Eventi Condizionati. se E ed H sono entrambi veri se E è f a l s o e H è v e r o. indeterminato

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Eventi Condizionati. se E ed H sono entrambi veri se E è f a l s o e H è v e r o. indeterminato"

Transcript

1 Dati due eventi E ed H, con H 6= logico a tre valori E H = 8 < : Eventi Condizionati vero falso indeterminato, si definisce evento condizionato il seguente ente se E ed H sono entrambi veri se E è f a l s o e H è v e r o se H è falso. L evento E si chiama condizionando, mentre l evento H si chiama condizionante. Osserviamo che gli eventi (semplici) sono una sottoclasse degli eventi condizionati. Infatti, se H =, segue E H = E =E. Consideriamo un generico evento condizionato E H, si ha la seguente uguaglianza: E H =(E ^ ) H = E ^ (H _ H c ) H =[(E ^ H) _ (E ^ H c )] H =(E ^ H) H. La forma E ^ H H si dice forma ridotta dell evento condizionato E H. G. Sanfilippo - CdP pag. 116

2 Probabilità condizionate La probabilità di E H (secondo un certo individuo) misura il suo grado di fiducia nel verificarsi di E assumendo vero H. Per misurare tale grado di fiducia si può considerare una scommessa (condizionata), che è valida se H risulta vero ed è annullata se H risulta falso. Pertanto, se tale individuo valuta P (E H) =p, significa che egli è disposto a pagare ps per ricevere 8 < : S se si verifica EH 0 se si verifica E c H ps se si verifica H c. (26) Il guadagno aleatorio, associato con la valutazione P (E H) = p, èg = S HE + ps H c ps, cioè G = S HE ps H = S H ( E p), con possibili valori: 8 < : S(1 p), se si verifica E ^ H, ps, se si verifica E c ^ H, 0, se si verifica H c. G. Sanfilippo - CdP pag. 117

3 Se indichiamo con G H l insieme dei possibili valori del guadagno aleatorio G supposto H vero, si ha G H = {S(1 p), ps}. Ai fini della verifica della coerenza si devono considerare solo i valori che il guadagno può assumere se la scommessa è valida. (il valore nullo di G non va considerato perchè corrisponde al caso di scommessa annullata). La condizione di coerenza diventa quindi Cioè min G H max G H apple 0, 8S 6= 0. S 2 (1 p)( p) apple 0, 8S 6= 0. Anche per la probabilità p = P (E H) di un evento condizionato E H si ha p coerente () p 2 [0, 1]. Alcune proprietà. P (H H) =P ( H) =1, P (; H) =0, Se H E, allorap (E H) =P (EH H) =P (H H) =1. Osserviamo che l evento H H = H può essere soltanto vero o indeterminato. G. Sanfilippo - CdP pag. 118

4 Coerenza per Famiglie di eventi condizionati 8 In generale, data un assegnazione di probabilità P su una famiglia di eventi condizionati K, per ogni fissata sottofamiglia F = {E 1 H 1,...,E n H n } K, posto P (E i H i ) = p i, P = (p 1,...,p n ), nell ambito del criterio della scommessa alla coppia (F, P) viene associata la quantità aleatoria G = P n i=1 S i H i ( E i p i ), con S 1,...,S n numeri reali arbitrari. G si può interpretare come il guadagno aleatorio su una combinazione di scommesse sugli eventi condizionati E 1 H 1,...,E n H n,diimportis 1,...,S n. (si paga P n i=1 p is i,siriceve P n i=1 (S i H i E i + p i S i H c i )) Posto H = H 1 _ _H n, consideriamo l insieme G H dei valori del guadagno aleatorio quando almeno una delle scommesse è valida (il valore nullo di G corrispondente al caso H falso, in cui tutte le scommesse sono annullate, non va considerato ai fini della verifica della coerenza). Criterio della scommessa. Definizione. La nozione di coerenza è definita nel modo seguente: 8 Questo argomento non è stato trattato nel corso G. Sanfilippo - CdP pag. 119

5 Sia K una famiglia arbitraria di eventi condizionati e P : K! R una funzione a valori reali definita su K. L assegnazione di probabilità P su K è coerente se e solo se, per ogni intero n, per ogni F Ke per ogni scelta di S 1,...,S n, si ha: Min G H Max G H apple 0. Nota: la condizione precedente (pur essendo più espressiva) è equivalente alle seguenti due: (a) Min G H apple 0; (b) Max G H 0. Infatti, se esistessero dei valori S 1,...,S n tali che Min G H > 0, allora in corrispondenza dei valori S 1,..., S n si avrebbe Max G H < 0, eviceversa. Se P è coerente, P si dice una probabilità condizionata su K. G. Sanfilippo - CdP pag. 120

6 Teorema delle probabilità composte Teorema 3 (delle probabilità composte) Dati due eventi E ed H 6= ;, se la valutazione (P (EH),P(H),P(E H)) su {EH, H, E H} è coerente si ha P (EH) =P (E H)P (H). (27) Dimostrazione. Supponiamo che la terna (P (EH),P(H),P(E H)) sia una valutazione coerente su {EH, H, E H}. Consideriamo tre scommesse: su H, su E H e su EH. Se si valuta P (H) la probabilità di H, allora significa che, per ogni S 1 6=0, si è disposti a pagare P (H)S 1 per ricevere S1, se si verifica H 0, se si verifica H c. Inoltre, se si valuta P (E H) la probabilità di E H, si ha che, per ogni S 2 6=0, 8 < si è disposti a pagare P (E H)S 2 per ricevere : S 2, se si verifica EH 0, se si verifica E c H P (E H)S 2, se si verifica H c. Infine, se si valuta P (EH) la probabilità dell intersezione EH, allora significa che, per ogni S 3 6=0, si è disposti a pagare P (EH)S 3 per ricevere S3, se si verifica EH 0, se si verifica (EH) c. (28) G. Sanfilippo - CdP pag. 121

7 La Tabella 11 mostra il totale pagato e i valori delle vincite relative ad una generica combinazione delle tre scommesse con importi S 1,S 2,S 3. Si riceve Si Paga se EH v. se. E c H v se H c v. P (H)S 1 S 1 S 1 0 P (E H)S 2 S 2 0 P (E H)S 2 P (EH)S 3 S Tot. P (H)S 1 + P (E H)S 2 + P (EH)S 3 S 1 + S 2 + S 3 S 1 P (E H)S 2 Tabella 11: Generica scommessa sui tre eventi H, E H, EH. La condizione di coerenza sull assegnazione P (H),P(E H),P(H) richiede che, comunque si scelgano gli importi S 1,S 2,S 3 (non tutti nulli), non vi siano vincite o perdite certe. Consideriamo una particolare combinazione di scommesse con importi S 1 = P (E H),S 2 =1,S 3 = 1. La Tabella 12 mostra il totale pagato e i valori delle vincite relative a tale combinazione di scommesse. Osserviamo che stavolta la vincita non è più aleatoria, ma è un importo costante e pari a P (E H). Quindi anche il guadagno è costante, infatti si ha G = P (E H) [P (H)P (E H)+P (E H) P (EH)] = P (EH) P (H)P (E H). G. Sanfilippo - CdP pag. 122

8 Si riceve Si Paga se EH v. se. E c H v se H c v. P (H)P (E H) P (E H) P (E H) 0 P (E H) 1 0 P (E H) P (EH) Tot. P (H)P (E H) +P (E H) P (EH) P (E H) P (E H) P (E H) Tabella 12: Scommessa sui tre eventi H, E H, EH con importi S 1 = P (E H),S 2 = S 3 =1. Ricordiamo che la condizione di coerenza richiede che non esista una combinazione si scommesse in cui i valori del guadagno (in tal caso non si considera la restrizione perchè H 0 = ) siano tutti positivi o tutti negativi. Avendo trovato una combinazione di scommesse in cui il guadagno ha un unico valore, non potendo essere nè positivo nè negativo, segue che G =0,ovvero P (E H)P (H) =P (EH). G. Sanfilippo - CdP pag. 123

9 Dimostrazione un pò più intuitiva. Supponiamo che la terna (P (EH),P(H),P(E H)) sia una valutazione coerente su {EH, H, E H}. Se si valuta P (H) la probabilità di H, allora significa che, per ogni S 6= 0, si è disposti a pagare P (H)S per ricevere S, se si verifica H 0, se si verifica H c. In particolare scegliendo S = P (E H), converrà che si è disposti a pagare P (H)P (E H) per ricevere P (E H), se si verifica H 0, se si verifica H c. Inoltre, se si valuta P (E H) la probabilità di E H, in particolare si ha che 8 < si è disposti a pagare P (E H) 1 per ricevere : 1, se si verifica EH 0, se si verifica E c H P (E H), se si verifica H c. Vedendo le due scommesse una successiva all altra, cioè prima si scommette su H, e G. Sanfilippo - CdP pag. 124

10 poi supposto vero H, si scommette su E H, siavràche si paga P (H)P (E H) 8 >< >: 8 >< se H, si paga P (E H), per ricevere >: se H c, ci si ferma e si riceve 0, 1, se EH 0, se E c H P (E H), se H c ( non possibile) In breve si paga P (H)P (E H)per ricevere 1, se EH 0, se E c H _ H c =(EH) c. (29) D altro canto se si valuta P (EH) la probabilità di EH, implica che si è disposti ad accettare una scommessa in cui (vista dal lato del banco, cioè con un importo S = 1) si riceve P (EH) per pagare 1, se si verifica EH 0, se si verifica (EH) c. (30) Poichè se si accettano le scommesse (31) e (32), si riceve sempre un importo pari a 0, allora, per il principio di coerenza, la cifra che si è disposti a pagare in (31) dovrà coincidere con quella che si è disposti a ricevere in (32), cioè, la coerenza richiede P (E H)P (H) =P (EH). G. Sanfilippo - CdP pag. 125

11 Corollario 1 Se P (H) > 0, si ottiene P (E H) = P (EH) P (H). (31) (tale risultato è adottato da molti autori come definizione della probabilità di E condizionata ad H). Nell impostazione classica il teorema delle probabilità composte si ottiene con il seguente ragionamento. Siano m i casi possibili, r H i casi favorevoli ad H ed r EH i casi favorevoli ad EH. Ovviamente, tra i casi favorevoli ad H, quelli favorevoli ad E sono ancora r EH. Allora, assumendo r H > 0, siha P (H) = r H m, P(EH) =r EH m, P(E H) =r EH r H, pertanto P (E H) = r EH r H = r EH m r Hm = P (EH) P (H). Corollario 2 Se H = allora si ha EH = E P (E) =P (E )P ( ) = P (E ). (32) G. Sanfilippo - CdP pag. 126

12 Esempio. Estrazioni del lotto. Sia X =1 o numero estratto, E =(X apple 45) e H =(X>30). Calcolare P (E H). G. Sanfilippo - CdP pag. 127

13 Generalizzazione del teorema delle probabilità composte. Siano E 1,E 2,...,E n n eventi arbitrari e vediamo come si può esprimere P (E 1 E 2 E n ).Iterandolaformularelativaalcasodi2eventi,siha: P (E 1 E 2 E n )=P[(E 1 E 2 E n 1 ) ^ E n ] = P (E n E 1 E 2 E n 1 )P (E 1 E 2 E n 1 )= = = = P (E 1 )P (E 2 E 1 ) P(E n E 1 E 2 E n 1 ). (33) Formule analoghe alla precedente si ottengono permutando in tutti i modi possibili l ordine degli E i. Ad esempio, per n =3si ha P (E 1 E 2 E 3 ) = P (E 1 )P (E 2 E 1 )P (E 3 E 1 E 2 )= dove (i 1,i 2,i 3 ) è una permutazione di (1, 2, 3). = P (E i1 )P (E i2 E i1 )P (E i3 E i1 E i2 ), G. Sanfilippo - CdP pag. 128

14 Esempio 33 (Gioco della roulette russa) In una pistola a 6 colpi viene inserito un solo proiettile e il tamburo viene fatto girare vorticosamente. Quindi 6 prigionieri sono costretti a sottomettersi alla prova della roulette russa. Considerati gli eventi E i = il proiettile esplode all i-mo colpo, i =1,...,6, verificare che tali eventi hanno tutti probabilità 1 6, cioè che i 6 prigionieri hanno la stessa probabilità di morire. Ovviamente, si ha P (E 1 )= 1 6. Inoltre P (E 2 E c 1 )=1 5, P(E 3 E c 1 Ec 2 )=1 4,, P(E 6 E c 1 Ec 5 )=1. Applicando la (35) si ha P (E 2 E c 1 )=P (Ec 1 )P (E 2 E c 1 )= = 1 6 Osservando che E 2 E 1 = ; (vi è un solo proiettile), si ha E 2 = E 2 ^ = E 2 ^ (E 1 _ E1 c ) = E 2 E 1 _ E 2 E1 c = E 2E1 c. Quindi in tal caso P (E 2 )=P (E 2 E c 1 )+P (E 2E 1 )=P (E 2 E c 1 )+0= 1 6. Inoltre, si ha E 3 = E c 1 Ec 2 E 3,, E 6 = E c 1 Ec 5 E 6, G. Sanfilippo - CdP pag. 129

15 Quindi P (E 3 )=P(E 3 E2 c Ec 1 )=P(Ec 1 )P (Ec 2 Ec 1 )P (E 3 E1 c Ec 2 )= = 1 6 ;... P (E 6 )=P(E 6 E5 c Ec 1 )=P(Ec 1 )P (Ec 2 Ec 1 )P (Ec 3 Ec 1 Ec 2 ) P(E5 c Ec 1 Ec 4 )P (E 6 E1 c Ec 5 )= = =1 6. G. Sanfilippo - CdP pag. 130

1 se si verifica E 0 se non si verifica E. S se si verifica E 0 altrimenti.

1 se si verifica E 0 se non si verifica E. S se si verifica E 0 altrimenti. Probabilità Soggettiva Definizione 3 Dato un evento E, la probabilità P (E) =p dell evento E, secondo un dato individuo in un certo stato di informazione, è la misura numerica (coerente) del suo grado

Dettagli

3+2 =0.6) e B vincente a 1 contro 4 ( 1

3+2 =0.6) e B vincente a 1 contro 4 ( 1 Esempio 23 (Sul teorema delle probabilità totali) 6 Consideriamo una gara in cui ci sono tra i vari concorrenti due italiani e precisamente i concorrenti A e B e indichiamo i seguenti eventi E A = vince

Dettagli

Probabilità Soggettiva

Probabilità Soggettiva Probabilità Soggettiva Definizione 3 Dato un evento E, la probabilità P (E) =p dell evento E, secondo un dato individuo in un certo stato di informazione, è la misura numerica (coerente) del suo grado

Dettagli

Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15

Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile pag. 15 Figura 7: Ruota della Fortuna. Quanti sono i casi possibili? G. Sanfilippo - CdP - STAD - Lezione 2 del 12 Aprile 2012- pag. 15 Casi Possibili B= La lancetta indica il Blu V= La lancetta indica il Verde

Dettagli

Probabilità e Vincite (Perdite) medie al Lotto

Probabilità e Vincite (Perdite) medie al Lotto Probabilità e Vincite (Perdite medie al Lotto Giuseppe Sanfilippo Lotto Le giocate Ambo, Terna, Quaterna e Cinquina, sono da intendersi secche. Si ha Num. di palline presenti nell urna N = 90 Num. di estrazioni

Dettagli

Estrazioni senza restituzione da un urna di composizione incognita. P(E i)=

Estrazioni senza restituzione da un urna di composizione incognita. P(E i)= Estrazioni senza restituzione da un urna di composizione incognita. Consideriamo n estrazioni senza restituzione da un urna contenente N palline, di cui r sono bianche, con r incognito. Introdotta la partizione

Dettagli

Probabilità condizionate

Probabilità condizionate Probabilità condizionate Dati due eventi E ed H, con H φ, si definisce evento condizionato il seguente ente logico a tre valori E H = vero falso indeterminato se E ed H sono entrambi veri se E è falso

Dettagli

PROBABILITA E STATISTICA

PROBABILITA E STATISTICA PROBABILITA E STATISTICA La nozione di probabilità è stata concepita in modi diversi; GROSSOLANAMENTE le principali sono: Concezione classica: concetto di probabilità come uguale possibilità concezione

Dettagli

P (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) =

P (A) = P (B) = P (A ^ B) = P (A _ B) = P (A _ A c B)= P ([A _ B] ^ [A c _ B c ]) = Esercizio 7 2 Un esperimento consiste nel lanciare una moneta e nell estrarre una pallina da un urna contenente 4 palline numerate da 1 a 4. Consideriamo gli eventi: A = Esce Testa, B = Si estrae la pallina

Dettagli

CALCOLO DELLE PROBABILITA - 14 Gennaio 2015 CdL in STAD, SIGAD

CALCOLO DELLE PROBABILITA - 14 Gennaio 2015 CdL in STAD, SIGAD Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 4 Gennaio 5 CdL in STAD, SIGAD Motivare dettagliatamente le risposte su fogli

Dettagli

Calcolo della probabilità

Calcolo della probabilità Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.

Dettagli

SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA

SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;

Dettagli

MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE

MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI. Anna TORRE MATEMATICA PER LO STUDIO DELLE INTERAZIONI STRATEGICHE: TEORIA DEI GIOCHI Anna TORRE Dipartimento di Matematica, Università di Pavia, Via Ferrata 1, 27100, Pavia, Italy. E-mail: anna.torre@unipv.it 1 SOLUZIONI:

Dettagli

Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16

Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16 Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema

Dettagli

La probabilità composta

La probabilità composta La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il

Dettagli

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

Dettagli

Introduzione al Calcolo delle Probabilità

Introduzione al Calcolo delle Probabilità Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto

Dettagli

CALCOLO DELLE PROBABILITA - 17 Febbraio 2014 CdL in STAD, SIGAD,

CALCOLO DELLE PROBABILITA - 17 Febbraio 2014 CdL in STAD, SIGAD, Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 7 Febbraio 4 CdL in STAD, SIGAD, Motivare dettagliatamente le risposte su fogli

Dettagli

Binomio di Newton. Pertanto, il numero di sottoinsiemi di S, compreso il sottoinsieme vuoto ; elostessos, è dato da. = 2 n, r. (a + b) n = a r b n r,

Binomio di Newton. Pertanto, il numero di sottoinsiemi di S, compreso il sottoinsieme vuoto ; elostessos, è dato da. = 2 n, r. (a + b) n = a r b n r, Binomio di Newton Osserviamo che, volendo costruire un generico sottoinsieme I S, si deve eseguire una procedura di n passi, con alternative in ogni passo. Infatti, occorre decidere per ciascuno degli

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle

Dettagli

ESERCIZI DI PROBABILITA

ESERCIZI DI PROBABILITA ESERCIZI DI PROBABILITA Quest'opera è stata rilasciata sotto la licenza Creative Commons Attribuzione-Non commerciale-condividi allo stesso modo 2.5 Italia. Per leggere una copia della licenza visita il

Dettagli

Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n

Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n Elementi di Algebra e di Matematica Discreta Numeri interi, divisibilità, numerazione in base n Cristina Turrini UNIMI - 2016/2017 Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra e di Matematica

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 17 marzo 2015 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2015.html SOMMA ZERO Un gioco non cooperativo a due giocatori

Dettagli

Dimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo

Dimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti

Dettagli

Collegio di Merito Bernardo Clesio Università di Trento

Collegio di Merito Bernardo Clesio Università di Trento Collegio di Merito Bernardo Clesio Università di Trento 23 luglio 2012 Prova per i candidati per le facoltà scientifiche Esercizio 1. Descrivere tutti i polinomi p(x) con coefficienti reali tali che per

Dettagli

8. Completamento di uno spazio di misura.

8. Completamento di uno spazio di misura. 8. Completamento di uno spazio di misura. 8.1. Spazi di misura. Spazi di misura completi. Definizione 8.1.1. (Spazio misurabile). Si chiama spazio misurabile ogni coppia ordinata (Ω, A), dove Ω è un insieme

Dettagli

NOZIONI DI CALCOLO DELLE PROBABILITÀ

NOZIONI DI CALCOLO DELLE PROBABILITÀ NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni

Dettagli

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012

Dettagli

Le derivate parziali

Le derivate parziali Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire

Dettagli

11. Misure con segno.

11. Misure con segno. 11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante

Dettagli

3.1 La probabilità: eventi e variabili casuali

3.1 La probabilità: eventi e variabili casuali Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza

Dettagli

ax + by = c ( ) (x 0 + bh, y 0 ah)

ax + by = c ( ) (x 0 + bh, y 0 ah) SOLUZIONE PROBLEMA DI AGOSTO 2003 Il problema si colloca nell ambito dell analisi indeterminata. Premettiamo quindi il teorema principale per le equazioni di Diofanto lineari in due incognite e una serie

Dettagli

SCUOLA GALILEIANA DI STUDI SUPERIORI CLASSE DI SCIENZE NATURALI ESAME DI AMMISSIONE, PROVA DI MATEMATICA 13 SETTEMBRE 2011

SCUOLA GALILEIANA DI STUDI SUPERIORI CLASSE DI SCIENZE NATURALI ESAME DI AMMISSIONE, PROVA DI MATEMATICA 13 SETTEMBRE 2011 1 SCUOLA GALILEIANA DI STUDI SUPERIORI CLASSE DI SCIENZE NATURALI ESAME DI AMMISSIONE, PROVA DI MATEMATICA 13 SETTEMBRE 011 Problema 1. Sia Z l insieme dei numeri interi. a) Sia F 100 l insieme delle funzioni

Dettagli

3. Successioni di insiemi.

3. Successioni di insiemi. 3. Successioni di insiemi. Per evitare incongruenze supponiamo, in questo capitolo, che tutti gli insiemi considerati siano sottoinsiemi di un dato insieme S (l insieme ambiente ). Quando occorrerà considerare

Dettagli

MATEMATICA. a.a. 2014/15

MATEMATICA. a.a. 2014/15 MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando

Dettagli

LeLing12: Ancora sui determinanti.

LeLing12: Ancora sui determinanti. LeLing2: Ancora sui determinanti. Ārgomenti svolti: Sviluppi di Laplace. Prodotto vettoriale e generalizzazioni. Rango e determinante: i minori. Il polinomio caratteristico. Ēsercizi consigliati: Geoling

Dettagli

Lezione 1: Università Mediterranea di Reggio Calabria Decisions Lab. Insiemi. La Probabilità Probabilità e Teoria degli Insiemi

Lezione 1: Università Mediterranea di Reggio Calabria Decisions Lab. Insiemi. La Probabilità Probabilità e Teoria degli Insiemi Lezione 1: Probabilità e Teoria degli Università Mediterranea di Reggio Calabria Decisions Lab Gli insiemi Gli Un insieme S è una collezione di oggetti chiamati elementi dell insieme. - Se x è un elemento

Dettagli

c A (a c = b) Le ipotesi che abbiamo ci dicono che esistono h, k A tali che:

c A (a c = b) Le ipotesi che abbiamo ci dicono che esistono h, k A tali che: Definizione 1. Dato un insieme A, un operazione su A è una applicazione da A A a valori in A. Definizione 2. Se A è un insieme con una operazione, dati a, b A diciamo che a divide b (e scriviamo a b) se

Dettagli

LEZIONE 12. v = α 1 v α n v n =

LEZIONE 12. v = α 1 v α n v n = LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono

Dettagli

Sviluppi e derivate delle funzioni elementari

Sviluppi e derivate delle funzioni elementari Sviluppi e derivate delle funzioni elementari In queste pagine dimostriamo gli sviluppi del prim ordine e le formule di derivazioni delle principali funzioni elementari. Utilizzeremo le uguaglianze lim

Dettagli

Esercizi sui sistemi di equazioni lineari.

Esercizi sui sistemi di equazioni lineari. Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la

Dettagli

Capitolo IV. Probabilità condizionata

Capitolo IV. Probabilità condizionata Capitolo IV Probabilità condizionata IV.1 Stato di informazione In generale due o più individui possono giudicare diversamente, cioè attribuire un diverso grado di fiducia allo stesso evento. Tuttavia

Dettagli

NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE

NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile

Dettagli

Calcolo delle Probabilità Esercizi

Calcolo delle Probabilità Esercizi Calcolo delle Probabilità Esercizi A.A 00-006 Costituenti. Siano dati eventi A, B, C tali che A B = Φ, A B C, determinare i costituenti. C C C C C C C [ AB C, A BC, A B C, A B C ]. Siano dati eventi A,

Dettagli

IIASS International Institute for Advanced Scientific Studies. Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio

IIASS International Institute for Advanced Scientific Studies. Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio IIASS International Institute for Advanced Scientific Studies Eduardo R. Caianiello Dipartimento di Fisica E.R. Caianiello Università di Salerno Premio Eduardo R. Caianiello per gli studenti delle Scuole

Dettagli

Piccolo teorema di Fermat

Piccolo teorema di Fermat Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod p). Piccolo teorema di Fermat Proposizione Siano x, y Z, p N, p primo. Allora (x + y) p x p + y p (mod

Dettagli

STATISTICA 1 ESERCITAZIONE 8

STATISTICA 1 ESERCITAZIONE 8 STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:

Dettagli

Capitolo IV SPAZI VETTORIALI EUCLIDEI

Capitolo IV SPAZI VETTORIALI EUCLIDEI Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.

Dettagli

La probabilità matematica

La probabilità matematica 1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi

Dettagli

Geometria della programmazione lineare

Geometria della programmazione lineare Geometria della programmazione lineare poliedri punti estremi, vertici, soluzioni di base esistenza di punti estremi rif. Fi 3.1; BT 2.1, 2.2, 2.5 Iperpiani, semispazi Definizione Sia a un vettore non

Dettagli

Note sulle funzioni convesse/concave

Note sulle funzioni convesse/concave Note sulle funzioni convesse/concave 4th December 2008 1 Definizioni e proprietà delle funzioni convesse/concave. Definizione 1.1 Un insieme A IR n è detto convesso se per ogni x 1 e x 2 punti di A, il

Dettagli

FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti

FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne

Dettagli

( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,

( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2, 1 Elementi di Analisi Matematica e Ricerca Operativa prova del 6 luglio 2016 1) Discutere il seguente problema di Programmazione Lineare: Trovare il massimo di p x 1, x 2, x 3, x 4 # x 2 + 4 x 3 + x 4

Dettagli

Definizione frequentistica di probabilita :

Definizione frequentistica di probabilita : Esperimenti aleatori un esperimento e l osservazione del verificarsi di qualche accadimento ( A ) che, a partire da determinate condizioni iniziali, porti ad un particolare stato delle cose finali se si

Dettagli

QLaprobabilità dell'evento intersezione

QLaprobabilità dell'evento intersezione QLaprobabilità dell'evento intersezione Dati due eventi A e B consideriamo l'evento intersezione C'-A H B C. Prima di illustrare come si calcola la probabilità dell'evento intersezione, vediamo insieme

Dettagli

2. I numeri reali e le funzioni di variabile reale

2. I numeri reali e le funzioni di variabile reale . I numeri reali e le funzioni di variabile reale Introduzione Il metodo comunemente usato in Matematica consiste nel precisare senza ambiguità i presupposti, da non cambiare durante l elaborazione dei

Dettagli

1.1 Coordinate sulla retta e nel piano; rette nel piano

1.1 Coordinate sulla retta e nel piano; rette nel piano 1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione

Dettagli

OPERAZIONI CON GLI EVENTI

OPERAZIONI CON GLI EVENTI LA PROBABILITA GLI EVENTI Definiamo come evento il verificarsi di un avvenimento, situazione o fenomeno; in quest ottica potremmo intuitivamente definire la probabilità come l indice di verosimiglianza

Dettagli

ESERCIZI sui VETTORI

ESERCIZI sui VETTORI ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di

Dettagli

Teoria dei Giochi. Anna Torre

Teoria dei Giochi. Anna Torre Teoria dei Giochi Anna Torre Almo Collegio Borromeo 4 aprile 2017 email: anna.torre@unipv.it sito web del corso:www-dimat.unipv.it/atorre/borromeo2017.html Giochi ripetuti GIOCHI RIPETUTI: COLLUSIONE Sorgere

Dettagli

1 Estensioni in C, automorfismi, polinomi.

1 Estensioni in C, automorfismi, polinomi. Lezioni del 15,18,20,22 aprile, II. Registro dettagliato 1 Estensioni in C, automorfismi, polinomi. 1.1 Estensioni di sottocampi di C. Una coppia di campi, uno contenuto nell altro, si dice estensione

Dettagli

1) Hamming bound, coset, codici equivalenti

1) Hamming bound, coset, codici equivalenti Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle

Dettagli

Equazioni di 2 grado

Equazioni di 2 grado Equazioni di grado Antonino Leonardis Introduzione Solitamente per trovare la formula risolutiva delle equazioni di secondo grado si utilizza il completamento del quadrato Adesso vedremo un modo leggermente

Dettagli

Una prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti)

Una prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti) Una prima distinzione nell ambito della teoria dei giochi è quella tra: Giochi cooperativi (si possono fare accordi vincolanti) Giochi non cooperativi (non si possono fare accordi vincolanti) Ci occuperemo

Dettagli

Vettori. Capitolo Vettori applicati e vettori liberi

Vettori. Capitolo Vettori applicati e vettori liberi apitolo 3 Vettori 3.1 Vettori applicati e vettori liberi In questo numero introduciamo il concetto di vettore geometrico su una retta, nel piano e nello spazio che ci consentirà di sviluppare un linguaggio

Dettagli

Tutorato 1 (20/12/2012) - Soluzioni

Tutorato 1 (20/12/2012) - Soluzioni Tutorato 1 (20/12/2012) - Soluzioni Esercizio 1 (v.c. fantasia) Si trovi il valore del parametro θ per cui la tabella seguente definisce la funzione di probabilità di una v.c. unidimensionale X. X 0 1

Dettagli

ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011

ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 ALGEBRA I: SOLUZIONI QUINTA ESERCITAZIONE 9 maggio 2011 Esercizio 1. Usando l algoritmo euclideo delle divisioni successive, calcolare massimo comune divisore e identità di Bézout per le seguenti coppie

Dettagli

Analisi dei metodi per individuare le strategie miste nei giochi 2 x 2

Analisi dei metodi per individuare le strategie miste nei giochi 2 x 2 Analisi dei metodi per individuare le strategie miste nei giochi 2 x 2 L algoritmo numerico proposto, per risolvere i giochi 2x2 in caso di assenza di punto di sella, può essere ben schematizzato, relativamente

Dettagli

Sperimentazioni di Fisica I mod. A Statistica - Lezione 3

Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile

Dettagli

Calcolo delle Probabilità: esercitazione 2

Calcolo delle Probabilità: esercitazione 2 Argomento: eventi indipendenti ed incompatibili, probabilità dell evento unione e complementare, probabilità condizionata, principio della probabilità composta. Paragrafi 3.2, 3.3, 3.4 e 3.5 libro di testo.

Dettagli

1 Indipendenza lineare e scrittura unica

1 Indipendenza lineare e scrittura unica Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza

Dettagli

La definizione di Ultrafiltro e la regolarità per partizioni

La definizione di Ultrafiltro e la regolarità per partizioni La definizione di Ultrafiltro e la regolarità per partizioni Lorenzo Lami Definizione 1 (Filtro). Dato un insieme X, si dice filtro su X una collezione F di sottoinsiemi di X tali che: X F; / F; A F, B

Dettagli

k=0 a k k=0 a k, quando si voglia precisare qual è l indice iniziale: si possono infatti considerare anche serie del tipo k=1 a k, k=50 a k,

k=0 a k k=0 a k, quando si voglia precisare qual è l indice iniziale: si possono infatti considerare anche serie del tipo k=1 a k, k=50 a k, 2.2 Serie Le serie numeriche sono semplicemente successioni reali o complesse di tipo particolare, che però, per la loro importanza pratica e teorica, meritano una trattazione a parte. Data una successione

Dettagli

EQUAZIONI CARTESIANE DELLA CIRCONFERENZA

EQUAZIONI CARTESIANE DELLA CIRCONFERENZA EQUAZIONI CARTESIANE DELLA CIRCONFERENZA G. MEZZETTI Definizione. Siano dati un punto C e un numero r R, r 0; si dice circonferenza di centro C e raggio r l insieme di quei punti del piano la cui distanza

Dettagli

La circonferenza nel piano cartesiano

La circonferenza nel piano cartesiano 6 La circonferenza nel piano cartesiano onsideriamo la circonferenza in figura in cui il centro è ; e il raggio 5 r : se indichiamo con P ; un punto della circonferenza avremo, per definizione, che la

Dettagli

Massimo limite e minimo limite di una funzione

Massimo limite e minimo limite di una funzione Massimo limite e minimo limite di una funzione Sia f : A R una funzione, e sia p DA). Per ogni r > 0, l insieme ) E f p r) = { fx) x A I r p) \ {p} } è non vuoto; inoltre E f p r ) E f p r ) se 0 < r r.

Dettagli

COPPIE DI VARIABILI ALEATORIE

COPPIE DI VARIABILI ALEATORIE COPPIE DI VAIABILI ALEATOIE E DI NADO 1 Funzioni di ripartizione congiunte e marginali Definizione 11 Siano X, Y va definite su uno stesso spazio di probabilità (Ω, F, P La coppia (X, Y viene detta va

Dettagli

LEZIONI Dispense a cura del Docente.

LEZIONI Dispense a cura del Docente. LEZIONI 06-07-08 Contents 5. INTRODUZIONE ALLO STUDIO QUALITATIVO DELLE FUNZIONI. 5.. Operazioni elementari sui grafici di funzioni. 5.. Funzione composta. Monotonia della funzione composta. 5 5.. Grafico

Dettagli

UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE

UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE UNIVERSITÀ DEGLI STUDI LA SAPIENZA CORSO DI STUDI IN INFORMATICA ESERCITAZIONI AL CORSO DI LOGICA MATEMATICA LOGICA PROPOSIZIONALE TAVOLE DI VERITÀ, COLETEZZA VERO-FUNZIONALE Esercizio 1. Calcola le tavole

Dettagli

CALCOLO DELLE PROBABILITA

CALCOLO DELLE PROBABILITA CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto

Dettagli

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI

Pagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore

Dettagli

Corso di Statistica. Introduzione alla Probabilità. Prof.ssa T. Laureti a.a

Corso di Statistica. Introduzione alla Probabilità. Prof.ssa T. Laureti a.a Corso di Statistica Introduzione alla Probabilità Prof.ssa T. Laureti a.a. 2012-2013 1 Introduzione al concetto di probabilità nelle strategie aziendali L azienda che vende articoli di abbigliamento per

Dettagli

Geometria e Topologia I (U1-4) 2006-mag-10 61

Geometria e Topologia I (U1-4) 2006-mag-10 61 Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca

Dettagli

Il valore atteso di una v.a. (discreta)

Il valore atteso di una v.a. (discreta) di una v.a. (discreta) Introduciamo un nuovo concetto. DEFINIZIONE DI VALORE ATTESO DI UNA V.A. DISCRETA Sia X : Ω R una v.a. discreta avente come immagine in R l insieme V. di X è il numero reale E(X)

Dettagli

CALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.

CALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6. Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e

Dettagli

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x

misura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x 4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto

Dettagli

0.1 Spazi Euclidei in generale

0.1 Spazi Euclidei in generale 0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo

Dettagli

Analisi della varianza: I contrasti e il metodo di Bonferroni

Analisi della varianza: I contrasti e il metodo di Bonferroni Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle

Dettagli

Limite di successioni

Limite di successioni Limite di successioni Ricordiamo che: una successione è una funzione a : n N a (n) R si pone a n = a (n) e la successione stessa viene indicata con (a n ) n0 oppure a 0,a 1,a 2,a 3,... è ammesso che sia

Dettagli

incompatibili compatibili complementari eventi composti probabilità composta

incompatibili compatibili complementari eventi composti probabilità composta Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il

Dettagli

Rota Fortunae 1 Parte I

Rota Fortunae 1 Parte I Rota Fortunae 1 Parte I Giuseppe Sanfilippo a Carmen Zito b a Dipartimento di Matematica e Informatica, Università degli Studi di Palermo giuseppe.sanfilippo@unipa.it, b I.C. Boccadifalco Tomasi di Lampedusa,

Dettagli

Equazioni esponenziali e logaritmi

Equazioni esponenziali e logaritmi Copyright c 2008 Pasquale Terrecuso Tutti i diritti sono riservati. Equazioni esponenziali e logaritmi 2 equazioni esponenziali..................................................... 3 casi particolari............................................................

Dettagli

Somma diretta di sottospazi vettoriali

Somma diretta di sottospazi vettoriali Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso

Dettagli

È l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.

È l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo. A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di

Dettagli

Condizione di allineamento di tre punti

Condizione di allineamento di tre punti LA RETTA L equazione lineare in x e y L equazione: 0 con,,, e non contemporaneamente nulli, si dice equazione lineare nelle due variabili e. Ogni coppia ; tale che: 0 si dice soluzione dell equazione.

Dettagli

Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità

Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile

Dettagli

Topologia, continuità, limiti in R n

Topologia, continuità, limiti in R n Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in

Dettagli

Introduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007

Introduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007 Corso di Calcolo delle probabilità - SIGAD -A.A. 2007/2008 Registro provvisorio delle Lezioni tenute da: Giuseppe Sanfilippo Settimana Giorno Lezione Lez N. Argomento Effettuata =SI Introduzione generale.

Dettagli