Testa o croce: quando conviene scegliere a caso

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Testa o croce: quando conviene scegliere a caso"

Transcript

1 Testa o croce: quando conviene scegliere a caso Fabio Fagnani fagnani/ Dipartimento di Matematica Politecnico di Torino p.

2 Quale ricerca? p.

3 Quale ricerca? Teoria dei controlli e dei codici. Forti legami con le ingegnerie dell automazione e delle telecomunicazioni e con la fisica. Ricerca intrinsecamente interdisciplinare. p.

4 Quale ricerca? Teoria dei controlli e dei codici. Forti legami con le ingegnerie dell automazione e delle telecomunicazioni e con la fisica. Ricerca intrinsecamente interdisciplinare. Che matematica entra in gioco? Analisi Algebra Teoria dei grafi, combinatorica Probabilità p.

5 Una lezione sulla probabilità p.

6 Una lezione sulla probabilità La genesi: una breve introduzione storica. p.

7 Una lezione sulla probabilità La genesi: una breve introduzione storica. Alcuni problemi classici. p.

8 Una lezione sulla probabilità La genesi: una breve introduzione storica. Alcuni problemi classici. Alcune questioni più avanzate. p.

9 La genesi della probabilità Non è una genesi delle più nobili: nasce nelle bische clandestine della Francia seicentesca. Ha una data di nascita ufficiale: il Un importante precursore: Cardano, Liber de Ludo Aleae, 1520, pubblicato nel p.

10 Che cosa accadde nel 1654? p.

11 Che cosa accadde nel 1654? Un gioco allora alla moda: la casa scommette alla pari con un giocatore che quest ultimo, lanciando per 4 volte un dado, ottenga almeno una volta 6. Questo gioco è favorevole alla casa che in media vince il 52% delle volte. p.

12 Che cosa accadde nel 1654? Un gioco allora alla moda: la casa scommette alla pari con un giocatore che quest ultimo, lanciando per 4 volte un dado, ottenga almeno una volta 6. Questo gioco è favorevole alla casa che in media vince il 52% delle volte. Una variante di Antoine Gombauld Chevalier de Méré: la casa scommette alla pari con un giocatore che quest ultimo, lanciando per 24 volte una coppia di dadi, ottenga almeno una volta il doppio 6. p.

13 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: p.

14 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; p.

15 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); p.

16 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); lanciando la coppia di dadi 6 volte di più (24 = 6 4) si dovrebbe controbilanciare l effetto di considerare un evento meno probabile di un fattore 6. p.

17 Che cosa accadde nel 1654? Anche questo gioco, secondo il de Méré, dovrebbe essere leggermente favorevole alla casa: 6 risultati possibili lanciando un dado: la probabilità che esca il 6 è 1/6; 36 risultati possibili lanciando due dadi: la probabilità che esca il doppio 6 è 1/36 (6 volte più bassa); lanciando la coppia di dadi 6 volte di più (24 = 6 4) si dovrebbe controbilanciare l effetto di considerare un evento meno probabile di un fattore si dovrebbe avere quindi la stessa probabilità. p.

18 Che cosa accadde nel 1654? E invece no! Quest ultimo gioco non è favorevole alla casa, ma al giocatore. p.

19 Che cosa accadde nel 1654? E invece no! Quest ultimo gioco non è favorevole alla casa, ma al giocatore. Ne era consapevole il de Méré, non è chiaro se per averlo provato a sue spese o per qualche intuizione teorica. Decise di parlarne con un brillante francese dell epoca, Blaise Pascal che risolse il problema postogli dal de Méré provando anche che con 25 lanci il gioco sarebbe allora stato favorevole alla casa. p.

20 Lo sviluppo successivo Con Pascal e poi Fermat, Huygens, Leibnitz, Bernoulli si sviluppa la probabilità. Per la fine del 1600 è già una teoria autonoma. p.

21 Lo sviluppo successivo Con Pascal e poi Fermat, Huygens, Leibnitz, Bernoulli si sviluppa la probabilità. Per la fine del 1600 è già una teoria autonoma. Laplace 1812: E davvero notevole che una scienza nata dall osservazione dei giochi d azzardo sia divenuta l oggetto più importante della umana conoscenza! p.

22 Lo sviluppo successivo Tuttavia, nonostante Laplace, Poisson, De Moivre, Gauss nonostante le spettacolari applicazioni alla fisica di Maxwell, Boltzmann, Einstein la probabilità come disciplina matematica quasi scompare dalla scena per oltre 100 anni. p.

23 Lo sviluppo successivo Solo dal 1930 comincia ad acquisire un autonomia e un rispetto nei circoli matematici. Ha molta fortuna in Francia dove è nata, in Russia, negli Stati Uniti, poca in Italia... p.

24 Lo sviluppo successivo Solo dal 1930 comincia ad acquisire un autonomia e un rispetto nei circoli matematici. Ha molta fortuna in Francia dove è nata, in Russia, negli Stati Uniti, poca in Italia... Fino a qualche anno fa, in Italia, ci si poteva laureare in Matematica senza aver sostenuto un solo esame di probabilità. p.

25 p. 1 Lo sviluppo successivo Questo spiega in parte il motivo della scarsa penetrazione delle idee probabilistiche nella cultura comune. Con gravi conseguenze, perchè la probabilità ha nel contempo aumentato la sua influenza ed importanza. Genetica Teoria dell Informazione Modelli finanziari

26 Quando serve la probabilità? p. 1

27 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati.

28 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C.

29 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati.

30 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati. Estrazione di una pallina da un urna contenente palline rosse, bianche, nere e gialle: 4 possibili risultati.

31 p. 1 Quando serve la probabilità? La probabilità interviene ogni volta che effettuiamo, assistiamo ad un esperimento l esito del quale non è completamente determinato a priori e può avere un certo numero di diversi risultati. Lancio di una moneta: 2 possibili risultati T o C. Lancio di un dado: 6 possibili risultati. Estrazione di una pallina da un urna contenente palline rosse, bianche, nere e gialle: 4 possibili risultati. Numero di connessioni ad un server in un giorno.

32 p. 1 Quando serve la probabilità? Il modello probabilistico serve a descrivere la nostra mancanza di informazione, la nostra ignoranza su un fenomeno e prescinde dalla causa di tale ignoranza.

33 Il modello probabilistico p. 1

34 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari.

35 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari. L insieme Ω negli esempi precedenti: Lancio di una moneta: Ω = {T, C}. Lancio di un dado: Ω = {1, 2, 3, 4, 5, 6}. Estrazione dall urna: Ω = {R, B, N, G}. Numero di connessioni: Ω = N = {0, 1, 2, 3,... }.

36 p. 1 Il modello probabilistico Si fissa un insieme che contenga come elementi i possibili esiti dell esperimento sotto considerazione. Questo insieme verrà generalmente indicato con il simbolo Ω e chiamato spazio degli eventi elementari. Ad ogni evento elementare ω Ω si associa un numero p(ω): la probabilità che si verifichi ω. p(ω) 0 ω Ω p(ω) = 1

37 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)?

38 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Ipotesi frequentista. In base ad informazioni statistiche sull esperimento Es.: se l evento ω accade 37 volte su 100, si pone p(ω) = 37/100.

39 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Ipotesi frequentista. In base ad informazioni statistiche sull esperimento Es.: se l evento ω accade 37 volte su 100, si pone p(ω) = 37/100. Ipotesi classica. Ragionamenti di simmetria: tutti gli eventi elementari hanno la stessa probabilità. Se Ω ha N elementi ( Ω = N), si pone p(ω) = 1/N qualunque sia ω Ω.

40 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)?

41 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Moneta Ω = {T, C} p(t) = p(c) = 1/2

42 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Dado Ω = {1, 2, 3, 4, 5, 6} p(ω) = 1/6, ω = 1, 2,..., 6

43 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Urna Ω = {R, B, N, G} p(ω) =?

44 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Urna Ω = {R, B, N, G} p(ω) =? Composizione dell urna: 3 palline rosse, 4 bianche, 1 nera, 2 gialle. Totale 10 palline.

45 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Urna Ω = {R, B, N, G} p(ω) =? Composizione dell urna: 3 palline rosse, 4 bianche, 1 nera, 2 gialle. Totale 10 palline. p(r) = 3 10, p(b) = 4 10, p(n) = 1 10, p(g) = 2 10.

46 p. 1 Il modello probabilistico Come si sceglie la probabilità p(ω)? Connessioni Ω = N p(ω) =? ipotesi frequentista,...

47 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità.

48 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. La probabilità di eventi complessi: A Ω p(a) = p(ω) ω A

49 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. La probabilità di eventi complessi: A Ω p(a) = p(ω) ω A Caso di ipotesi classica: p(a) = ω A p(ω) = A Ω = casi favorevoli casi possibili.

50 p. 1 Il calcolo delle probabilità (Ω, p(ω)) spazio delle probabilità. La probabilità di eventi complessi: A Ω p(a) = p(ω) ω A Regola del complementare: p(a c ) = 1 p(a)

51 p. 1 Esperimenti ripetuti In molti casi un esperimento consiste nel ripetere un certo numero di volte un esperimento base: lanci ripetuti di una moneta o di un dado...

52 p. 1 Esperimenti ripetuti In molti casi un esperimento consiste nel ripetere un certo numero di volte un esperimento base: lanci ripetuti di una moneta o di un dado... Quale struttura probabilistica?

53 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o.

54 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o. Supponiamo di ripetere l esperimento k volte e di annotare in ordine i risultati ottenuti. Avremo alla fine una sequenza ordinata di k elementi di Ω o : (ω 1, ω 2,..., ω k ) dove ω i indica l esito dell i-esimo esperimento.

55 p. 1 Esperimenti ripetuti Esperimento base con risultati nell insieme Ω o. Supponiamo di ripetere l esperimento k volte e di annotare in ordine i risultati ottenuti. Avremo alla fine una sequenza ordinata di k elementi di Ω o : (ω 1, ω 2,..., ω k ) dove ω i indica l esito dell i-esimo esperimento. NOTAZIONE: Ω = Ω k o = {(ω 1, ω 2,..., ω k ) ω 1,... ω k Ω o } Ω o = N o, Ω k o = N k o.

56 p. 1 Esperimenti ripetuti Che probabilità su Ω k o?

57 p. 1 Esperimenti ripetuti Che probabilità su Ω k o? Se gli eventi in Ω 0 sono equiprobabili e i vari esperimenti sono tra loro indipendenti è logico optare per l ipotesi classica: (N o = Ω o ) p(ω 1,... ω k ) = 1 N k o

58 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6?

59 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6}

60 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6}

61 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6} p(a c ) = casi favorevoli casi possibili =

62 Ritorno al 1654 Qual è la probabilità che lanciando per 4 volte un dado si ottenga almeno una volta 6? Ω 0 = {1, 2,..., 6}, Ω = Ω 4 0. A = {(ω 1, ω 2, ω 3, ω 4 ) almeno un ω i = 6} A c = {(ω 1, ω 2, ω 3, ω 4 ) ω i 6} p(a c ) = casi favorevoli casi possibili = p(a) = 1 p(a c ) = p. 2

63 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)?

64 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)}

65 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)}

66 p. 2 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)} p(a c ) = casi favorevoli casi possibili =

67 Ritorno al 1654 Qual è la probabilità che lanciando per 24 volte una coppia di dadi si ottenga almeno una volta (6, 6)? Ω 0 = {1, 2,..., 6} 2, Ω = Ω A = {(ω 1,..., ω 24 ) almeno un ω i = (6, 6)} A c = {(ω 1,..., ω 24 ) ω i (6, 6)} p(a c ) = casi favorevoli casi possibili = p(a) = 1 p(a c ) = p. 2

68 p. 2 Ritorno al 1654 Esercizio: Qual è la probabilità che lanciando per 25 volte una coppia di dadi si ottenga almeno una volta (6, 6)?

69 L errore del De Méré. p. 2

70 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré?

71 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte.

72 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( ) 4

73 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( secondo caso: ω = (6, 6), p = 1/36, k = 24. ) 4 p(non accade mai ω) = = ( ) 24

74 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. primo caso: ω = 6, p = 1/6, k = 4. p(non accade mai ω) = = ( ) 4 = (1 p) k secondo caso: ω = (6, 6), p = 1/36, k = 24. p(non accade mai ω) = = ( ) = (1 p) k

75 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. p(non accade mai ω) = (1 p) k

76 p. 2 L errore del De Méré. Era così sbagliato il ragionamento del De Méré? In entrambi i casi si sta aspettando l accadimento di un certo evento ω che ha probabilità p(ω) = p e si ripete l esperimento k volte. p(non accade mai ω) = (1 p) k Per la regola del complementare, p(accade almeno una volta ω) = 1 (1 p) k

77 p. 2 L errore del De Méré. Consideriamo f(x) = (1 x) k

78 p. 2 L errore del De Méré. Consideriamo f(x) = (1 x) k La retta tangente in (0, f(0)) è: y = 1 kx

79 p. 2 L errore del De Méré. Consideriamo f(x) = (1 x) k La retta tangente in (0, f(0)) è: y = 1 kx (1 x) k 1 kx per x piccoli

80 p. 2 L errore del De Méré. Consideriamo f(x) = (1 x) k La retta tangente in (0, f(0)) è: y = 1 kx (1 x) k 1 kx per x piccoli (1 p) k 1 kp per p piccoli

81 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k

82 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk)

83 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) pk

84 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) Negli esempi: pk p = 1/6, k = 4 p = 1/36, k = 24 4/6 = 24/36

85 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) Negli esempi: pk p = 1/6, k = 4 p = 1/36, k = 24 4/6 = 24/36 Sono eguali nell approssimazione!

86 p. 2 L errore del De Méré. p(accade almeno una volta ω) = 1 (1 p) k 1 (1 pk) Negli esempi: pk p = 1/6, k = 4 p = 1/36, k = 24 4/6 = 24/36 Sono eguali nell approssimazione!...de Méré non aveva sbagliato poi di tanto.

87 p. 2 Allarghiamo lo sguardo. Un esperimento ripetuto k volte. L evento ω ha probabilità p (piccola) di accadere. p(accade almeno una volta ω) = 1 (1 p) k pk

88 p. 2 Allarghiamo lo sguardo. Un esperimento ripetuto k volte. L evento ω ha probabilità p (piccola) di accadere. p(accade almeno una volta ω) = 1 (1 p) k pk Se k è sufficientemente grande (dell ordine di 1/p), questa probabilità sarà significativa.

89 p. 2 Un punto fondamentale. La probabilità che un certo evento raro accada può essere resa molto alta (vicina ad 1) se siamo in grado di ripetere l esperimento un numero alto di volte.

90 p. 2 Un punto fondamentale. La probabilità che un certo evento raro accada può essere resa molto alta (vicina ad 1) se siamo in grado di ripetere l esperimento un numero alto di volte. IMPORTANTE: Esperimenti ripetuti indipendenti. Numero di ripetizioni 1/p. Probabilità alta non significa certezza.

91 p. 2 Testa o croce. Lancio di una moneta per 12 volte consecutive. Ω = {T, C} 12, Ω = 2 12.

92 p. 2 Testa o croce. Lancio di una moneta per 12 volte consecutive. Ω = {T, C} 12, Ω = Possibili risultati: TCCCTCTCTCTT TTTTTTTTTTTT

93 p. 2 Testa o croce. Lancio di una moneta per 12 volte consecutive. Ω = {T, C} 12, Ω = Possibili risultati: TCCCTCTCTCTT TTTTTTTTTTTT Che probabilità hanno?

94 p. 2 Testa o croce. Lancio di una moneta per 12 volte consecutive. Ω = {T, C} 12, Ω = Possibili risultati: TCCCTCTCTCTT TTTTTTTTTTTT Che probabilità hanno? Tutti la stessa! p =

95 Testa o croce. Lancio di una moneta per 12 volte consecutive. Ω = {T, C} 12, Ω = Possibili risultati: TCCCTCTCTCTT TTTTTTTTTTTT Che probabilità hanno? Tutti la stessa! p = La probabilità di 12 teste consecutive è bassa, ma la stessa di qualunque altra sequenza di teste e croci! p. 2

96 p. 2 Testa o croce. p(tttttttttttt) = 1 = 0,

97 p. 2 Testa o croce. p(tttttttttttt) = 1 = 0, Ripetendo l esperimento 2 12 = 4096 volte (circa lanci), con probabilità alta comparirà TTTTTTTTTTTT

98 p. 2 Testa o croce. p(tttttttttttt) = 1 = 0, Ripetendo l esperimento 2 12 = 4096 volte (circa lanci), con probabilità alta comparirà TTTTTTTTTTTT Gli eventi improbabili accadono:...ad una roulette di Montecarlo è uscito 36 volte consecutive pari!

99 p. 3 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca.

100 p. 3 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca. Supponiamo che il 53 non esca per 17 estrazioni. Possiamo dedurne che a questo punto la sua probabilità di uscita è più alta?

101 p. 3 Un grave errore. La probabilità che esca il 53 nella ruota di Venezia è p = 5 90 = 1 18 Quindi in 18 estrazioni c è buona probabilità che esca. Supponiamo che il 53 non esca per 17 estrazioni. Possiamo dedurne che a questo punto la sua probabilità di uscita è più alta? Assolutamente no! Le estrazioni non hanno memoria. Ogni volta si ricomincia da capo!

102 p. 3 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni.

103 p. 3 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) =

104 p. 3 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) = Un approssimazione: la probabilità che in 182 estrazioni ci sia un numero che non esce mai è circa 90 p 1/400.

105 p. 3 Un grave errore. Il 53 non è uscito nella ruota di Venezia per 182 estrazioni. La probabilità che in 182 estrazioni questo accada è ( p = 1 18) = Un approssimazione: la probabilità che in 182 estrazioni ci sia un numero che non esce mai è circa 90 p 1/400. Quindi, ripetendo l esperimento per circa 400 volte, è probabile che capiti.

106 p. 3 Un grave errore. In altre parole, in = estrazioni, è altamente probabile che ci sia l assenza di un numero per 182 estrazioni consecutive.

107 p. 3 Un grave errore. In altre parole, in = estrazioni, è altamente probabile che ci sia l assenza di un numero per 182 estrazioni consecutive. Se si considerano le estrazioni fatte in Italia in oltre 130 anni di lotto, si vede che ci si va abbastanza vicini...

108 p. 3 Ed invece... Dal sito tutti i grandi giochi, il Lotto ha molte anime: se è vero, infatti, che è semplicissimo fare una giocata, è altrettanto vero che le possibilità di gioco sono moltissime: approfondendo la conoscenza del Gioco del Lotto si entra in un mondo complesso, affascinante, dalle mille sfumature.... Come negli Scacchi o nei giochi di strategia, insomma, le regole necessarie per iniziare sono poche e alla portata di tutti, ma le possibili evoluzioni, le tecniche, le filosofie, le meccaniche avanzate sono innumerevoli.

109 Il potere del caso. p. 3

110 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa.

111 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare.

112 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare. 36 volte pari alla roulette di Montecarlo

113 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare. 36 volte pari alla roulette di Montecarlo la mancanza del 53 per 182 estrazioni nella ruota di Venezia

114 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare. 36 volte pari alla roulette di Montecarlo la mancanza del 53 per 182 estrazioni nella ruota di Venezia la nascita della vita sulla terra

115 p. 3 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare. 36 volte pari alla roulette di Montecarlo la mancanza del 53 per 182 estrazioni nella ruota di Venezia la nascita della vita sulla terra la nascita dell uomo sulla terra

116 Il potere del caso. Il caso permette di ottenere qualunque cosa. Basta avere tempo da aspettare. 36 volte pari alla roulette di Montecarlo la mancanza del 53 per 182 estrazioni nella ruota di Venezia la nascita della vita sulla terra la nascita dell uomo sulla terra L accadimento di eventi improbabili non implica un disegno. Importante è la scala temporale che stiamo osservando. p. 3

117 La Divina Commedia. p. 3

118 p. 3 La Divina Commedia. > caratteri; 28 possibili segni.

119 p. 3 La Divina Commedia. > caratteri; 28 possibili segni. Una scimmia che batte a caso su un computer per volte uno dei 28 segni alla volta produrrà la Divina Commedia con probabilità p =

120 p. 3 La Divina Commedia. > caratteri; 28 possibili segni. Una scimmia che batte a caso su un computer per volte uno dei 28 segni alla volta produrrà la Divina Commedia con probabilità p = Ripetendo l esperimento volte, con probabilità molto alta almeno una volta la scimmia avrà scritto la Divina Commedia.

121 La Divina Commedia. > caratteri; 28 possibili segni. Una scimmia che batte a caso su un computer per volte uno dei 28 segni alla volta produrrà la Divina Commedia con probabilità p = Ripetendo l esperimento volte, con probabilità molto alta almeno una volta la scimmia avrà scritto la Divina Commedia è un numero con oltre cifre!! p. 3

122 Scegliere a caso? p. 3

123 p. 3 Scegliere a caso? Per alcuni scopi (come vincere alla roulette a al lotto) qualunque strategia da gli stessi risultati. Si possono dunque scegliere a caso le giocate.

124 p. 3 Scegliere a caso? Per alcuni scopi (come vincere alla roulette a al lotto) qualunque strategia da gli stessi risultati. Si possono dunque scegliere a caso le giocate. In questo caso scegliere a caso è indifferente.

125 p. 3 Scegliere a caso? Per alcuni scopi (come vincere alla roulette a al lotto) qualunque strategia da gli stessi risultati. Si possono dunque scegliere a caso le giocate. In questo caso scegliere a caso è indifferente. Esistono situazioni in cui scegliere a caso è conveniente?

126 p. 3 Scegliere a caso? dal Corriere della Sera del 30 dicembre 2004: CRONACHE Trento, genitori contro: il giudice fa fare «testa o croce» TRENTO - Con la mamma o con il papà per le vacanze di Natale? Decide la monetina.«l ho fatto nell interesse del bambino - ha spiegato il giudice -. Legali e genitori non si mettevano d accordo e non c era tempo per riunire la camera di Consiglio. Così ho detto ai genitori di affidarsi al caso. Ho agito nell interesse del bambino». La fortuna ha arriso alla madre, che ha potuto così trascorrere il Natale con suo figlio.

127 p. 3 Scegliere a caso? Sembra strano possa esistere un valido principio di progettualità fondato sul caso. (incontro)

128 p. 3 Scegliere a caso? Sembra strano possa esistere un valido principio di progettualità fondato sul caso. Scrivere i libri battendo a caso su una tastiera ad esempio non è un metodo molto efficace. (incontro)

129 p. 3 Scegliere a caso? Sembra strano possa esistere un valido principio di progettualità fondato sul caso. Scrivere i libri battendo a caso su una tastiera ad esempio non è un metodo molto efficace. Non va tuttavia dimenticato l immenso potere generatore del caso... (incontro)

130 p. 3 Trasmettere bit Attraverso una linea telefonica disturbata si vuole trasmettere un pacchetto di 4 numeri binari (0 o 1). Il ricevitore può equivocare ogni bit inviato con probabilità 0.1.

131 p. 3 Trasmettere bit Attraverso una linea telefonica disturbata si vuole trasmettere un pacchetto di 4 numeri binari (0 o 1). Il ricevitore può equivocare ogni bit inviato con probabilità 0.1. Con che probabilità vengono ricevuti tutti giusti?

132 p. 3 Trasmettere bit Attraverso una linea telefonica disturbata si vuole trasmettere un pacchetto di 4 numeri binari (0 o 1). Il ricevitore può equivocare ogni bit inviato con probabilità 0.1. Con che probabilità vengono ricevuti tutti giusti? Ω = {c, e} 4 c TX corretta, e TX errata p(c) = 0.9, p(e) = 0.1

133 p. 3 Trasmettere bit Attraverso una linea telefonica disturbata si vuole trasmettere un pacchetto di 4 numeri binari (0 o 1). Il ricevitore può equivocare ogni bit inviato con probabilità 0.1. Con che probabilità vengono ricevuti tutti giusti? Ω = {c, e} 4 c TX corretta, e TX errata p(c) = 0.9, p(e) = 0.1 p(nessun errore) = p(cccc) = =

134 p. 3 Trasmettere bit Attraverso una linea telefonica disturbata si vuole trasmettere un pacchetto di 4 numeri binari (0 o 1). Il ricevitore può equivocare ogni bit inviato con probabilità 0.1. Con che probabilità vengono ricevuti tutti giusti? Ω = {c, e} 4 c TX corretta, e TX errata p(c) = 0.9, p(e) = 0.1 p(nessun errore) = p(cccc) = = Come fare per trasmettere i bit più fedelmente?

135 p. 4 Trasmettere bit Idea molto semplice: spedire lo stesso bit più volte.

136 p. 4 Trasmettere bit Idea molto semplice: spedire lo stesso bit più volte , Il ricevitore decide con la regola di maggioranza: {000, 100, 010, 001} 0, {111, 011, 101, 110} 1

137 p. 4 Trasmettere bit Idea molto semplice: spedire lo stesso bit più volte , Il ricevitore decide con la regola di maggioranza: {000, 100, 010, 001} 0, {111, 011, 101, 110} 1 Supponiamo di spedire 000: p(e) = p(111) + p(011) + p(101) + p(110) = = < 0.1

138 Trasmettere bit Idea molto semplice: spedire lo stesso bit più volte , Il ricevitore decide con la regola di maggioranza: {000, 100, 010, 001} 0, {111, 011, 101, 110} 1 Supponiamo di spedire 000: p(e) = p(111) + p(011) + p(101) + p(110) = = < 0.1 p(nessun errore) = = > p. 4

139 p. 4 Trasmettere bit E se volessimo migliorare ancora?

140 p. 4 Trasmettere bit E se volessimo migliorare ancora? E chiaro che aumentando il numero di ripetizioni, si riesce ad abbassare la probabilità di errore quanto vogliamo.

141 p. 4 Trasmettere bit E se volessimo migliorare ancora? E chiaro che aumentando il numero di ripetizioni, si riesce ad abbassare la probabilità di errore quanto vogliamo. Questa ha però delle conseguenze. Si introduce sempre più ritardo nella trasmissione ed in molte applicazioni questo non è accettabile.

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

Morris ha identificato tre diversi registri secondo i quali la comunicazione umana può essere analizzata:

Morris ha identificato tre diversi registri secondo i quali la comunicazione umana può essere analizzata: Teorie comunicative Morris ha identificato tre diversi registri secondo i quali la comunicazione umana può essere analizzata: Sintattico Livello della trasmissione del messaggio Semantico Livello della

Dettagli

3. TEORIA DELL INFORMAZIONE

3. TEORIA DELL INFORMAZIONE 3. TEORIA DELL INFORMAZIONE INTRODUZIONE MISURA DI INFORMAZIONE SORGENTE DISCRETA SENZA MEMORIA ENTROPIA DI UNA SORGENTE NUMERICA CODIFICA DI SORGENTE 1 TEOREMA DI SHANNON CODICI UNIVOCAMENTE DECIFRABILI

Dettagli

Calcolo combinatorio

Calcolo combinatorio Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Calcolo combinatorio Ines Campa e Marco Longhi Probabilità e Statistica

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it

186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it 186. Un gioco d incertezza: Forse che sì, forse che no Rosa Marincola rosamarincola@virgilio.it Premessa Durante una mia visita al Palazzo Ducale di Mantova, nell ammirare i tanti capolavori che custodisce,

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Le leggi di Mendel esposte in modo ragionato e critico di Luciano Porta

Le leggi di Mendel esposte in modo ragionato e critico di Luciano Porta Le leggi di Mendel esposte in modo ragionato e critico di Luciano Porta Le tre leggi di Mendel, che descrivono la trasmissione dei caratteri ereditari da una generazione all altra, segnano l inizio della

Dettagli

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale

Nella prima lezione... Che cos è il Digitale. Prima parte: Che cos è il Digitale. Che cos è il Digitale. Che cos è il Digitale !"$#%!" #% Nella prima lezione... Definizione di Informatica Cosa è una soluzione algoritmica Esempi di algoritmi cicalese@dia.unisa.it 2 Prima parte: Società dell informazione Ma cosa vuol dire società

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

Dettagli

Cenni sul calcolo combinatorio

Cenni sul calcolo combinatorio Cenni sul calcolo combinatorio Disposizioni semplici Le disposizioni semplici di n elementi distinti di classe k con kn sono tutti i gruppi di k elementi scelti fra gli n, che differiscono per almeno un

Dettagli

Esercizi di calcolo combinatorio

Esercizi di calcolo combinatorio CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta

Dettagli

GUIDA ALLE SOLUZIONI

GUIDA ALLE SOLUZIONI La caratteristica delle trasmissioni digitali è " tutto o niente ": o il segnale è sufficiente, e quindi si riceve l'immagine, oppure è insufficiente, e allora l'immagine non c'è affatto. Non c'è quel

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

Materiale di approfondimento: numeri interi relativi in complemento a uno

Materiale di approfondimento: numeri interi relativi in complemento a uno Materiale di approfondimento: numeri interi relativi in complemento a uno Federico Cerutti AA. 2011/2012 Modulo di Elementi di Informatica e Programmazione http://apollo.ing.unibs.it/fip/ 2011 Federico

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Cos è un protocollo? Ciao. Ciao 2:00. tempo. Un protocollo umano e un protocollo di reti di computer:

Cos è un protocollo? Ciao. Ciao 2:00. <file> tempo. Un protocollo umano e un protocollo di reti di computer: Cos è un protocollo? Un protocollo umano e un protocollo di reti di computer: Ciao Ciao Hai l ora? 2:00 tempo TCP connection request TCP connection reply. Get http://www.di.unito.it/index.htm Domanda:

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Flusso a costo minimo e simplesso su reti

Flusso a costo minimo e simplesso su reti Flusso a costo minimo e simplesso su reti La particolare struttura di alcuni problemi di PL può essere talvolta utilizzata per la progettazione di tecniche risolutive molto più efficienti dell algoritmo

Dettagli

UNIVERSITÀ DEGLI STUDI DI TRENTO DOCUMENTO ELETTRONICO, FIRMA DIGITALE E SICUREZZA IN RETE.

UNIVERSITÀ DEGLI STUDI DI TRENTO DOCUMENTO ELETTRONICO, FIRMA DIGITALE E SICUREZZA IN RETE. UNIVERSITÀ DEGLI STUDI DI TRENTO DOCUMENTO ELETTRONICO, FIRMA DIGITALE E SICUREZZA IN RETE. INTRODUZIONE ALL ARGOMENTO. A cura di: Eleonora Brioni, Direzione Informatica e Telecomunicazioni ATI NETWORK.

Dettagli

DAL PROBLEMA AL PROGRAMMA

DAL PROBLEMA AL PROGRAMMA 1. I PROBLEMI E LA LORO SOLUZIONE DAL PROBLEMA AL PROGRAMMA L'uomo, per affrontare gli innumerevoli problemi postigli dallo sviluppo della civiltà, si è avvalso della scienza e della tecnica, i cui destini

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Potrei dire a quell attimo: fermati dunque, sei così bello! Goethe (Faust)

Potrei dire a quell attimo: fermati dunque, sei così bello! Goethe (Faust) IL TEMPO DI MENTINA Potrei dire a quell attimo: fermati dunque, sei così bello! Goethe (Faust) E tempo di occuparci di Mentina, la mia cuginetta che mi somiglia tantissimo; l unica differenza sta nella

Dettagli

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it La Bella Addormentata e altre illusioni probabilistiche Aljoša Volčič volcic@unical.it Firenze, 25 novembre 2009 1 Che cosa è la probabilità? La probabilità di un evento A è la misura del grado di fiducia

Dettagli

Esercizi per il recupero del debito formativo:

Esercizi per il recupero del debito formativo: ANNO SCOLASTICO 2005/2006 CLASSE 3 ISC Esercizi per il recupero del debito formativo: Disegnare il diagramma e scrivere la matrice delle transizioni di stato degli automi a stati finiti che rappresentano

Dettagli

Trasmissione Seriale e Parallela. Interfacce di Comunicazione. Esempio di Decodifica del Segnale. Ricezione e Decodifica. Prof.

Trasmissione Seriale e Parallela. Interfacce di Comunicazione. Esempio di Decodifica del Segnale. Ricezione e Decodifica. Prof. Interfacce di Comunicazione Università degli studi di Salerno Laurea in Informatica I semestre 03/04 Prof. Vincenzo Auletta auletta@dia.unisa.it http://www.dia.unisa.it/professori/auletta/ 2 Trasmissione

Dettagli

Un ripasso di aritmetica: Conversione dalla base 10 alla base 16

Un ripasso di aritmetica: Conversione dalla base 10 alla base 16 Un ripasso di aritmetica: Conversione dalla base 1 alla base 16 Dato un numero N rappresentato in base dieci, la sua rappresentazione in base sedici sarà del tipo: c m c m-1... c 1 c (le c i sono cifre

Dettagli

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea

Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Assessorato regionale dell'agricoltura, dello sviluppo rurale e della pesca mediterranea Dipartimento della pesca mediterranea Ufficio del Responsabile Unico della Regione Sicilia per il Cluster Bio-Mediterraneo

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

UTILIZZO DELLA PSICOCINETICA NELLA SCUOLA PRIMARIA E IN AMBITO SPORTIVO

UTILIZZO DELLA PSICOCINETICA NELLA SCUOLA PRIMARIA E IN AMBITO SPORTIVO UTILIZZO DELLA PSICOCINETICA NELLA SCUOLA PRIMARIA E IN AMBITO SPORTIVO Le capacità cognitive richieste per far fronte alle infinite modalità di risoluzione dei problemi motori e di azioni di gioco soprattutto

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura?

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura? www.matematicamente.it Probabilità 1 Calcolo delle probabilità Cognome e nome: Classe Data 1. Quali affermazioni sono vere? A. Un evento impossibile ha probabilità 1 B. Un vento certo ha probabilità 0

Dettagli

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)).

La curva grafico della funzione, partendo dal punto A(a,f(a)), si snoda con continuità, senza interruzioni, fino ad approdare nel punto B(b,f(b)). Calcolo differenziale Il teorema di Rolle TEOREMA DI ROLLE Ipotesi f continua su [a, b] f derivabile per lo meno su (a,b) f(a) = f(b) Tesi Esiste almeno un punto c in (a, b) tale che Giustificazione con

Dettagli

Analisi Matematica di circuiti elettrici

Analisi Matematica di circuiti elettrici Analisi Matematica di circuiti elettrici Eserciziario A cura del Prof. Marco Chirizzi 2011/2012 Cap.5 Numeri complessi 5.1 Definizione di numero complesso Si definisce numero complesso un numero scritto

Dettagli

L infinito nell aritmetica. Edward Nelson Dipartimento di matematica Università di Princeton

L infinito nell aritmetica. Edward Nelson Dipartimento di matematica Università di Princeton L infinito nell aritmetica Edward Nelson Dipartimento di matematica Università di Princeton Poi lo condusse fuori e gli disse: . E soggiunse:

Dettagli

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net

Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Lezione 1 Introduzione agli algoritmi e alla programmazione in VisualBasic.Net Definizione di utente e di programmatore L utente è qualsiasi persona che usa il computer anche se non è in grado di programmarlo

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni UNIVERSITÀ DEGLI STUDI DI MILANO FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica IL SAMPLE AND HOLD Progetto di Fondamenti di Automatica PROF.: M. Lazzaroni Anno Accademico

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

CALCOLO COMBINATORIO E PROBABILITA

CALCOLO COMBINATORIO E PROBABILITA CALCOLO COMBINATORIO E PROBABILITA Con calcolo combinatorio si indica quel settore della matematica che studia i possibili modi di raggruppare ed ordinare oggetti presi da un insieme assegnato, con l obiettivo

Dettagli

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE

END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE DEL CLIENTE END-TO-END SERVICE QUALITY. LA CULTURA DELLA QUALITÀ DAL CONTROLLO DELLE RISORSE ALLA SODDISFAZIONE In un mercato delle Telecomunicazioni sempre più orientato alla riduzione delle tariffe e dei costi di

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Gli uni e gli altri. Strategie in contesti di massa

Gli uni e gli altri. Strategie in contesti di massa Gli uni e gli altri. Strategie in contesti di massa Alessio Porretta Universita di Roma Tor Vergata Gli elementi tipici di un gioco: -un numero di agenti (o giocatori): 1,..., N -Un insieme di strategie

Dettagli

Codifica dei numeri negativi

Codifica dei numeri negativi E. Calabrese: Fondamenti di Informatica Rappresentazione numerica-1 Rappresentazione in complemento a 2 Codifica dei numeri negativi Per rappresentare numeri interi negativi si usa la cosiddetta rappresentazione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015 NUMERI. SPAZIO E FIGURE. RELAZIONI, FUNZIONI, MISURE, DATI E PREVISIONI Le sociali e ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA procedure

Dettagli

Così come le macchine meccaniche trasformano

Così come le macchine meccaniche trasformano DENTRO LA SCATOLA Rubrica a cura di Fabio A. Schreiber Il Consiglio Scientifico della rivista ha pensato di attuare un iniziativa culturalmente utile presentando in ogni numero di Mondo Digitale un argomento

Dettagli

2009 Elite Computer. All rights reserved

2009 Elite Computer. All rights reserved 1 PREMESSA OrisDent 9001 prevede la possibilità di poter gestire il servizio SMS per l'invio di messaggi sul cellulare dei propri pazienti. Una volta ricevuta comunicazione della propria UserID e Password

Dettagli

Cosa succede in un laboratorio di genetica?

Cosa succede in un laboratorio di genetica? 12 laboratori potrebbero utilizzare campioni anonimi di DNA per lo sviluppo di nuovi test, o condividerli con altri in quanto parte dei programmi di Controllo di Qualità, a meno che si chieda specificatamente

Dettagli

Analisi Matematica I

Analisi Matematica I Analisi Matematica I Fabio Fagnani, Gabriele Grillo Dipartimento di Matematica Politecnico di Torino Queste dispense contengono il materiale delle lezioni del corso di Analisi Matematica I rivolto agli

Dettagli

TEORIA DELL INFORMAZIONE E CODICI. Sandro Bellini. Politecnico di Milano

TEORIA DELL INFORMAZIONE E CODICI. Sandro Bellini. Politecnico di Milano TEORIA DELL INFORMAZIONE E CODICI Sandro Bellini Politecnico di Milano Prefazione Queste brevi note sono state scritte per gli studenti del corso di Teoria dell informazione e codici da me tenuto presso

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

CARATTERISTICHE DELLE CRYPTO BOX

CARATTERISTICHE DELLE CRYPTO BOX Secure Stream PANORAMICA Il sistema Secure Stream è costituito da due appliance (Crypto BOX) in grado di stabilire tra loro un collegamento sicuro. Le Crypto BOX sono dei veri e propri router in grado

Dettagli

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance

Test d ingresso per i curricula in lingua inglese Coloro che intendono iscriversi ai curricula in lingua inglese Economics of Financial and Insurance Note e istruzioni per i test di ingresso ai Corsi di Studio del Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche (DEAMS) a.a. 2013/2014 Gli insegnamenti relativi ai Corsi di Laurea

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

Guida alla scansione su FTP

Guida alla scansione su FTP Guida alla scansione su FTP Per ottenere informazioni di base sulla rete e sulle funzionalità di rete avanzate della macchina Brother, consultare la uu Guida dell'utente in rete. Per ottenere informazioni

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

ALGORITMI 1 a Parte. di Ippolito Perlasca. Algoritmo:

ALGORITMI 1 a Parte. di Ippolito Perlasca. Algoritmo: ALGORITMI 1 a Parte di Ippolito Perlasca Algoritmo: Insieme di regole che forniscono una sequenza di operazioni atte a risolvere un particolare problema (De Mauro) Procedimento che consente di ottenere

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

Architettura dei Calcolatori

Architettura dei Calcolatori Architettura dei Calcolatori Sistema di memoria parte prima Ing. dell Automazione A.A. 2011/12 Gabriele Cecchetti Sistema di memoria parte prima Sommario: Banco di registri Generalità sulla memoria Tecnologie

Dettagli

ESEMPIO 1: eseguire il complemento a 10 di 765

ESEMPIO 1: eseguire il complemento a 10 di 765 COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli