Modelli Clamfim Equazione delle opzioni Teorema di Radon Nykodym 9 dicembre 2013
|
|
- Costantino Romagnoli
- 8 anni fa
- Visualizzazioni
Transcript
1 CLAMFIM Bologna Modell Clamfm Equazone delle opzon Teorema d Radon Nykodym 9 dcembre 2013 professor Danele Rtell danele.rtell@unbo.t 1/33?
2 ubblctà Lbero accesso a Legendre Hyperellptc ntegrals, π new formulae and Laurcella functons through the ellptc sngular modul n Journal of Number Theory. 2/33?
3 Soluton to Cauchy problem u t (x, t) = cu xx (x, t) + au x (x, t) + bu(x, t) u(x, 0) = f(x) (H c ) s ( ) b u(x, t) = e a2 4c t e a 2c x h(x, t) where h(x, t) solves the heat equaton h t (x, t) = ch xx (x, t) h(x, 0) = e a 2c x f(x) 3/33?
4 Example. Solve the parabolc Cauchy problem u t = u xx 2u x u(x, 0) = xe x 4/33?
5 In such a way we have h(x, t) = 1 π e s2 e a 2 (x+2s t) f(x + 2s t)ds (H s ) 5/33?
6 In such a way we have h(x, t) = 1 π e s2 e a 2 (x+2s t) f(x + 2s t)ds (H s ) Here a = 2, b = 0 so that we have to solve the ntal value problem for the heat equaton h t (x, t) = h xx (x, t) h(x, 0) = x 5/33?
7 whch soluton s gven by h(x, t) = 1 π e s2 (x + 2s t)ds = x 6/33?
8 whch soluton s gven by h(x, t) = 1 π Eventually soluton to the gven problem s e s2 (x + 2s t)ds = x u(x, t) = xe x t 6/33?
9 Integrals wth respect to a generated measure. From the generated measure theorem together wth the monotone convergence theorem we nfer a theorem of great nterest n probablty. Recall that f µ s a measure and f a measurable functon n some measure space (X, A, µ) then φ(a) = fdµ s a measure. A 7/33?
10 Theorem If f : X [0, + ] s µ measurable and f g : X [0, + ] s φ measurable then gdφ = X X gf dµ ( ) In such stuaton f s called densty of φ wth respect to µ. 8/33?
11 Theorem If f : X [0, + ] s µ measurable and f g : X [0, + ] s φ measurable then gdφ = X X gf dµ ( ) In such stuaton f s called densty of φ wth respect to µ. In partcolar f f s such that fdµ = 1 then φ s a probablty measure. X 8/33?
12 Idea of the proof. From the generaton measure theorem we see that ( ) holds true when g = 1 E beng E A. Thus ( ) holds for any smple functon. The general case then follows from Beppo Lev s theorem, va the approxmaton of a measurable functon wth a convergng sequence of smple functons. 9/33?
13 Observe that when measure φ s obtaned from f and µ as n the former theorem, then a null set for µ s a null set for φ also, that s µ(e) = 0 = φ(e) = 0 So the followng defnton makes sense. 10/33?
14 Observe that when measure φ s obtaned from f and µ as n the former theorem, then a null set for µ s a null set for φ also, that s µ(e) = 0 = φ(e) = 0 So the followng defnton makes sense. Defnton Let φ and µ measures on the same σ algebra A. We say that φ s absolutely contnuous wth respect to µ f n such a case we wrte φ µ µ(e) = 0 = φ(e) = 0 10/33?
15 When φ s bult from µ ntegratng a nonnegatve µ-measurable functon f, measure φ s absolutely contnuous wth respect to µ. As a matter of fact ths statement can be reversed, that s a measure φ s absolutely contnuous wth respect to µ, there s a a nonnegatve µ-measurable functon whch allows the representaton of µ. 11/33?
16 Radon-Nkodym Theorem Let (X, A, µ) a σ-fnte measure space and let φ a measure on A absolutely contnuous wth respect to measure µ. There s a nonnegatve measurable functon h such that for any E A φ(e) = hdµ E 12/33?
17 Radon-Nkodym Theorem Let (X, A, µ) a σ-fnte measure space and let φ a measure on A absolutely contnuous wth respect to measure µ. There s a nonnegatve measurable functon h such that for any E A φ(e) = hdµ h s unque (a.e) t s called Radon-Nkodym dervatve of φ [ ] dφ respect to µ and t s denoted by dµ E 12/33?
18 Moreover for each f 0 φ-measurable we have f dφ = f h dµ X X 13/33?
19 Varabl aleatore Negl spaz d probabltà l termne varable aleatora ndca una funzone msurable. Qund se (Ω, A, ) è uno spazo d probabltà allora X : Ω R è una varable aleatora se per ogn a R l nseme X 1 ([a, + )) è msurable, coè X 1 ([a, + )) A X 1 ([a, + )) = {ω Ω X(ω) a} A 14/33?
20 Varabl aleatore Negl spaz d probabltà l termne varable aleatora ndca una funzone msurable. Qund se (Ω, A, ) è uno spazo d probabltà allora X : Ω R è una varable aleatora se per ogn a R l nseme X 1 ([a, + )) è msurable, coè X 1 ([a, + )) A X 1 ([a, + )) = {ω Ω X(ω) a} A Nelle applcazon Ω rappresenta gl est d un espermento aleatoro che possono essere osservat medante msurazon, che assegnano valor numerc a rsultat. Nelle pratca c s chede sostanzalmente quale sa la probabltà che l valore della varable aleatora sta fra preassegnat lmt 14/33?
21 Expectaton Se X è una varable aleatora defnta nello spazo d probabltà (Ω, A, ) l ntegrale (astratto) E(X) = Ω Xd è chamato valore atteso (speranza matematca) d X 15/33?
22 È possble esprmere questo ntegrale astratto medante un ntegrale usando le denstà E(X) = con + x f X (x)dx f X (x)dx = 1 16/33?
23 Moment Le varabl aleatore che appartengono a spaz L p (Ω) hanno grande mportanza n probabltà. Il momento d ordne n d una varable aleatora X L n (Ω) è l numero E(X n ), n N 17/33?
24 Moment Le varabl aleatore che appartengono a spaz L p (Ω) hanno grande mportanza n probabltà. Il momento d ordne n d una varable aleatora X L n (Ω) è l numero E(X n ), n N osto µ = E(X) l momento centrale d ordne n è defnto da E(X µ) n, n N 17/33?
25 Se X ha una denstà f X abbamo gl ntegral d Lebesgue E(X n ) = x n f X (x)dx, E(X µ) n = (x µ) n f X (x)dx R R 18/33?
26 Varanza La varanza d una varable aleatora è l momento centrale del secondo ordne σx 2 = Var(X) = E (X E(X)) 2 19/33?
27 Teorema Due varabl aleatore X, Y sono ndpendent se e solo se per ogn scelta d funzon f, g Borel msurabl e lmtate vale E (f(x) g(y )) = E (f(x)) E (g(y )) 20/33?
28 Teorema Due varabl aleatore X, Y sono ndpendent se e solo se per ogn scelta d funzon f, g Borel msurabl e lmtate vale E (f(x) g(y )) = E (f(x)) E (g(y )) Teorema Se X, Y sono varabl aleatore ndpendent a meda nulla, coè E(X) = E(Y ) = 0 allora E(XY ) = 0 20/33?
29 Covaranza Data una varable aleatora per cu sa fnto µ = E(X) defnamo X c = X E(X) e dcamo che X c è una varable aleatora centrata, per cu vale E(X c ) = 0. La covaranza d due varabl aleatore X e Y è defnta da σ XY = Cov(X, Y ) = E ((X E(X)) (Y E(Y ))) 21/33?
30 Covaranza Data una varable aleatora per cu sa fnto µ = E(X) defnamo X c = X E(X) e dcamo che X c è una varable aleatora centrata, per cu vale E(X c ) = 0. La covaranza d due varabl aleatore X e Y è defnta da σ XY = Cov(X, Y ) = E ((X E(X)) (Y E(Y ))) La correlazone è ρ X,Y = Cov(X, Y ) σ X σ Y 21/33?
31 Osservazone Cov(X, Y ) = E(XY ) E(X) E(Y ) Dremo che le varabl aleatore non sono correlate se Cov(X, Y ) = 0 coè se E(XY ) = E(X) E(Y ) Qund due varabl aleatore ndpendent sono non correlate 22/33?
32 Dstrbuzon congunte Se X, Y sono due varabl aleatore defnte sullo stesso spazo d probabltà (Ω, A, ) consderamo l vettore aleatoro (X, Y ) : Ω R 2 La sua dstrbuzone è la msura defnta su Borelan d R 2 da (X,Y ) (B) = ((X, Y ) B) 23/33?
33 Dstrbuzon congunte Se X, Y sono due varabl aleatore defnte sullo stesso spazo d probabltà (Ω, A, ) consderamo l vettore aleatoro (X, Y ) : Ω R 2 La sua dstrbuzone è la msura defnta su Borelan d R 2 da (X,Y ) (B) = ((X, Y ) B) Se questa msura può essere scrtta come (X,Y ) (B) = f (X,Y ) (x, y)dxdy B per qualche funzone sommable f (X,Y ) dremo che X e Y hanno una denstà congunta 23/33?
34 La dstrbuzone congunta determna le dstrbuzon delle varabl aleatore uno-dmensonal X, Y X (A) = (X,Y ) (A R) Y (A) = (X,Y ) (R A) n cu A R è un nseme d Borel. Queste dstrbuzon sono dette dstrbuzon margnal X e Y sono entrambe assolutamente contnue con denstà date da f X (x) = f Y (y) = + + f (X,Y ) (x, y)dy f (X,Y ) (x, y)dx 24/33?
35 Eserczo Se f (X,Y ) (x, y) = 1 50 ( x 2 + y 2) 1 [0,2] [1,4] (x, y) calcolare (X,Y ) (X + Y > 4) 25/33?
36 Eserczo Se f (X,Y ) (x, y) = 1 50 ( x 2 + y 2) 1 [0,2] [1,4] (x, y) calcolare (X,Y ) (X + Y > 4) er prma cosa è saggo verfcare se f (X,Y ) (x, y) sa una denstà calcolando: ( x 2 + y 2) dxdy = 1 2 (21 + 3x 2 )dx = /33?
37 onamo A = {(x, y) x + y > 4} [0, 2] [1, 4]. y x 26/33?
38 Allora (X,Y ) (X + Y > 4) = (X,Y ) (Y > X + 4) = A f (X,Y ) (x, y)dx dy 27/33?
39 Allora (X,Y ) (X + Y > 4) = (X,Y ) (Y > X + 4) = A f (X,Y ) (x, y)dx dy ertanto A f (X,Y ) (x, y)dx dy = = ( x 1 50 ( x 2 + y 2) ) dy dx ( 4x x3 + 16x ) dx = /33?
40 Eserczo Se due varabl aleatore hanno denstà congunta data da f (X,Y ) (x, y) = 1 π e (x 2 +y 2 ) calcolare ( (X,Y ) X 2 + Y 2 > 1 ) 28/33?
41 Somma d denstà congunte Teorema Se X, Y hanno denstà congunta f X,Y allora la denstà della loro somma è data da f X+Y (z) = + f X,Y (x, z x) dx 29/33?
42 Indpendenza Nello spazo (Ω, A, ) due event E 1, E 2 A s dcono ndpendent se (E 1 E 2 ) = (E 1 )(E 2 ) 30/33?
43 pertanto ha senso dre che: Le varabl aleatore X, Y sono ndpendent se e solo se (X,Y ) = X Y Se X, Y hanno denstà congunta esse sono ndpendent se e solo se f (X,Y ) (x, y) = f X (x)f Y (y) (A) Se X, Y sono assolutamente contnue e ndpendent queste hanno denstà congunta data dalla formula (A) 31/33?
44 Se X, Y sono assolutamente contnue e ndpendent la loro somma ha denstà data dalla convoluzone f X+Y (z) = + f X,Y (x, z x)dx = + f X (x)f Y (z x)dx 32/33?
45 Eserczo S supponga che X e Y sano due varabl causal standardzzate ndpendent. Calcolare la denstà d Z = X + Y 33/33?
46 Eserczo S supponga che X e Y sano due varabl causal standardzzate ndpendent. Calcolare la denstà d Z = X + Y Le denstà d X e Y sono f X (x) = 1 2π e x2 /2, f Y (y) = 1 2π e y2 /2 qund f Z (z) = f X (x)f Y (z x)dx = 1 2π e (z2 2zx+2x 2 )/2 dx 33/33?
47 Eserczo S supponga che X e Y sano due varabl causal standardzzate ndpendent. Calcolare la denstà d Z = X + Y Le denstà d X e Y sono f X (x) = 1 2π e x2 /2, f Y (y) = 1 2π e y2 /2 qund f Z (z) = Completando l quadrato f X (x)f Y (z x)dx = 1 2π z 2 2zx + 2x 2 2 = ( x z ) 2 z e (z2 2zx+2x 2 )/2 dx 33/33?
48 Eserczo S supponga che X e Y sano due varabl causal standardzzate ndpendent. Calcolare la denstà d Z = X + Y Le denstà d X e Y sono f X (x) = 1 2π e x2 /2, f Y (y) = 1 2π e y2 /2 qund f Z (z) = Completando l quadrato qund f Z (z) = 1 casuale N (0, 2) f X (x)f Y (z x)dx = 1 2π z 2 2zx + 2x 2 2π e z /33? e (z2 2zx+2x 2 )/2 dx ( = x z ) 2 z e (x z 2) 2 1 dx = e 2π 2 z 2 2( 2) 2 varable
Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 18 1 dcembre 2011 Covaranza, Varabl aleatore congunte professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19?
DettagliClamfim Lesson 12 Martedì 27 Novembre 2012 Passage to the limit
CLAMFIM 2012-2013 Modell @ Clamfm Lesson 12 Martedì 27 Novembre 2012 assage to the lmt professor Danele Rtell www.unbo.t/faculty/danele.rtell 1/22? Theorem Generaton of measures Let (X, A, µ) a measure
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Modelli 1 lezione novembre 2011 Media e varianza
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 17 30 novembre 2011 Meda e varanza professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? Teorema er ogn funzone
DettagliModelli Clamfim Teoria della misura 21 novembre 2013
CLAMFIM Bologna Modell 1 @ Clamfm Teora della msura 21 novembre 213 professor Danele Rtell danele.rtell@unbo.t 1/18? Usng the theorem for dfferentaton under the ntegral sgn show that for x t x 1 dt = ln(1
DettagliClamfim Lesson 6 Giovedì 15 Novembre 2012 Separable equations
CLAMFIM 202-203 Modell @ Clamfm Lesson 6 Govedì 5 Novembre 202 Separable equatons professor Danele Rtell www.unbo.t/faculty/danele.rtell /8? Exstence and unqueness: card Lndelhöf Theorem Let the functon
DettagliModelli Clamfim info sul corso Spazi Euclidei 23 settembre 2013
CLAMFIM Bologna Modell 1 @ Clamfm nfo sul corso Spaz Euclde 23 settembre 2013 professor Danele Rtell danele.rtell@unbo.t 1/17? rogramma www.unbo.t/docent/danele.rtell roflo scentfco del docente www.danelertell.name
DettagliClamfim Lesson 15 Lunedì 3 Dicembre 2012 Change of variables. Eulerian integrals
CLAMFIM 212-213 Modell @ Clamfm Lesson 15 Lunedì 3 Dcembre 212 Change of varables. Euleran ntegrals professor Danele Rtell www.unbo.t/faculty/danele.rtell 1/12? Change of varable Let A an open subset n
DettagliModelli Clamfim Lezione 7 12 ottobre 2011 The heat equation
Unverstà d Bologna Modell 1 @ Clamfm Lezone 7 12 ottobre 2011 The heat equaton professor Danele Rtell www.unbo.t/docent/danele.rtell 1/11? The heat equaton u t (x, t) = u xx (x, t) for t > 0, x R u(x,
DettagliModelli Clamfim info sul corso Differenziabilità, Massimi e minimi liberi 20 settembre 2016
CLAMFIM Bologna Modell 1 @ Clamfm nfo sul corso Dfferenzabltà, Massm e mnm lber 20 settembre 2016 professor Danele Rtell danele.rtell@unbo.t 1/21? artal dervatves The most natural way to defne dervatves
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 15 23 novembre 211 Funzon Eulerane - robabltà professor Danele Rtell www.unbo.t/docent/danele.rtell 1/2? Cambo
DettagliModelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015
CLAMFIM Bologna Modell 1 @ Clamfm Equazon dfferenzal esatte, cambo d varabl, equazon del secondo ordne 28 settembre 2015 professor Danele Rtell danele.rtell@unbo.t 1/21? Exact dfferental equatons If Q
DettagliModelli Clamfim info sul corso Spazi Euclidei 16 settembre 2015
CLAMFIM Bologna Modell 1 @ Clamfm nfo sul corso Spaz Euclde 16 settembre 2015 professor Danele Rtell danele.rtell@unbo.t 1/26? rogramma www.unbo.t/docent/danele.rtell roflo scentfco del docente https://www.researchgate.net/profle/danele
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliModelli Clamfim Massimi e minimi 30 settembre 2013
CLAMFIM Bologna Modell 1 @ Clamfm Massm e mnm 30 settembre 2013 professor Danele Rtell danele.rtell@unbo.t 1/15? Crtcal ponts Defnton. Let V be an open set n R n, let a V and suppose that f : V R. () f(a)
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliModelli Clamfim Lezione 6 6 ottobre 2011 More on Fourier transform
Unverstà d Bologna Modell 1 @ Clamfm Lezone 6 6 ottobre 2011 More on Fourer transform professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Defnton ropertes 1. Lnearty ˆf(s) = Ff(s) := + e 2π st
DettagliModelli Clamfim Lezione 2 22 settembre 2011 Euclidean Spaces/ Partial derivatives
CLAMFIM Bologna Modell 1 @ Clamfm Lezone 2 22 settembre 2011 Eucldean Spaces/ artal dervatves professor Danele Rtell danele.rtell@unbo.t 1/27? Algebrac structure For each n N let R n denote the n-fold
DettagliModelli Clamfim Lezione 8 13 ottobre 2011 Black Scholes equation
Unverstà d Bologna Modell 1 @ Clamfm Lezone 8 13 ottobre 2011 Black Scholes equaton professor Danele Rtell www.unbo.t/docent/danele.rtell 1/12? Exercse Solve the Cauchy problem u t = u xx x R, t > 0 u(x,
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 12 10 novembre 2011 Teorema d Lebesgue Vtal-Generazone d msure professor Danele Rtell www.unbo.t/docent/danele.rtell
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliVariabili casuali doppie
Varabl casual doe Una varable casuale doa (,) è una funzone defnta sullo sazo degl event che assoca ad ogn evento una coa d numer real (x,y) (x 1, y 1 ) S y 1 A B y (x, y ) (x 3, y 3 ) C y 3 x 1 x x 3
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2007-2008 lezone 18 professor Danele Rtell danele.rtell@unbo.t 1/11? Questo esempo nteressa la gestone delle scorte.
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliMonte Carlo I. Lighting and Soft Shadows. Page 1
Page Monte Carlo I Prevous lecture Analytcal llumnaton formula Ths lecture umercal evaluaton of llumnaton Revew random varables and probablty Monte Carlo ntegraton Samplng from dstrbutons Samplng from
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 22: 30 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/27? Eserczo Dmostrare che l equazone della frontera
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
DettagliAnalisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni
Dpartmento d Scenze Statstche Anals Matematca Lezone 6 3 novembre 204 Lmt d funzon prof. Danele Rtell danele.rtell@unbo.t /7? Eserczo 9 Determnare l ordne d nfntesmo e la parte prncpale dell nfntesmo rspetto
DettagliDipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014
Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 21: 25 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? CCT/CCTEu S tratta d un ttolo a cedola
DettagliEsercitazione del 06/03/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/3/ Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio. E la notte di San Lorenzo, Alessandra decide di andare a vedere le stelle cadenti. Osserverà
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 2: 18 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? Defnzone. f : R R s dce moltplcatva se per
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliCalcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale
Calcolo Scentfco e Matematca Applcata Secondo Parzale, 7.2.28 Ingegnera Ambentale Rsolvere gl esercz, 2, 4 oppure, n alternatva, gl esercz, 3, 4. Valutazone degl esercz: 4, 2 8, 3 8, 4 8.. Illustrare,
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliDivagazioni in margine all Introduzione alla Probabilità di P. Baldi A. Visintin Facoltà di Ingegneria di Trento a.a. 2010-11
Dvagazon n margne all Introduzone alla Probabltà d P. Bald A. Vsntn Facoltà d Ingegnera d Trento a.a. 2010-11 Indce 1. Statstca descrttva. 2. Spaz d probabltà e calcolo combnatoro. 3. Varabl aleatore dscrete.
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco
DettagliDefinizione classica di probabilità
Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone
DettagliVariabili casuali. Variabili casuali
Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere
DettagliCampi Vettoriali. Capitoli di Meccanica Analitica *** Indice. Sergio Benenti. 16 aprile 2013. 1 Vector fields... 1. 2 Integral curves and flows...
Capitoli di Meccanica Analitica *** Campi Vettoriali Sergio Benenti 16 aprile 2013 Indice 1 Vector fields............................................ 1 2 Integral curves and flows...................................
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 19: 23 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 19: 23 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/30? Teora del ortafoglo Ogn ttolo a ha un valore
Dettagli1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P
. Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero
DettagliAnalisi Matematica Lezione novembre 2013
Dpartmento d Scenze Statstche Anals Matematca Lezone 6 novembre 203 prof. Danele Rtell danele.rtell@unbo.t /2? Avvso Questa settmana tutte le lezon saranno d teora La prossma settmana lezon d teora lunedì
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliClamfim Lesson 16 Martedì 4 Dicembre 2012 Beta Function. Fourier Transform
CLAMFIM 212-213 Modell @ Clamfm Lesson 16 Martedì 4 Dcembre 212 Beta Functon. Fourer Transform professor Danele Rtell www.unbo.t/faculty/danele.rtell 1/17? Euler Beta Theorem If x, y > : Γ(x) Γ(y) Γ(x
DettagliAnalisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza
Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1
DettagliAnalisi Class info sul corso Lezione 1 22 settembre 2014
CLASS Bologna Anals Matematca @ Class nfo sul corso Lezone 1 22 settembre 2014 professor Danele Rtell danele.rtell@unbo.t 1/27? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliTeoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche
Teora de process casual a tempo contnuo Seconda lezone: Valore medo e autocorrelazone Esemp Valor med de process Quas Determnat (QD) 005 Poltecnco d Torno Valore medo e autocorrelazone e valore atteso
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliSistemi Intelligenti Introduzione al calcolo delle probabilità - II
Sstem Intellgent Introduzone al calcolo delle probabltà - II Alberto Borghese Unverstà degl Stud d Mlano Laborator of Appled Intellgent Sstems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t A.A. 05-06
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione febbraio 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 18 20 febbrao 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? Ottmzzazone 2/23?
DettagliESERCIZI SUL CAPM. . Quale dovrebbe essere il rendimento atteso dei due titoli affinché l acquisto risulti conveniente?
ESECIZI SUL CAM ESECIZIO S potzz che seguent ttol sano correttaente prezzat secondo la Securty Market Lne. S derv l equazone della Securty Market Lne e s detern l rendento d equlbro d un ttolo con beta
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora
DettagliElementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche
Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo
DettagliINDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata
P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 21: 29 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/35? Eserczo Dmostrare che l portafoglo d mnmo rscho
DettagliFRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.
FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore
DettagliCP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione
Diartimento di Matematica, Roma Tre Pietro Cauto 212-13, II semestre 2 settembre, 213 CP11 Probabilità: Esame 2 settembre 213 Testo e soluzione 1. (6 ts) Abbiamo due mazzi di carte francesi, il mazzo A
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliVARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013)
VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/213) Daniela De Canditiis modulo di CdP di teoria dei segnali - Ingegneria dell informazione - (Sapienza - Latina) VARIABILI ALEATORIE MULTIVARIATE Molto spesso
DettagliDipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 15: 12 marzo 2014
Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 15: 12 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/15? Calendaro prossme lezon 13 marzo 14
DettagliLa likelihood. , x 3. , x 2. ,...x N
La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza
DettagliMODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).
ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliEsercitazione 1 del corso di Statistica 2
Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,
DettagliAnalisi Class Successioni Lezione 6 2 ottobre 2014
CLASS Bologna Anals Matematca @ Class Successon Lezone 6 2 ottobre 2014 professor Danele Rtell danele.rtell@unbo.t 1/17? Successon Una successone d numer real è una funzone a valor real l cu domno è l
DettagliStatistica di Bose-Einstein
Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2
Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn
DettagliAnalisi Matenatica Lezione 1 23 settembre 2013
Dpartmento d Scenze Statstche Anals Matenatca Lezone 1 23 settembre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/24? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del docente www.danelertell.name
DettagliPrincipi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive
Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal
Dettagli