Esercitazioni di Statistica

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esercitazioni di Statistica"

Transcript

1 Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda ritiene che solo l 80% dei pezzi prodotti superi il controllo di qualità. Determinare la probabilità che di 8 pezzi prodotti: a cinque pezzi superino il controllo di qualità; b tutti i pezzi superino il controllo di qualità; c almeno 2 pezzi superino il controllo di qualità. Soluzione Ogni pezzo prodotto supera il controllo di qualità indipendentemente dagli altri pertanto la distribuzione di riferimento è la binomiale Bin(8, 0.8. La probabilità che cinque pezzi superino il controllo di qualità è data da: P r(x 8 = 5 = ( 8 5 (0.8 5 ( = La probabilità che tutti i pezzi superino il controllo di qualità è data da: P r(x 8 = 8 = ( 8 8 (0.8 8 (0.2 0 = La probabilità che almeno due pezzi superino il controllo di qualità è data da: 1 P r(x 8 2 = ( P (X 8 = i = 1 i=2 (0.8 0 ( ( P (X 8 = i = i=0 ( =

2 Esercizio 2 Determinare l area sotto la curva normale standardizzata: a tra z = 0 e z = 1.2; b tra z = 0.68 e z = 0; c tra z = 0.46 e z = 2.21; d alla destra di z = Determinare inoltre il valore z tale che si lascia a destra una probabilità pari a Soluzione La tavola per calcolare il valore della funzione di ripartizione di una distribuzione normale standardizzata fornisce la seguente probabilità: zα 1 F (z α = P r(z z α = exp ( 12 2π z2 dz, per valori di z α [0, 4.09]. Il problema chiede semplicemente di determinare le seguenti probabilità: a tra z = 0 e z = 1.2 P r(0 Z 1.2 = P r(z 1.2 P r(z 0 = F (1.2 F (0 = b tra z = 0.68 e z = 0 = = ; P r( 0.68 Z 0 = P r(0 Z 0.68 = P r(z 0.68 P r(z 0 = = F (0.68 F (0 = = , dove la prima uguaglianza è giustificata dalla simmetria della normale standardizzata rispetto allo 0 (P r( a Z 0 = P r(0 Z a; c tra z = 0.46 e z = 2.21 P r( 0.46 Z 2.21 = P r( 0.46 Z 2.21 d alla destra di z = = P r( 0.46 Z 0 + P r(0 Z 2.21 = P r(0 Z P r(0 Z 2.21 = F ( F ( F (0 = = = ; P r( 1.28 Z < + = P r( 1.28 Z 0 + P r(0 Z < + = = P r(0 Z P r(0 Z < + = = P r(0 Z P r( < Z 0 = = P r( < Z 0 + P r(0 Z 1.28 = = P r( < Z 1.28 = = F (1.28 = Il valore z tale che P r(x z = 0.05 è tale che P r(0 Z z = Esaminando le tavole si ricava che il valore cercato è

3 Esercizio 3 La durata delle gomme per auto segue una distribuzione normale di media km e deviazione standard 8000 km. a Qual è la proporzione delle gomme che durano meno di 60,000 km? b La pubblicità dichiara che il 90% delle nostre gomme durano più di x km. Qual è il valore di x? Soluzione Per calcolare tale proporzione (o in termini più formali, tale probabilità dobbiamo standardizzare la distribuzione delle gomme per ricondurla alla normale standardizzata. Se X N(µ = 70000; σ = 8000 allora Z = X N(0; 1, 8000 e quindi si ha che: ( X P r(x < = P r < = ( = P r Z < = P r(z < 1.25 = Nel secondo punto dobbiamo prima trovare il percentile dalla distribuzione standardizzata e poi applicare la trasformazione inversa alla standardizzazione quindi si ha che: P r(z < q Z = 0.9 q Z 1.28 P r(z > q Z = 0.9 q Z 1.28 q Z = 1, = q X = Esercizio 4 Il tempo necessario per completare questa esercitazione segue una distribuzione normale di media 100 minuti e deviazione standard di 20 minuti. a Calcolare la percentuale di studenti che completeranno tutti gli esercizi entro 2 ore b Quanto tempo è necessario affinché il 95% degli studenti completino l esercitazione? Soluzione Se X N(µ = 100; σ = 20 allora la ( X P r(x < 120 = P r < = ( = P r Z < = P r(z < 1 = 84.13% 20 Nel secondo punto dobbiamo prima trovare il percentile dalla distribuzione standardizzata e poi applicare la trasformazione inversa alla srandardizzazione quindi si ha che: P r(z < q Z = 0.95 q Z P r(z < q Z = 0.95 = P r(z < q Z = 0.95 q Z = q X = =

4 dnorm(x, mean = 0, sd = x Esercizio 5 Data la variabile (Uniforme X definita nell intervallo (0, 10 a determinare valor medio e varianza b calcolare il valore della funzione di ripartizione in corrispondenza del valore x = 6. Soluzione a La funzione di densità della variabile aleatoria uniforme in (a, b è p(x = 1 x in (a, b. (b a L µ Risulta: V ar(x = b E(X = xf(xdx = x 2 f(xdx E(X 2 = F (6 = dx = 1 10 x 1 10 dx = 1 x = = 5 x x 3 dx 25 = = = dx = 1 10 x 6 0 = 6 10 = 0.6 4

5 F (x x Esercizio 6 (Scozzafava Un apparecchiatura contiene 2000 componenti ugualmente affidabili, con una probabilità di guastarsi, per ognuno di essi, uguale a p = Sia E i questo evento. Se anche un solo componente si guasta, l apparecchiatura si ferma: valutare la probabilità di quest ultimo evento, supponendo indipendenti i 2000 eventi E i. Soluzione Con questi valori di p e n si può utilizzare la variabile aleatoria di Poisson con λ = np = 1. Allora la probabilità che nessun componente si guasti è e 1, e quindi la probabilità che l apparecchiatura si fermi è uguale a 1 e 1 = Esercizio 7 Ad un router arrivano in media 7 pacchetti per unità di tempo. Supponendo che la variabile aleatoria X numero di pacchetti per unità di tempo si distribuisca secondo una legge di Poisson, determinare la probabilità: a che in un unità di tempo arrivino 3 pacchetti b che in un unità di tempo arrivino più di 5 pacchetti c che in tre unità di tempo arrivino esattamente 2 pacchetti. Soluzione a P (X = 7 = e ! = variabile aleatoria di Poisson di parametro 7 b P (X > 5 = 1 P (X 5 = 1 5 i=0 P (X = i = 1 5 e 7 7 i i=0 = 0.7 variabile i! aleatoria di Poisson di parametro 7 c P (X = 2 = e ! = e 21 variabile aleatoria di Poisson di parametro 21 (utilizzando la riproducibilità della distribuzione di Poisson 21 = 7 3 Esercizio 8 Un dado viene lanciato più volte fino all arrivo della faccia 1. Sapendo che sono stati già effettuati 3 lanci (senza che la faccia 1 sia uscita, calcolare la probabilità di fare al massimo altri 3 lanci. 5

6 p k Soluzione La variabile aleatoria che descrive il fenomeno è una variabile aleatoria X geometrica di parametro p = 1 con funzione di probabilità p(x = x = (1 6 px 1 p. La probabilità di fare al massimo altri 3 lanci è la probabilità che il numero 1 esca al primo, secondo o terzo lancio. I tre eventi sono incompatibili quindi si può utilizzare la legge delle probabilità totali. Per la proprietà di assenza di memoria della distribuzione geometrica l informazione che in tre precedenti lanci il numero 1 non è uscito non influisce sulla probabilità che il numero 1 esca in successivi lanci. P (X 3 = P (X = 1 + P (X = 2 + P (X = 3 = ( = p k La proprietà di assenza di memoria si dimostra nel modo che segue. 6

7 F (k = P (X k = k (1 p x 1 p = p x=1 1 (1 pk 1 (1 p = 1 (1 pk 1 F (k = P (X > k = (1 p k P (X > s/x > t = P (X > t + s P (X > t = (1 pt+s (1 p t = (1 p s = P (X > s Esercizio 9 Due componenti hanno tempi di durata T 1 e T 2 indipendenti e con funzione di densità esponenziale con valore medio 200 ore. Determinare la probabilità che un dispositivo composto da entrambi i componenti duri almeno 100 ore. Soluzione La probabilità che il dispostivo duri almeno 100 ore è la probabilità che la durata minima di funzionamento dei due componenti sia almeno 100 ore. Ricordando la proposizione 5.6 (Ross riguardante la funzione di densità del minimo di due variabili aleatorie esponenziali indipendenti e identicamente distribuite risulta: P (min(t 1, T 2 > 100 = P ((T 1, T 2 > 100 = e e = e 1. dexp(x, 1/ x Esercizio 10 Determinare la funzione generatrice dei momenti di una variabile aleatoria di Poisson di valor medio λ = 3. Soluzione ϕ(t = e 3(et 1 (per lo sviluppo si veda formula del Ross 7

8 Esercizio 11 Siano dati due lotti, L 1 contenente 2 pezzi difettosi e 3 non difettosi ed L 2 contenente 3 pezzi difettosi e 4 non difettosi. Da L 1 si effettuano 2 estrazioni con restituzione ottenendo X pezzi non difettosi; successivamente, si effettuano 3 estrazioni con restituzione da L 2 ottenendo Y pezzi non difettosi. Sia E i la variabile casuale che vale 1 se il pezzo estratto nell i-ma prova è non difettoso, i = 1,..., 5; 0 altrimenti. Calcolare la probabilità p che almeno uno dei 5 pezzi estratti sia non difettoso. Calcolare il valore atteso e la varianza di Z = X + Y Soluzione La prima cosa da notare è che le estrazioni sono con reimmissione quindi si può applicare uno schema delle prove ripetute al problema proposto. Occorre, tuttavia, distinguere le prime due estrazioni dalle successive tre. La probabilità di avere un pezzo difettoso in una delle prime due estrazioni è 2/5 mentre nelle successive tre è 3/7. Il testo dell esercizio richiede il calcolo della probabilità dell evento almeno uno dei 5 pezzi estratti sia non difettoso. Il calcolo di questa probabilità è molto laboriosa, in particolare, se confrontata con la probabilità della negazione dell evento che è data da: { 5 } ( 2 ( P r E i = 0 = = i=1 Quindi la probabilità dell evento almeno uno dei 5 pezzi estratti sia non difettoso è semplicemente = Per la risoluzione della seconda parte dell esercizio occorre notare che, essendo le estrazioni l una indipendente dall altra, le variabili aleatorie X e Y sono indipendenti. Notando inoltre che le due variabili aleatorie sono due binomiali (X Bin(2, 0.6 e Y Bin(3, 0.57 si ha che: E(X + Y = E(X + E(Y e = 2 π X + 3 π Y = = 2.91, Var(X + Y = Var(X + Var(Y = 2 π X (1 π X + 3 π Y (1 π Y = = Esercizio 12 Un prodotto si ottiene dall assemblaggio di tre componenti, le cui lunghezze si distribuiscono come segue: X 1 N(2, 0.01 X 2 N(4, 0.02 X 3 N(3, 0.02 Si assuma che le tre lunghezze siano tra loro indipendenti. Gli standard qualitativi del prodotto prevedono che la lunghezza sia compresa nell intervallo (8.75, a Si determini la probabilità che il prodotto superi gli standard qualitativi; b Qual è la probabilità che il secondo pezzo sia più lungo del terzo? 8

9 Soluzione a Sia Y = X 1 + X 2 + X 3 la lunghezza del prodotto. Per la proprietà riproduttiva della normale, Y N(µ, σ 2 E(Y = µ = E(X 1 + E(X 2 + E(X 3 = = 9 V (Y = σ 2 = V (X 1 + V (X 2 + V (X 3 + 2Cov(X 1, X 2 + 2Cov(X 1, X 3 + 2Cov(X 3, X 2 = = 0.05 Quindi la probabilità richiesta P (8.75 < Y < 9.25 = P ( < Z < = P ( 1.12 < Z < 1.12 = 1 2 P (Z > 1.12 = 1 2 (1 P (Z < 1.12 = 2 P (Z < = = b Vogliamo calcolare la probabilità che il secondo pezzo sia più lungo del terzo, ossia P (X 2 > X 3 = P (X 2 X 3 > 0. Sappiamo che Quindi X 2 X 3 N(E(X 2 E(X 3, V (X 2 + V (X 3 = N(1, 0.04 P (X 2 X 3 > 0 = P ( Z > = P (Z > 5 = P (Z < 5 1 Esercizio 13 Determinare: a il valore della t di Student di parametro 24 che si lascia a destra una probabilità pari a 0.05; b i valori della t di Student di parametro 24 al di la dei quali vi è una probabilità pari a 0.05; c la probabilità che una variabile aleatoria χ 2 di parametro 3 assuma un valore maggiore o uguale di 6; d quale valore di una variabile aleatoria χ 2 di parametro 5 si lascia a destra una probabilità pari a 0.025; e il valore della F di Fisher di parametri 4 e 12 che si lascia a destra una probabilità pari a 0.05; f la probabilità che una variabile aleatoria F di Fisher di parametri 5 e 10 assuma un valore maggiore o uguale di

10 dt(x, x dchisq(x, x Soluzione a 1.711; b e 2.064; c maggiore di 0.05 esattamente (1-pchisq(6,3; d ; e 3.26; f minore di 0.01 esattamente (1-pf(6.5,5,10. 10

11 df(x, 5, x Appendice: istruzioni di R per variabili aleatorie Discrete Bernoulli Densità dbinom(x = x, size = 1, prob = p Ripartizione pbinom(q = x, size = 1, prob = p Quantile qbinom(p = α, size = 1, prob = p Random rbinom(n, size = 1, prob = p Binomiale Densità dbinom(x = x, size = m, prob = p Ripartizione pbinom(q = x, size = m, prob = p Quantile qbinom(p = α, size = m, prob = p Random rbinom(n, size = m, prob = p Geometrica Densità dgeom(x = x, prob = p Ripartizione pgeom(q = x, prob = p Quantile qgeom(p = α, prob = p Random rgeom(n, prob = p Poisson Densità dpois(x = x, lambda = λ Ripartizione ppois(q = x, lambda = λ Quantile qpois(p = α, lambda = λ Random pois(n, lambda = λ Continue Esponenziale 11

12 Densità dexp(x = x, rate = λ Ripartizione pexp(q = x, rate = λ Quantile qexp(p = α, rate = λ Random rexp(n, rate = λ Normale Densità dnorm(x = x, mean = µ, sd = σ Ripartizione pnorm(q = x, mean = µ, sd = σ Quantile qnorm(p = α, mean = µ, sd = σ Random rnorm(n, mean = mean = µ, sd = σ Student Densità dt(x = x, df = k Ripartizione pt(q = x, df = k Quantile qt(p = α, df = k Random rt(n, df = k Chi Quadrato Densità dchisq(x = x, df = k Ripartizione pchisq(q = x, df = k Quantile qchisq(p = α, df = k Random rchisq(n, df = k Fisher Densità df(x = x, df1 = n1, df2 = n2 Ripartizione pf(q = x, df1 = n1, df2 = n2 Quantile qf(p = α, df1 = n1, df2 = n2 Random rf(n, df1 = n1, df2 = n2 Grafici variabili discrete k<-c(0:10 p<-dpois(k,2 plot(k,p,type= h Grafici variabili continue curve(dnorm(x, mean=0, sd=1,-5,5 12

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione

Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione APPENDICE I. TAVOLE STATISTICHE Si ribadisce al lettore che in questa Appendice si riportano le procedure di Excel e di R.2.12.1 che gli permettono di trovare qualsiasi valore di probabilità cercato e

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

La variabile casuale Binomiale

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

Dettagli

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI DI PROBABILITÀ Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Esercizi riassuntivi di probabilità

Esercizi riassuntivi di probabilità Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.

Dettagli

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra

Dettagli

INTRODUZIONE A R Lezione 3

INTRODUZIONE A R Lezione 3 INTRODUZIONE A R Lezione 3 Silvia Bacci e Silvia Pandolfi 1 Creare grafici in R R consente di realizzare, con semplicità, grafici di qualità professionale. Questi sono poi esportabili come file in numerosi

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza

Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

Esercitazioni di Statistica con Matlab

Esercitazioni di Statistica con Matlab Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

Corso 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 Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso di Automazione Industriale 1. Capitolo 4 Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità David Barbato Questa raccolta comprende sia gli esercizi dell esercitazione del 14 febbraio sia gli esercizi di ricapitolazione sulle

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

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

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

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 5 maggio 007 Varabili aleatorie continue, distribuzioni continue e funzione generatrice di momenti. Esercizio Dimostrare la mancanza di memoria della

Dettagli

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

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

Dettagli

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.

Dettagli

Analisi dei dati con R

Analisi dei dati con R Analisi dei dati con R Riccardo Massari riccardo.massari@uniroma1.it Corso di STATISTICA Facoltà di Ingegneria Sapienza Università di Roma (Corso di statistica) Analisi dei dati - R. Massari 1 / 96 ANALISI

Dettagli

CENNI DI METODI STATISTICI

CENNI DI METODI STATISTICI Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Esercitazione 5 Soluzioni

Esercitazione 5 Soluzioni Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015 Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che

Dettagli

1 Modelli di variabili aleatorie continue

1 Modelli di variabili aleatorie continue Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,

Dettagli

Introduzione alla Teoria degli Errori

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

Dettagli

Esercizio 1. Svolgimento

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

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

Politecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013

Politecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013 Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

1 di 6. Usando un modello di probabilità

1 di 6. Usando un modello di probabilità Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE 19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte

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 Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,

Dettagli

Corso 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 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

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico

Dettagli

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Corso di Probabilità e Statistica

Corso di Probabilità e Statistica Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di Probabilità e Statistica (Prof.ssa L.Morato) Esercizi a cura di: S.Poffe sara.poffe@stat.unipd.it A.A.

Dettagli

Compiti tematici capp. 5,6

Compiti tematici capp. 5,6 Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛ Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole; Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio

Dettagli

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }. ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

IN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza

IN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza IN MATLAB distribuzione di frequenza 2-1 4. Usare la function histc(dati,x) 2-2 1. Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione;

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1

Dettagli

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,

Dettagli

LA VARIABILE ESPONENZIALE

LA VARIABILE ESPONENZIALE LA VARIABILE ESPONENZIALE E. DI NARDO 1. Analogia con la v.a. geometria In una successione di prove ripetute di Bernoulli, la v.a. geometrica restituisce il numero di prove necessarie per avere il primo

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica

Dettagli

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia

Variabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2

Dettagli

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.

Dettagli

Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 2010

Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 2010 Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 200 Esercizio. Dati due eventi A e B, scrivete, in termini di operazioni booleane, l espressione dell evento: {si verifica esattamente un solo evento

Dettagli

Esercizi di Calcolo delle Probabilita (I)

Esercizi di Calcolo delle Probabilita (I) Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

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

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

Dettagli

Probabilità e Statistica per l Informatica Esercitazione 4

Probabilità e Statistica per l Informatica Esercitazione 4 Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,

Dettagli

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,

Dettagli

Alcune v.a. discrete notevoli

Alcune v.a. discrete notevoli Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =

Dettagli

PARTE PRIMA PROBABILITA

PARTE PRIMA PROBABILITA i PARTE PRIMA PROBABILITA CAPITOLO I - Gli assiomi della probabilità 1.1 Introduzione........................................................... pag. 1 1.2 Definizione assiomatica di probabilità.......................................

Dettagli

Probabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette

Dettagli

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli