Elementi di Calcolo delle Probabilità

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Elementi di Calcolo delle Probabilità"

Transcript

1 Element d Calcolo delle obabltà Coso d Calcolo delle obabltà ed Infeenza a.a. 2011/ mo Semeste of. Flppo DOMM Coso d Lauea Magstale n Economa pplcata Facoltà d Economa UnCal

2 Calendao - Lezon: dal 3/10/2011 al 22/12/ Sesson Esam: dal 09/01/2012 al 18/02/2012 (due ppell) dal 28/05/2012 al 14/07/2012 (due ppell) dal 03/09/2012 al 22/09/2012 (un ppello) F. DOMM Calcolo delle obabltà ed Infeenza 2

3 - Oao delle Lezon: Lunedì, Matedì e Mecoledì dalle 9 alle 11 n O/SG1 - Oao d Rcevmento Student: Govedì dalle 11 alle 13 (Studo docente: Cubo 0C, ultmo pano) - Modaltà esame: Sctto ed Oale F. DOMM Calcolo delle obabltà ed Infeenza 3

4 ova, Evento e obabltà Concett mtv: nozon ognae ed ed ntutve. ova (o (o espemento): è qualsas attvtà svluppata n n condzon d d ncetezza. Gl Gl espement d d cu cu s s occupa l l Calcolo delle obabltà sono quell ne ne qual sultat non non sono cet cet peché non non unvoc. Evento: è uno uno de de possbl sultat della pova. obabltà: è un un numeo assocato al al pesentas d d un un ceto evento e soddsfa alcune popetà fondamental dett dett assom del del Calcolo delle obabltà. F. DOMM Calcolo delle obabltà ed Infeenza 4

5 Def.1. Spazo de de Campon. E E la la totaltà d d tutt tutt possbl sultat d d un un espemento concettuale. Veà ndcato con con Ω. Ω. Def.2. Evento Ceto. Evento Impossble. L evento ceto è quello che che s s vefca sempe, Ω. Ω. L evento mpossble è quello che che non non s s vefca ma, ma, φ. φ. Def.3. Spazo degl Event (( o algeba d d Boole). E E l nseme d d tutt tutt possbl sottonsem d d Ω. Ω. F. DOMM Calcolo delle obabltà ed Infeenza 5

6 Ω Dagamm d d Venn Venn UNIONE INTERSEZIONE B NEGZIONE EVENTI INCOMTIBILI EVENTI NECESSRI F. DOMM Calcolo delle obabltà ed Infeenza 6

7 opetà Commutatva Unone B B Intesezone B B Idempotenza ssocatva ( B) C (B C) ( B) C (B C) Dstbutva (B C) ( B) ( C) (B C) ( B) ( C) Inolte, Inolte, s s ha: ha: φ φφ Ω Ω Ω Ω φ F. DOMM Calcolo delle obabltà ed Infeenza 7

8 Legg Legg d d De De Mogan (1) (1) B B B B (2) (2) B B B B atzone dello dello Spazo Spazo Camponao S dce che gl event 1,, k appatenent ad Ω fomano una patzone dello spazo camponao se: (1) (1) j 1,..., k j φ k (2) (2) Ω 1 coè se sono a due a due ncompatbl e necessa. F. DOMM Calcolo delle obabltà ed Infeenza 8

9 Eseczo 1 Sano Sano,B,B e C te te event event che che s s dentfcano dentfcano ne ne sottonsem sottonsem {1,2,3,8}, {1,2,3,8}, B{2,3,5,7,8} B{2,3,5,7,8} e C{3,6,7,9,10} C{3,6,7,9,10} d d un un geneco geneco spazo spazo Ω{1,2,3,4,5,6,7,8,9,10}. Detemnae Detemnae seguent seguent sottonsem: sottonsem: E 1 E4 (B C) B C B C B E 2 E5 B E 3 E 6 C C Eseczo 2 Un Un espemento espemento casuale casuale consste consste nell estae nell estae contempoaneamente due due pallne pallne da da un una un una contenente contenente 1 pallna pallna ossa, ossa, 3 pallne pallne banche banche e 2 nee. nee. Descvee Descvee lo lo spazo spazo de de campon campon elatvo elatvo all espemento all espemento e costue costue sottonsem sottonsem n n cu cu s s dentfcano dentfcano seguent seguent event: event: Le Le due due pallne pallne estatte estatte sono sono d d coloe coloe dffeente; Le Le due due pallne pallne estatte estatte sono sono dello dello stesso stesso coloe; coloe; Le Le due due pallne pallne estatte estatte sono sono entambe entambe osse. osse. F. DOMM Calcolo delle obabltà ed Infeenza 9

10 Eseczo 3 Un Un espemento espemento casuale casuale consste consste nel nel lanco lanco contempoaneo contempoaneo d d due due dad dad da da goco; goco; posto posto che che le le facce facce d d cascun cascun dado dado sano sano state state contaddstnte contaddstnte con con gl gl nte nte dall 1 dall 1 al al 6, 6, costue costue lo lo spazo spazo de de campon campon e sottonsem sottonsem che che appesentano appesentano seguent seguent event: event: I I nume nume potat potat dalle dalle facce facce supeo supeo de de due due dad dad sono sono ugual; ugual; La La somma somma de de due due nume nume potat potat dalle dalle facce facce supeo supeo de de due duedad dad è 5; 5; Il Il numeo numeo potato potato dalla dalla facca facca supeoe supeoe d d un un dado dado è doppo doppo d d quello quello potato potato dalla dalla facca facca supeoe supeoe dell alto. dell alto. Eseczo 4 Un Un espemento espemento casuale casuale consste consste nel nel lanco lanco contempoaneo contempoaneo d d una una moneta moneta e d d un un dado dado da da goco. goco. S S costuscano costuscano lo lo spazo spazo camponao camponao elatvo elatvo all espemento all espemento e sottonsem sottonsem a cu cu s s dentfcano dentfcano seguent seguent event: event: Testa Testa pe pe la la moneta moneta e numeo numeo pa pa pe pe l l dado; dado; Coce Coce pe pe la la moneta moneta e numeo numeo nfeoe nfeoe a 5 5 pe pe l l dado. dado. F. DOMM Calcolo delle obabltà ed Infeenza 10

11 Eseczo 5 Da Da una una accolta accolta d d te te volum volum contassegnat contassegnat con con,b,b e C ne ne vengono vengono scelt scelt a caso caso due. due. Costue Costue lo lo spazo spazo degl degl event event assocato assocato allo allo spazo spazocamponao n n questone. questone. Eseczo 6 Un Un espemento espemento casuale casuale consste consste nel nel levae levae l l numeo numeo d d teste teste e delle delle coc coc che che s s possono possono pesentae pesentae nel nel lanco lanco contempoaneo contempoaneo d d te te monete. monete. Costue Costue lo lo spazo spazo camponao camponao e lo lo spazo spazo degl degl event event ad ad esso essoassocato. Eseczo 7 Nel Nel lanco lanco d d un un dado dado da da goco, goco, le le facce facce sano sano numeate numeate dall 1 dall 1 al al 6, 6, sa sa l evento l evento la la facca facca supeoe supeoe pota pota l l numeo numeo 3 3 e B l evento l evento la la facca facca supeoe supeoe pota pota un un numeo numeo dspa. dspa. e B sono sono event event dsgunt? dsgunt? Eseczo 8 S S lanca lanca due due volte volte una una moneta; moneta; sa sa l evento l evento testa testa al al pmo pmo lanco lanco e B l evento l evento ne ne due due lanc lanc non non appae appae la la stessa stessa facca. facca. e B sono sono dsgunt? dsgunt? F. DOMM Calcolo delle obabltà ed Infeenza 11

12 ssom del Calcolo delle obabltà. Rcodando che che un un assoma (o (o postulato) è una una poposzone che che è consdeata vea vea e non non vene dmostata nel nel contesto n n cu cu è svolta la la teoa n n questone, Il Il C.. C.. pesenta seguent assom: [ [ ] 0 Ω ] Sano e B due due event ncompatbl B φ alloa [ B] [ ] [ B] + F. DOMM Calcolo delle obabltà ed Infeenza 12

13 Teoem fondamental del del Calcolo delle obabltà Teo.1. [ φ] 0 Teo.2. Teo.3. [ ] 1 [ ] [ ] [ B] + [ B ] Teo.4. [ B ] [ ] + [ B ] [ B ] Le dmostazon de teoem sono lascat pe eseczo. F. DOMM Calcolo delle obabltà ed Infeenza 13

14 Defnzone d d pobabltà. Def. Def Classca La La pobabltà d d un un evento è l l appoto ta ta l l numeo d d cas cas favoevol d d e l l numeo d d cas cas possbl, ammesso che che quest sano equpobabl. Def. Def Fequentsta (o (o legge empca del del caso). In In una una see d d pove d d un un dato dato espemento, petuto un un gan gan numeo d d volte n n ccostanze pù pùo meno sml, cascuno degl event possbl s s manfesta con con una una fequenza che che è cca uguale alla alla sua sua pobabltà. L appossmazone s s duce al al cescee del del numeo d d pove. Def. Def Soggettvsta. La La pobabltà è la la valutazone che che l l sngolo ndvduo può può coeentemente fomulae, n n base alle alle pope conoscenze, del del gado d d avveabltà d d un un evento. F. DOMM Calcolo delle obabltà ed Infeenza 14

15 Eseczo Eseczo 9 Dato un espemento tale: 1 1 () 0.5 (B) 3 ( B) 4 Calcolae: { B} { B} { B} { B} { B} Eseczo Eseczo Sano e B due event tal che: () 0.8 (B) 0. 7 ( B) 0. 6 Calcolae: { B} { B} { B} F. DOMM Calcolo delle obabltà ed Infeenza 15

16 Eseczo Eseczo Supponamo d avee un una che contene 8 pallne osse (R), 9 pallne banche (B), 13 pallne nee (N) e 3 pallne galle (G). Effettuamo la seguente pova: estazone d due pallne con poszone. Calcolae la pobabltà che: a) entambe le pallne sano osse; b) la pma sa ossa e la seconda banca; c) la pma galla e la seconda non-ossa; d) la pma sa nea e la seconda non-banca; e) che almeno una sa ossa. F. DOMM Calcolo delle obabltà ed Infeenza 16

17 Dpendenza. ssom e Teoem fondamental. Quando s s ha ha motvo d d cedee che che l l vefcas d d uno uno o pù pùevent nfluenzano l l vefcas d d alt alt event, alloa s s paleà d d event dpendent (condzonat). Così, la la pobabltà dell evento dato dato che che s s è gà gàvefcato l evento B (ovveo l evento B condzona l evento ), ), è: è: [ / B] [ B] [ B] pe pe [ B] > 0 In In tal tal caso, B dventa l l nosto nuovo spazo de de campon; coè coès s assume che che la la pova abba dato dato luogo a qualche sultato n n B. B. F. DOMM Calcolo delle obabltà ed Infeenza 17

18 S S può può vefcae che che valgono gl gl assom del del Calcolo delle obabltà: [ / B] Ω [ ] 1 / B Se Se 1 e 1 2 sono 2 ncompatbl alloa [( ) B] [ / B] [ / B] 1 2 / Le vefche d (1), (2) e (3) sono lascat pe eseczo. F. DOMM Calcolo delle obabltà ed Infeenza 18

19 Valgono anche teoem fondamental del del Calcolo delle obabltà nel nel caso n n cu cu esste un un evento condzonante Teo.5. [ φ / B] 0 [ ] [ ] Teo.6. / B 1 / B Teo.7. [ B] ( ) [ / B] + [( )/ B] 1 / Teo.8. [( ) B] [ / B] + [ / B] [( )/ B] 1 2 / Le dmostazon de teoem sono lascat pe eseczo. F. DOMM Calcolo delle obabltà ed Infeenza 19

20 Il Il teoema d d Bayes e e llustae l l teoema, consdeamo l l seguente esempo: supponamo d d avee due due une, la la pma, U 1, 1, contene 4 pallne banche e 6 nee, la la seconda, U 2, 2, contene 3 pallne banche e 5 nee. S S estae a caso un una e, e, successvamente, da da questa s s estae una una pallna. mmesso che che la la pallna estatta sa sa banca, c c s s chede qual qual è la la pobabltà che che essa povenga dall una U 1, 1, se se la la pobabltà d d selezonae cascuna delle une une è d d ? Sml poblem s s pesentano ogn ogn volta che che un un evento può può essee vsto vsto come l l sultato --EFFETTO --d d uno uno ta ta K possbl event --CUSE --C 1, 1, C 2, 2,,C K ncompatbl K e tal tal che che uno uno d d ess ess deve vefcas, e nteessa valutae la la pobabltà che, che, avveatos,, sa sa C j la j la causa che che lo lo ha ha podotto. F. DOMM Calcolo delle obabltà ed Infeenza 20

21 Supponamo che che gl gl event C 1,,C 1 K fomno K una una patzone d d Ω, Ω, coè coè Ω K 1 C e e C C j φ j L evento può può essee sctto nel nel seguente modo Ω K C K 1 1 ( C ) Ossevando che che K 1 ( C ) C φ K 1 F. DOMM Calcolo delle obabltà ed Infeenza 21

22 F. DOMM Calcolo delle obabltà ed Infeenza 22 s ha: s ha: [ ] ( ) [ ] K 1 K 1 C C Rcodando che Rcodando che [ ] [ ] [ ] C C C / [ ] [ ] [ ] C / C C S può scvee: S può scvee: [ ] [ ] [ ] [ ] K 1 K 1 C / C C

23 La La domanda nzale ea ea la la seguente: noto noto l effetto,, qual qual è la la pobabltà che che tale tale effetto sa sa dovuto alla alla causa C j? j [ C / ] j [ C ] j [ ] K 1 [ C ] [ / C ] j [ C ] [ / C ] j L ultma pate è l l teoema d d Bayes, dove [C [C j /] j /] è chamata pobabltà a posteo, coè coèla la pobabltà che che l evento,, gà gàvefcatos, sa sa dovuto alla alla causa C j ; j ; mente, la la pobabltà [C [C j ] j ] è chamata pobabltà a po della causa C j (nel j (nel nosto esempo è la la pobabltà d d estae l una U 1 ). 1 ). Infne, [/C j ] j ] sono dette pobabltà pobatve o veosmglanze, appesentano la la pobabltà con con cu cu le le sngole cause C 1, 1,, C K geneano K l evento.. Esse sono detemnate empcamente dall espemento. F. DOMM Calcolo delle obabltà ed Infeenza 23

24 F. DOMM Calcolo delle obabltà ed Infeenza 24 Rtonando all esempo nzale, se ndchamo con [U ]0.5 pe 1,2 le pobabltà a po, la pobabltà a posteo è: Rtonando all esempo nzale, se ndchamo con [U ]0.5 pe 1,2 le pobabltà a po, la pobabltà a posteo è: [ ] [ ] [ ] [ ] [ ] [ ] [ ] U U / B U U / B U U / B B / U

25 Ossevazone: l l teoema d d Bayes può può essee vsto vsto come un un meccansmo che che pemette d d coeggee le le nfomazon a po [C [C j ] j ] sulla sulla base delle ossevazon spemental [/C j ] j ] fonendo pe pe l appunto la la pobabltà a posteo. In In questa fomula, nfatt, s s combnano nfomazon a po e veosmglanze, e quanto pù pùla la pobabltà a posteo [C [C j /] j /] è dvesa dalla pobabltà a po [C [C j ] j ],, tanto pù pù la la veosmglanza ha ha modfcato le le nfomazon a po sulle sulle cause C j. j. F. DOMM Calcolo delle obabltà ed Infeenza 25

26 Defnzone d d Indpendenza. Se Se l l vefcas d d un un evento non non modfca la la pobabltà del del vefcas d d un un alto alto evento alloa è lecto pensae che che due due event sano ndpendent; questo può può essee fomalzzato con con la la seguente: Def. Def Dat Dat due due event e B, B, s s dce dce che che sono ndpendent se se e solo solose se s s vefca una una delle seguent condzon: [ B] [ ] [ B] [ / B] [ ] [ B / ] [ B] F. DOMM Calcolo delle obabltà ed Infeenza 26

27 Teo. Teo. 9 Se Se e B sono ndpendent alloa { B} { } { B } { B} { } { B} { B} { } { B} La dmostazon del teoema è lascata pe eseczo. F. DOMM Calcolo delle obabltà ed Infeenza 27

28 Eseczo Supponamo d avee un una che contene 5 pallne osse (R), 4 banche (B),3 nee (N) e 6 gall (G). Effettuamo la seguente pova: estazone d due pallne senza poszone. Calcolae la pobabltà de seguent event: a) la pma ossa e la seconda ossa; b) la pma banca e la seconda ossa; c) la pma galla e la seconda non-ossa; d) la pma non-nea e la seconda banca; e) la pma galla e la seconda ossa o banca; f) la pova gene almeno una pallna ossa. F. DOMM Calcolo delle obabltà ed Infeenza 28

29 Eseczo S è fatto uno studo pe detemnae l effetto de pogamm televsv su bambn. d un guppo d bambn composto da un numeo uguale d masch e femmne è stato chesto se sono ma stat spaventat da un pogamma televsvo. Il 25% de bambn e l 44% delle bambne spondono d s. Sceglendone uno a caso nel guppo, detemnae la pobabltà che: 1. l bambno sa stato spaventato; 2. venga scelta una bambna, sapendo che l selezonato/a è stato/a spaventato/a; 3. sa scelta una bambna, sapendo che l bambno/a scelta/o non è stata/o spaventato/a; 4. sa scelto un bambno sapendo che l bambno scelto non è stato spaventato. F. DOMM Calcolo delle obabltà ed Infeenza 29

30 Eseczo Un costuttoe vene fonto pe gl stess tp d pezz sa dalla dtta che dalla dtta B. Tal pezz vengono po depostat asseme nello stesso magazzno. e l passato s è ossevato che podott d eano pe l 5% dfettos, mente quell d B lo eano nella msua del 9%. La dtta fonsce 4 volte pù pezz della dtta B. vendo scelto un pezzo a caso dal magazzno ed avendo scontato che non è dfettoso, qual è la pobabltà che sa stato fonto da? F. DOMM Calcolo delle obabltà ed Infeenza 30

31 Eseczo Sano e B due event dello spazo camponao tal che: { } 0. 7 { B} 0. 8 Detemnae [B] se: a) e B sono dsgunt ; b) e B sono ndpendent ; c) [/B]0.6 F. DOMM Calcolo delle obabltà ed Infeenza 31

32 Eseczo16 Eseczo16 La pobabltà d essee malato d canco n uno stado nzale è 0.1 pe una pesona n una ceta classe d età. Il test sulta postvo nel 99% de cas n una pesona malata e nel 5% de cas n una pesona sana. a) Qual è la pobabltà d una coetta dagnos con l test nella data classe d età? b) Qual è la pobabltà che una pesona sa malata se l test è negatvo? F. DOMM Calcolo delle obabltà ed Infeenza 32

33 Rfement Bblogafc. - G. Ccchtell (1984), obabltà e Statstca. Maggol Edtoe. Rmn. [C]. ag M.Mood, F. Gaybll e D.C. Boes (1988), Intoduzone alla Statstca, McGaw-Hll, Mlano. [MGB]. ag D. ccolo e C. Vtale (1984), Metod Statstc pe l anals economca. Il Mulno, Bologna. [V]. ag R. Os (1995), obabltà ed Infeenza Statstca, Il Mulno, Bologna. [O] D. ccolo (2000), Statstca, l Mulno, Bologna. []. ag F. DOMM Calcolo delle obabltà ed Infeenza 33

Approfondimento 7.4 - Altri tipi di test di significatività del coefficiente di correlazione di Pearson

Approfondimento 7.4 - Altri tipi di test di significatività del coefficiente di correlazione di Pearson Appofondmento 7.4 - Alt tp d test d sgnfcatvtà del coeffcente d coelazone d Peason Una delle cause pncpal della cattva ntepetazone del test d sgnfcatvtà d è che s fonda su un potes nulla pe cu ρ 0. In

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà pr - 1 Che collegamento c è tra gl strument statstc per lo studo de fenomen real e l calcolo delle probabltà? Vedremo che non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Lezione 12. Funzioni polinomiali. Radici di un polinomio. Teorema di Ruffini.

Lezione 12. Funzioni polinomiali. Radici di un polinomio. Teorema di Ruffini. Lezone Peequs: Lezone. Funzon polnomal. Radc d un polnomo. Teoema d Ruffn. Sa K un campo e sa L un campo d cu K è soocampo (n al caso s dce anche che L è un'esensone d K). Sa f ( X ) K[ X ] e sa α L. Alloa,

Dettagli

Economia del turismo. Prof.ssa Carla Massidda

Economia del turismo. Prof.ssa Carla Massidda Economa del tusmo Pof.ssa Cala Massdda Pate 2 Agoment Defnzone d domanda tustca Detemnant della domanda tustca L elastctà della domanda tustca La stma della domanda tustca Defnzone d domanda tustca Dato

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica Legg d Bot-Savat e d Ampèe d P R dl Ossevazon spemental Legge d Bot-Savat db ds espemento: X db... assumendo n fomula Legge d Bot-Savat db ds pemeabltà magnetca X db Il campo magnetco è dstbuto ntono al

Dettagli

Cenni sulla Gravitazione Universale

Cenni sulla Gravitazione Universale Cenn sulla Gavtazone nvesale ) La oza gavtazonale Fno al 665 (anno n cu Netwon ntuì la legge della Gavtazone nvesale) pe spegae le nteazone de cop con la ea eano necessae: a) La oza peso F P mg esectata

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

LA NORMA UNI ENV 13005:2000 E LE GUIDE ACCREDIA DT-0002 E DT-0002/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI

LA NORMA UNI ENV 13005:2000 E LE GUIDE ACCREDIA DT-0002 E DT-0002/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI P.le R. Moand, - 0 MILANO LA NORMA UNI ENV 3005:000 E LE GUIDE ACCREDIA DT-000 E DT-000/3 SULLA STIMA DELL INCERTEZZA DEI RISULTATI RELATORE: N. BOTTAZZINI (UNICHIM) Coso: SISTEMA DI GESTIONE PER LA QUALITA

Dettagli

Lezione 19. Elementi interi ed estensioni intere.

Lezione 19. Elementi interi ed estensioni intere. Lezoe 9 Peequst: Modul ftamete geeat Elemet algebc Elemet te ed esteso tee Sa A u aello commutatvo utao sa B u suo sottoaello Tutt sottoaell cosdeat coteao l utà moltplcatva d A Defzoe 9 U elemeto α A

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Dinamica del corpo rigido

Dinamica del corpo rigido Dnamca del copo gdo Un copo gdo è pe defnzone un copo che non s defoma duante l movmento. Se non s defoma voà de che la dstanza j fa due punt qualsas e j del copo esta costante: j = cost pe ogn e j. Il

Dettagli

Problemi: lavoro energia cinetica

Problemi: lavoro energia cinetica Poblem: lavoo enea cnetca. Due spe ndustal anno scvolae una cassaote d massa m 5 k, nzalmente ema, pe una dstanza d 8.5 m. a oza F con la quale l aente spne la cassaote è d. N, e la dezone della oza oma

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

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

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Robotica industriale. Quantità meccaniche. Prof. Paolo Rocco

Robotica industriale. Quantità meccaniche. Prof. Paolo Rocco Robotca ndustale Quanttà eccanche Pof. Paolo Rocco (aolo.occo@ol.t) Cento d assa Consdeao un sstea d unt ateal, cascuno de qual abba assa e la cu osone sa desctta dal vettoe setto ad una tena. Defnao cento

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

SISTEMI DI CONDOTTE: La verifica idraulica

SISTEMI DI CONDOTTE: La verifica idraulica SISTEMI DI CONDOTTE: L vefc dulc Clo Cpon Unvestà degl Stud d Pv Dptmento d Ingegne Idulc e Ambentle Poszone del del poblem Rete esstente d cu è not l geomet E pefsst l eogzone (ppocco DDA: Demnd Dven

Dettagli

LEZIONE 10. d(a, B) = AB = AB = (x A x B ) 2 + (y A y B ) 2 + (z A z B ) 2.

LEZIONE 10. d(a, B) = AB = AB = (x A x B ) 2 + (y A y B ) 2 + (z A z B ) 2. LEZIONE 10 10.1. Distanze. Definizione 10.1.1. In S n sia fissata un unità di misua u. Se A, B S n, definiamo distanza fa A e B, e sciviamo d(a, B), la lunghezza del segmento AB ispetto ad u. Abbiamo già

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

COMPARATORI. Comparatore invertente

COMPARATORI. Comparatore invertente COMPAATOI Un cmpaate è un ccut ce a due pssbl val d uscta, medante qual gnala l sultat del cnfnt delle tensn su due ngess amplfcate peaznale ad anell apet csttusce un cmpaate mplce, ce cnfnta un gnale

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Approfondimenti disciplinari

Approfondimenti disciplinari UNIVERSITÁ DEGLI STUDI DI FERRARA CORSO SPECIALE ABILITANTE anno accademco 2006/2007 CORSO DI: Approfondment dscplnar UNITÁ DIDATTICA DELLA CLASSE A049 LA PROBABILITA DOCENTE: PROF. BERNARDI EROS TITOLO:

Dettagli

Complementi. 1) Come raggruppare oggetti.

Complementi. 1) Come raggruppare oggetti. Complementi. ) Come agguppae oggetti. Quando consideiamo il poblema di agguppae oggetti, in ealtà affontiamo poblemi di tipo assai diveso. A volte dobbiamo distibuie degli oggetti in cete posizioni, tenendo

Dettagli

I generatori dipendenti o pilotati e gli amplificatori operazionali

I generatori dipendenti o pilotati e gli amplificatori operazionali 108 Lucano De Menna Corso d Elettrotecnca I generator dpendent o plotat e gl amplfcator operazonal Abbamo pù volte rcordato che generator fn ora ntrodott, d tensone e d corrente, vengono dett deal per

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

LAVORO ESTIVO 4CO1 / 4 CO2

LAVORO ESTIVO 4CO1 / 4 CO2 LVORO ESTIVO CO / CO LE EQUZIONI ESPONENZILI 7 7 7 LE DISEQUZIONI ESPONENZILI 7 LE EQUZIONI LOGRITMICHE [ ] [ ] log log log log log log log log log ln ln ln ln ln ln log log log LE DISEQUZIONI LOGRITMICHE

Dettagli

AUTOVALORI ED AUTOVETTORI DI UNA MATRICE

AUTOVALORI ED AUTOVETTORI DI UNA MATRICE AUTOVALORI ED AUTOVETTORI DI UNA MATRICE TEOREMA: Un elemento di K è un autovaloe pe una matice A, di odine n, se e solo se, indicata con I la matice identità di odine n, isulta: det( A I) Il deteminante

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Fondamenti di meccanica classica: simmetrie e leggi di conservazione

Fondamenti di meccanica classica: simmetrie e leggi di conservazione Fondament d meccanca classca: smmetre e legg d conservazone d Marco Tulu A. A. 2005/2006 1 Introduzone Un corpo s dce omogeneo se ha n ogn suo punto ugual propretà fsche e chmche, ed è sotropo se n ogn

Dettagli

Carica elettrica e campo elettrico

Carica elettrica e campo elettrico Ve. del 8/4/9 Caca elettca e campo elettco ) La caca elettca. S nota che stofnando con un panno d lana un pezzo d plastca, questo dvene capace d attae de pccol pezz d cata ovveo d esectae delle foze. Tale

Dettagli

Workshop MatFinTN 2012

Workshop MatFinTN 2012 Wokshop MatFnTN 2012 Dalla Bnson Attbuton al Black&Ltteman model: anals matematche nell'asset management D.ssa Tzana Rgon Lauea n Matematca conseguta pesso l'unvestà d Tento con tes dal ttolo: Metod d

Dettagli

UNIVERSITÀ di ROMA TOR VERGATA

UNIVERSITÀ 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

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

Impianti di climatizzazione a tutt aria: generalità e dimensionamento

Impianti di climatizzazione a tutt aria: generalità e dimensionamento Laboatoo d Sntes Fnale Modulo d Tecnca del Contollo Ambentale Impant d clmatzzazone a tutt aa: genealtà e dmensonamento Pof. Flppo de Ross 1/25 Laboatoo d Sntes Fnale Modulo d Tecnca del Contollo Ambentale

Dettagli

Potenza in alternata

Potenza in alternata otenza in altenata sin t 0 ( ) ω +φ i [ ( )] sin ω t + φ ( ω + φ) 0 0 sin t E significativo consideae la potenza media dissipata sulla esistenza andando a calcolae l integale su un peiodo 1 T T 0 sin sin

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Dettagli

Matematica con elementi di statistica ESERCIZI: probabilità

Matematica con elementi di statistica ESERCIZI: probabilità Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.

Dettagli

Modelli di Durata : Introduzione

Modelli di Durata : Introduzione Modell d Duaa : Inoduzone a.a. 2009/2010 - Quao Peodo Pof. Flppo DOMMA Coso d Lauea Specalsca/Magsale n Economa Applcaa Facolà d Economa UnCal Rcham d Sasca Defnzone d vaable casuale I momen d una v.c.

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata

Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Approfondimento 7.5 - Altri tipi di coefficienti di correlazione

Approfondimento 7.5 - Altri tipi di coefficienti di correlazione Appofondimento 7.5 - Alti tipi di coefficienti di coelazione Il coefficiente di coelazione tetacoico e policoico Nel 900 Peason si pose anche il poblema di come misuae la coelazione fa caatteistiche non

Dettagli

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO ( Il Magnetsmo La forze magnetca La forza Gà a temp d Talete (VI secolo a.c.), nell Antca Greca, era noto un mnerale d ferro n grado d attrare

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6

Lo 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

Dettagli

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1)

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1) Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve () Una orza s dce conservatva se l lavoro da essa computo su un corpo che s muove tra due

Dettagli

1. Integrazione di funzioni razionali fratte

1. Integrazione di funzioni razionali fratte . Integazone d fnzon azonal fatte P S songa d vole calcolae n ntegale del to: d Q ove P e Q sono olno nell ndetenata d gado assegnato. Sonao ce: P a n n a n n a a Q b b b b oleent s etod d ntegazone I

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Definizione della tariffa per l accertamento di conformità degli strumenti di misura

Definizione della tariffa per l accertamento di conformità degli strumenti di misura alla delberazone d Guna n. 2 del 20.0.2009 Defnzone della arffa per l accerameno d conformà degl srumen d msura. Per l accerameno d conformà degl srumen d msura sono defne le seguen 8 class arffare: denfcavo

Dettagli

InfoCenter Product A PLM Application

InfoCenter Product A PLM Application genes d un fra o Gestone de crcolazone dell'nformazone sa crcoscrtta entro Pdetermnat ambt settoral. L'ntegrazone de sstem e de odpartment azendal rchede nuove modaltà operatve, nuove t competenze e nuov

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Il Campo Elettrico. = u. Asimmetria fra le cariche: origina un entità presente in tutti i punti dello spazio sperimenta la forza

Il Campo Elettrico. = u. Asimmetria fra le cariche: origina un entità presente in tutti i punti dello spazio sperimenta la forza ezone : l campo elettco ed l potenzale elettostatco Il Campo lettco F 4πε 4πε u u F esecta su una foza popozonale a: caca esploatce temne vettoale che dpende da e dalla poszone, detto campo elettco podotto

Dettagli

METODI BAYESIANI PER IL CONTROLLO STATISTICO DI QUALITA

METODI BAYESIANI PER IL CONTROLLO STATISTICO DI QUALITA Unverstà degl Stud d Bresca Poltecnco d Mlano Unverstà degl Stud d Pava Unverstà degl Stud d Lecce Dottorato d Rcerca n TECNOLOGIE E SISTEMI DI LAVORAZIONE XII CICLO METODI BAYESIANI PER IL CONTROLLO STATISTICO

Dettagli

Posta Elettronica Certificata progetto FNOMCeO

Posta Elettronica Certificata progetto FNOMCeO CONVENZI ONEFI RMATADALL ORDI NECONPOSTECOM A segu ode aconvenz ones pu a a a afede az onenaz ona edemed cch u ghedeg Odon o a ( FNOMCeO)ePos ecom,acu nos oo d ne haade o 31ma zosco so,edopo nume os n

Dettagli

GONIOMETRIA. MISURA DEGLI ANGOLI La misura di un angolo si può esprimere in diversi modi, a seconda dell unità di misura che si sceglie.

GONIOMETRIA. MISURA DEGLI ANGOLI La misura di un angolo si può esprimere in diversi modi, a seconda dell unità di misura che si sceglie. of. Luigi Cai Anno scolastico 4-5 GONIOMETRIA MISURA DEGLI ANGOLI La misua di un angolo si può espimee in divesi modi, a seconda dell unità di misua che si sceglie. Sistema sessagesimale Si assume come

Dettagli

Probabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

ESERCIZI SULLA PROBABILITA

ESERCIZI SULLA PROBABILITA PROBABILITA CLASSICA ESERCIZI SULLA PROBABILITA 1) Si estrae una carta da un mazzo di 40 carte ; calcolare la probabilità che la carta sia: a. una figura; b. una carta di danari; c. un asso. 2) Un urna

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Il lavoro è quindi una grandezza scalare le cui unita di misura sono: = Joule = J

Il lavoro è quindi una grandezza scalare le cui unita di misura sono: = Joule = J Ve. el 9/0/09 Lvoo e Eneg Denzone lvoo pe un oz cotnte Se un oz cotnte gce u un copo che eettu uno potmento ce che l oz compe un lvoo ento come: co ( co ) ove è l componente ell oz pllel llo potmento.

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Il traffico è un gioco?

Il traffico è un gioco? Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo

Dettagli

CHE COS E LA COMPLESSITA

CHE COS E LA COMPLESSITA CHE COS E LA COMPLESSITA E un termne d moda, ambguo perché rcco d sgnfcat nterdscplnar, a volte mpropramente usato sa n campo scentfco, che nel lnguaggo colloquale, gornalstco e d costume Inter centr d

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Guida al calcolo della ripetibilità di un metodo di prova ed alla sua verifica nel tempo

Guida al calcolo della ripetibilità di un metodo di prova ed alla sua verifica nel tempo Guida al calcolo della ipetibilità di un metodo di pova ed alla ua veifica nel tempo N. Bottazzini e L. Cavalli UNICHIM (Milano) Seminaio SINAL, ettembe 007 Definizioni (UNI ISO 575-) Peciione gado di

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino) Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le

Dettagli

Trasformatore monofase

Trasformatore monofase Trasformatore ideale l trasformatore ideale è un sistema lineare e non dissipativo potesi: P 0 ρ cu 0 (P cu 0) μ η u i u i l 0 μ S Tutto il flusso viene incanalato nel nucleo che si comporta come un unico

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Elementi di Chimica. Lezione 02

Elementi di Chimica. Lezione 02 Element d Chmca Lezone 02 La tavola perodca degl element I 92 element chmc esstent n natura, pur essendo dvers gl un dagl altr, presentano a volte propretà chmche sml. Gà nella prma metà del I secolo molt

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Insiemistica. che si leggono, rispettivamente: l elemento a appartiene all insieme A e l elemento b non appartiene all insieme A.

Insiemistica. che si leggono, rispettivamente: l elemento a appartiene all insieme A e l elemento b non appartiene all insieme A. Insiemistica Se consideiamo un ceto numeo di pesone, cose, animali, piante, mineali, ecc., noi possiamo attibuie loo alcune caatteistiche, che definiamo con il temine di popietà. Le singole entità che

Dettagli

La simulazione con DERIVE Marcello Pedone LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE

La simulazione con DERIVE Marcello Pedone  LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE Premessa Abbiamo già visto la simulazione del lancio di dadi con excel Vedi: http:///statistica/prob_simu/index.htm Ci proponiamo di ottenere risultati analoghi

Dettagli

Le forze conservative e l energia potenziale.

Le forze conservative e l energia potenziale. Ver.0 del /0/08 Le orze conservatve e l energa potenzale. Le orze conservatve La denzone generale d lavoro d (r ) ra un punto nzale ed un punto nale W d sembrerebbe mplcare che n generale l lavoro debba

Dettagli

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max

Code a priorità (Heap) Definizione Heapify (mantenimento coda a priorità) Costruire un Heap Insert, Maximum e Extract-Max Code a prortà (Heap) Defnzone Heapfy (mantenmento coda a prortà) Costrure un Heap Insert, Maxmum e Extract-Max Coda a prortà (Heap) Una coda a prortà può essere rappresentato da un albero bnaro completo.

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

La PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.

La 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

Dettagli