Ovvero: ci si può fidare dell esperienza per stimare probabilità?
|
|
- Flavio Spinelli
- 7 anni fa
- Visualizzazioni
Transcript
1 PRROBABILITÀ SCHEDA N. 4 LA LEGGE EMPIRICA DEL CASO, LA LEGGE DEI GRANDI NUMERI E IL TEOREMA CENTRALE DEL LIMITE Ovvero: ci si può fidare dell esperieza per stimare probabilità? La legge empirica del caso Suppoi di essere ivitato a giocare a testa o croce co ua moeta da ua persoa. Suppoiamo che tu scelga di putare su testa ; se esce testa l altro giocatore ti paga ua somma ; se esce croce tu gli paghi ua somma s. s1 Quado il gioco è equo? Quado il valore atteso della vicita (o della perdita) è ullo. Se la moeta è equilibrata il valore atteso della vicita è: 1 1 s s 1 Il gioco è equo se 1 1 s1 s = 0, ossia se s1 = s. I geerale, se idichiamo co p la probabilità che esca testa, la variabile aleatoria che idica quato si itasca, ha la distribuzioe idicata ella seguete tabella: somma itascata probabilità esce testa s 1 p esce croce - s 1-p Quidi il suo valore atteso è: sp s (1 p) 1 Se la persoa che ti ha ivitato a giocare propoe di pagarti 3s el caso i cui esca testa e che tu paghi 5 s el caso i cui esca croce, allora, affiché il gioco sia equo, la probabilità di otteere testa o può essere uguale a quella di otteere croce. Quato dovrebbe essere? Semplice, basta impostare l equazioe 3sp 5 s(1 p) = 0 Eseguedo i calcoli si ottiee: 8ps 5s = 0 5 da cui: p = 8 I questo caso, affiché il gioco sia equo, la probabilità dell eveto esce testa dovrebbe essere 5 8, metre la probabilità dell eveto esce croce dovrebbe essere 3 8. Per decidere se accettare o o accettare l ivito a giocare bisogerebbe avere ua buoa valutazioe della probabilità di uscita di testa e accettare di giocare se tale valutazioe è 5 (i tal caso il gioco sarebbe equo) oppure maggiore (i tal caso il gioco sarebbe 8 vataggioso per te). Nella scheda successiva vedremo co più precisioe che cosa vuol dire dare ua valutazioe, ovvero stimare ua probabilità.
2 L abbiamo fatta tato luga, ma se l ivito ti fosse realmete stato proposto e se avessi avuto voglia di giocare, probabilmete avresti chiesto la possibilità di provare la moeta, ossia di effettuare qualche lacio. Laciarla u cogruo umero di volte e teere coto della frequeza degli esiti è u buo modo di valutare la probabilità di otteere testa. Lo sappiamo dall esperieza; ce lo suggeriscoo cosiderazioi sesate e ituitive. I sostaza costatiamo, o semplicemete ci fidiamo del fatto che, ripetedo più volte u esperimeto, elle stesse codizioi, la frequeza relativa di u eveto che riguarda quell esperimeto è ua sesata valutazioe della probabilità dell eveto stesso. La valutazioe è tato più affidabile quato maggiore è il umero di prove e tede alla probabilità per il umero di prove che tede all ifiito (purché tali prove siao fra loro idipedeti). A questa "legge", la cui validità è rilevabile sperimetalmete, si è attribuito il ome di "legge empirica del caso". Nel lacio di ua moeta a due facce o truccata, la frequeza relativa, all aumetare del umero di laci tede a 0,5 (ricorda che o è assolutamete detto che il umero t delle teste teda a essere uguale al umero c delle croci! Perché? È la frequeza relativa dell eveto esce testa che tede a essere uguale alla frequeza relativa dell eveto esce croce ). La legge dei gradi umeri Si legge i alcui testi che la "legge empirica del caso" è ache ota col ome di "legge dei gradi umeri". Questa affermazioe o è corretta, perché, i realtà, si tratta di due euciati cocettualmete molto diversi. Ifatti, la "legge dei gradi umeri", detta ache "Teorema di Beroulli", è, apputo, u teorema (e come tale, è ua proposizioe dimostrabile i ua teoria). La legge empirica del caso è ivece u affermazioe che sitetizza ua regolarità osservabile sperimetalmete. Per compredere la legge dei gradi umeri occorroo ozioi avazate della teoria delle probabilità. Tra l altro soo ote e usate formulazioi differeti della legge dei gradi umeri, che si collocao a diversi gradi di geeralità. Noi e presetiamo ua e lasciamo a evetuali studi futuri il compito di approfodire la trattazioe. Cosideriamo ua successioe di variabili casuali X 1, X,..., X idipedeti e ideticamete distribuite co media μ. Cosideriamo ora la variabile casuale X che si ottiee facedo X1 + X X la media delle variabili date : X =. Dalle proprietà della media e della variaza si ha che X ha valore atteso μ e variaza σ /. Ifatti, co calcoli aaloghi a quato abbiamo già visto per la variabile aleatoria biomiale, si ha: E ( X ) = E Xi E ( Xi) = = μ = μ = μ i = 1 i = 1 i = σ Var ( X) = Var Xi Var X Var i ( Xi) = i 1 = = σ = σ = = i = 1 i = 1 i = 1 std ( X ) = σ
3 Possiamo stadardizzare la variabile aleatoria atteso 0 e variaza 1. Osserviamo che X e otteere la variabile X + + X μ = 1 Y σ Y X μ σ / = co valore Per capire di che cosa stiamo parlado, prima di euciare la legge dei gradi umeri, facciamo due esempi. Esempio 1. Cosideriamo l esperimeto del lacio di dadi idetici a sei facce. La fuzioe che associa, a ogi faccia dell i-esimo dado (1 i ) u umero dell isieme {1,,3,4,5,6} è ua variabile casuale che chiamiamo X i (1 i ) e idica il puteggio otteuto el lacio. Ioltre cosideriamo la variabile casuale S che corrispode alla somma dei puteggi otteuti egli laci e che, quidi, assume valori ell isieme umeri aturali compresi tra S e 6. La variabile X è e idica la media dei puteggi otteuti egli laci. Esempio. Suppoiamo di cosiderare, sempre el lacio di u dado, l eveto esce la faccia cotrassegata co 6. I sei possibili esiti a ogi lacio del dado soo descritti da ua variabile casuale X che assume valore 1 se si verifica l eveto esce la faccia cotrassegata co 6 e assume il valore 0 altrimeti. La variabile X ha quidi distribuzioe di Beroulli. Se eseguo laci ho variabili casuali idipedeti e ideticamete distribuite (assumoo sempre il valore 0 o 1 a secoda che o si verifichi o si verifichi l eveto esce il 6 ), X 1, X,..., X co stessa media (visto che soo variabili uguali!). I tal caso X1 + X X X = idica la frequeza relativa dell eveto esce la faccia cotrassegata co 6. La legge dei gradi umeri dice che: Se la umerosità delle prove tede all ifiito la probabilità che X assuma valori al di fuori dell itervallo ( μ - δ, μ + δ) tede a 0, qualuque sia la semiampiezza δ dell itervallo. I formula ( ) lim P X μ > δ = 0. + Il che equivale a dire che se tede a ifiito la probabilità che la media campioaria coverga alla media comue delle X i è uguale a 1, ossia che per ogi δ >0, lim P( X μ < δ) = 1 + _ Iterpretiamo la legge dei gradi umeri el caso del primo esempio. All aumetare del umero dei dadi, cresce la probabilità che la media dei puteggi otteuti laciado gli dadi, sia ua buoa valutazioe del valore atteso μ di ciascua variabile X i (ota che, se i dadi o soo truccati, si ha μ = 3,5). La legge dei gradi umeri specifica che se il umero di dadi cosiderati tede a ifiito, allora è uguale a 1 la probabilità che lo scarto assoluto tra la variabile aleatoria media campioaria e il valore atteso μ sia miore di u qualuque umero reale δ, piccolo a piacere (il che equivale a
4 dire che, per che tede a ifiito, è uguale a 1 la probabilità che la media campioaria sia uguale al valore atteso μ ). Iterpretiamo la legge dei gradi umeri el caso del secodo esempio. I questo caso abbiamo u eveto ( esce il sei el lacio di u dado) che immagiiamo abbia probabilità scoosciuta p (scoosciuta perché il dado potrebbe essere truccato, o semplicemete difettoso: o possiamo saperlo i aticipo). Eseguedo laci cosecutivi otteiamo ua valutazioe della probabilità di fare sei co quel dado, data da X1 + X X X = dove le X i della somma soo le variabili casuali che descrivoo l'esito dei laci e valgoo 1 se i quel lacio è uscito il sei, metre valgoo 0 se è uscito u altro umero. La legge dei gradi umeri afferma che, tate più prove usiamo per calcolare la valutazioe, tato più questa sarà vicia, probabilmete, alla probabilità reale dell'eveto p. Se la valutazioe che calcoleremo sarà molto vicia a 1/6, che è la probabilità teorica che esca il sei per u dado perfettamete equilibrato, potremo essere ragioevolmete certi che il dado i questioe o è polarizzato per il sei (per essere ragioevolmete sicuri che il dado o sia truccato i essu modo dovremmo ripetere il test ache per gli altri cique umeri). Che cosa sigifichi ragioevolmete sicuri dipede da quato vogliamo essere precisi el ostro test: co dieci prove avremmo ua valutazioe grossolaa, co ceto e otterremmo ua molto più precisa, co mille acora di più e così via: il valore di che siamo disposti ad accettare come sufficiete sarà oggetto di future trattazioi. Attezioe, però: laciado u dado vero molte volte, questo può deformarsi e o mateere costate la probabilità di uscita di ua faccia. Questo è successo realmete quado u matematico ha voluto effettivamete verificare quello che succedeva co u umero molto alto di laci!!! Come è possibile otare, la legge dei gradi umeri ha u euciato più complesso e meo vago di quello della legge empirica del caso; soprattutto, è u teorema, ossia può essere dimostrato i ua teoria (quella del calcolo delle probabilità). La sua portata cooscitiva è quidi molto maggiore di quella della legge empirica del caso e ci si può aspettare che coduca a sviluppi più sigificativi rispetto alle applicazioi cosetite dalla legge empirica del caso. Il fatto di accotetarsi della legge empirica del caso o, ivece, di apprezzare la prospettiva che dà la legge dei gradi umeri è u iteressate idice della ostra miore o maggiore propesioe a ua visioe matematica della realtà. Matematizzare vuol dire descrivere feomei e situazioi utilizzado u liguaggio particolare, fatto di simboli e formule, che hao sicuramete qualche referete cocreto, ma che spesso cosetoo di vedere il cocreto co uovi occhi, da diverse prospettive e che per questo, spesso, offroo iterpretazioi iattese e aproo uove strade alla coosceza. Si pesi, per esempio, al liguaggio delle variabili casuali.
5 I fodo quado eseguiamo 3 laci di ua moeta o truccata, potremmo accotetarci di cosiderare solamete gli esiti, ossia ua lista di tre umeri corrispodeti agli esiti. Ivece, i matematici pesao, a ogi lacio, a ua variabile casuale, ossia a ua fuzioe che associa, per esempio, all uscita di testa il umero 1 e all uscita di croce il umero 0; pesao a quella lista di 3 umeri come a ua realizzazioe fra le 3 possibili realizzazioi, ossia come a u elemeto del prodotto cartesiao {0,1}x{0,1}x{0,1} (qui a fiaco visualizzato). Tutto ciò sigifica solo redere iutilmete complicate cose semplici? Vuol dire igegarsi a oscurare i sigificati? Oppure vuol dire offrire uovi occhi per osservare i feomei, per poteziare la ostra capacità di osservare gli oggetti di studio? La risposta può costituire u idice sigificativo per valutare la ostra evetuale viciaza o lotaaza dalla matematica e dal modo co cui, attraverso essa, possiamo vedere i feomei. Il teorema cetrale del limite o il teorema del limite cetrale Co questo ome vegoo presetati diversi euciati che riguardao la covergeza di somme di variabili aleatorie idipedeti alla distribuzioe ormale. Metre la legge dei gradi umeri precisa che la media campioaria dà iformazioi su come valutare la media di ua popolazioe, il teorema del limite cetrale dà iformazioi sulla forma della distribuzioe di somme di variabili aleatorie idipedeti. Questo teorema fu euciato per la prima volta da Laplace el 181, ma solo itoro agli ai treta del Noveceto fu defiitivamete sistemato da Berstei e poi da Feller. Il teorema, elle diverse formulazioi e geeralizzazioi ha u ruolo importate, sia dal puto di vista teorico, sia, acora di più, elle applicazioi. Molti dei pricipali metodi utilizzati ell ifereza statistica si basao su questo teorema (che è detto cetrale proprio per tale motivo). Il teorema afferma che se si hao variabili aleatorie idipedeti X 1, X,..., X, co stessa media μ e stessa variaza σ, allora la successioe di variabili aleatorie X μ _ 1 Z =, co X = σ X i, tede ad avere ua distribuzioe ormale di media 0 e i = 1 variaza 1 ( tede sigifica che, all aumetare di, la distribuzioe di Z tede ad assomigliare sempre più a ua gaussiaa stadard). Ua formulazioe più precisa del teorema è la seguete. La fuzioe di distribuzioe cumulata di Z, calcolata i ogi puto t, cioè F () t, quado tede all ifiito, tede alla fuzioe di distribuzioe cumulata di Z calcolata i t, cioè FZ () t, co Z variabile aleatoria ormale stadardizzata. I formula: t, lim F ( t) = F ( t ) ( Z ) Z Z
6 Il teorema cetrale, come già detto, è u risultato teorico e cotiee, el suo euciato u limite per che tede a ifiito; ha però u risvolto operativo che si può sitetizzare i questo modo. Qualuque sia la distribuzioe di ua variabile aletoria X, la fuzioe di distribuzioe cumulata di X si può approssimare co quella di ua variabile aleatoria di distribuzioe ormale (co stessa media e variaza di X ) e tale approssimazioe è tato migliore quato più grade è. Vediamo due esempi allo scopo di chiarire quato è stato detto. Esempio 4. Cosideriamo i soliti dadi o truccati. I possibili esiti di ciascuo di essi soo modellizzati da ua variabile aleatoria X che assume valori sull isieme {1,,3,4,5,6} e che ha ua distribuzioe uiforme (P(1)=P()=P/3)=P(4)=P(5)=P(6) = 1/6), quidi be lotaa da quella ormale. Ritoriamo al sigificato del teorema del limite cetrale: esso assicura che la forma della distribuzioe di X, X, X 4,..., X tede ad assumere sempre più la forma di ua gaussiaa ma mao che si procede ei termii della successioe (ossia ma mao che aumeta ) basta che le variabili X i siao idipedeti, co stessa variaza e media, ache se ciascua di essa (come el caso dei laci di u dado) ha ua distribuzioe molto diversa dalla curva ormale. Ebbee, sappiamo che c è ua dimostrazioe di tale teorema, ma che o è per ulla semplice e al di fuori della portata di studeti di ua scuola secodaria. Possiamo però dare ua visualizzazioe del teorema i u cotesto i cui siamo i grado di fare direttamete i coti. Cosideriamo il lacio di 1,, 3, 4,, dadi, possiamo calcolare (co molta pazieza) la distribuzioe teorica delle variabili aleatorie X 1, X, X 3,..., X co X1 = X 1, X X + X, X3 = 1 X + X + X 3., = 1 1 X = Xi. i = 1 Osserviamo che la distribuzioe di X 1 è uiforme, la fuzioe di desità di probabilità è piatta ; la desità di probabilità della media di due uiformi idipedeti ha forma triagolare ;, all aumetare di, la media di variabili aleatorie uiformi assume sempre più ua forma a campaa, tipica della distribuzioe ormale. Riportiamo di seguito i grafici delle desità della somma di dei puteggi otteuti el lacio di dadi, per alcui valori di.
7 Esempio 5. Cosideriamo ua variabile aleatoria X co fuzioe di desità di probabilità e fuzioe di distribuzioe cumulata rappresetate ei grafici a fiaco, molto lotae dalla forma delle corrispodeti fuzioi di ua variabile aleatoria co distribuzioe ormale (i questo caso o vi soo emmeo simmetrie, come ivece si avevao el caso dell esempio precedete). La variabile aleatoria che abbiamo cosiderato si chiama variabile aleatoria espoeziale di parametro 1 e i matematici sao calcolare le formule delle fuzioi di desità di probabilità e di di distribuzioe cumulata per X. Si possoo quidi cofrotare tali fuzioi esatte co quelle di ua ormale co stessa media e stessa variaza. I grafici a liea cotiua si riferiscoo alla distribuzioe della variabile aleatoria espoeziale e quelli a liea tratteggiata alla distribuzioe ormale corrispodete. La tedeza alla ormalità di X, si ha già per valori di relativamete piccoli.
8 Il teorema cetrale giustifica i parte la popolarità del modello gaussiao ella descrizioe di molti feomei. U esempio tipico è quello legato agli errori di misura i fisica, dovuti a varie cause, fra cui l imprecisioe dello strumeto utilizzato e la possibilità che l idividuo commetta errori. L errore complessivo che si osserva è la somma di molte variabili casuali o direttamete (o difficilmete) cotrollabili. Se, però, gli errori soo casuali e idipedeti gli ui dagli altri, allora si può applicare ache i questo caso (ache el caso i cui, cioè le variabili casuali abbiao diversa distribuzioe) il teorema del limite cetrale e affermare che la somma campioaria ha ua distribuzioe gaussiaa, co tutte le possibili utilizzazioi delle coosceze che abbiamo relativamete a tale distribuzioe. Quello che si rileva è che, ache partedo da distribuzioi molto lotae dalla gaussiaa (come abbiamo visto egli esempi precedeti) e ache i codizioi meo restrittive di quelle da oi euciate el teorema del limite cetrale, la covergeza di Z alla ormale stadard è abbastaza rapida. I geere co > 30 si può essere abbastaza traquilli ell approssimare la distribuzioe di ua somma o ua media di variabili aleatorie co quella di ua variabile aleatoria gaussiaa. ESEMPIO 6: Si deve verificare il buo fuzioameto di ua macchia che produce tubi di acciaio. I codizioi di regolarità della produzioe il diametro è 30 mm e la deviazioe stadard è 4 mm.
9 Per verificare se la macchia o si sia sregolata si esamia u campioe di 100 pezzi e se la media dei diametri del lotto è maggiore di 31 mm si attua ua mautezioe straordiaria della macchia. È ragioevole questa scelta? Per rispodere dobbiamo sapere qual è la probabilità di otteere ua media dei diametri maggiore di 31 mm, el caso i cui la macchia fuzioi i modo regolare. Modelliamo la misura del diametro del tubo co ua variabile aleatoria X di valore atteso 30 e di deviazioe stadard 4 e cosideriamo la variabile aleatoria media campioaria X 100. Dobbiamo valutare se P ( X 100 > 31) è alta o bassa. Ache se o coosciamo la distribuzioe di X, essedo la umerosità campioaria alta, possiamo applicare il teorema del limite cetrale e quidi approssimare la distribuzioe di X 100 co quella di ua ormale di media 30 e deviazioe stadard 0.4. Abbiamo: std( X ) 4 E ( X 100 ) = E( X) =30 std( X 100 ) = =. 10 Possiamo quidi dire che: X P ( X 100 > 31) = P > P ( Z >.5) = co Z N ( 0,1) La probabilità di otteere u valore medio maggiore di 31 mm i codizioi di fuzioameto regolare è molto bassa e quidi si può supporre che la macchia bisogo di ua mautezioe straordiaria, i quato vi soo buoe ragioi per riteere che o stia più fuzioado regolarmete. ESEMPIO 7. Riprediamo l Esempio 1 della scheda 3., che riportiamo qui itegralmete per tua comodità: Il rapporto dei sessi ella specie umaa alla ascita è di 105 femmie su 100 maschi. Qual è la probabilità che i 6 ascite sigole almeo la metà dei eoati siao di sesso femmiile? Come varierebbe la probabilità se si cosiderassero 60 ascite sigole? Sarebbe maggiore o miore della precedete? Cocetriamoci sulla risposta all ultima domada. Idichiamo co S 60 il umero di eoati di sesso femmiile elle 60 prese i esame. Vogliamo calcolare la probabilità che su 60 ascite almeo la metà siao di sesso femmiile, quidi P(S 60 >30). Se utilizzassimo il fatto che S 60 è ua biomiale B(60, 0.51), dovremmo svolgere P(S 60 >30) = P(S 60 =31) + P(S 60 =3) + P(S 60 =60), Questo calcolo richiede o solo u addizioe di 30 addedi, ma, quel che è peggio, il calcolo del valore di ciascuo degli addedi è piuttosto complesso. Abbiamo però a disposizioe il Teorema del limite cetrale, il quale afferma che S 60 (che si può scrivere come somma di 60 variabili aleatorie idipedeti di media 0.51 e variaza 60*0.51*0.49 = 15) si può approssimare co ua ormale. Abbiamo quidi S60 60x x 0.51 P(S 60 >30)= P > P ( Z > 0.15) = = Facedo i calcoli direttamete avremmo otteuto 0.51.
10 Alcue riflessioi sul fidarsi dell esperieza Negli esempi 4 e 5 abbiamo utilizzato le coosceze sulle fuzioi di distribuzioe e di ripartizioe (teoriche) delle variabili casuali cosiderate per verificare l euciato (e ache la sua efficacia, vista la velocità di covergeza alla ormale) del teorema cetrale. I questo caso l esempio cocreto (i casi cosiderati egli esempi 4 e 5) ci è servito per compredere meglio, i u certo seso visualizzadolo, l euciato di u teorema. Naturalmete o abbiamo dimostrato u bel iete: la dimostrazioe del teorema cetrale del limite, come abbiamo già detto è al di fuori della portata di uo studete di scuola secodaria. I qualche modo, però, sappiamo che esiste e, quidi, possiamo cotare sulla correttezza e adeguatezza di questo risultato per applicarlo, seza remore, ella risoluzioe di problemi applicativi. Ma che cosa accade quado il risultato teorico è iaccessibile o per problemi di complessità di calcolo oppure perché o è proprio oto? I questo caso è possibile fidarsi della simulazioe per risolvere u problema, per esempio per risolvere il problema di stimare ua probabilità? Come vedi, la risposta sta, i fodo, ella fiducia che abbiamo ella legge empirica del caso, che o è u risultato della teoria: è irriducibile, ella forma i cui viee espressa, alla teoria e tutto sembra ritorare daccapo. I realtà, se sei riuscito a seguire quato abbiamo cercato di dirti i questa scheda, la legge dei gradi umeri e il teorema cetrale del limite (due risultati teorici) pogoo codizioi be precise ai limiti dell applicazioe della legge empirica del caso. Diciamo che cosetoo di essere più cosapevoli dei limiti e potezialità di tale legge. Riferimeti bibliografici: Rossi, C. (1999), La matematica dell icertezza, Zaichelli, Bologa Sitografia Wikipedia, e
Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliCONCETTI 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
DettagliStatistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni
Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliStrumenti 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
DettagliProva 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
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliEsercitazioni 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:
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
DettagliAnalisi 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?
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.
ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliElementi di Probabilità e Statistica
Elemeti di Probabilità e Statistica Maurizio Pratelli Ao Accademico 2013-14 Cotets 1 Nozioi fodametali 5 1.1 Prime defiizioi.......................... 5 1.2 Calcolo combiatorio....................... 9
Dettagli(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scienze dell Informazione
(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scieze dell Iformazioe NOTA Quado i problemi soo formulati el liguaggio ordiario, teere presete che la soluzioe
DettagliRicerca del saggio di capitalizzazione nel mercato immobiliare
AESTIMUM 59, Dicembre 2011: 171-180 Marco Simootti Dipartimeto di Igegeria civile, ambietale e aerospaziale Uiversità degli Studi di Palermo e-mail: m.simootti@ti.it Parole chiave: procedimeto di capitalizzazioe,
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliDistribuzioni di probabilità Unità 79
Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
DettagliCAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE
CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.
DettagliAnno 5 Successioni numeriche
Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai
DettagliSuccessioni. Grafico di una successione
Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario
DettagliEsercizi riguardanti limiti di successioni
Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse
DettagliSUCCESSIONI E SERIE NUMERICHE
SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
Dettagli5. Le serie numeriche
5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a
DettagliV Tutorato 6 Novembre 2014
1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe
DettagliStatistica descrittiva
Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa
DettagliPiano Lauree Scientifiche 2010-2011 Laboratorio di Autovalutazione per il miglioramento della preparazione per i corsi di laurea scientifici
Piao Lauree Scietifiche 2010-2011 Laboratorio di Autovalutazioe per il migliorameto della preparazioe per i corsi di laurea scietifici Caserta, 14 febbraio 2011 Prof.ssa Maria Cocozza Quate possibilità
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliSuccessioni. Capitolo 2. 2.1 Definizione
Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo
Dettagli19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
Dettagli1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6
SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti
DettagliCapitolo 27. Elementi di calcolo finanziario EEE 2015-2016
Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliEsercitazione 5 del corso di Statistica (parte 2)
Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza
DettagliSERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.
Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.
DettagliEDICOM si impegna con i propri Clienti a rispettare tre variabili fondamentali per garantire la qualità del servizio:
EDICOM, Service Level Agreemet Termii e Codizioi www.edicomgroup.com EDICOM si impega co i propri Clieti a rispettare tre variabili fodametali per garatire la qualità del servizio: DISPONIBILITÀ della
DettagliTest non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche
est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei
Dettagli1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -
ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si
DettagliPrincipi base di Ingegneria della Sicurezza
Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il
DettagliI appello - 29 Giugno 2007
Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
DettagliModelli multiperiodali discreti. Strategie di investimento
Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello
DettagliPARTE QUARTA Teoria algebrica dei numeri
Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)
DettagliAlcuni parametri statistici di base
Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di
DettagliStatistica 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 / 19 Iterdipedeza lieare fra variabili quatitative
Dettagli52. 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
Dettagliche sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.
I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo
Dettagli3.1 Il principio di inclusione-esclusione
Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati
DettagliSoluzione La media aritmetica dei due numeri positivi a e b è data da M
Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
DettagliSuccessioni ricorsive di numeri
Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..
DettagliCARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:
PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle
DettagliEQUAZIONI ALLE RICORRENZE
Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo
DettagliDispense di probabilità e statistica *
IFORMATICA E STATISTICA PER OTTICA E OPTOMETRIA Dispese di probabilità e statistica * Daiele Motaio Uiversità degli Studi del Saleto e-mail: daiele.motaio@le.if.it web: http://www.le.if.it/~motai/ Questa
Dettagli1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione
Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi
DettagliESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO
ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliTeorema 13. Se una sere converge assolutamente, allora converge:
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliSTIME E LORO AFFIDABILITA
TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da
DettagliLA DERIVATA DI UNA FUNZIONE
LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:
DettagliINVENTORY CONTROL. Ing. Lorenzo Tiacci
INVENTORY CONTRO Ig. orezo Tiacci Testo di riferimeto: Ivetory Maagemet ad Productio Plaig ad Cotrol - Third Ed. E.A. Silver, D.F. Pyke, R. Peterso Wiley, 998 Idice. POITICA (s, ) (order poit, order quatity)
DettagliSERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n
SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
DettagliFoglio di esercizi N. 1 - Soluzioni
Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >
DettagliSintassi dello studio di funzione
Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:
DettagliScelte 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
DettagliApprofondimenti di statistica e geostatistica
Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La
DettagliCapitolo 6 Teoremi limite classici
Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia
DettagliESERCIZI 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
DettagliAnalisi probabilistica di giochi
Scuola Iteruiversitaria Lombarda di Specializzazioe per l Isegameto Secodario Sezioe di Milao VII Ciclo Idirizzo Fisico-Iformatico-Matematico Classe di abilitazioe 47 Matematica Aalisi probabilistica di
DettagliUn problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.
Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo
DettagliRisposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere
Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati
DettagliEsempio. Le variabili casuali/3. X = x i è un evento. Si supponga che che le seguenti coppie di lettere siano equiprobabili
E u prodotto dell esperimeto Le variabili casuali/3 La variabile casuale è ua fuzioe che associa ad ogi eveto dell'uiverso degli eveti uo ed u solo umero reale. Esempio Si suppoga che che le segueti coppie
Dettagli5 ln n + ln. 4 ln n + ln. 6 ln n + ln
DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio
DettagliLimiti di successioni
Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete
DettagliCapitolo 2 Analisi delle Componenti Indipendenti
Cap. - Aalisi delle compoeti idipedeti. Itroduzioe Capitolo Aalisi delle Compoeti Idipedeti I questo capitolo viee formulato il problema della separazioe di sorgeti ei termii di Aalisi delle Compoeti Idipedeti
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche
DettagliIntroduzione all assicurazione. (Dispensa per il corso di Microeconomia)
Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:
Dettagli3.4 Tecniche per valutare uno stimatore
3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
Dettagli( ) n > n. Ora osserviamo che 2 1. ( ) è vera. ( ) una proposizione riguardante il numero intero n. Se avviene che:
ARITMETICA 1 U importate ramo della matematica è l aritmetica, o teoria dei umeri, qui itesi come umeri iteri. Ci si poe il problema di stabilire se certe relazioi possao essere soddisfatte da umeri iteri,
Dettagli