Distribuzione Gaussiana o Normale. 1 Distribuzione Normale come limite della Binomiale
|
|
- Jacopo Porta
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica e analisi dei dati Data: 6 Maggio 26 Distribuzione Gaussiana o Normale Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi Distribuzione Normale come limite della Binomiale Data una distribuzione binomiale Bin(k n, p), se n e p allora la distribuzione diventa una distribuzione Poissoniana P oisson(k µ n p). Se invece n e p ha valore finito, la distribuzione si risolve mediante il teorema di DeMoivre-Laplace che é un caso particolare del teorema centrale. Teorema (De Moivre - Laplace). Sia Bin(k n, p) ( ) n k p k q n k una distribuzione binomiale con k np 2npq A cost. Allora: Bin(k n, p) e (k np) 2π npq 2 2npq (+O( n )). () Accenno di dimostrazione (dimostrato piú avanti) Il risultato si ottiene come caso particolare del Teorema Limite Centrale Il teorema () implica che se µ np e σ npq, usando la variabile continua x al posto di quella discreta k p(x X x 2 ) lim n x 2 2π npq e (x np)2 x x2 2npq x 2π σ 2 }{{} f(x) (x µ)2 e 2σ 2 La f(x) integrata é allora una funzione di densitá di probabilitá continua che definiamo come distribuzione normale Gaussiana N (x µ, σ) dx. (x µ)2 e 2σ 2, (2) 2π σ 2 dove i parametri µ, σ 2 sono rispettivamente la media e la varianza della distribuzione. La PDF della Normale é riportata in figura Per poter manipolare matematicamente la Gaussiana, é necessario saper risolvere l integrale di Gauss: I Per calcolarlo, si sviluppa I 2 : e x2 dx.
2 2 Distribuzione Gaussiana o Normale Figura : Distribuzione normale Gaussiana I 2 e x2 dx e y2 dy e x2 e y2 dxdy e (x2 +y 2) dxdy Si passa poi in coordinate polari (r, θ) dove x r cos θ y r sin θ corrisponde a θ. Figura 2: Coordinate polari Nella trasformazione, l elemento infinitesimo di area da deve conservarsi, ovvero: da dxdy J drdθ dove J é il determinante della matrice J detta matrice jacobiana. J [ x r y r x θ y θ ]. Gli elementi della matrice jacobiana sono le derivate prime parziali di x x(r, θ), y y(r, θ) rispetto alle nuove coordinate (r, θ). Ricordando la definzione di derivata parziale di una generica funzione f f(x, y)
3 Distribuzione Gaussiana o Normale 3 f x lim h f(x + h, y) f(x, y). h applicandola al nostro caso otteniamo f y lim h f(x, y + h) f(x, y). h x r cos θ. x θ r sin θ. y sin θ. r La matrice Jacobiana diventa: y r cos θ. θ [ ] cos θ r sin θ J. sin θ r cos θ Calcoliamo il determinante: J rcosθ sin θ ( r sin θ) sin θ r cos 2 θ + r sin 2 θ r(cos 2 θ + sin 2 θ) }{{} r Quindi: dxdy rdrdθ Ora possiamo completare il calcolo dell integrale di Gauss. Consideriamo il dominio di r e θ: r + e θ 2π:
4 4 Distribuzione Gaussiana o Normale I 2 2π 2π dθ }{{} π 2π π [e r2 ] + π ( ) π e (x2 +y 2) dxdy e r2 rdrdθ r e r2 dr 2r e r2 dr Infine: I e x2 dx π Analogamente (con sostituzione di variabili) si calcola il seguente integrale: e x2 2 dx 2π (3) 2 Normalizzazione e standardizzazione delle variabili Per dimostrare che la distribuzione N (x µ, σ) gode della proprietá di essere normalizzata, N(x µ, σ)dx, standardizzeremo le variabile aleatoria X. La standardizzazione é un procedimento che riconduce una variabile aleatoria X distribuita secondo una media µ e varianza σ 2, ad una variabile aleatoria Z con distribuzione standard, ossia di media zero e varianza pari a : Z X µ σ (4) Per la dimostrazione di normalizzazione é sufficiente standardizzare X come in (4) e usare l integrale di Gauss nella forma posta in Equazione (3):
5 Distribuzione Gaussiana o Normale 5 2π N(x µ, σ)dx e (x µ)2 2σ 2 dx 2πσ 2π σ e 2 z2 σdz 2π e 2 z2 }{{} Forma Normale Standard 2π 2π e 2 z2 dz dz La funzione di densitá di probabilitá che abbiamo ottenuto dopo aver standardizzato le variabili, cioé f(z) 2π e 2 z2 (5) é detta distribuzione normale standard o ridotta, ed é indicata come N (z µ, σ ) o semplicemente N (, ). Figura 3: Distribuzione Normale standardizzata dove σ Calcoliamo ora la speranza matematica usando la standardizzazione (4) da cui x σ z + µ dz dx e procedendo per sostituzione di variabile:
6 6 Distribuzione Gaussiana o Normale E[X] σ 2π µ 2π 2π µ x 2πσ 2 (σz + µ) (x µ)2 e 2σ 2 dx 2π σ e 2 z2 σdz z e 2 z2 dz } {{ } + µ 2π e 2 z2 dz }{{} 2π Procedendo analogamente per calcolare la varianza si ottiene var(x) σ 2, e ovviamente var(x) σ é la deviazione standard. Si noti che la PDF della normale é simmetrica e unimodale con il massimo centrato su µ (su x nel caso ridotto), dunque moda e mediana coincidono con la media µ. 3 Proprietá della CDF (Cumulative Density Function) della distribuzione normale Per definizione, la CDF e la funzione di sopravvivenza S(z) si possono formalmente scrivere: F Z (z) P Z (Z z) S Z (z) P Z (Z > z) z z f(t)dt f(t)dt z z 2π e 2 t2 dt, (6) 2π e 2 t2 dt F Z (z). (7) Ricordiamo che F Z (z) e S Z (z) calcolano la probabilitá corrispondente all area ombreggiata della densitá f(z) come rappresentato in Figura 4. Figura 4: A sinistra, P Z (Z z), a destra, P Z (Z z) Come abbiamo giá notato la f(z) é una funzione pari:
7 Distribuzione Gaussiana o Normale 7 f(z) f( z). (8) Usando la paritá é possibile ricavare le seguenti proprietá di cui gode la PDF normale: R Z (z) P Z (Z z) z f(t)dt z f( t)dt z f(t)dt F Z (z), (9) dove si é utilizzata la sostituzione t t dt dt e la paritá di f. Vale dunque la seguente: Inoltre possiamo ricavare le seguenti: F Z ( z) F Z (z). () W Z (z) P Z ( z Z +z) F Z (z) F Z ( z) F Z (z) + F Z (z) 2F Z (z). () 2R Z (z) P Z ( Z z) P Z (Z z) + P Z (Z z) F Z (z) + F Z (z) 2( F Z (z)). (2) Queste calcolano la probabilitá corrispondente all area ombreggiata della densitá f(z) come rappresentato in Figura 5. Figura 5: A sinistra, W Z (z) P Z ( z Z z), a destra, 2R Z (z) P Z ( Z z) S Z (z), R Z (z), F Z ( z), W Z (z), 2R Z (z) definiscono nella pratica le probabilitá di interesse per qualsiasi problema che riguardi la distribuzione normale. In buona sostanza tutte sono calcolabili facilmente a partire da F Z (z). Nella forma piú generale la CDF F Z (z) della normale ridotta viene spesso denotata F Z (z) Φ(z) e in generale: ( ) x µ F X (x) Φ σ (3) Abbiamo un ultimo rilevante problema: la Φ(z) come scritta in equazione (6) non é calcolabile analiticamente! Soluzioni possibili: se stiamo lavorando in simulazione software, usiamo qualche funzione basata su approssimazione numerica dell integrale
8 8 Distribuzione Gaussiana o Normale se stiamo lavorando carta e penna, utilizziamo le tabelle della forma normale standard. Un esempio semplificato di tabella della normale standard é mostrato in Figura 6 Se usiamo come entry point nella tabella i valori z, 2, 3 (x,nella tabella in Figura 6) e leggiamo i corrispondenti valori di W Z (z) P Z ( z Z +z), tenendo presente che per la normale standard σ e dunque z zσ, ne risulta che :. i valori di z compresi tra σ z σ corrispondono a 68, 3% della distribuzione; 2. i valori di z compresi tra 2σ z 2σ corrispondono a 95, 6% della distribuzione; 3. i valori di z compresi tra 3σ z 3σ corrispondono a 99, 7% della distribuzione. Questa proprietá della distribuzione normale viene detta Legge 3σ, che riprenderemo in seguito. Si noti che sarebbe bastato avere la colonna relativa a F Z (z), per ottenere W Z (z) 2F Z (z). Anzi, tipicamente le tabelle utilizzate di solito riportano solo il valore compreso tra Z e Z z essendo per simmetria della distribuzione P Z ( Z ).5. Nelle tabelle complete sulle righe (in prima colonna) si accede al valore di F Z (z) al primo decimale (F Z (z.), F Z (z.2) ecc.).; sulla stessa riga, nelle colonne successive si considerano con maggiore precisione i valori di z.,.2,.3, da comporre con il primo decimale per poter calcolare valori piṕrecisi, quali F Z (z.63), ecc. Un esempio é riportato in Figura 7, dove, ad esempio F Z (z.63) si ricava. accedendo per riga in z.6 2. posizionandosi sulla colonna indicizzata da z.3 3. leggendo il valore P Z ( Z z.63) calcolando F Z (z.63) P Z ( Z ) + P Z ( Z z.63)
9 Distribuzione Gaussiana o Normale 9 Figura 6: Tabella semplificata della normale ridotta
10 Distribuzione Gaussiana o Normale Appendice I I -i Tabella A.4 Aree della distribuzione normale standard Questa tabella contiene ivalori dell'area sotto la curva della distribuzione nor_ male standard relativa all'intervallo di estremi e z (l,area ombreggiata in figu_ ra), dove z rappresenta il valore specifico della variabile normale standard Z t. t.l t t.'.8 t _ ó f79.t t r l3.47t9.47't t 't '7.498', ' t 'l ór ' o o 't o.494t ', 't t o.3'/ ' ' o.4999 o l o '44.4' ',7.49' ó.4997., 't ó ' r r.4t I ',7.49't2.9'9.9' ',t 't r l r 6.3 t t ', r 5.452s ó ' 't r :98.,98.,9lj t).,99t ,995..q96., t s o.4999.,s9f.499e.9e9.q99.5rxl Fonre: Muray R Spiescl,S.h.tuùtsOtnlituolTheo^ahdProblensolstatìlri.s(secondaedizione).Mccraw-Hjlt,Ncwyoi[-lq.Jè,.. prodono con il perm$so Jrll I \4(ùra$ I I ll' nnrpdnr(,. Figura 7: Tabella completa della normale ridotta
La distribuzione Gaussiana
La distribuzione Gaussiana 23 maggio 207 Consideriamo la funzione piú importante e frequente che si incontra in statistica: la distribuzione Normale, chiamata molto piú comunemente distribuzione Gaussiana
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili casuali continue p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili
DettagliVariabili aleatorie parte 2. 1 Definizione di funzione di ripartizione o funzione cumulativa (CDF)
Statistica e analisi dei dati Data: 11 aprile 2016 Variabili aleatorie parte 2 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Definizione di funzione di ripartizione o funzione cumulativa
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
DettagliDistribuzione Binomiale
Statistica e analisi dei dati Data: 2 Maggio 2016 Distribuzione Binomiale Docente: Prof. Giuseppe Boccignone Scriba: Nicoló Pisaroni 1 Conteggi e tempi di attesa Consideriamo il seguente schema, facendo
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliAnalisi Matematica III (Fisica) 07 Gennaio 2016
Analisi Matematica III (Fisica 7 Gennaio 16 1. (1 punti Calcolare l area della sezione del cilindro x + y 4 determinata dal piano di equazione z x + y. (Possibilmente in due modi differenti Ci sono vari
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliIndicatori di posizione e ampiezza di variabili aleatorie
Statistica e analisi dei dati Data: 8 aprile 206 Indicatori di posizione e ampiezza di variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi Indicatori di posizione. Moda Data
DettagliAnalisi Matematica III 04 Novembre In coordinate polari l insieme K è rappresentabile come unione dei seguenti insiemi normali
. ( punti) Si determini il valore dell integrale della funzione f(, y) + y, sull insieme di integrazione K {(, y) R : ( ) + y, + (y ) }. In coordinate polari l insieme K è rappresentabile come unione dei
DettagliFondamenti di Analisi Matematica 2 - a.a. 2016/2017 Primo appello
Fondamenti di Analisi Matematica 2 - a.a. 216/217 Primo appello Esercizi senza svolgimento - Tema 1 Ω = { x, y, z) R 3 : 4x 2 + y 2 + z 2 1, z }. x = ρ/2) sen ϕ cos ϑ, 1. y = ρ sen ϕ sen ϑ, ρ [, 1], ϕ
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliVariabili aleatorie: parte 1. 1 Definizione di variabile aleatoria e misurabilitá
Statistica e analisi dei dati Data: 11 Aprile 2016 Variabili aleatorie: parte 1 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori 1 Definizione di variabile aleatoria e misurabilitá Informalmente,
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliSoluzione della Prova Parziale di Analisi Matematica III - 17/02/04. C.L. in Matematica e Matematica per le Applicazioni. Prof. Kevin R.
Soluzione della Prova Parziale di Analisi Matematica III - 7//4 C.L. in Matematica e Matematica per le Applicazioni Prof. Kevin R. Payne Esercizio. a. Ricordiamo inanzitutto la seguente: efinizione: Si
DettagliV.a. continue. Statistica e biometria. D. Bertacchi. Le v.a. continue. Uniforme. Normale. Indipendenza di v.a. continue
gge una v.a. V.a. continue Ricoramo: DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è una funzione che ha come dominio Ω e come codominio R. In formule: X : Ω R. DEFINIZIONE
DettagliPropagazione delle varianze, conosciuta come propagazione degli errori.
Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliDistribuzione geometrica ed esponenziale negativa
Statistica e analisi dei dati Data: 9 maggio 216 Distribuzione geometrica ed esponenziale negativa Docente: Prof. Giuseppe Boccignone Scriba: Simone Canali 1 Distribuzione geometrica Si consideri un evento
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliI VETTORI GAUSSIANI E. DI NARDO
I VETTOI GAUSSIANI E. DI NADO. L importanza della distribuzione gaussiana I vettori di v.a. gaussiane sono senza dubbio uno degli strumenti più utili in statistica. Nell analisi multivariata, per esempio,
DettagliStatistica descrittiva
Statistica descrittiva L obiettivo è quello di descrivere efficacemente i dati prima delle elaborazioni vere e proprie: - mediante rappresentazioni grafiche e tabelle - sintetizzandoli con indici opportuni
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 4:
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini e Leonardo Bertini Lezione 4: Variabili aleatorie continue Definizione di variabile aleatorie continua Se il
DettagliLA DISTRIBUZIONE DEGLI ERRORI DI MISURA. La distribuzione normale. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE DEGLI ERRORI DI MISURA La distribuzione normale http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito A del f(x, y) = 2 x 2 y 2 x y 2 + x y
Analisi Matematica II Corso di Ingegneria Gestionale Compito A del -7- - È obbligatorio consegnare tutti i fogli, anche la brutta e il testo - Le risposte senza giustificazione sono considerate nulle Esercizio
Dettagli(1) Determinare l integrale generale dell equazione
FONDAMENTI DI ANALISI MATEMATICA (9 cfu Commissione F. Albertini, V. Casarino, M. Motta Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza Vicenza, 3 settembre 8 Quarto appello Avvertenza: Nella
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
Dettagli1! 4! = 5. Quindi la probabilità di ottenere 1 successo su 5 lanci sarà 5 2 = 5! 2! 3! = 10
Note sulla Distribuzione Binomiale La distribuzione binomiale è relativa ad una variabile aleatoria discreta, che descrive i possibili risultati di un esperimento composto da n prove. In particolare, definisce
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte sintetiche) agli esercizi del 15.XII.218 1. NB si ricorda che l equazione del piano passante per un punto
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
Dettagli2. Variabili casuali continue
Le variabili casuali continue A cura di Claudio Cereda - dicembre 25 pag. 2. Variabili casuali continue 2. Il passaggio dal discreto al continuo 2.. a cosa si origina il problema? Nella descrizione di
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 4: Variabili aleatorie continue
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 4: Variabili aleatorie continue Definizione di variabile aleatorie continua Se il risultato di un esperimento
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliPrima prova in itinere di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2016/2017. Prof. M. Bramanti.
Prima prova in itinere di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 016/017. Prof. M. Bramanti 1 Tema n 1 4 5 6 Tot. Cognome e nome in stampatello) codice persona
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
DettagliEsame di Teoria dei Segnali A Ing. Informatica, Elettronica e Telecomunicazioni. 12 luglio 2004
Esame di Teoria dei Segnali A Ing. Informatica, Elettronica e Telecomunicazioni luglio 4 Esercizio Un sacchetto A contiene caramelle ai gusti fragola, limone e lampone. Un sacchetto B contiene caramelle
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
Dettagli{ } { } { } {( ) ( ) ( ) { } { } ( ) ( { } ( ) Valor medio statistico (o valore atteso): Se g(x) è una funzione di V.A., si ha:
Variabili Aleatorie Valor medio statistico (o valore atteso: μ + { } ( = E = x f ( x dx Se g( è una funzione di V.A., si ha: + { ( } = ( ( E g g x f x dx Esempi di valore atteso di funzione di variabile
DettagliUniversità degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 3 settembre 2009 Tema A
Università degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 3 settembre 29 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio va iniziato all inizio
DettagliDensità di probabilità del prodotto di due variabili casuali distribuite uniformemente
Firenze - Dip. di Fisica 2 agosto 2008 Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente In questa dispensa, che presentiamo a semplice titolo di esercizio e applicazione
DettagliCP110 Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 22-3, II semestre 23 maggio, 23 CP Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una penna
DettagliQuarto appello di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 2016/2017. Prof. M. Bramanti.
Quarto appello di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 6/. Prof. M. Bramanti Tema n 6 Tot. Cognome e nome in stampatello codice persona o n di matricola n d ordine
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
Dettaglies.1 es.2 es.3 es.4 es.5 somma Analisi Matematica 2: Primo Parziale, , Versione A Cognome e nome:...matricola:...
es. es. es. es.4 es.5 somma 5 4 8 8 5 Analisi Matematica : Primo Parziale,.4.7, Versione A Cognome e nome:....................................matricola:.......... Calcolare la lunghezza della curva di
DettagliVariabili Casuali Continue
Distribuzione Normale Concentrazione di cloro nel sudore Variabili Casuali Continue 9 8 7 6 5 4 3 media = 98.8 meq/l mediana =. meq/l moda =. meq/l < 3 6 5 me/l La distribuzione empirica (diagramma a barre)
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Distribuzione Normale Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliSoluzione della Prova Scritta di Analisi Matematica 4-25/06/13. C.L. in Matematica e Matematica per le Applicazioni. Proff. K. R. Payne e E.
Soluzione della Prova Scritta di Analisi Matematica 4-5/6/ C.L. in Matematica e Matematica per le Applicazioni Proff. K. R. Payne e E. Terraneo Esercizio. a. Le funzioni f n (x) sono continue e quindi
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Si sono diverse distribuzioni di probabilità: quelle di cui parleremo sono la distribuzione binomiale, quella di Poisson, quella uniforme, quella normale, quella del χ² e la
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliProve scritte dell esame di Analisi Matematica II a.a. 2015/2016
Prove scritte dell esame di Analisi Matematica II a.a. 5/6 C.d.L. in Ingegneria Informatica ed Elettronica - Università degli Studi di Perugia Prova scritta del 6 giugno 6. Determinare massimi e minimi
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliStatistica. Capitolo 6. Variabili Aleatorie Continue e Distribuzioni di Probabilità. Cap. 6-1
Statistica Capitolo 6 Variabili Aleatorie Continue e Distribuzioni di Probabilità Cap. 6-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare la differenza tra una variabile
DettagliEsonero di Analisi Matematica II (A)
Esonero di Analisi Matematica II (A) Ingegneria Edile, 8 aprile 3. Studiare la convergenza del seguente integrale improprio: + x log 3 x (x ) 3 dx.. Studiare la convergenza puntuale ed uniforme della seguente
Dettagli(x) = F 1 x 1. (x)+ F 2. cioè è la traccia (cioè la somma degli elementi della diagonale principale) della matrice jacobiana J F (x).
Teorema della divergenza Richiami di teoria Operatori divergenza e di Laplace R n un insieme aperto, x = (x 1, x 2,..., x n ). Divergenza Consideriamo un campo vettoriale F : R n R n differenziabile in
DettagliUniversità degli Studi di Bergamo Matematica II (5 e 7,5 crediti) 2 settembre 2008 Tema A
Università degli Studi di Bergamo Matematica II (5 e 7,5 crediti 2 settembre 28 Tema A Tempo a disposizione: 2 ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio va iniziato all inizio
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliDistribuzione normale multidimensionale
Capitolo 2 Distribuzione normale multidimensionale La funzione di densità normale undimensionale ha la forma seguente Anderson, 1984 fx ce 1 2 Ax b2 ce 1 2 x bax b La costante di normalizzazione c è data
DettagliLA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
DettagliUNIVERSITÀ DI ROMA TOR VERGATA. Analisi Matematica II per Ingegneria Prof. C. Sinestrari
UNIVERSITÀ DI ROMA TOR VERGATA Analisi Matematica II per Ingegneria Prof. C. Sinestrari Risposte (sintetiche) agli esercizi del 27.XI.217 1. (NB si ricorda che l equazione del piano passante per un punto
DettagliSoluzione della prova scritta di Analisi Matematica II del 15 Aprile 2009 (Ingegneria Edile e Architettura)
Soluzione della prova scritta di Analisi Matematica II del 5 Aprile 009 Ingegneria Edile e Architettura x. Calcolare J = ds essendo γ la curva ottenuta intersecando γ + y il cilindro di equazione x + y
DettagliAnalisi Matematica 2. Trasformazioni integrali. Trasformazioni integrali 1 / 29
Analisi Matematica 2 Trasformazioni integrali Trasformazioni integrali 1 / 29 Trasformazioni integrali. 1) Formule di Gauss-Green: nel piano: trasformano un integrale doppio in un integrale curvilineo,
DettagliSoluzioni dei problemi della maturità scientifica A.S. 2012/2013
Soluzioni dei problemi della maturità scientifica A.S. / Nicola Gigli Sun-Ra Mosconi June, Problema. Il teorema fondamentale del calcolo integrale garantisce che Quindi f (x) = cos x +. f (π) = cos π +
DettagliVariabili aleatorie. 13 aprile Definizione di variabile aleatoria e misurabilitá. (R, B) é una funzione aleatoria se
Variabili aleatorie 3 aprile 207 Si introduce il concetto di variabile aleatoria discreta e continua e di legge di probabilitá. Si considera in seguito la funzione di ripartizione come caratterizzazione
Dettagli1. Calcolare, giustificandone l esistenza, il seguente integrale: y (1 + x) 2 dxdy, ydxdy. x 2 dxdy,
. Calcolare, giustificandone l esistenza, il seguente integrale: ( + x dxd, = {(x, R :, x }.. isegnare il dominio = {(x, R : x, + x } e calcolare dxd. 3. Calcolare x dxd, è il triangolo di vertici ( 3,,
DettagliEsercitazioni di Statistica Matematica A Lezione 7. Variabili aleatorie continue
Esercitazioni di Statistica Matematica A Lezione 7 Variabili aleatorie continue.) Determinare la costante k R tale per cui le seguenti funzioni siano funzioni di densità. Determinare poi la media e la
Dettagli