UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management"

Transcript

1 UNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Igegeria Corso di Risk Maagemet Prof. Filippo Stefaii Matrice di variaze-covariaze A.A. 009/00 Corso 600 Corso di Laurea Specialistica i Igegeria Edile Risk Maagemet 009/00 Matrice di variaze-covariaze pag Uiversità degli Studi di Bergamo Facoltà di Igegeria

2 Covariaza Covariaza = è ua misura di quato due strumeti fiaziari variao assieme. Se due strumeti fiaziari tedo a variare isieme (se il redimeto di uo è sopra il suo valore atteso allora ache il redimeto dell altro tede ad essere sopra il proprio valore atteso allora la covariaza sarà positiva. I formule: cov( y y ( i ( yi y i y y dove: y = covariaza tra lo strumeto fiaziario e lo strumeto fiaziario y = media aritmetica dello strumeto fiaziario X y = media aritmetica dello strumeto fiaziario Y Risk Maagemet 009/00 Matrice di variaze-covariaze pag Uiversità degli Studi di Bergamo Facoltà di Igegeria

3 Matrice di variaze-covariaze Dato u portafoglio co strumeti fiaziari la matrice variazecovariaze è ua matrice. I valori della covariaza tra ciascua delle coppie di strumeti fiaziari possoo essere scritti i forma compatta i ua matrice detta di variaze-covariaze: diversified var( cov( cov( cov( var( cov( cov( cov( var( Risk Maagemet 009/00 Matrice di variaze-covariaze pag 3 Uiversità degli Studi di Bergamo Facoltà di Igegeria

4 Proprietà La matrice di covariaza è quadrata e simmetrica essedo cov(y = cov(y cov( y cov( y Preseta lugo la diagoale pricipale i valori delle variaze dato che: cov( Le uità di misura della covariaza soo quelle di ed y. Ivece la cov( y correlazioe è ua misura adimesioale della dipedeza lieare. Se calcoliamo la covariaza sulla base dei redimeti percetuali dei due strumeti fiaziari ed y è adimesioale. Risk Maagemet 009/00 Matrice di variaze-covariaze pag 4 Uiversità degli Studi di Bergamo Facoltà di Igegeria

5 Uiversità degli Studi di Bergamo Facoltà di Igegeria Risk Maagemet 009/00 Matrice di variaze-covariaze pag 5 Matrice di variaze-covariaze diversified Riscriviamo la matrice variaze-covariaze scompoedo la covariaza: diversified

6 Variaza e-ate Cosideriamo u portafoglio composto da strumeti fiaziari. La variaza e-ate del portafoglio è il prodotto matriciale tra il vettore dei pesi e la matrice variaze-covariaze. Quale matrice variaze-covariaze usare? Si etra el problema della stima della matrice: il modo più grezzo è quello di utilizzare i dati storici u modo arbitrario è quello di quatificare le ostre aspettative su variaze e covariaze per u modo più sofisticato si veda il capitolo Covariace matri estimatio di Giorgio de Satis Bob Litterma Adrie Vesval e Kurt Vikelma el libro Moder ivestmet maagemet: a equilibrium approach di Robert B. Litterma Goldma Sachs Asset Maagemet. Quatitative Resources Group E-post la variaza del portafoglio sarà quella osservata ella realtà. Risk Maagemet 009/00 Matrice di variaze-covariaze pag 6 Uiversità degli Studi di Bergamo Facoltà di Igegeria

7 Calcolo della deviazioe stadard e-ate co la matrice di variazecovariaze Sia w il vettore coloa ( dei pesi degli strumeti fiaziari i portafoglio Sia w il vettore trasposto ( Sia S la matrice di variaze-covariaze matrice ( Sia T l orizzote temporale di riferimeto La deviazioe stadard del portafoglio è: e ate del portafoglio T w' w Risk Maagemet 009/00 Matrice di variaze-covariaze pag 7 Uiversità degli Studi di Bergamo Facoltà di Igegeria

8 Calcolo del VaR co la matrice di variaze-covariaze Sia N la fuzioe di desità di probabilità ormale stadardizzata. Sia (-a% l itervallo di cofideza e sia T l orizzote temporale di riferimeto Su orizzoti temporali di riferimeto brevi (di solito T= gioro possiamo approssimare il Value at Risk co la seguete formula: VaR N ( N ( T w' w Risk Maagemet 009/00 Matrice di variaze-covariaze pag 8 Uiversità degli Studi di Bergamo Facoltà di Igegeria

9 Uiversità degli Studi di Bergamo Facoltà di Igegeria Risk Maagemet 009/00 Matrice di variaze-covariaze pag 9 Matrice di variaze-covariaze udiversified I ua situazioe di crisi di mercato le correlazioi tedoo a salire. Si assume allora che i redimeti dei titoli i portafoglio siao perfettamete correlati e che si muovao cotemporaeamete ella peggior direzioe Possiamo modificare la matrice di variaze-covariaze per studiare che cosa può succedere al portafoglio i situazioi i cui le correlazioi tra i titoli salgoo fio a divetare tutte uguali ad. Per il calcolo dell udiversified VaR bisoga modificare la matrice di variaze-covariaze el seguete modo: udiversified

10 Esempio di Matrice di Variaze-Covariaze Storica Matrice di variaze-covariaze tra i tassi di cambio di alcue divise cotro USD (periodo dal 3//007 al 6/04/00 EUR Curcy JPY Curcy GBP Curcy SEK Curcy NOK Curcy CHF Curcy MXN Curcy HUF Curcy ZAR Curcy BRL Curcy PLN Curcy TRY Curcy EUR Curcy JPY Curcy GBP Curcy SEK Curcy NOK Curcy CHF Curcy MXN Curcy HUF Curcy ZAR Curcy BRL Curcy PLN Curcy TRY Curcy 000% -000% 000% -0004% -0004% -000% -000% -0005% -0003% -000% -0004% -000% -000% 0007% 0000% 0000% 0000% 000% -0003% -000% -0003% -0003% -000% -000% 000% 0000% 0003% -0003% -0003% -000% -000% -0004% -0003% -000% -0004% -000% -0004% 0000% -0003% 000% 0008% 0003% 0004% 00% 0008% 0005% 0008% 0004% -0004% 0000% -0003% 0008% 000% 0003% 0004% 000% 0008% 0005% 0008% 0004% -000% 000% -000% 0003% 0003% 000% 000% 0004% 000% 000% 0003% 000% -000% -0003% -000% 0004% 0004% 000% 0009% 0006% 0007% 0006% 0005% 0004% -0005% -000% -0004% 00% 000% 0004% 0006% 009% 00% 0007% 00% 0007% -0003% -0003% -0003% 0008% 0008% 000% 0007% 00% 007% 0008% 0008% 0007% -000% -0003% -000% 0005% 0005% 000% 0006% 0007% 0008% 000% 0005% 0005% -0004% -000% -0004% 0008% 0008% 0003% 0005% 00% 0008% 0005% 00% 0005% -000% -000% -000% 0004% 0004% 000% 0004% 0007% 0007% 0005% 0005% 0005% Risk Maagemet 009/00 Matrice di variaze-covariaze pag 0 Uiversità degli Studi di Bergamo Facoltà di Igegeria

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

Appunti sui modelli lineari

Appunti sui modelli lineari Uiversità degli Studi di Bologa Facoltà di Scieze Statistiche Auti sui modelli lieari Agela Motaari ANNO ACCADEMICO 2004-2005 . INRODUZI ONE AI DAI MUL IVARI AI Esemio (Fote: Quattroruote, Marzo 996 =

Dettagli

Statistica. Lezione 5

Statistica. Lezione 5 Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it

Dettagli

CAPITOLO 2 Semplici esperimenti comparativi

CAPITOLO 2 Semplici esperimenti comparativi Douglas C. Motgomer Progettazioe e aalisi degli esperimeti 006 McGraw-Hill CAPITOLO emplici esperimeti comparativi Metodi statistici e probabilistici per l igegeria Corso di Laurea i Igegeria Civile A.A.

Dettagli

Prova scritta del 10/09/2009

Prova scritta del 10/09/2009 Università degli Studi di Bergamo Corso di Laurea in Ingegneria Edile Corso di Risk Management Prof. Filippo Stefanini Prova scritta del 10/09/2009 Rispondere alle seguenti domande in due ore. 1. Un fondo

Dettagli

Costo manutenzione (euro)

Costo manutenzione (euro) Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di Prof. Filippo Stefanini A.A. Corso 60012 Corso di Laurea Specialistica in Ingegneria Edile pag 1 Coefficiente di correlazione Coefficiente di correlazione = il

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa

Dettagli

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

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:

Dettagli

ES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n

ES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u

Dettagli

La correlazione e la regressione. Antonello Maruotti

La correlazione e la regressione. Antonello Maruotti La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate

Dettagli

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao

Dettagli

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due

Dettagli

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1 ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao

Dettagli

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica

Dettagli

INFERENZA o STATISTICA INFERENTE

INFERENZA o STATISTICA INFERENTE INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe

Dettagli

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice. La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Anemia. Anemia - percentuali

Anemia. Anemia - percentuali 1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14

Dettagli

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

Proprietà asintotiche stimatori OLS e statistiche collegate

Proprietà asintotiche stimatori OLS e statistiche collegate Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe

Dettagli

Scheda n.6: legame tra due variabili; correlazione e regressione

Scheda n.6: legame tra due variabili; correlazione e regressione Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y

Dettagli

Lo studio della relazione lineare tra due variabili

Lo studio della relazione lineare tra due variabili Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1

Dettagli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Confronto di due misure Campioni indipendenti

Confronto di due misure Campioni indipendenti Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte

Dettagli

Scelte finanziarie SCELTE FINANZIARIE

Scelte finanziarie SCELTE FINANZIARIE Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

Appunti di STATISTICA

Appunti di STATISTICA Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.

Dettagli

Analisi Matematica I

Analisi Matematica I Uiversità di Pisa - orso di Laurea i Igegeria Edile-rchitettura alisi Matematica I Pisa, febbraio Domada La derivata della fuzioe f) log ) si è ) log )si B) log )cos ) log ) si cos loglog ) + si ) log

Dettagli

Distribuzioni di probabilità

Distribuzioni di probabilità Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

Principio alla base della misura del legame tra X ed Y

Principio alla base della misura del legame tra X ed Y Pricipio alla base della misura del legame tra X ed Y Y o varia Asseza di legame Al variare di X Varia ache Y X ed Y soo coessi Come si misura la risposta di Y al variare di X? Dipede dalla atura di X

Dettagli

Docenti: Dott. Franco Mazzenga, Dott.ssa. Ernestina Cianca a.a

Docenti: Dott. Franco Mazzenga, Dott.ssa. Ernestina Cianca a.a Caale IO: defiizioi Doceti: Dott Fraco azzega, Dottssa Erestia Ciaca aa 00-0 odulo di odulo Tecice di Avazate Iformazioe di Trasmissioe e Codifica aa aa 00-0 007-08 Caale IO: defiizioi t,,( atee i trasmissioe

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel: UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova

Dettagli

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5

Dettagli

Lezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità

Lezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure

Dettagli

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe

Dettagli

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti. AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i

Dettagli

3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr.

3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr. DIDATTICA DI PROGETTAZIONE DELLE COSTRUZIONI PROF. CARMELO MAJORANA MODULO TRE I CONCETTI FONDAMENTALI NELL ANALISI DELLA TENSIONE PARTE B) MODULO PER LO SPECIALIZZANDO Modulo. Rappresetazioe dello stato

Dettagli

LE MISURE DI TENDENZA CENTRALE

LE MISURE DI TENDENZA CENTRALE STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioni lineari Indici di covarianza e correlazione)

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioni lineari Indici di covarianza e correlazione) STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioi lieari Idici di covariaza e correlazioe) ) Trasformazioi lieari di variabili statistiche I varie situazioi si operao trasformazioi

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA

Dettagli

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Relazioni statistiche

Relazioni statistiche Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:

Dettagli

Lezione 10 - Tensioni principali e direzioni principali

Lezione 10 - Tensioni principali e direzioni principali Lezioe 10 - Tesioi pricipali e direzioi pricipali ü [A.a. 2011-2012 : ultima revisioe 23 agosto 2011] I questa lezioe si studiera' cio' che avviee alla compoete ormale di tesioe s, al variare del piao

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z) Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:

Dettagli

STATISTICA 1 ESERCITAZIONE 4

STATISTICA 1 ESERCITAZIONE 4 STATISTICA 1 ESERCITAZIONE 4 Dott. Giuseppe Padolfo 21 Ottobre 2013 Percetili: i valori che dividoo la distribuzioe i ceto parti di uguale umerosità. Esercizio 1 La seguete tabella riporta la distribuzioe

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare

Dettagli

LABORATIORIO 3. Taratura statica

LABORATIORIO 3. Taratura statica LABORATIORIO 3 Taratura statica Obiettivi dell esercitazioe Obiettivo di questa esercitazioe è lo svolgimeto di ua serie di esperieze di laboratorio per verificare e applicare le coosceze relative alle

Dettagli

poco significativo. RAPPORTI INDICI / NUMERI INDICI RAPPORTI DI COMPOSIZIONE RAPPORTI DI DENSITÀ RAPPORTI DI DURATA RAPPORTI DI RIPETIZIONE AD ESEMPIO

poco significativo. RAPPORTI INDICI / NUMERI INDICI RAPPORTI DI COMPOSIZIONE RAPPORTI DI DENSITÀ RAPPORTI DI DURATA RAPPORTI DI RIPETIZIONE AD ESEMPIO Spesso bisoga cofrotare far di loro 2 o più dati statistici che si riferiscoo a feomei rilevati o i spazi/luoghi diversi o i tempi diversi o comuque i ambiti diversi e che quidi risetoo dell UNITÀ DI MISURA

Dettagli

converge in probabilità alla v.a. X e si scrive: converge in media quadratica alla v.a. X e si scrive: m n

converge in probabilità alla v.a. X e si scrive: converge in media quadratica alla v.a. X e si scrive: m n 98 Covergeza i probabilità Si dice che la successioe X coverge i probabilità alla v.a. X e si scrive: se, per qualsiasi ε > 0, si ha: X p X oppure plim X = X limp( X X < ε)= Covergeza i media quadratica

Dettagli

Legge Gamma e Legge Chi quadro

Legge Gamma e Legge Chi quadro Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

Teorema delle progressioni di numeri primi consecutivi con distanza sei costante

Teorema delle progressioni di numeri primi consecutivi con distanza sei costante Teorema delle progressioi di umeri primi cosecutivi co distaza sei costate A cura del Gruppo Eratostee - http://www.gruppoeratostee.com/) Co la collaborazioe di Eugeio Amitrao ( http://www.atuttoportale.it/)

Dettagli

Esercizi di econometria: serie 2

Esercizi di econometria: serie 2 Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso

Dettagli

Sottospazi associati a matrici e forma implicita. Sottospazi associati a una matrice Dimensione e basi con riduzione Sottospazi e sistemi. Pag.

Sottospazi associati a matrici e forma implicita. Sottospazi associati a una matrice Dimensione e basi con riduzione Sottospazi e sistemi. Pag. Spazi vettoriali Sottospazi associati a ua matrice Dimesioe e basi co riduzioe Sottospazi e sistemi 2 Pag. 1 2006 Politecico di Torio 1 Spazi delle righe e delle coloe Sia A M m, ua matrice m x. Allora

Dettagli

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua

Dettagli

Variabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità

Variabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio

Dettagli

07.XII Laboratorio integrato 3 - Valutazione economica del progetto - Clamarch - Prof. E. Micelli - Aa

07.XII Laboratorio integrato 3 - Valutazione economica del progetto - Clamarch - Prof. E. Micelli - Aa Elemeti di matematica fiaziaria 07.XII.2011 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii) Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,

Dettagli

Esempio. Tabella a doppia entrata. n 2. n 24. n.6

Esempio. Tabella a doppia entrata. n 2. n 24. n.6 Esempio Distribuzioe degli studeti di Scieze della Comuicazioe frequetati la facoltà ell a.a. 001/00 per Corso di Laurea e Numero di Corsi Frequetati Numero Corsi Frequetati CDL 1 3 4 5 6 7 STC 1 19 50

Dettagli

Precorso di Matematica, aa , (IV)

Precorso di Matematica, aa , (IV) Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe

Dettagli

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare

Dettagli

SISTEMA D'IMPRESA GESTIONE GESTIONE SISTEMA DELLE OPERAZIONI SIMULTANEE E SUCCESSIVE SI DISPIEGANO DINAMICAMENTE

SISTEMA D'IMPRESA GESTIONE GESTIONE SISTEMA DELLE OPERAZIONI SIMULTANEE E SUCCESSIVE SI DISPIEGANO DINAMICAMENTE SISTEMA D'IMPRESA ORGAIZZAZIOE GESTIOE 1 GESTIOE SISTEMA DELLE OPERAZIOI SIMULTAEE E SUCCESSIVE SI DISPIEGAO DIAMICAMETE PER IL RAGGIUGIMETO DEI FII DELL IMPRESA 2 ORGAIZZAZIOE I SESO AMPIO LA RIUIOE DI

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

1 + 1 ) n ] n. < e nα 1 n

1 + 1 ) n ] n. < e nα 1 n Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e

Dettagli

Appendice A. Elementi di Algebra Matriciale

Appendice A. Elementi di Algebra Matriciale ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica 6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe

Dettagli

Parte V La descrizione dei fenomeni attraverso la statistica

Parte V La descrizione dei fenomeni attraverso la statistica 64 Parte V La descrizioe dei feomei attraverso la statistica Dai capitoli presedeti è stato possibile verificare l importaza odale che il sistema iformativo detiee elle scelte di piaificazioe territoriale.

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Scelte finanziarie SCELTE FINANZIARIE

Scelte finanziarie SCELTE FINANZIARIE Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra

Dettagli

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0 TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si

Dettagli

Domande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3

Domande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3 Chiorri, C. (0). Fodameti di psicometria - Risposte e soluzioi Capitolo Domade di teoria. Per le caratteristiche geerali vedi paragrafo. p. 79. Per le procedure di calcolo vedi per la moda pp. 79-8, per

Dettagli

STATISTICA A K (63 ore)

STATISTICA A K (63 ore) STATISTICA A K (63 ore) Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto =400 X =34.000 Km; s cor =9000 Km Calcolare l

Dettagli

STATISTICA 1 ESERCITAZIONE 5

STATISTICA 1 ESERCITAZIONE 5 STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

Esercizi proposti. f(x), f(x), f(x), f(x + 1), f(x) + 1. x 2 x 1 se x 1, 4 x se x > 1 2, 2).

Esercizi proposti. f(x), f(x), f(x), f(x + 1), f(x) + 1. x 2 x 1 se x 1, 4 x se x > 1 2, 2). Esercizi proposti 1. Risolvere la disequazioe + 1.. Disegare i grafici di a) y = 1 + + 3 ; b) y = 1 ; c) y = log 10 + 1). 3. Si cosideri la fuzioe f) = ; disegare i grafici di f), f), f), f + 1), f) +

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della 1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe

Dettagli

Intervalli di confidenza

Intervalli di confidenza Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media

Dettagli

Esercizi svolti su successioni e serie di funzioni

Esercizi svolti su successioni e serie di funzioni Esercizi svolti su successioi e serie di fuzioi Esercizio. Calcolare il limite putuale di f ) = 2 +, [0, + ). Dimostrare che o si ha covergeza uiforme su 0, + ), metre si ha covergeza uiforme su [a, +

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57

Tracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57 Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu

Dettagli