Proprietà asintotiche stimatori OLS e statistiche collegate
|
|
- Giulio Ricci
- 6 anni fa
- Visualizzazioni
Transcript
1 Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria / 30
2 Sommario Risultati prelimiari Distribuzioe asitotica dello stimatore OLS Errori stadard robusti all eteroschedasticità Itervalli di cofideza Distribuzioe asitotica della statistica t Rossi Proprietà asitotiche Ecoometria / 30
3 Risultati prelimiari Diseguagliaza di Cauchy-Schwarz Data ua variabile casuale sia b = E[XY ] E[X 2 ] dato che E[W 2 ] 0, W = Y + bx E[W 2 ] = E[Y 2 ] + b 2 E[X 2 ] + 2bE[XY ] E[W 2 ] = E[Y 2 ] + E[XY ]2 E[XY E[X 2 ] 2 E[X2 ]2 ] 2 E[X 2 ] allora E[W 2 ] = E[Y 2 ] E[XY ]2 E[X 2 ] E(XY ) 2 E[Y 2 ]E[X 2 ] E(XY ) E[Y 2 ]E[X 2 ] 0 Rossi Proprietà asitotiche Ecoometria / 30
4 Risultati prelimiari Covergeza i probabilità S 1, S 2,..., S successioe di variabili casuali. S potrebbe essere la media campioaria Ȳ per u campioe di osservazioi della variabile casuale Y. Covergeza i probabilità S coverge i probabilità al limite µ, S µ, se la probabilità che S appartega all itervallo (µ δ, µ + δ) tede a 1 co δ > 0: Pr{ S µ δ} 0 per e δ > 0. p Rossi Proprietà asitotiche Ecoometria / 30
5 Risultati prelimiari Legge dei gradi umeri Data la successioe di v.c. i.i.d. Y 1,..., Y co E[Y i ] = µ Y, Var[Y i ] = σy 2 <, la media campioaria coverge i probabilità alla media della popolazioe Ȳ p µ Al crescere del campioe () la distribuzioe campioaria si cocetra itoro alla media della popolazioe µ. La variaze di Ȳ dimiuisce al crescere della dimesioe campioaria la probabilità che Ȳ cada fuori dell itervallo ±δ dimiuisce al crescere di Rossi Proprietà asitotiche Ecoometria / 30
6 Risultati prelimiari Diseguagliaza di Chebychev Il legame tra Var[Ȳ ] e la probabilità che Ȳ sia a distaza ±δ da µ Y è forito dalla diseguagliaza di Chebychev Dato Y i i.i.d.(µ Y, σ 2 Y ), co. Segue che Pr{ Ȳ µ Y δ} Var[Ȳ ]/δ2, δ > 0 Var[Ȳ ] = σ2 Y Var[Ȳ ] δ 2 = σ2 Y δ 2 0 Pr{ Ȳ µ Y δ} 0 dimostrado la legge dei gradi umeri. Rossi Proprietà asitotiche Ecoometria / 30
7 Risultati prelimiari Covergeza i distribuzioe Sia F 1, F 2,..., F ua successioe di fuzioi di ripartizioe corrispodeti alle variabili S 1, S 2,..., S, per esempio dove σ = σ Y Ȳ. Covergeza i distribuzioe S = Ȳ µ Y σ Ȳ La successioe di variabili casuali {S } coverge i distribuzioe a d S, S S se le fuzioi di ripartizioe {F } covergoo a F, la distribuzioe di S: lim F (t) = F (t) dove il limite esiste per tutti i puti i cui la distribuzioe limite F è cotiua. F è la distribuzioe asitotica di S. Rossi Proprietà asitotiche Ecoometria / 30
8 Risultati prelimiari Teorema del limite cetrale Y 1, Y 2,..., Y soo i.i.d. e 0 < σ 2 Y < allora poichè Ȳ µ Y σ Ȳ d N(0, 1) σ Ȳ = σ Y (Ȳ µ Y ) σ Y Il TLC può ache essere espresso come ( Ȳ µ Y ) d σ Y Z dove Z N(0, 1). Questo sigifica che ( Ȳ µ Y ) d N(0, σy 2 ) per. Rossi Proprietà asitotiche Ecoometria / 30
9 Risultati prelimiari MRL semplice Y i = β 0 + β 1 X i + u i i = 1, 2,..., Sotto le assuzioi dei miimi quadrati, per grade, la distribuzioe di ˆβ 1 è approssimata da Lo stimatore di σ 2ˆβ1 = ( σ ˆβ 2 ) v 1 N β 1, (σx 2 )2 σ2 v : (σx 2 )2 ˆσ 2ˆβ1 = 1 stimatore di σv 2 (stimatore di σx 2 )2 = i ˆv2 i [ 1 i (X i X) 2] 2 Rossi Proprietà asitotiche Ecoometria / 30
10 Risultati prelimiari Cosisteza dello stimatore ˆσ 2ˆβ1 Sotto le prime tre assuzioi degli OLS, lo SE( ˆβ 1 ) robusto all eteroschedasticità costituisce la base per ua valida ifereza statistica, perchè ˆσ 2ˆβ1 σ 2ˆβ1 p 1 ˆσ 2ˆβ1 σ 2ˆβ1 = 1 1 [ 2 i ˆv2 i [ 1 i (X i X) 2] 2 / = [ ] [ 2 σv 2 (σx 2 )2 i (X i X) 2 û 2 i / Var[v i ] ] ] / [ i (X i X) 2 / Var[X i ] ] 2 Ciascuo dei tre fattori coverge i probabilità a 1. Rossi Proprietà asitotiche Ecoometria / 30
11 Risultati prelimiari Cosisteza dello stimatore ˆσ 2ˆβ1 E ovvio che Resta da dimostrare che 1 1 i v2 i 1 [ 2 1 i (X i X) 2 / Var[X i ] (X i X) 2 û 2 i i ] p 1 p Var[v i ] Per farlo, cioè per ivocare la legge dei gradi umeri, si deve dimostrare: p Var[v i ] 2 1 i (X i X) 2 û 2 i 1 i v2 i p 0 Rossi Proprietà asitotiche Ecoometria / 30
12 Risultati prelimiari Cosisteza dello stimatore ˆσ 2ˆβ1 Per dimostrare che 1 i v 2 i p Var[v i ] si assume che v i siao i.i.d. (assicurato dalla Ass.2 degli OLS) e Var[vi 2 ] <. Per dimostrare quest ultima si usa la diseguagliaza di Cauchy-Schwarz. Assumiamo che E[X 8 i ] < E[u 8 i ] < Var[v 2 i ] E[v 4 i ] = E[(X i µ X ) 4 u 4 i ] {E[(X i µ X ) 8 ]E[u 8 i ]} 1/2 Coclusioe: Se X i e u i hao i mometi ottavi fiiti allora v 2 i ha ua variaza fiita e soddisfa la legge dei gradi umeri. Rossi Proprietà asitotiche Ecoometria / 30
13 Risultati prelimiari Cosisteza dello stimatore ˆσ 2ˆβ1 Secodo passo: [ ] 1 (X i X) 2 û 2 i 1 (X i µ X ) 2 u 2 p i 0 i E u po lugo, o lo vediamo el dettaglio... i Rossi Proprietà asitotiche Ecoometria / 30
14 Risultati prelimiari Distribuzioe asitotica della statistica t robusta Sotto l ipotesi ulla H 0 : β 1 = β 1,0 la statistica t robusta all eteroschedasticità si distribuisce asitoticamete come ua ormale stadard se le assuzioi 1,2 e 3 degli OLS soo verificate. t = ˆβ 1 β 1,0 ˆσ ˆβ1 = ( ˆβ1 β 1,0 ) / σ 2ˆβ1 ˆσ2ˆβ1 σ 2ˆβ1 Sappiamo che quidi ˆβ 1 N ( σ 2 ) v β 1,0, (σx 2 )2 ( ˆβ1 β 1,0 ) d N(0, 1) σ 2ˆβ1 Rossi Proprietà asitotiche Ecoometria / 30
15 Risultati prelimiari Distribuzioe asitotica della statistica t robusta Ioltre, ˆσ2ˆβ1 σ 2ˆβ1 p 1 segue che per il Teorema di Slutsky. d t N(0, 1) 1 = N(0, 1) Rossi Proprietà asitotiche Ecoometria / 30
16 Risultati prelimiari Distribuzioe ormale multivariata W (m 1) N(µ W, Σ W ) E[W ] = µ W Var[W ] = E[(W µ W )(W µ W ) ] = Σ W Fuzioe di probabilità cogiuta: { 1 f(w) = (2π) m/2 exp 1 } Σ W 1/2 2 (W µ W ) Σ 1 W (W µ W ) Se V 1, (m 1 1) e V 2, (m 2 1) cogiutamete distribuiti secodo ua ormale multivariata e Cov[V 1, V 2 ] = E[(V 1 µ V1 )(V 2 µ V2 ) ] = 0 (m1 m 2 ) allora V 1 e V 2 soo idipedeti. Rossi Proprietà asitotiche Ecoometria / 30
17 Risultati prelimiari Distribuzioe ormale multivariata Dato W = [W 1,..., W m ], se W i i.i.d.n(0, σ 2 V ) allora Σ W = σ 2 W I m e la distribuzioe ormale multivariate si semplifica el prodotto di m desità ormali multivariate: { 1 f(w) = (2π) m/2 exp 1 } Σ W 1/2 2 (W µ W ) Σ 1 W (W µ W ) { 1 = (2π) m/2 (σv 2 exp 1 } )m/2 2σV 2 (W µ W ) (W µ W ) m 1 = (2π) 1/2 (σv 2 exp { (W i µ W ) 2 } )1/2 2σV 2 i=1 Rossi Proprietà asitotiche Ecoometria / 30
18 Risultati prelimiari Distribuzioi di combiazioi lieari e di forme quadratiche V R m, (m 1), V N(µ V, Σ V ) A, (a m); B, (b m); d, (a 1) d + AV N(d + Aµ V, AΣ V A ) E[d + AV ] = d + AE[V ] = d + Aµ V Var[d + AV ] = E[(AV Aµ v )(AV Aµ v ) ] = E[A(V µ v )(V µ v ) A ] = AE[(V µ V )(V µ V ) ]A = AΣ V A Rossi Proprietà asitotiche Ecoometria / 30
19 Risultati prelimiari Distribuzioi di combiazioi lieari e di forme quadratiche Cov[AV, BV ] = E[(AV Aµ v )(BV Bµ v ) ] = E[A(V µ v )(V µ v ) B ] = AE[(V µ V )(V µ V ) ]B = AΣ V B Se AΣ V B = 0 (a b) AV e BV soo idipedeti. Rossi Proprietà asitotiche Ecoometria / 30
20 Risultati prelimiari Distribuzioi di combiazioi lieari e di forme quadratiche V N(µ V, Σ V ) si distribuisce come ua χ 2 m (V µ V ) Σ 1 V (V µ V ) U N(0, I m ) se C è simmetrica ed idempotete U CU χ 2 r Rossi Proprietà asitotiche Ecoometria / 30
21 Distribuzioe asitotica stimatore OLS el MRLM TLC multivariato Applicazioe del TLC multivariato, a vettori di v.c. V (m 1), codizioi sulle variaze: W 1,..., W (m 1) 0 < Var[c W ] < c R m, c 0 E[W i ] = µ W Var[W i ] = E[(W i µ W )(W i µ W ) ] = Σ W W = 1 i=1 W i ( W µw ) d N(0, Σ W ) Rossi Proprietà asitotiche Ecoometria / 30
22 Distribuzioe asitotica stimatore OLS el MRLM Distribuzioe asitotica ˆβ Distribuzioe asitotica ˆβ OLS d (ˆβ β) N(0 (k+1), Σ (ˆβ β) ) dove co Σ (ˆβ β) = Q 1 X Σ vq 1 X Q X = E[X i X i] Distribuzioe per grade: Σ v = E[v i v i] = E[(X i u i )(X i u i ) ] ˆβ N ( ) β, Q 1 X Σ vq 1 X Rossi Proprietà asitotiche Ecoometria / 30
23 Distribuzioe asitotica stimatore OLS el MRLM Dimostrazioe Stimatore OLS: ˆβ = (X X) 1 X Y ˆβ = (X X) 1 X Y = (X X) 1 X (Xβ + u) = β + (X X) 1 X u ˆβ β = (X X) 1 X u (ˆβ β) = (X X) 1 X u ( X ) X 1 ( X ) u = Rossi Proprietà asitotiche Ecoometria / 30
24 Distribuzioe asitotica stimatore OLS el MRLM Dimostrazioe Cosideriamo X X = 1 X i X i i=1 di cui l elemeto (j, l) è dato da ( X ) ( ) X = 1 e j X i X i e l = j,l i=1 X ji X li i=1 X i is i.i.d. X ji X li i.i.d. Dato E[Xji] 4 < Per Cauchy-Schwarz: E[XjiX 2 li E[X 2 ] ji 4 ]E[X4 li ] Rossi Proprietà asitotiche Ecoometria / 30
25 Distribuzioe asitotica stimatore OLS el MRLM Dimostrazioe X ji X li è i.i.d. X ji X li ha mometi secodi fiiti 1 i=1 X jix li soddisfa la legge dei gradi umeri: 1 p X ji X li E[X ji X li ] i=1 questo è vero per tutti gli elemeti di ( ) X X, segue che ( X ) X p E[X i X i] = Q X Rossi Proprietà asitotiche Ecoometria / 30
26 Distribuzioe asitotica stimatore OLS el MRLM Dimostrazioe Cosideriamo X u = 1 X i u i = i 1 E[v i ] = E[X i u i ] = 0 Per la Ass.2 degli OLS, v i è i.i.d.. Dato c R k+1, per la diseguagliaza di Cauchy-Schwarz, E[(c v i ) 2 ] = E[(c X i u i ) 2 ] = E[(c X i ) 2 (u i ) 2 ] E[(c X i ) 4 ]E[u 4 i ] < per l Ass.3 degli OLS. i v i Rossi Proprietà asitotiche Ecoometria / 30
27 Distribuzioe asitotica stimatore OLS el MRLM Dimostrazioe Segue che i E[v i v i] = Σ v è fiita e defiita positiva. Possiamo applicare il TLC multivariato: 1 v i = ( 1 per cui i v i ) d N(0 k+1, Σ v ) ( X ) X 1 ( X ) u d (ˆβ β) = Q 1 X N(0 k+1, Σ v ) d (ˆβ β) N(0 k+1, Q 1 X Σ vq 1 X ) Rossi Proprietà asitotiche Ecoometria / 30
28 Distribuzioe asitotica stimatore OLS el MRLM Errori stadard robusti all eteroschedasticità Stimatore della Σ (ˆβ β) otteuto co i mometi campioari dove ( X ) X 1 ( X ) X 1 ˆΣ (ˆβ β) = Σv Σ v = 1 k 1 X i X iû 2 i i=1 Lo stimatore robusto all eteroschedasticità della Σ ˆβ è ˆΣ ˆβ = 1 ˆΣ (ˆβ β) Rossi Proprietà asitotiche Ecoometria / 30
29 Distribuzioe asitotica stimatore OLS el MRLM Errori stadard robusti all eteroschedasticità Fuzioe lieare di ˆβ, c ˆβ: c ˆβ N(c β, c Σˆβc) Se c = e i, quidi ˆβ i = e i ˆβ N(e iβ, e iσˆβe i ) Var[ ˆβ i ] = e iσˆβe i da cui lo stadard error di ˆβ i SE( ˆβ i ) = e i ˆΣˆβe i Rossi Proprietà asitotiche Ecoometria / 30
30 Distribuzioe asitotica stimatore OLS el MRLM Itervalli di cofideza L itervallo di cofideza al 5% per ˆβ i { ˆβ i ± 1, 96 e ˆΣˆβe i i } L itervallo di cofideza al 5% per ua combiazioe lieare c β {c ˆβ ± 1, 96 c ˆΣˆβc i i } Statistica t: ˆβ i β i d c ˆΣˆβc N(0, 1) i i Rossi Proprietà asitotiche Ecoometria / 30
Esercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliLEGGE DEI GRANDI NUMERI
LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliEsercizi di econometria: serie 2
Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliEsercizi svolti su successioni e serie di funzioni
Esercizi svolti su successioi e serie di fuzioi Esercizio. Calcolare il limite putuale di f ) = 2 +, [0, + ). Dimostrare che o si ha covergeza uiforme su 0, + ), metre si ha covergeza uiforme su [a, +
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06
PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.
DettagliY = ln X è normalmente distribuita. (y) = dg(x) dx. f Y. (x) = dy dx f Y. f X. (g(x)) & exp$ dx x - $ % ( x) DISTRIBUZIONE LOG-NORMALE.
DISTRIBUZIONE LOG-NORMALE. La variabile si dice log-ormalmete distribuita se: l è ormalmete distribuita g( l g ( e 0 +. uzioe di desità di probabilità: f ( d d f ( dg( d f (g( dg( d f (. & ep$ - / $ %,
DettagliSTATISTICA A K (63 ore)
STATISTICA A K (63 ore) Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto =400 X =34.000 Km; s cor =9000 Km Calcolare l
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
Dettagli2 Criteri di convergenza per serie a termini positivi
Uiversità Roma Tre L. Chierchia 65 (29//7) 2 Criteri di covergeza per serie a termii positivi I questo paragrafo cosideriamo serie a termii positivi ossia serie a co a > 0. Si ricordi che ua serie a termii
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliDef. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,
DettagliRegressione lineare semplice: inferenza
Regressione lineare semplice: inferenza Eduardo Rossi 2 2 Università di Pavia (Italy) Marzo 2014 Rossi Regressione lineare semplice Econometria - 2014 1 / 60 Outline 1 Introduzione 2 Verifica di ipotesi
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliCAPITOLO 10. Funzione Caratteristica, Normale multivariata, convergenze
CAPITOLO 0 Fuzioe Caratteristica, Normale multivariata, covergeze 5 0. Fuzioe caratteristica 53 0.. Fuzioe caratteristica La fuzioe caratteristica è uo strumeto teorico utile sotto diversi aspetti per
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA
FACOLTÀ DI SOCIOLOGIA a. a. 011 01 Esame del 11-01-01 STATISTICA ESERCIZIO 1 U idagie sulle abitudii alimetari dei requetatori di u cetro itess ha moitorato il umero di caè cosumati i u gioro ormale e
DettagliVERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.
VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
DettagliStatistica 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 / 21 Misura della dipedeza di u carattere
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche
Corso di laurea i Matematica Corso di Aalisi Matematica -2 AA. 0809.. Cooscere. Dott.ssa Sadra Lucete. Successioi umeriche Defiizioe di successioe, isieme degli elemeti della successioe, successioe defiita
DettagliTraccia delle soluzioni degli esercizi del fascicolo 6
Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi
Dettagliconverge in probabilità alla v.a. X e si scrive: converge in media quadratica alla v.a. X e si scrive: m n
98 Covergeza i probabilità Si dice che la successioe X coverge i probabilità alla v.a. X e si scrive: se, per qualsiasi ε > 0, si ha: X p X oppure plim X = X limp( X X < ε)= Covergeza i media quadratica
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliCAPITOLO 2 Semplici esperimenti comparativi
Douglas C. Motgomer Progettazioe e aalisi degli esperimeti 006 McGraw-Hill CAPITOLO emplici esperimeti comparativi Metodi statistici e probabilistici per l igegeria Corso di Laurea i Igegeria Civile A.A.
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliStatistica 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.
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliIl Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che
1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliSuccessioni di variabili aleatorie
0 Caitolo 5 Successioi i variabili aleatorie 5. Covergeza i istribuzioe e teorema cetrale i covergeza Sia {X } = (X,..., X,... ua successioe ifiita i variabili aleatorie e X u ulteriore variabile aleatoria.
DettagliTEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek
TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliAnalisi Funzionale 1 - a.a. 2012/2013
Secodo appello Esercizio Sia H spazio di Hilbert reale separabile. Aalisi Fuzioale - a.a. 202/203. Si euci il teorema di caratterizzazioe di ua base hilbertiaa per H. 2. Si provi che H ha ua base hilbertiaa
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
DettagliSTATISTICA 1 ESERCITAZIONE 5
STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche
DettagliDEFINIZIONE 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
DettagliCONCETTI 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
DettagliSoluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.
60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliFunzioni di distribuzione e test statistici
Capitolo 3 Fuzioi di distribuzioe e test statistici Presetiamo i questo capitolo i cocetti e gli strumeti del Calcolo delle Probabilità e della Statistica idispesabili per la costruzioe e l uso di modelli
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliArgomenti trattati: Capitolo 12 libro di testo. Statistica - Metodologie per le scienze economiche e sociali A. Di Ciaccio, S.
1 GLI INTERVALLI DI CONFIDENZA Argometi trattati: Stima per itervallo Aalogie tra la stima putuale e per itervallo Itervallo di cofideza per la media Itervallo di cofideza per la proporzioe Itervallo di
Dettagli1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ;
. Serie umeriche Esercizio. Studiare il carattere delle segueti serie: ;! ;! ;!. Soluzioe.. Serie a termii positivi; cofrotiamola co la serie +, che è covergete: + + + 0. Pertato, per il criterio del cofroto
Dettagliversione
versioe 3-06-2004 37 La seguete Lezioe 4 riguarda pricipalmete la legge dei gradi umeri ed il teorema cetrale del limite. Iclude ache la geeralizzazioe del cocetto di idipedeza completa per successioi
DettagliTeoremi limite classici
Capitolo 5 Teoremi limite classici I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliDefinizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie.
SERIE NUMERICHE Defiizioe. Data ua successioe (a ) alla scrittura formale ) a + a 2 + + a +, si dà il ome di serie. I umeri a, a 2,, a, rappresetao i termii della serie, i particolare a è il termie geerale
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
DettagliCompendio di calcolo delle probabilità
Compedio di calcolo delle probabilità Massimiliao Goldwurm Dispese per gli studeti del corso di laurea magistrale di Iformatica Uiversità degli Studi di Milao Ao accademico 2016-2017 Versioe prelimiare
DettagliISTITUZIONI DI ANALISI SUPERIORE Esercizi di metà corso
ISTITUZIONI DI ANALISI SUPEIOE 2-2 Esercizi di metà corso Silvia Ghiassi 22 ovembre 2 Esercizio Diamo u esempio di fuzioe u: tale che u 6, u 6, u 6. se x
DettagliEsercizi di Analisi II
Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare
Dettagli****** FUNZIONI MISURABILI E INTEGRAZIONE ******
****** FUNZIONI MISURABILI E INTEGRAZIONE ****** 1 2 1. Fuzioi misurabili. I questo umero estediamo la ozioe di misurabilità alle fuzioi. Defiizioe 1. Siao u isieme o vuoto, Y uo spazio topologico e µ
DettagliStatistica inferenziale e mercati azionari
Statistica ifereziale e mercati azioari Di Cristiao Armellii, cristiao.armellii@alice.it Dalla statistica ifereziale sappiamo che se m = media del campioe s = scarto quadratico medio del campioe = umerosità
DettagliAnalisi 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?
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliAnalisi Matematica I
Uiversità di Pisa - orso di Laurea i Igegeria Edile-rchitettura alisi Matematica I Pisa, febbraio Domada La derivata della fuzioe f) log ) si è ) log )si B) log )cos ) log ) si cos loglog ) + si ) log
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
DettagliPolitecnico di Milano Appunti delle lezioni del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009. Inferenza non parametrica
Politecico di Milao Apputi delle lezioi del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009 Ifereza o parametrica Ileia Epifai 13 maggio 2009 Il coteuto di queste dispese è protetto dalle
Dettagli1 Variabili aleatorie in casi più generali: indipendenza, LGN e TCL.
versioe 28-05-2004 0 Variabili aleatorie i casi più geerali: idipedeza, LGN e TCL.. Variabili aleatorie idipedeti Molte delle defiizioi e delle proprietà delle variabili aleatorie i spazi fiiti valgoo
DettagliProbabilit` a Discreta
Probabilità Discreta Itroduzioe Feomeo determiistico e o determiistico (o aleatorio): il determiistico, dato u sistema meccaico, e cooscedo le codizioi iiziali è sempre possibile studiare e prevedere quale
DettagliSERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)
SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 12 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 1 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare le dimesioi i micrometri di u graulocita eutrofilo.
DettagliMatematica 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
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
Dettagli1 Statistica Inferenziale
1 Statistica Ifereziale Cosideriamo u tipico problema che coduce a cosiderazioi di tipo statistico: Problema: Ua moeta, di cui si igora l oestà, viee laciata 1000 volte otteedo 447 teste. Si può affermare
DettagliIstituzioni di Analisi Superiore Esercizi
Istituzioi di Aalisi Superiore Esercizi G.P.Leoardi 13 aprile 2010 Nota: gli esercizi delle sezioi 2 4 soo stati tratti i buoa parte da ua raccolta di esercizi di Aalisi Fuzioale ad opera di H.Brezis e
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
Dettagli