Capitolo 2 CALCOLO DELLE PROBABILITÀ

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 2 CALCOLO DELLE PROBABILITÀ"

Transcript

1 CORSO DI LAUREA IN ECONOMIA AZIENDALE (Note didattiche) Bruo Chiadotto Fabrizio Cipollii Capitolo CALCOLO DELLE PROBABILITÀ Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo si è sviluppato teoricamete fio ad assumere u ruolo particolarmete rilevate ell aalisi dei feomei collettivi, divetado presupposto esseziale della teoria della statistica. La teoria delle probabilità è ua disciplia matematica astratta e altamete formalizzata pur coservado il suo origiale e rilevate coteuto empirico; i questa esposizioe ci limiteremo a esporre gli aspetti esseziali per la compresioe degli argometi trattati el seguito.. Esperimeto casuale, spazio campioario, eveti Defiizioe : Defiizioe di esperimeto casuale. Si dice esperimeto casuale, ogi feomeo il cui risultato o può essere previsto co certezza. Si evidezia che il termie esperimeto va qui iteso i seso lato. Ifatti comprede giochi di sorte (come il lacio di ua moeta, l estrazioe di u umero al lotto, l estrazioe di ua umero alla roulette), esperimeti di laboratorio (come il test di durata di u peumatico, la sommiistrazioe di u pricipio attivo ad u isieme di cavie o il umero massimo di battiti cardiaci di u paziete durate u test di sforzo), misurazioi fisiche (come la temperatura miima di domai i ua certa stazioe meteorologica o l itesità di ua certa scossa di terremoto) feomei ecoomici e sociali (come il umero di computer prodotti da u impresa del settore, il PIL italiao fra 5 ai, il umero di imprese che fallirao i Ighilterra el prossimo ao o il ROE di u impresa el prossimo esercizio) e più i geerale tutte le prove, operazioi, attività o feomei il cui esito o è prevedibile co certezza.

2 Defiizioe : Defiizioe di spazio campioario. Dato u esperimeto casuale, si dice spazio campioario l'isieme Ω di tutti i possibili risultati, esaustivi e mutualmete esclusivi, dell'esperimeto stesso. Tali possibili risultati soo detti puti campioari. Alcui esempi Se l'esperimeto casuale cosiste el lacio di ua MONETA a due facce, lo spazio campioario è dato da Ω {T, C} dove T è il puto campioario testa e C è il puto campioario croce. I questo esempio si è assuto (come si fa di solito) che gli uici risultati possibili siao T e C, e che quidi la moeta o possa rimaere i equilibrio sul bordo. Se ivece si ipotizza che ache questo risultato sia possibile, allora lo spazio campioario di questo esperimeto casuale è Ω {T, C, B}, dove B è il puto campioario moeta i equilibrio sul bordo. Ua situazioe aaloga al lacio della moeta si ha el caso i cui l'esperimeto casuale sia l esito di ua operazioe di fiaziameto di ua baca ad ua impresa cliete, i cui risultati possibili soo la restituzioe o meo del fiaziameto cocesso da parte dell impresa. I tal caso ifatti lo spazio campioario Ω è dato da Ω {R, NR}, dove R è il puto campioario fiaziameto restituito e NR il puto campioario fiaziameto o restituito. Se l'esperimeto casuale cosiste ell'estrazioe di u umero al lotto, lo spazio campioario è dato da Ω {,,, 90}, costituito, come è ovvio, da tutti i umeri iteri da a 90. Aalogamete se l'esperimeto casuale cosiste ell'estrazioe di u umero alla roulette, lo spazio campioario è dato da Ω {0,,,, 36}. Se l'esperimeto casuale cosiste el cotare il umero di difetti (ad esempio dei odi) i ua matassa di filato da 00 metri, lo spazio campioario è dato da

3 Ω {0,,, }. cioè da tutti i umeri iteri o egativi, dato che il umero di difetti è u umero itero e o è possibile stabilire a priori il umero massimo. Ua situazioe aaloga si ha se l esperimeto casuale cosiste el cotare il umero di accessi ad u certo sito iteret ell arco di u ao oppure el cotare il umero massimo di battiti cardiaci durate u test di sforzo. Se l'esperimeto casuale cosiste el test di durata di u peumatico, lo spazio campioario è costituito da Ω [0, + ), cioè tutti i umeri reali o egativi, dato che la durata è u umero che o può essere egativo. Ua cosiderazioe aaloga vale per l itesità di ua scossa di terremoto, dato che questa, se misurata si scala RICHTER, sarà u umero o egativo (0 se o c è stata essua scossa). Se l'esperimeto casuale cosiste el valutare il ROE di u impresa el prossimo esercizio, lo spazio campioario è costituito da Ω (, + ) dato che il ROE di u impresa può essere u qualsiasi umero reale. Se l'esperimeto casuale cosiste el misurare la temperatura (i gradi cetigradi) i ua certa stazioe meteorologica, lo spazio campioario è costituito da Ω [ 73, + ), dato che secodo la fisica la temperatura o può scedere sotto lo 0 assoluto (circa 73 C). Riepilogado, allora, lo spazio campioario è l isieme dei risultati possibili dell esperimeto campioario cosiderato. Dagli esempi riportati possiamo otare che lo spazio campioario può essere costituito da u umero fiito di puti campioari (come el caso del lacio della moeta, dei pezzi buoi/difettosi, delle pallie estratte da u ura o dell estrazioe alla roulette), oppure da u ifiità umerabile di puti campioari (come el caso del umero di computer prodotti, del umero di accessi ad u sito iteret o del umero di battiti cardiaci), o ifie da u ifiità o umerabile di puti campioari (come el caso del test di durata di u peumatico, del PIL italiao fra 5 ai, della temperatura di u luogo o del ROE di u impresa). 3

4 Defiizioe 3: Defiizioe di eveto. Dato uo spazio campioario Ω relativo ad u certo esperimeto casuale, u eveto è sempre u sottoisieme di Ω. Tuttavia: se Ω è costituito da u umero fiito o da u ifiità umerabile di puti campioari, è eveto ogi sottoisieme A di Ω; se ivece Ω è costituito da u ifiità o umerabile di puti, o tutti i possibili sottoisiemi di Ω soo eveti ma soltato i cosiddetti sottoisiemi ammissibili di Ω. I ogi caso, comuque, u eveto è u sottoisieme di Ω ed è quidi costituito da u isieme di puti campioari. Precisiamo ioltre che el caso i cui Ω sia costituito da u ifiità o umerabile di puti, i sottoisiemi o ammissibili soo piuttosto artificiosi da costruire: i sottoisiemi ai quali si è comuemete iteressati (vedremo poi alcui esempi) soo tutti ammissibili. Defiizioe 4: Verificarsi di u eveto. Dato uo spazio campioario Ω relativo ad u certo esperimeto casuale, l eveto A si verifica (si realizza) solo se il risultato dell esperimeto casuale è u qualsiasi puto campioario di A; i caso cotrario A o si verifica. Le due defiizioi precedeti ci cosetoo di precisare che soo eveti ache: Ω stesso, che coteedo tutti i puti campioari deve per forza verificarsi ed è quidi detto eveto certo (importate: i geerale tutti gli eveti certi possoo essere idicati co Ω). tutti gli eveti del tipo {ω}, cioè costituiti da u solo puto campioario ω, che come tali soo detti eveti elemetari; ø, che o coteedo alcu puto campioario o si potrà mai realizzare e che è quidi detto eveto impossibile (importate: i geerale tutti gli eveti impossibili possoo essere idicati co ø). 4

5 Alcui esempi Se l'esperimeto casuale cosiste el lacio di ua moeta a due facce, soo eveti: {T}, {C}, Ω {T, C}, ø. Questi soo ache gli uici eveti che possoo essere defiiti ell esperimeto casuale idicato. {T} e {C} soo eveti elemetari i quato costituiti da u solo puto campioario; Ω è l eveto certo (ifatti è certo che dal lacio vega T o C); gli eveti {BABBO} oppure {CANE, GATTO} soo impossibili e possoo essere rappresetati, come tutti gli eveti impossibili, col simbolo ø. I questo esperimeto casuale implicitamete abbiamo escluso che la moeta possa rimaere i equilibrio sul bordo. Quidi ache l eveto {B} è impossibile e può essere idicato co ø. Se ivece ell esperimeto della moeta a due facce è possibile che la moeta rimaga i equilibrio sul bordo allora soo eveti: {T}, {C}, {B}, {T, C}, {T, B}, {C, B}, Ω {T, C, B}, ø; questi soo ache gli uici eveti che possoo essere defiiti i questo esperimeto casuale. {T}, {C} e {B} soo eveti elemetari, metre {T, C} o è più l eveto certo (ifatti o è certo che vega T o C, dato che è possibile che la moeta rimaga sul B); {B} o è più impossibile metre rimagoo impossibili (e quidi idetificabili co col simbolo ø) gli eveti {BABBO} e {CANE, GATTO}. Se el lacio viee B allora si realizzao tutti gli eveti che cotegoo B ({B}, {C, B}, {T, B} ed ovviamete Ω), metre o si realizzao tutti quelli che o lo cotegoo ({C}, {T}, {T, C} ed ovviamete ø). Ua situazioe simile a quella del lacio della moeta si ha el caso i cui l'esperimeto casuale sia l esito di ua operazioe di fiaziameto di ua baca ad ua impresa cliete. [Lo studete provi per coto proprio a scrivere gli eveti che possoo essere costruiti i questo caso, idicado quali soo quelli che si verificao se l esito è NR] Se l'esperimeto casuale cosiste ell'estrazioe di u umero al lotto, costruire l eleco di tutti gli eveti possibili è u operazioe lughissima (e ache iutile!). Siccome lo spazio campioario cotiee u umero fiito di puti campioari tutti i sottoisiemi possibili di Ω soo eveti, ivi compresi Ω stesso e ø. Ad esempio {33}, {99}, { 0 }, {55, 58}, { 3,.5} {99, 5}, {umeri pari}, {umeri divisibili per 0}, {umeri reali}, soo tutti eveti. Fra questi {99}, { 0 } e { 3,.5} soo impossibili e possoo essere idicati co ø; gli altri soo ivece possibili (ivi compreso {99, 5}: se ifatti viee fuori il 5 questo eveto si realizza); {umeri reali} è certo e può essere idicato co Ω. Se viee estratto il 30 allora si verificao tutti gli eveti che cotegoo il 30 (ad esempio 5

6 si verificao {umeri pari}, {umeri divisibili per 0}, {30, 60, 90} e, aturalmete, Ω) metre o si verificao quelli che o lo cotegoo (ad esempio o si verificao {dispari}, {umeri divisibili per 7}, {,, 33} e, aturalmete, ø). Se l'esperimeto casuale cosiste el cotare il umero di difetti i ua matassa di filato da 00 metri, costruire l eleco di tutti gli eveti possibili è u operazioe impossibile, dato che Ω cotiee ua ifiità umerabile di puti campioari. Ache i questo caso, comuque, tutti i sottoisiemi di Ω soo eveti. Ad esempio soo eveti possibili {0}, {33}, {99}, {55, 58}, {99, 5}, {umeri pari}, {umeri divisibili per 0}; {umeri reali}, {umeri o egativi} coicidoo co l eveto certo Ω; soo ivece impossibili { 0 }, { 8}, { 3,.5}, {umeri egativi} che possoo essere quidi idicati co ø. Se l'esperimeto casuale cosiste el test di durata di u peumatico, allora o tutti i sottoisiemi di Ω soo eveti ma soltato quelli ammissibili; tuttavia, come idicato, quelli ai quali si è comuemete iteressati soo tutti ammissibili. Soo allora eveti possibili {0}, {33}, { 0 }, {3/4, 58}, [3,9), (, 5), {umeri divisibili per 0}; {umeri reali}, {umeri o egativi} coicidoo co l eveto certo Ω; soo ivece impossibili { 55}, [, ] che possoo essere quidi idicati co ø. [Lo studete provi per coto proprio a sviluppare i modo aalogo ai precedeti altri esempi di esperimeti casuali] E chiaro che poiché lo spazio campioario Ω cotiee solo i risultati possibili, e poiché gli eveti soo sottoisiemi di Ω, è coveiete ripulire gli eveti dai puti campioari impossibili quado li cotegoo. Per defiizioe tutti i risultati possibili devoo essere iclusi; tutto il resto è impossibile. Relativamete agli esperimeti casuali più semplici o s'icotrao, usualmete, difficoltà ell'idividuazioe e ella successiva eumerazioe dei puti campioari che e costituiscoo i possibili risultati. I esperimeti più complessi possoo risultare di aiuto alcue formule combiatorie (richiamate i appedice al capitolo) che facilitao tale operazioe. L utilità di tale eumerazioe sarà più chiara quado si parlerà di probabilità. 6

7 Riepilogado, lo spazio campioario Ω è l isieme dei risultati possibili dell esperimeto campioario cosiderato, metre u eveto è sempre u sottoisieme di Ω. Spesso è utile operare sugli eveti, combiadoli fra di loro i modo opportuo, per creare di uovi a secoda dell iteresse di chi studia il feomeo (esperimeto casuale) cosiderato. D altra parte poiché come detto gli eveti soo i tutto per tutto degli isiemi è iutile ivetare u modo uovo per operare sugli eveti: coviee predere a prestito dalla matematica gli strumeti della teoria degli isiemi. I questo ambito l'eveto certo Ω (coicidete co l'itero spazio campioario) o rappreseta altro che l'isieme uiversale, metre l'eveto impossibile ø corrispode all'isieme vuoto. Nelle pagie che seguoo si richiamao gli aspetti fodametali della teoria degli isiemi che risultao utili per operare sugli eveti. Le relazioi/operazioi della teoria degli isiemi che risultao di particolare iteresse per operare sugli eveti soo la relazioe di iclusioe ( ) e le operazioi di egazioe (o complemetazioe) A, di itersezioe ( ), di uioe ( ), e di differeza ( ). Per compredere e mettere i pratica queste relazioi ed operazioi soo utili i cosiddetti diagrammi di Ve. Relazioe di iclusioe. U eveto A è icluso ell'eveto B, e si scrive A B, se ogi puto campioario di A appartiee ache a B (o è detto che valga il viceversa). Relazioe di uguagliaza. Due eveti A e B soo uguali sse cotegoo gli stessi puti campioari, ovvero sse cotemporaeamete A B e B A Operazioe di egazioe. La egazioe (complemetazioe ella teoria degli isiemi) di u eveto A è l eveto A costituito da tutti i puti campioari di Ω che o appartegoo ad A. Il seguete diagramma di Ve illustra graficamete il cocetto di eveto icluso e di eveto egato. 7

8 Ω A B B Fig. - Diagramma di Ve per l iclusioe e la egazioe dove il quadrato rappreseta l itero spazio campioario Ω e A B. Operazioe di itersezioe. L'itersezioe tra due eveti A e B è l'eveto E A B costituito da tutti i puti campioari che appartegoo sia ad A che a B. Operazioe di uioe. L'uioe tra due eveti A e B è l'eveto E A B costituito da tutti i puti campioari che appartegoo ad almeo uo fra A e B. Il seguete diagramma di Ve illustra graficamete le due operazioi (itersezioe ed uioe). Ω Ω E A B A B E Fig. - Diagrammi di Ve per l itersezioe e l uioe. Il tratteggio evidezia l eveto itersezioe ella prima figura e l eveto uioe ella secoda figura. Operazioe di differeza. La differeza fra due eveti A e B è l eveto E 3 A B costituito da tutti i puti campioari che appartegoo ad A ma o a B. 8

9 I palati matematici più fii, oterao che ua volta itrodotte le operazioi di egazioe ed itersezioe si potrebbe fare a meo d'itrodurre le due ulteriori operazioi di uioe e di differeza. Ifatti queste due operazioi possoo essere defiite a partire dalle precedeti el modo seguete [lo studete verifichi tali relazioi utilizzado i diagrammi di Ve]: A B A B ( A B ) ( A B ) L'itroduzioe di queste due ultime operazioi è giustificata dalla semplificazioe che esse comportao quado si opera sugli eveti (isiemi). Si segala ache che la relazioe A B ( A B ) ( A B ) e la relazioe duale A B vegoo usualmete dette leggi di de Morga [si ivita lo studete a verificarle etrambe utilizzado i diagrammi di Ve]. Le operazioi di uioe e di itersezioe possoo, aturalmete, essere applicate ache a (>) eveti. L'itersezioe fra eveti A, A,, A forisce come risultato l'eveto A A A... A I A i che cotiee tutti i puti campioari comui ai eveti cosiderati. L'uioe tra gli stessi eveti dà come risultato l'eveto A A A... A U A i che cotiee tutti i puti campioari che appartegoo ad almeo uo dei eveti cosiderati. A questo puto possiamo elecare ua serie di proprietà di facile dimostrazioe che coseguoo dalle operazioi itrodotte. Lo studete è ivitato a dimostrarle utilizzado i diagrammi di Ve (il simbolo rappreseta la relazioe di implicazioe). A B A B A A B A B B 9

10 φ Ω Ω ø ø A Ω A ø ø A Ω A A ø A A Ω Ω A A ø A A Ω A (A B) (A B) A B (A B) (A B) B A B B A A B B A (proprietà commutativa) (proprietà commutativa) A A A 3 (A A ) A 3 A (A A 3 ) A A A 3 (A A ) A 3 A (A A 3 ) A (A A 3 ) (A A ) (A A 3 ) A (A A 3 ) (A A ) (A A 3 ) (proprietà associativa) (proprietà associativa) (proprietà distributiva) (proprietà distributiva) Le due ultime proprietà (distributive) per eveti divegoo A (U A (I A i ) U A i ) I (A A i ) (A A i ) Dopo aver elecato relazioi ed operazioi della teoria degli isiemi utili per operare sugli eveti, utilizziamo ora la teoria degli isiemi ache per defiire il cocetto importate di icompatibilità fra eveti. Due eveti A e B soo icompatibili se la loro itersezioe è l eveto impossibile, cioè 0

11 A B ø. I pratica ciò sigifica o che i due eveti che o hao puti campioari i comue, oppure che hao qualche puto i comue che però è impossibile (e quidi è come se o l avessero). U altro cocetto importate (e el quale di uovo si sfrutta la teoria degli isiemi) quado si opera sugli eveti è quello di codizioameto. Questo è utile quado si vuol aalizzare u certo eveto A (l eveto codizioato) avedo a disposizioe ua certa iformazioe B (l eveto codizioate). Per fare u esempio, el lotto l uscita alla secoda estrazioe del 5 el caso i cui (iformazioe) alla prima estrazioe sia uscito il 90. L'eveto A B (A codizioatamete ad B o, più semplicemete, A dato B) riguarda l aalisi di A assumedo verificato l'eveto codizioate (iformazioe) B. Si sottoliea che l espressioe assumedo verificato o sigifica ecessariamete che B si è verificato, ma solo che oi si ragioa come se si fosse verificato (si ragioa cioè sulla base dell iformazioe a disposizioe). Il codizioameto degli eveti si risolve i pratica i ua sorta di ridefiizioe dello spazio campioario el modo seguete. Ω A B Fig. 3 - Ridefiizioe degli spazi per eveti codizioati. Se si assume che l'eveto B si è verificato allora accadoo due importati cosegueze:. perdoo di rilevaza tutti i puti campioari che o appartegoo ad B; i pratica ell assumere che si è verificato B diviee ua specie di uovo eveto certo.. perdoo di rilevaza tutti i puti campioari di A o appartegoo ad B.

12 Quidi se si cosidera l'eveto codizioato A B, B si trasforma i Ω ed A si trasforma ell'eveto A B. Ulteriori dettagli su questo cocetto sarao dati el seguito parlado di probabilità codizioata. Ifie u ultimo importate cocetto: quello di algebra. Poiché tale cocetto o è di semplice compresioe, facciamolo precedere da alcue cosiderazioi ituitive. Nelle pagie precedeti, dopo avere dato la defiizioe di eveto abbiamo aalizzato alcui esempi. Abbiamo visto che quado lo spazio campioario Ω è composto da pochi puti campioari è semplice costruire la lista di tutti gli eveti: basta fare l eleco di tutti i sottoisiemi di Ω. Se ivece Ω è composto da u umero sempre fiito ma abbastaza elevato puti campioari, esplicitare tale lista è u operazioe alquato tediosa. Operazioe che risulta addirittura impossibile se Ω è costituito da u umero ifiito di puti campioari. D altra parte, abbiamo otato che esplicitare l isiemoe di tutti gli eveti, talvolta chiamato spazio degli eveti, o è u operazioe molto utile. Quello che ivece è importate è stato, seppure implicitamete, evideziato dopo: operare sugli eveti co le operazioi della teoria degli isiemi produce come risultato altri eveti. I altri termii è importate operare i u isieme chiuso. Possiamo sitetizzare tutto ciò el modo seguete: lo spazio degli eveti (facile da esplicitare solo i casi particolarmete semplici) è u isieme chiuso rispetto alle operazioi di egazioe e di itersezioe (e quidi ache rispetto all uioe e alla differeza che possoo essere derivate dalle precedeti). Esplicitiamo ora questo cocetto i modo più rigoroso. U algebra è u isieme chiuso rispetto alle operazioi di egazioe e di itersezioe fra isiemi (e quidi ache rispetto a quelle di uioe e differeza che possoo essere defiite a partire dalle precedeti): ciò sigifica che se prediamo elemeti apparteeti all isieme, allora ache il risultato delle operazioi di egazioe e di itersezioe fatte su di essi appartegoo all isieme. Più i particolare, se l isieme è chiuso rispetto ad u umero fiito di operazioi, si parla di algebra di Boole o, più semplicemete, di algebra; se il sistema è chiuso rispetto ad u ifiità umerabile di operazioi, si parla di algebra di Boole completa o, più semplicemete, di σ-algebra. Nella successiva esposizioe si assumerà che dato u esperimeto casuale e lo spazio campioario Ω ad esso relativo, gli eveti che possoo essere costruiti a partire da Ω

13 formio ua σ-algebra A. Quidi lo spazio degli eveti A sarà ua σ-algebra e il risultato di u umero fiito o ifiito umerabile di operazioi fatte su eveti (elemeti di A) sarà acora u eveto (elemeto di A). Torado a ua distizioe fatta i precedeza, se Ω è costituito da u umero fiito oppure da u ifiità umerabile di elemeti allora A cotiee tutti i possibili sottoisiemi di Ω; se ivece Ω è costituito da u ifiità o umerabile di elemeti allora A cotiee solo i sottoisiemi ammissibili di Ω. Dato u esperimeto casuale, la coppia (Ω, A), dove Ω è lo spazio campioario e A è la σ-algebra geerata da Ω, è detta spazio misurabile.. La probabilità Oguo di oi ha i testa ua idea, almeo vaga, del cocetto di probabilità. Per itrodurre il cocetto di probabilità partiamo proprio da questa idea ituitiva. Se volessimo spiegare il cocetto co parole semplici, potremmo dire che la probabilità di u eveto A è il grado di certezza, su ua scala da 0 ad, attribuito al verificarsi di tale eveto: più è la probabilità è vicia a più è sicuro che A si verifichi; più la probabilità è vicia a 0 meo è sicuro che A si verifichi. Facedo per il mometo affidameto su questa idea ituitiva di probabilità, il primo problema che occorre affrotare ella pratica è come attribuire la probabilità, dal puto di vista umerico, ei sigoli casi cocreti. Tra le iumerevoli defiizioi proposte i letteratura, e presetiamo presetao soltato tre: la defiizioe classica, la defiizioe frequetista e la defiizioe soggettiva. Defiizioe 5: Defiizioe classica della probabilità. La probabilità di u eveto A è data dal rapporto P(A) A umero dei casi favorevoli umero dei casi possibili purché tutti i casi siao ugualmete possibili. 3

14 Alla defiizioe classica di probabilità soo state rivolte critiche di varia atura. La prima critica è di ordie logico e riguarda la circolarità della defiizioe: affermare che tutti i casi soo ugualmete possibili sigifica dire che soo ugualmete probabili (o si può defiire u cocetto utilizzado se stesso). Altre due critiche, decisamete più rilevati dal puto di vista pratico, riguardao l operatività della defiizioe: o soo affatto rare le situazioi reali elle quali o è possibile procedere all eumerazioe dei casi favorevoli e dei casi possibili; ioltre, ache elle situazioi i cui si può effettuare ua tale eumerazioe, o è ifrequete la circostaza i cui o tutti i casi soo ugualmete possibili. Per superare questi icoveieti è stata itrodotta la seguete defiizioe di probabilità. Defiizioe 6: Defiizioe frequetista della probabilità. La probabilità di u eveto ripetibile A è data dal rapporto fra A, il umero di volte i cui A si è verificato, ed, il umero delle prove, quado il umero delle prove tede ad ifiito P(A) A lim, supposto che tutte le prove siao effettuate elle stesse codizioi. La probabilità, secodo questa defiizioe, può essere quidi itesa come ua sorta di idealizzazioe della frequeza relativa che verrà itrodotta el cotesto della statistica descrittiva. Talui autori ritegoo, ifatti, che probabilità e frequeza relativa o siao altro che l'aspetto teorico e quello empirico di uo stesso cocetto ed iterpretao la frequeza relativa di u eveto come misura approssimata (per fiito) della probabilità. Ache alla defiizioe frequetista soo state rivolte critiche di varia atura. Azitutto quella relativa al limite irraggiugibile (+ ) imposto al umero delle prove; ma a tale critica si rispode accettado la frequeza relativa di u umero fiito (ma sufficietemete elevato) di prove come misura approssimata della probabilità. Più problematiche soo la critica relativa alla ripetibilità delle prove (esperimeto) i situazioi ivariate e, soprattutto, quella che fa riferimeto alle situazioi reali, e o 4

15 soo affatto ifrequeti, elle quali o è possibile procedere all effettuazioe di alcua prova. Ua defiizioe che supera le critiche, sia di ordie logico che operativo, rivolte alla defiizioe classica e alla defiizioe frequetista di probabilità è la defiizioe seguete. Defiizioe 7: Defiizioe soggettiva della probabilità. La probabilità di u eveto A è defiita come il grado di fiducia che u idividuo razioale attribuisce al verificarsi di u eveto. La misura (soggettiva) di probabilità si deriva poedo l'idividuo (razioale) di frote ad u'operazioe di scommessa chiededo quato è disposto a putare per ricevere el caso i cui l'eveto i questioe si realizzi. Ache alla defiizioe soggettiva di probabilità soo state rivolte critiche: la prima riguarda proprio la soggettività isita ella defiizioe; la secoda è relativa alla difficoltà di tradurre i u valore umerico il grado di fiducia. Alla prima critica si rispode osservado che qualuque probabilità deve essere itesa i seso codizioato, cioè codizioatamete all iformazioe dell idividuo (razioale). Pertato, ache se apparetemete due idividui diversi attribuiscoo ua diversa misura di probabilità ad uo stesso eveto, gli stessi idividui si riferiscoo a due diversi eveti essedo diversa l iformazioe sulla base del quale formulao il proprio grado di fiducia. Alla secoda critica si rispode che, oostate alcue difficoltà operative, alla misura di probabilità si perviee, come detto, attraverso l attivazioe di u processo relativamete semplice (almeo sul piao cocettuale) che è quello di porre l idividuo di frote ad ua operazioe di scommessa. Le tre defiizioi itrodotte, cui si può far ricorso per otteere ua valutazioe umerica della probabilità, o soo ecessarie per lo sviluppo del calcolo delle probabilità. A tal fie ifatti è sufficiete ua defiizioe di carattere più formale che ivece di stabilire come attribuire i valori di probabilità ei casi cocreti, fissa semplicemete le regole che la probabilità deve rispettare. A questa defiizioe 5

16 assiomatica si farà riferimeto egli sviluppi teorici che seguoo, metre le tre defiizioi o assiomatiche sarao utilizzate i alcui esempi. Defiizioe 8: Defiizioe assiomatica della probabilità. Siao dati u esperimeto casuale, co il suo spazio campioario Ω e la corrispodete σ-algebra A (l isieme degli eveti geerati da Ω). Allora la probabilità è ua fuzioe che ad ogi eveto (elemeto di A) associa u umero fra 0 e, i simboli P: A [0,] A a P(A), che soddisfa le segueti proprietà:. P(A) 0 (ridodate, ma è bee sottoliearla). P(Ω) 3. Se A B ø (cioè A e B soo icompatibili), allora P(A B) P(A) + P(B). Questa defiizioe assiomatica della probabilità, dovuta a Kolmogorov, o ha sollevato obiezioi sostaziali da parte degli studiosi. Ifatti precisa e chiarisce soltato i coteuti sitattici, cioè le regole formali che deve rispettare la probabilità, regole sulle quali è più facile trovare l'accordo. Dall'altro lato il cosiderare i soli aspetti formali esclude ogi operatività della defiizioe, i quato o dice iete su come attribuire la probabilità, dal puto di vista umerico, ei sigoli casi cocreti. Quado si vuol utilizzare la probabilità per risolvere problemi reali si dovrà, quidi, fare ecessariamete ricorso alle defiizioi precedeti, elle quali l'aspetto sematico, cioè del sigificato, viee privilegiato. Notiamo che la distizioe fra aspetto sitattico (o delle regole formali) e aspetto sematico (o del sigificato) è la stessa distizioe che c è, ello svolgimeto di u tema, fra l aspetto grammaticale, che riguarda solo le regole della ligua i cui si scrive, e l aspetto dei coteuti e delle idee che el tema soo esposte. I due o vao ecessariamete isieme: u tema può essere buoo come forma ma povero di idee o viceversa u po sgrammaticato ma dai coteuti iteressati. 6

17 Si evidezia ifie che tutte e tre le defiizioi o assiomatiche soddisfao le regole della defiizioe assiomatica di probabilità. Ricollegadosi alla defiizioe assiomatica, è facile dimostrare che da tale defiizioe seguoo alcue utili relazioi: P(A) P(ø) 0 A B P(A) P(B) P(A B) P(A) + P(B) P(A B) L'ultima relazioe per 3 eveti diveta P(A B C) P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C) che ovviamete si riduce a P(A B C) P(A) + P(B) + P(C) quado i 3 eveti soo tra loro icompatibili. Per eveti tale relazioe diveta P U A i i P + K + che ovviamete si riduce a ( Ai ) P( Ai A j ) + P( Ai A j Ah ) i j i + ( ) P I Ai P U quado i eveti soo tra loro icompatibili. A i P(Ai ) i j i h i, j I coclusioe u ultima otazioe. Alla fie della sezioe abbiamo detto che dato u esperimeto casuale, la coppia (Ω, A), dove Ω è lo spazio campioario e A è la σ- algebra geerata da Ω, è detta spazio misurabile. Se a questa coppia aggiugiamo la (fuzioe) probabilità otteiamo la tripletta (Ω, A, P(.)) detta spazio probabilistico. 7

18 3. La probabilità codizioata Nella sezioe abbiamo euciato il cocetto di codizioameto fra eveti. Ricordadoe gli elemeti fodametali, (per maggiori dettagli si veda la sezioe idicata) il codizioameto è utile quado si vuole aalizzare u certo eveto A (l eveto codizioato) avedo a disposizioe ua certa iformazioe B (l eveto codizioate): l'eveto A B (detto A codizioatamete a B o A dato B) riguarda quidi l aalisi di A assumedo verificato l'eveto codizioate (iformazioe) B. Si ricorda ache che l espressioe assumedo verificato o sigifica ecessariamete che B si è verificato, ma solo che si ragioa come se si fosse verificato (cioè prededo per buoa l iformazioe a disposizioe). Abbiamo ache detto che il codizioameto degli eveti si risolve i pratica i ua sorta di ridefiizioe dello spazio campioario. Ifatti se si assume che B si è verificato e cosegue che:. perdoo di rilevaza tutti i puti campioari che o appartegoo a B, cosicché B diviee ua specie di uovo eveto certo;. perdoo di rilevaza tutti i puti campioari di A che o appartegoo a B, cosicché l uica parte di A che acora può verificarsi è soltato A B. La seguete defiizioe di probabilità codizioata rispode perfettamete a questa logica. Defiizioe 9: Defiizioe di probabilità codizioata. Assumedo P(B) > 0, la probabilità di A B è data da P(A B) P ( A B) P( B) I pratica, allora, P(A B) o è altro che P(A B) riproporzioato sulla base di P(B) (la probabilità dell eveto codizioate). Si può dimostrare [si ivita lo studete a provare per coto proprio] che la probabilità codizioata è ua vera e propria probabilità, cioè è ua fuzioe P(. B): A [0,] A a P(A B) che soddisfa gli assiomi di probabilità,, 3 di cui alla defiizioe 8. Ifatti 8

19 se A ed A soo icompatibili. Valgoo ioltre P(A B) 0 P(B B) P(A A B) P(A B) + P(A B) A A P (A B) P (A B) P( A B) P(A B) P(A A B) P(A B) + P(A B) P(A A B) Si evidezia che le regole della probabilità valgoo per l eveto a siistra del (l eveto codizioato), metre l eveto codizioate, l iformazioe, è teuto fermo. E ovvio che se il ruolo dei due eveti è ivertito rispetto alla defiizioe, cioè siamo iteressati ad B avedo A come iformazioe (co P(A) > 0), allora basta scambiare i due eveti ella defiizioe per ricavare P(B A): P(B A) ( B A) P( A) P. Dalla defiizioe di probabilità codizioata e dalle cosiderazioi precedeti possoo poi essere derivate ua serie di formule assai utili ella pratica per il calcolo di certe probabilità.. La prima è ota come formula delle probabilità composte ed è data da P(A B) P(A B) P(B) P(B A) P(A). Tale relazioe si dimostra ricavado P(A B) i fuzioe degli altri elemeti sia ella defiizioe di P(A B) che di P(B A) (si ricorda che, per la proprietà commutativa, A B B A e quidi P(A B) P(B A)).. La secoda è ota come formula della probabilità margiale ed è data da P(B) P(B A) P(A) + P(B A ) P( A ) Questa formula può essere dimostrata, sfruttado le proprietà delle operazioi fra eveti e della probabilità, attraverso i segueti passaggi: P(B) P(B Ω) P[B (A A )] P[(B A) (B A )] P(B A) + P(B A ) P(B A) P(A) + P(B A ) P( A ), 9

20 dove fra le altre cose si sfrutta il fatto che (B A) e (B A ) soo icompatibili (lo studete è ivitato a verificare ciò utilizzado i diagrammi di Ve) e la formula delle probabilità composte. 3. La terza è ota come formula di Bayes ed è data da P(A B) ( B A) P( A) P( B) P Tale formula può essere ricavata immediatamete dalla formula delle probabilità composte. Si sottoliea che ella pratica il deomiatore P(B) è spesso calcolato a partire da P(B A), P(B A ), P(A) e P( A ) utilizzado la formula della probabilità margiale.. Sulla base delle cosiderazioi precedeti possiamo ora discutere più i dettaglio l utilizzo pratico della probabilità codizioata. E baale osservare (ma spesso gli studeti se lo dimeticao!) che la formula ella defiizioe di probabilità codizioata è ua uguagliaza: quidi dati due elemeti (qualsiasi!) della stessa il terzo può essere ricavato. Di cosegueza tale defiizioe può essere utilizzata i tre modi:. Uso diretto. E l utilizzo più immediato: sapedo P(B) e P(A B) si ricava P(A B) utilizzado direttamete la defiizioe.. Uso idiretto via pricipio delle probabilità composte: sapedo la probabilità codizioata P(B A) e quella margiale P(A), si vuol ricavare la probabilità dell itersezioe P(A B). I questo caso la defiizioe è utilizzata idirettamete perché si ricava la probabilità dell itersezioe i fuzioe della probabilità codizioata. 3. Uso idiretto via formula di Bayes: sapedo le probabilità codizioate P(B A) e P(B A ) e quella margiale P(A) (da cui si ricava ache e P(B A )), si vuol otteere P(A B). I questo caso la defiizioe è utilizzata idirettamete perché si ricava ua probabilità codizioata i fuzioe di altre probabilità. Alcue delle relazioi precedeti possoo essere estese ache a più di eveti.. Il formula delle probabilità composte può riguardare ache u umero qualsiasi di eveti A, A, A 3, Si avrà allora P(A A A ) P(A ) P(A A ) P(A 3 A A )... P(A A A ), 0

21 che è detta ache regola della catea.. La formula della probabilità margiale può essere estesa ache ad ua partizioe dello spazio campioario Ω più fie di quella vista i precedeza fra A e A. Ma vediamo prima cos è ua partizioe. Ua partizioe di Ω (ma la defiizioe di partizioe vale per u qualsiasi eveto B) è ua suddivisioe di tale spazio i tati eveti A, A,..., A che siao esaustivi ed icompatibili: esaustivi i quato devoo esaurire Ω, cioè U A i Ω; icompatibili i quato o devoo avere puti campioari i comue, cioè A i A j ø per ogi i j. Per avere u idea possiamo immagiare la partizioe come le mattoelle di u pavimeto: la loro uioe forma il pavimeto (esaustività) ma fra loro o vi soo sovrapposizioi (icompatibilità). Detto cos è ua partizioe, la formula della probabilità margiale per ua geerica partizioe A, A,..., A di Ω è data da P(B) P(B A i ) P(A i ). Ache questa formula può essere dimostrata sfruttado le proprietà delle operazioi fra eveti e della probabilità. I passaggi soo i segueti: P(B) P(B Ω) P[B (U A i )] P[U P(B A i ) P(A i ), (B A i )] P(B A i ) dove fra le altre cose si sfrutta il fatto che i (B A i ) soo fra loro icompatibili. 3. Aalogamete alla formula della probabilità margiale, ache la formula di Bayes può essere estesa ad ua geerica partizioe A, A,..., A di Ω. I tale caso la formula di Bayes è ua semplice riscrittura di quella vista i precedeza: P(A i B) P ( B Ai ) P( Ai ) P( B),

22 dove ormalmete P(B) è ricavato sulla base della formula della probabilità margiale precedete. Precisiamo che da u puto di vista pratico la formula di Bayes assume ua rilevaza particolare quado i eveti A i possoo essere iterpretati come possibili cause dell'eveto B. I tale cotesto: P(A i B) è detta probabilità a posteriori della causa A i ; P(A i ) è detta probabilità a priori della stessa causa e P(B A i ) è detta verosimigliaza dell'eveto B. La formula di Bayes esprime i maiera molto semplice il processo di appredimeto dall'esperieza i cotesti o determiistici. Della realtà si possiede ua coosceza probabilistica, che viee espressa i termii di probabilità (a priori) P(A i ); queste probabilità si trasformao, al verificarsi dell'eveto B (acquisizioe di ulteriore iformazioe), elle probabilità (a posteriori) P(A i B). Come molte volte ripetuto, ifatti, le probabilità codizioate si usao per riassegare le probabilità agli eveti ua volta che siao state acquisite ulteriori iformazioi relative ad ua realizzazioe parziale di u esperimeto casuale. Ω A A 3 A4 A A A 5 Fig. 4 - Partizioe dello spazio campioario Ω i cique eveti A, A, A 3, A 4 ed A 5 possibili cause dell eveto B. Vediamo adesso u altro cocetto di fodametale importaza ell ambito della probabilità: quello di idipedeza fra eveti (importate: o cofoderlo co quello di icompatibilità!). Avere l iformazioe che si è realizzato u certo eveto B, o è detto che modifichi ecessariamete la probabilità di verificarsi di u altro eveto A; può accadere cioè che la valutazioe di probabilità rimaga la stessa che si aveva seza avere l iformazioe, ovvero

23 P(A B) P(A). E ragioevole defiire questa situazioe come idipedeza, e più i particolare A idipedete da B. D altra parte se ciò accade, sostituedo tale relazioe ella formula di Bayes per P(B A) si ottiee immediatamete P(B A) P(B), ovvero che B è idipedete da A. Questo sigifica che la relazioe di idipedeza fra due eveti è biuivoca, cioè se c è i u seso c è ache ell altro: di cosegueza si può parlare o solo di idipedeza di u eveto da u altro ma di idipedeza fra due eveti. Ioltre se la relazioe P(A B) P(A) si sostituisce ella formula delle probabilità composte si ricava subito che P(A B) P(A) P(B), che esprime quidi la formula delle probabilità composte per eveti idipedeti. Riassumedo allora possiamo dare la seguete defiizioe. Defiizioe 0: Defiizioe di idipedeza. Due eveti A e B soo fra loro idipedeti se (ua qualsiasi implica le altre due): P(A B) P(A), oppure P(B A) P(B), oppure P(A B) P(A) P(B). Più i geerale, eveti A, A,..., A soo idipedeti se P ( A A K A ) P( A ) P( A )... P( A ) i i per ogi sottoisieme di eveti A i, i s A i,, i i A i s co s, 3,...,. Ad esempio tre eveti A, B, C soo idipedeti se valgoo tutte le segueti relazioi P(A B) P(A) P(B) P(A C) P(A) P(C) P(B C) P(B) P(C) P(A B C) P(A) P(B) P(C) i s 3

24 Si sottoliea che le prime tre relazioi (idipedeze doppie) o implicao la quarta (idipedeza tripla). Così come la quarta relazioe o implica le prime tre. 4. Variabili casuali I estrema sitesi possiamo riassumere le sezioi precedeti ello spazio probabilistico (Ω, A, P(.)), dove: Ω è lo spazio campioario; A è la σ-algebra geerata da Ω, cioè lo spazio di tutti gli eveti dell esperimeto casuale; P(.) è la fuzioe di probabilità (si veda la parte fiale della sezioe ). A partire da tale spazio probabilistico (e da tutto quello che ci sta dietro, ovviamete!) possiamo itrodurre u ulteriore cocetto fodametale ello sviluppo del calcolo delle probabilità e della statistica: quello di variabile casuale (che spesso abbrevieremo i v.c.). Defiizioe : Defiizioe di variabile casuale. Dato uo spazio probabilistico (Ω, A, P(.)), ua variabile casuale è ua fuzioe che ad ogi puto campioario associa u umero reale, i simboli X: Ω R ω a X(ω), che soddisfa la seguete proprietà: ogi isieme del tipo {ω Ω: X(ω) } è u eveto, cioè u elemeto di A. I parole semplici ua variabile casuale è u modo di trasformare i puti campioari i umeri. Siccome ci soo ifiiti modi di fare questo, di solito si sceglie il modo che più ci fa comodo e, magari, ache quello più ovvio. Il motivo ritrasformare i puti campioari i umeri è semplice: lavorare sui umeri è molto più semplice che lavorare sui puti campioari, ache perché questi ultimi possoo essere di atura assai diversa fra u esperimeto casuale ed u altro. La codizioe tecica che {ω Ω: X(ω) } deve apparteere a A, cioè deve essere u eveto (ricordiamo che A è l isieme di tutti gli eveti di u esperimeto casuale) deriva dal fatto che su A abbiamo defiito ua 4

25 probabilità. Questa probabilità, defiita sugli elemeti di A, o vogliamo perderla, ma vogliamo trasferirla ai sottoisiemi di R, cioè ai umeri. Alcui esempi Cosideriamo l esempio della moeta a due facce i cui Ω {T, C}. Come v.c. possiamo cosiderare quella che trasforma T i e C i 0, cioè X(T) X(C) 0. Cosideriamo l esempio dell ura co 0 pallie umerate da a 0. I tal caso Ω {,, 3, 4, 5, 6, 7, 8, 9, }. Come v.c. possiamo cosiderare quella che associa ad ogi pallia il umero riportato sulla stessa, cioè X( co umero i) i. Potrebbe però accadere, ello spesso esempio, di o essere iteressati al umero i sé, ma solo a distiguere fra pari e dispari. I tal caso potremmo cosiderare la v.c. X( co umero pari) X( co umero dispari) 0. Come ulteriore esempio cosideriamo ua certa popolazioe di N imprese idustriali. Poiché ciascua impresa è idetificata dalla sua ragioe sociale, lo spazio campioario è dato da Ω {ω,, ω N }, dove ω i è la ragioe sociale della impresa i. Se di tali imprese iteressa studiare la redditività, ad esempio misurata dall idice ROE, possiamo cosiderare la v.c. X che associa a ciascua impresa il suo ROE, cioè X(ω) ROE dell impresa ω. Aggiugiamo che i questi casi per idicare la v.c. cosiderata si utilizza l espressioe abbreviata X è la v.c. ROE, itededo X è la v.c. che associa a ciascua impresa il suo ROE. Nella stessa situazioe delle N imprese potremmo cosiderare la v.c. ragioe sociale, distiguedo, ad esempio, fra società di persoe, società di capitali e società cooperativa. I tal caso potremmo utilizzare la v.c. X strutturata el modo seguete: X(ω) se ω è ua società di persoe X(ω) se ω è ua società di persoe X(ω) 3 se ω è ua società cooperativa 5

26 Ache i questo caso per idicare la v.c. cosiderata si utilizza l espressioe abbreviata X è la v.c. atura giuridica, itededo X è la v.c. che associa a ciascua impresa u opportuo codice che idetifica la sua atura giuridica. Ache se ai fii di u aalisi corretta abbiamo isistito molto sull aspetto che la v.c. trasforma i puti campioari i umeri i modo da coservare la probabilità prima defiita sugli eveti, be presto ci dimeticheremo di tale probabilità e, più i geerale, dello spazio probabilistico (Ω, A, P(.)) che sta a mote di ogi v.c. Spesso lo spazio probabilistico sarà semplicemete sottiteso seza esplicitarlo (questo però o vuol dire che o c è!). Per questo motivo è bee allora avere u immagie facilmete compresibile e immediata di cos è ua v.c., co l avverteza che tale immagie deve aiutare a capire cos è ua v.c. ma o deve sostituire la defiizioe rigorosa. Possiamo allora pesare ua v.c. come u oggetto casuale, cioè u qualcosa di cui o possiamo sapere co certezza cosa verrà fuori ma, al massimo, possiamo descrivere cosa può veire fuori e co quale probabilità. Per avere qualche esempio pesiamo al umero estratto al lotto, alla quotazioe di u titolo azioario fra u mese, al voto che prederemo all esame di statistica: tutti esempi di oggetti casuali, cioè di feomei di cui o si coosce co certezza il risultato (data la preseza del caso) ma, al massimo,. quali risultati si possoo avere;. co che probabilità ciascu risultato può veire fuori. Vedremo questo più i dettaglio ella prossima sezioe. 5. Distribuzioe di ua variabile casuale Riassumedo, allora, la variabile casuale serve a due scopi: primo a trasformare i puti campioari i umeri; secodo a trasferire ai umeri (ma è più corretto dire ai sottoisiemi di R) la probabilità prima defiita sugli elemeti di A. Per idetificare ua variabile casuale dobbiamo allora idicare due cose (teerlo sempre be presete!):. quali valori può assumere;. come la probabilità è distribuita su tali valori. 6

27 Relativamete ai valori che la variabile casuale può assumere, come ovvio questi cambiao da caso a caso, e i seguito e vedremo umerosi esempi. Tuttavia, per motivi che vedremo i seguito, vegoo distite i discrete e cotiue. Ua v.c. si dice: a. discreta, se può assumere u umero fiito oppure u'ifiità umerabile di valori; b. cotiua, se può assumere u isieme cotiuo (e quidi o umerabile) di valori. Relativamete a come la probabilità è distribuita (potremmo dire spalmata ) sui valori che la variabile casuale può assumere, questo può essere idicato i diversi modi, ciascuo utile per scopi i parte diversi. Noi e vedremo 3: la fuzioe di ripartizioe (defiita sia per v.c. discrete che cotiue), la fuzioe di massa (defiita solo per v.c. discrete) e la fuzioe di desità (defiita solo per v.c. cotiue). Defiizioe : Defiizioe di fuzioe di ripartizioe (o fuzioe delle probabilità cumulate). Data ua variabile casuale X, la fuzioe di ripartizioe di X è la fuzioe F() P(X ), dove è u qualsiasi umero reale. La fuzioe di ripartizioe di ua variabile casuale, quidi, è semplicemete P(X ), cioè, al variare di, la probabilità che questa assuma valori miori o uguali ad : solo per brevità è idicata co F(), ma dobbiamo sempre pesare che suo sigificato è, apputo, P(X ). A questo proposito il termie, mutuato dall iglese, di fuzioe delle probabilità cumulate, rede sicuramete meglio l idea: la probabilità è cumulata da fio al puto. Si ota ioltre che la fuzioe di ripartizioe rappreseta (o a caso) la probabilità degli eveti {ω Ω: X(ω) } di cui alla defiizioe di variabile casuale, cioè P(X ) è la scrittura abbreviata per P{ω Ω: X(ω) }. Come già detto, ifatti, la proprietà che {ω Ω: X(ω) } sia u eveto serve per poter trasferire la probabilità dagli eveti ai sottoisiemi di R (X(ω) sigifica ifatti X(ω) (, ] che apputo è u sottoisieme di R). Aalizzeremo i seguito le proprietà più importati della fuzioe di ripartizioe. Per adesso facciamo soltato osservare che cooscedo la fuzioe di ripartizioe di X è 7

28 possibile ricavare la probabilità che X assuma valori i u qualsiasi itervallo (, ]. Ifatti P( < X ) P(X ) P(X ) F( ) F( ). Torado a quato detto sopra, la fuzioe di ripartizioe rispode allora perfettamete all esigeza espressa: idicare come la probabilità è distribuita sui valori che la v.c. può assumere. La fuzioe di ripartizioe fa questo idicado, al variare di, la probabilità di X assumere valori miori o uguali ad. Questo modo di specificare come la probabilità è distribuita sui valori che la variabile casuale può assumere, ha dei pregi e dei difetti. Il pregio pricipale è che la fuzioe di ripartizioe è defiita allo stesso modo sia per v.c. discrete che per v.c. cotiue. Il difetto più importate, ivece, è che è riferita ad itervalli, i particolare itervalli aperti a siistra del tipo (, ]. Ifatti per molte esigeze (i particolare la semplicità di iterpretazioe) è utile sapere come la probabilità si distribuisce su ciascu valore che la v.c. può assumere piuttosto che sugli itervalli (, ]. E per ovviare a questo icoveiete che si itroducoo la fuzioe di massa (per v.c. discrete) e la fuzioe di desità (per v.c. cotiue). Defiizioe 3: Defiizioe di fuzioe di massa (di probabilità). Sia X ua v.c. discreta che assume valori, ordiati i seso crescete,,, (evetualmete è se la v.c. assume u ifiità umerabile di valori). La fuzioe di massa di X è la fuzioe f() P(X ). Tale fuzioe vale quidi f( i ) P(X i ) se i,,, metre vale 0 per gli altri valori di. La fuzioe di massa di ua v.c. discreta, quidi, è semplicemete P(X ), cioè la probabilità che X sia uguale ad : solo per brevità è idicata co f(), ma dobbiamo sempre pesare che suo sigificato è, apputo, P(X ). Come idicato ella defiizioe, tale probabilità sarà maggiore di 0 solo per i valori che la v.c. può assumere, metre sarà 0 per tutti gli altri valori di. 8

29 Rispetto alla fuzioe di ripartizioe, la fuzioe di massa ha il grosso pregio di essere più itelligibile, perché la probabilità è riferita a ciascu puto ivece di essere cumulata da a. D altra parte c è u rovescio della medaglia: la fuzioe di massa o può essere defiita per le v.c. cotiue. Ua spiegazioe esauriete del motivo richiederebbe sofisticati strumeti matematici ai quali o è il caso di fare riferimeto; ci limiteremo quidi ad ua spiegazioe basata su argometi ituitivi. Ua v.c. cotiua, come detto può assumere valori i u isieme cotiuo. Ora el cotiuo, e questo vale ache se si prede u itervallo piccolio, ci soo tati valori, assai più che ell ifiito umerabile. Se X avesse probabilità positiva, ache piccolissima, i ciascuo di questi valori, sommado tali probabilità otterremmo che la probabilità che X assuma u valore qualsiasi (eveto certo) sarebbe ifiito, cotravveedo ad ua delle regole fodametali della probabilità secodo le quali P(Ω). Quidi: primo, o ci possoo essere più di u ifiità umerabile di puti co probabilità maggiore di 0 (e di questo e abbiamo già teuto coto quado abbiamo parlato della fuzioe di massa); secodo, el cotiuo P(X ) 0 i ogi. Pertato el cotiuo la fuzioe di massa o può essere defiita e occorre u altro modo per vedere cosa accade sulle sigole : la fuzioe di desità. A questo scopo aggiugiamo u altra cosiderazioe. Come idicato, el cotiuo parlare di probabilità el sigolo puto o serve a molto, dato che questa è sempre 0. Ha ivece seso parlare di probabilità che la X assuma valori i u certo itervallo, ache piccolissimo, purché di ampiezza maggiore di 0. Ad esempio ha seso la probabilità che X appartega ad u itervallo di ampiezza piccola a piacere d, cioè P( < X + d). Idealmete, possiamo allora pesare di far scorrere da siistra a destra (ogi volta partedo dall estremo superiore dell itervallo precedete) e di calcolare, al variare di, la probabilità che X assuma valori ell itervallio (, + d]. Tali probabilità avrao u certo adameto, che può essere il più vario. La cosa che qui iteressa, però, o è tato il valore di tali probabilità ma di quato cambia tale probabilità da ua alla successiva. Iteressa cioè il tasso: quato vale la probabilità i rapporto all ampiezza dell itervallo (d), ovvero ( < X d) P + d. 9

30 La fuzioe di desità è esattamete tale tasso per l itervallio di ampiezza ifiitesima. Defiizioe 4: Defiizioe di fuzioe di desità (di probabilità). Sia X ua v.c. cotiua che assume valori ell itervallo (a, b) (evetualmete a può essere e b + ). La fuzioe di desità di X è la fuzioe f() ( < X + d) P lim. 0 d d La fuzioe di desità i, allora, rappreseta quato vale la probabilità itoro ad i rapporto all ampiezza di tale itoro. Il termie fuzioe di desità serve proprio ad evocare quato illustrato: quato è desa la probabilità i ciascu puto. A questo puto riassumiamo quato visto fiora. Prima abbiamo defiito il cocetto di variabile casuale; successivamete abbiamo affermato che ua variabile casuale si idetifica dado: i valori che questa può assumere e come la probabilità si distribuisce su questi valori. Ifie abbiamo detto che quest ultima cosa, cioè la distribuzioe della probabilità sulle, può essere data i tre modi diversi: fuzioe di ripartizioe, fuzioe di massa e fuzioe di desità. Ciascua co pregi e difetti. Rimae ua cosa da vedere: che i diversi modi di idicare la distribuzioe di ua v.c. soo fra loro equivaleti. E chiaro che deve essere così: preso u esperimeto campioario, la probabilità è distribuita sugli eveti i u solo modo. Pertato fuzioe di ripartizioe fuzioe di massa (per v.c. discrete) e fuzioe di ripartizioe fuzioe di desità (per v.c. cotiue) soo fra loro strettamete collegate: si può passare dall ua all altra a secoda di quello che fa comodo e di quello che iteressa. Isieme a questa equivaleza fra le diverse fuzioi illustreremo ache alcue proprietà importati delle stesse. Cosideriamo prima il caso discreto. Sia X ua v.c. discreta che assume valori, ordiati i seso crescete,,, (evetualmete è se la v.c. assume u ifiità umerabile di valori). Allora per ricavare la fuzioe di massa dalla fuzioe di ripartizioe e viceversa possiamo utilizzare le segueti relazioi: Poiché d può essere ache egativo, i tale caso il umeratore è da itedere come P( d < X ) +. 30

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

1 Limiti di successioni

1 Limiti di successioni Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioi d impresa (Note didattiche) Bruo Chiadotto CALCOLO DELLE PROBABILITA Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo

Dettagli

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5 Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Limiti di successioni

Limiti di successioni Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

Probabilità e Statistica I

Probabilità e Statistica I Probabilità e Statistica I Elvira Di Nardo (Dipartimeto di Matematica) Uiversità degli Studi della Basilicata e-mail:diardo@uibas.it http://www.uibas.it/uteti/diardo/home.html Tel:097/05890 Prerequisiti:

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Rendita perpetua con rate crescenti in progressione aritmetica

Rendita perpetua con rate crescenti in progressione aritmetica edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale. Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y.

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y. DIPENDENZA O CONNESSIONE Due caratteri X e Y cogiutamete cosiderati si dicoo tra loro coessi quado le modalità di u carattere ifluezao il maifestarsi delle modalità dell altro. Ovvero quado la coosceza

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007 Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità

Dettagli

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE Capitoo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE 3.1 LA TEORIA DI WEIBULL I comportameto meccaico dee fibre di giestra e di juta è stato caratterizzato mediate o studio dea resisteza a trazioe dee fibre

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Serie numeriche: esercizi svolti

Serie numeriche: esercizi svolti Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

Formula per la determinazione della Successione generalizzata di Fibonacci.

Formula per la determinazione della Successione generalizzata di Fibonacci. Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

Disposizioni semplici. Disposizioni semplici esercizi

Disposizioni semplici. Disposizioni semplici esercizi Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c. I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

Dettagli

Corsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3.

Corsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3. Corsi di Laurea i Igegeria Edile e Architettura Prova scritta di Aalisi Matematica del 6// ) Mostrare che + si( ) cos () si( ) log(( + ) / ) = 3. Possibile soluzioe: Cosiderado dapprima il deomiatore otiamo

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

Progressioni aritmetiche

Progressioni aritmetiche Progressioi aritmetiche Comiciamo co due esempi: Esempio Cosideriamo la successioe di umeri:, 7,, 5, 9, +4 +4 +4 +4 +4 La successioe è tale che si passa da u termie al successivo aggiugedo sempre +4. Si

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il

Dettagli

Distribuzioni di probabilità Unità 79

Distribuzioni di probabilità Unità 79 Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo

Dettagli

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale

Dettagli

La matematica finanziaria

La matematica finanziaria La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica di base. Luca Mari, versione 31.12.13 Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità 1 Elemeti di calcolo delle probabilità 5 1. Itroduzioe La statistica è ua scieza, strumetale ad altre, cocerete la determiazioe dei metodi scietifici da seguire per raccogliere, elaborare e valutare i

Dettagli

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0 CAPITOLO VII DERIVATE. GENERALITÀ Defiizioe.) La derivata è u operatore che ad ua fuzioe f associa u altra fuzioe e che obbedisce alle segueti regole: () D a a a 0 0 0 derivata di u moomio D 6 D 0 D ()

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi

Dettagli

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30)

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30) Copyright 2005 Esselibri S.p.A. Via F. Russo, 33/D 8023 Napoli Azieda co sistema qualità certificato ISO 400: 2003 Tutti i diritti riservati. È vietata la riproduzioe ache parziale e co qualsiasi mezzo

Dettagli

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

Navigazione tramite numeri e divertimento

Navigazione tramite numeri e divertimento 60 Chapter 6 Navigazioe tramite umeri e divertimeto Vladimir Georgiev Itroduzioe La ovità pricipale el ostro approccio e l avviciameto del lavoro dei ostri Lab ai problemi della vita reale tramite la parte

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli