 + x 2 P (B) =0.4 =x 2 + x 3 + x 4 P (C) =0.4 =x 4 + x 5 P (AB) =0.2 =x 2,P(BC) =0.2 =x 4 x 1 + x 2 + x 3 + x 4 + x 5 + x 6 =1, x i 0, i =1...6 Tale sistema ammette la soluzione (0.2, 0.2, 0, 0.2, 0.2, 0.2) quindi la valutazione data è c o e r e n t e. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 84
22 Esercizio 9 Provare che il sistema relativo alla valutazione di probabilità P = (0.4, 0.3, 0.2) su F = {A, B, A c B c } non ammette soluzioni. Esempio 23 Siano A, B, C tre eventi tali che A e B siano incompatibili, inoltre (A _ B) ^ C = ;. Determinare se la valutazione di probabilità P (A) = 2 3,P(B) = 1 12,P(C) =1 4 è coerente, e in caso a ermativo calcolare i valori di probabilità coerenti p per l evento A c ^ B c ^ C c. Soluzione Esempio 23. Si ha A ^ B = A ^ C = B ^ C = ; e quindi i costituenti sono C 1 = A ^ B c ^ C c = A, C 2 = A c ^ B ^ C c = B, C 3 = A c ^ B c ^ C = C, C 4 = A c ^ B c ^ C c. Allora, per la coerenza, dev essere: P (A) +P (B) +P (C) apple 1, ed essendo P (A) +P (B) +P (C) =1l assegnazione è coerente. Inoltre, dalla relazione P (A) +P (B) +P (C) +P (A c ^ B c ^ C c )=1, segue: p = P (A c ^ B c ^ C c )=0. G. Sanfilippo - CdP - STAD - Lezione 6 del 19 Aprile pag. 85
3+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
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
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
DettagliPROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)
L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello
DettagliEstrazioni senza restituzione da un urna di composizione incognita. P(E i)=
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
DettagliFigura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15
Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde
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
DettagliPROBABILITA E STATISTICA
PROBABILITA E STATISTICA La nozione di probabilità è stata concepita in modi diversi; GROSSOLANAMENTE le principali sono: Concezione classica: concetto di probabilità come uguale possibilità concezione
DettagliIntroduzione al Calcolo delle Probabilità
Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto
DettagliLezione 1: Università Mediterranea di Reggio Calabria Decisions Lab. Insiemi. La Probabilità Probabilità e Teoria degli Insiemi
Lezione 1: Probabilità e Teoria degli Università Mediterranea di Reggio Calabria Decisions Lab Gli insiemi Gli Un insieme S è una collezione di oggetti chiamati elementi dell insieme. - Se x è un elemento
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
DettagliDefinizione frequentistica di probabilita :
Esperimenti aleatori un esperimento e l osservazione del verificarsi di qualche accadimento ( A ) che, a partire da determinate condizioni iniziali, porti ad un particolare stato delle cose finali se si
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
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
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
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
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
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
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliLezione 7. Relazione di coniugio. Equazione delle classi. { x} C( x) { } { }
Lezione 7 Prerequisiti: Lezioni 2, 5. Centro di un gruppo. Struttura ciclica di una permutazione. Riferimenti ai testi: [H] Sezione 2.; [PC] Sezione 5. Relazione di coniugio. Equazione delle classi. Definizione
DettagliP (F E) = P (E) P (F E) = = 25
Regola del prodotto Conoscete la definizione di probabilità condizionata. Definizione 1. Siano E e F due eventi di uno spazio campionario S. Supponiamo P (F ) > 0. La probabilità condizionata dell evento
Dettagli8. Completamento di uno spazio di misura.
8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
Dettagli( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,
1 Elementi di Analisi Matematica e Ricerca Operativa prova del 6 luglio 2016 1) Discutere il seguente problema di Programmazione Lineare: Trovare il massimo di p x 1, x 2, x 3, x 4 # x 2 + 4 x 3 + x 4
DettagliProbabilità e Statistica. Angelo Gilio. Dip. Met. Mod. Mat. Univ. La Sapienza.
Probabilità e Statistica Angelo Gilio Dip. Met. Mod. Mat. Univ. La Sapienza gilio@dmmm.uniroma1.it... Probability doesn t exist... (Bruno de Finetti) 1 Informazioni Tutoraggio su web (materiale didattico)
DettagliCALCOLO DELLE PROBABILITA - 17 Febbraio 2014 CdL in STAD, SIGAD,
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 7 Febbraio 4 CdL in STAD, SIGAD, Motivare dettagliatamente le risposte su fogli
DettagliCALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
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
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliOPERAZIONI CON GLI EVENTI
LA PROBABILITA GLI EVENTI Definiamo come evento il verificarsi di un avvenimento, situazione o fenomeno; in quest ottica potremmo intuitivamente definire la probabilità come l indice di verosimiglianza
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliLEZIONE 8. k e w = wx ı + w y j + w z. k di R 3 definiamo prodotto scalare di v e w il numero
LEZINE 8 8.1. Prodotto scalare. Dati i vettori geometrici v = v x ı + v y j + v z k e w = wx ı + j + k di R 3 definiamo prodotto scalare di v e w il numero v, w = ( v x v y v z ) w x = v x + v y + v z.
DettagliEquivalentemente, le colonne di A sono linearmente indipendenti se e solo se
Lezioni di Algebra Lineare. Versione novembre 2008 VI. Il determinante Il determinante det A di una matrice A, reale e quadrata, è un numero reale associato ad A. Dunque det è una funzione dall insieme
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliMicroeconomia - Problem set 3 - soluzione
Microeconomia - Problem set 3 - soluzione (Prof. Paolo Giordani - TA: Pierluigi Murro) 30 Aprile 2015 Esercizio 1. Si consideri un agente con un capitale iniziale pari a 100 cui viene proposta la seguente
DettagliProbabilità delle cause:
Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B
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
DettagliESERCIZI DI PROBABILITA
ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il
DettagliLa dualità nella Programmazione Lineare
Capitolo 3 La dualità nella Programmazione Lineare 3.1 Teoria della dualità Esercizio 3.1.1 Scrivere il problema duale del seguente problema di Programmazione Lineare: min x 1 x 2 + x 3 2x 1 +3x 2 3 x
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliPiccolo teorema di Fermat
Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod p). Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod
DettagliIl Calcolo delle Probabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici.
INTRODUZIONE L CLCOLO DELLE ROILIT Il Calcolo delle robabilità è lo strumento matematico per trattare fenomeni aleatori cioè non deterministici. Un fenomeno aleatorio o stocastico è un fenomeno i cui esiti
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliQLaprobabilità dell'evento intersezione
QLaprobabilità dell'evento intersezione Dati due eventi A e B consideriamo l'evento intersezione C'-A H B C. Prima di illustrare come si calcola la probabilità dell'evento intersezione, vediamo insieme
DettagliPrincipio di induzione: esempi ed esercizi
Principio di induzione: esempi ed esercizi Principio di induzione: Se una proprietà P n dipendente da una variabile intera n vale per n e se, per ogni n N vale P n P n + allora P vale su tutto N Variante
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
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
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)
Dettagli3. Successioni di insiemi.
3. Successioni di insiemi. Per evitare incongruenze supponiamo, in questo capitolo, che tutti gli insiemi considerati siano sottoinsiemi di un dato insieme S (l insieme ambiente ). Quando occorrerà considerare
DettagliCALCOLO DELLE PROBABILITA - 14 Gennaio 2015 CdL in STAD, SIGAD
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 4 Gennaio 5 CdL in STAD, SIGAD Motivare dettagliatamente le risposte su fogli
DettagliCapitolo IV. Probabilità condizionata
Capitolo IV Probabilità condizionata IV.1 Stato di informazione In generale due o più individui possono giudicare diversamente, cioè attribuire un diverso grado di fiducia allo stesso evento. Tuttavia
DettagliLo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6
EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano
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
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliEquazioni esponenziali e logaritmi
Copyright c 2008 Pasquale Terrecuso Tutti i diritti sono riservati. Equazioni esponenziali e logaritmi 2 equazioni esponenziali..................................................... 3 casi particolari............................................................
Dettagliax + by = c ( ) (x 0 + bh, y 0 ah)
SOLUZIONE PROBLEMA DI AGOSTO 2003 Il problema si colloca nell ambito dell analisi indeterminata. Premettiamo quindi il teorema principale per le equazioni di Diofanto lineari in due incognite e una serie
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità A. A. /5 prova scritta (//5(docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento dei punti non facoltativi
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliPROBABILITÀ. Probabilità e Statistica per le Scienze e l Ingegneria, 3/ed, P. Erto - Copyright 2008, The McGraw-Hill Companies srl
PROBABILITÀ Probabilità 2 EVENTI. STATO DI CONOSCENZA. PROBABILITÀ Molto spesso ci troviamo di fronte a fenomeni regolati da leggi non note, o non completamente note. In questo ambito ci capita di dovere
DettagliMassimo limite e minimo limite di una funzione
Massimo limite e minimo limite di una funzione Sia f : A R una funzione, e sia p DA). Per ogni r > 0, l insieme ) E f p r) = { fx) x A I r p) \ {p} } è non vuoto; inoltre E f p r ) E f p r ) se 0 < r r.
DettagliIIASS International Institute for Advanced Scientific Studies. Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio
IIASS International Institute for Advanced Scientific Studies Eduardo R. Caianiello Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio Eduardo R. Caianiello per gli studenti delle Scuole
DettagliProbabilità e Processi stocastici. Ingegneria Robotica e dell Automazione. Prova scritta del giorno 15/12/14
Probabilità e Processi stocastici. Ingegneria Robotica e dell Automazione. Prova scritta del giorno 15/12/14 In ingegneria un sistema formato da n componenti è detto k su n se funziona quando almeno k
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliCALCOLO DELLE PROBABILITA
CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
Dettagli( A) ( ) 3. Concezioni e valutazioni di probabilità
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezione di statistica del maggio 03 - di Massimo Cristallo - 3. Concezioni e valutazioni di probabilità
DettagliLa probabilità: introduzione
P a g. 1 La probabilità: introduzione Nei giochi e nella "realtà" spesso si devono fare scelte di cui non si sanno prevedere esattamente le conseguenze (quale carta conviene scartare? in quale orario conviene
Dettagli1 Relazione di congruenza in Z
1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliCorso di Statistica. Introduzione alla Probabilità. Prof.ssa T. Laureti a.a
Corso di Statistica Introduzione alla Probabilità Prof.ssa T. Laureti a.a. 2012-2013 1 Introduzione al concetto di probabilità nelle strategie aziendali L azienda che vende articoli di abbigliamento per
DettagliMATEMATICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE I PROVA IN ITINERE COMPITO PROVA 1
MATEMATICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE I PROVA IN ITINERE COMPITO PROVA 1 1- Il volume di un corpo di qualsiasi forma è proporzionale al cubo di una qualunque delle sue dimensioni lineari.
DettagliSimilitudine (ortogonale) e congruenza (ortogonale) di matrici.
Lezione del 4 giugno. Il riferimento principale di questa lezione e costituito da parti di: 2 Forme bilineari, quadratiche e matrici simmetriche associate, 3 Congruenza di matrici simmetriche, 5 Forme
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliALGEBRA DEGLI EVENTI
ALGEBRA DEGLI EVENTI Appunti introduttivi al Calcolo Combinatorio e al Calcolo delle Probabilità Classe Terza a cura di Franca Gressini Novembre 2008 1 Conosciamo tante algebre. quella letterale (gli oggetti
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
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
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
DettagliEsistenza ed unicità per equazioni differenziali
Esistenza ed unicità per equazioni differenziali Per concludere queste lezioni sulle equazioni differenziali vogliamo dimostrare il teorema esistenza ed unicità per il problema di Cauchy. Faremo la dimostrazione
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
DettagliESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E COMPLEMENTI DI GEOMETRIA Foglio 4 Esempio. Sia V = P 5 (R) lo spazio dei polinomi di grado strettamente minore di 5. Si considerino i seguenti sottoinsiemi di V (i) Dimostrare
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
Dettagli