Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente
|
|
- Raffaela Farina
- 6 anni fa
- Visualizzazioni
Transcript
1 Firenze - Dip. di Fisica 2 agosto 2008 Densità di probabilità del prodotto di due variabili casuali distribuite uniformemente In questa dispensa, che presentiamo a semplice titolo di esercizio e applicazione di proprietà note, ci proponiamo di calcolare la densità di probabilità del prodotto di due variabili casuali indipendenti, distribuite in modo uniforme fra 0 e. Ciascuna delle due variabili, x e x 2, ha una funzione di distribuzione data da: h(x) = n 0 se x < 0 o x > se 0 x () Siamo interessati a determinare la funzione densità di probabilità del prodotto x x 2. Questo risultato si può ottenere con due metodi.. Determinazione diretta della densità di probabilità Se consideriamo una variabile casuale vettoriale di dimensione n: x = {x, x 2... x n } la cui densità di probabilità è data da f(x, x 2... x n ) e una nuova variabile di dimensione n funzione della prima = H(x), la densità di probabilità di può essere espressa come g() = f H () µ Ø x ØØØ Ø J (2) dove J rappresenta il determinante della matrice jacobiana: J µ x = det x x x 2 x 2 x n... x n x 2 n x n... x n n (3) Questo metodo si può applicare se esiste la funzione inversa tale che x = H (), ossia se esiste una relazione biunivoca fra x e. Nel nostro caso identificheremo la nuova variabile con una variabile a 2 dimensioni, contenente come primo elemento = x x 2, e sceglieremo il secondo elemento in modo da Per convenzione utilizziamo la grafia x per distinguere una variabile casuale da una variabile normale, per cui useremo la grafia x. Made with Macintosh
2 Firenze - Dip. di Fisica 2 agosto 2008 verificare le condizioni di biunivocità. Possiamo ad esempio prendere = x. Si determina anche facilmente la relazione inversa: = x x 2 = x x = x 2 = (4) Si vede che anche le nuove variabili assumono valori compresi fra 0 e. Il determinante jacobiano è dato da Possiamo scrivere dunque la (2) come J µ µ x 0 = det 2 = (5) g(, ) = h( ) h µ (6) A questo punto non ci resta che calcolare dalla (6) la densità di probabilità marginale di data da g( ) = Z h( ) h µ d (7) dove i limiti di integrazione infiniti hanno valore simbolico, dato che la variabile ha densità di probabilità non nulla solo nell intervallo [0, ]. La presenza di due funzioni h, come definite nella () implica che l integrale dà contributi non nulli solo se Ω 0 2 (8) La (7) si riduce quindi a g( ) = Z d = log = log µ (9) La funzione trovata è sempre positiva nell intervallo (0, ); verifichiamo anche la normaliz- Made with Macintosh 2
3 Firenze - Dip. di Fisica 2 agosto 2008 zazione ossia calcoliamo Z 0 Z log d = lim log d = lim ( + log ) = (0) 0 0 Come esercizio, ripetiamo lo stesso procedimento con una scelta diversa per la variabile : = x x 2 = x 2 x q x = x 2 = () In questo caso spazia da 0 a infinito. Per il determinante jacobiano si ha: J µ x = det 2p 2 2p 2 2 = (2) 2 La densità di probabilità congiunta vale g(, ) = µr 2 h h ( ) (3) Dato che 0 e > 0 il prodotto delle funzioni h è non nullo se (4) Conseguentemente g( ) = 2 Z d = µ µ log log = log 2 (5) Made with Macintosh 3
4 Firenze - Dip. di Fisica 2 agosto 2008 g() Fig. : densità di probabilità del prodotto di due variabili distribuite uniformemente fra 0 e. In figura è rappresentata la densità di probabilità del prodotto, g(), in blu e una simulazione Monte Carlo (istogramma in rosso) effettuata estraendo coppie di numeri pseudo casuali. 2. Determinazione tramite la funzione di distribuzione Si può calcolare la densità di probabilità partendo dalla funzione di distribuzione. Nel nostro caso la funzione è data da G() = P (x x 2 < ) (6) dove x e x 2 sono distribuite secondo la (). Il calcolo si esegue facilmente se si considera lo schema in figura 2. Made with Macintosh 4
5 Firenze - Dip. di Fisica 2 agosto x x.0 Fig. 2: zona per il calcolo della funzione di distribuzione del prodotto di due variabili distribuite uniformemente. Il quadrato di lato unitario in figura rappresenta i possibili punti individuati da una coppia di valori casuali {x, x 2 }. Data la distribuzione uniforme delle probabilità per le due variabili, la probabilità che un punto cada in una qualsiasi zona interna al quadrato è semplicemente data dall area della zona stessa. Il tratto di curva disegnato è la funzione x 2 = /x e delimita la parte del quadrato per cui il valore del prodotto x x 2 è minore o maggiore di. La probabilità espressa dalla (6) è quindi data dall area tinteggiata in figura. Essa è data da G() = + Z x dx = log (7) Derivando la (7) si ottiene la densità di probabilità, che coincide ovviamente con la (9). 3. Estensione a intervalli diversi Una volta ottenuta la (9), non è difficile estendere il risultato a situazioni in cui gli intervalli delle variabili sono diversi. Ad esempio, consideriamo il caso semplice in cui x e Made with Macintosh 5
6 Firenze - Dip. di Fisica 2 agosto 2008 x 2 sono distribuite uniformemente fra - e, per cui la loro densità di probabilità vale: h(x) = ( 2 se x 0 se x < o x > (8) Possiamo notare che: a. Il prodotto delle variabili è ora distribuito fra - e b. Le probabilità che il prodotto sia positivo o negativo sono entrambe /2 c. Le probabilità di ottenere un prodotto o un prodotto sono uguali d. Se consideriamo i casi > 0, l andamento della densità di probabilità è lo stesso che nella situazione studiata precedentemente, dato che la densità superficiale nel piano (x, x 2 ) è ancora costante, salvo per l integrale che vale /2. Da queste considerazioni risulta immediatamente g() = µ 2 log (9) In figura 3 è mostrata la densità di probabilità 2.0 e l istogramma ottenuto con metodo Monte- Carlo su coppie di valori Fig. 3: densità di probabilità del prodotto di due variabili distribuite uniformemente fra - e. Made with Macintosh 6
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliSimulazione dei dati
Simulazione dei dati Scopo della simulazione Fasi della simulazione Generazione di numeri casuali Esempi Simulazione con Montecarlo 0 Scopo della simulazione Le distribuzioni di riferimento usate per determinare
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliFunzioni implicite - Esercizi svolti
Funzioni implicite - Esercizi svolti Esercizio. È data la funzione di due variabili F (x, y) = y(e y + x) log x. Verificare che esiste un intorno I in R del punto di ascissa x 0 = sul quale è definita
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliESERCIZIO SVOLTO N 1 ESERCIZIO SVOLTO N 2. Determinare e rappresentare graficamente il dominio della funzione
ESERCIZIO SVOLTO N 1 Determinare e rappresentare graficamente il dominio della funzione f(x, y) = y 2 x 2 Trovare gli eventuali punti stazionari e gli estremi di f Il dominio della funzione è dato da dom
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
DettagliTraccia della soluzione degli esercizi del Capitolo 3
Traccia della soluzione degli esercizi del Capitolo 3 Esercizio 68 Sia X una v.c. uniformenente distribuita nell intervallo ( π, π, cioè f X ( = π ( π, π (. Posto Y = cos(x, trovare la distribuzione di
DettagliProbabilità 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,
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliApplicazioni lineari tra spazi euclidei. Cambi di base.
pplicazioni lineari tra spazi euclidei. Cambi di base. Esercizio. Data la seguente applicazione lineare f : R R : f(x, y, z) = (x z, x + y, y + z), scrivere la matrice B, rappresentativa di f rispetto
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliIntroduciamo il sistema di riferimento indicato in figura b) con F 1 = ( f, 0) ed F 2 = (f, 0). Se P = (x, y) la condizione (1) fornisce
1 L ellisse 1.1 Definizione Consideriamo due punti F 1 ed F 2 e sia 2f la loro distanza. L ellisse è il luogo dei punti P tali che la somma delle distanze PF 1 e PF 2 da F 1 ed F 2 è costante. Se indichiamo
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliEsame di Teoria dei Segnali A Ing. Informatica, Elettronica e Telecomunicazioni. 12 luglio 2004
Esame di Teoria dei Segnali A Ing. Informatica, Elettronica e Telecomunicazioni luglio 4 Esercizio Un sacchetto A contiene caramelle ai gusti fragola, limone e lampone. Un sacchetto B contiene caramelle
DettagliCOPPIE DI VARIABILI ALEATORIE
COPPIE DI VAIABILI ALEATOIE E DI NADO 1 Funzioni di ripartizione congiunte e marginali Definizione 11 Siano X, Y va definite su uno stesso spazio di probabilità (Ω, F, P La coppia (X, Y viene detta va
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
DettagliEsercizio (tratto dal Problema 1.6 del Mazzoldi)
1 Esercizio (tratto dal Problema 1.6 del Mazzoldi) Una particella si muove lungo l asse x nel verso positivo con accelerazione costante a 1 = 3.1 m/s 2. All istante t = 0 la particella si trova nell origine
DettagliCalcolo delle Probabilità
Esercitazione 6 maggio 04 Calcolo delle Probabilità Davide Petturiti e-mail: davide.petturiti@sbai.uniroma.it web: https://sites.google.com/site/davidepetturiti Esercizio. Siano X e Y due variabili aleatorie
Dettaglia) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
DettagliCorso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
Dettaglia) Il denominatore dev essere diverso da zero. Studiamo il trinomio x 2 5x + 6. Si ha: x 1,2 = 5 ± se x ], 2[ ]3, + [;
ESERCIZIO - Data la funzione f (x) + x2 2x x 2 5x + 6, si chiede di: a) calcolare il dominio di f ; (2 punti) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire se f ha asintoti
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliESERCIZI SVOLTI SUL CALCOLO INTEGRALE
ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliSerie di Fourier - Esercizi svolti
Serie di Fourier - Esercizi svolti Esercizio 1 È data la funzione f con domf) = R, periodica di periodo, tale che onda quadra) 1 se < x < fx) = se x = e x = 1 se < x < 1) 1 Calcolare i coefficienti di
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliPotenziale elettrostatico
Doppio strato piano Potenziale elettrostatico Consideriamo il lavoro compiuto dalla forza elettrica quando una particella di prova di carica q viene spostata in un campo elettrico E. Possiamo definire
DettagliLUISS Laurea specialistica in Economia e Finanza Anno Accademico 2010/2011
LUISS Laurea specialistica in Economia e Finanza Anno Accademico 1/11 Corso di Metodi Matematici per la Finanza Prof. Fausto Gozzi, Dr. Davide Vergni Soluzioni esercizi 4,5,6 esame scritto del 13/9/11
DettagliProdotto scalare e prodotto vettoriale. Elisabetta Colombo
Corso di Approfondimenti di Matematica Biotecnologie, Anno Accademico 2010-2011, http://users.mat.unimi.it/users/colombo/programmabio.html Vettori Vettori 1 2 3 4 di di Ricordiamo il in R n Dati a = (a
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliR. Capone Analisi Matematica Integrali multipli
Integrali multipli Consideriamo, inizialmente il caso degli integrali doppi. Il concetto di integrale doppio è l estensione della definizione di integrale per una funzione reale di una variabile reale
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica 69AA) A.A. 06/7 - Prima prova in itinere 07-0-03 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliSoluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni
Corso di Laurea in Ingegneria Informatica corso di Telecomunicazioni (Prof. G. Giunta) (editing a cura dell ing. F. Benedetto) Soluzioni di Esercizi di Esame di Segnali Aleatori per Telecomunicazioni Esame
Dettagli1 Successioni di funzioni
Successioni di Esercizio.. Studiare la convergenza puntuale ed uniforme della seguente successione di (.) f n (x) = n x Osserviamo che fissato x R f n(x) = + n x x R. x ( n + x ) = pertanto la successione
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliSecondo parziale di Matematica per l Economia (esempio)
Corso di Laurea in Economia e Management Secondo parziale di Matematica per l Economia (esempio) lettere E-Z, a.a. 206 207 prof. Gianluca Amato Regole generali Si svolga il primo esercizio e, a scelta
DettagliSOLUZIONE DEL PROBLEMA 2 TEMA DI MATEMATICA ESAME DI STATO 2016
SOLUZIONE DEL PROBLEMA 2 TEMA DI MATEMATICA ESAME DI STATO 2016 1. Per prima cosa determiniamo l espressione analitica della funzione f per x 8. x 8 = y y = 2x 16 2 4 Del grafico di f (x) possiamo dire
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
DettagliEsercizi svolti. a 2 x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.
Esercizi svolti 1. Sia sin(x ) f(x) = x ( 1 + x 1 ) se x > 0 a x + 3 se x 0; determinare a in modo che f risulti continua nel suo dominio.. Scrivere l equazione della retta tangente nel punto di ascissa
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
Dettagli1 Funzioni reali di una variabile reale
1 Funzioni reali di una variabile reale Qualche definizione e qualche esempio che risulteranno utili più avanti Durante tutto questo corso studieremo funzioni reali di una variabile reale, cioè Si ha f
DettagliINTEGRALI Test di autovalutazione
INTEGRALI Test di autovalutazione. L integrale ln 6 è uguale a (a) vale 5 2 (b) (c) (d) 4 5 vale ln 256 2 è negativo 2 5 + 4 5 2 5 + 4 5 d d 2. È data la funzione = e 2. Allora: (a) se F() è una primitiva
DettagliESAME DI MATEMATICA I parte Vicenza, 05/06/2017. x log 2 x?
A. Peretti Svolgimento dei temi d esame di Matematica A.A. 6/7 ESAME DI MATEMATICA I parte Vicenza, 5/6/7 log? Domanda. Per quali valori di è definita l espressione L espressione è definita se l argomento
DettagliLe soluzioni del foglio 3
Le soluzioni del foglio 3 1. Esercizio Consideriamo la famiglia di elicoidi, vedi Figura 1, x = u cos(v), y = u sin(v), z = kv, u 1, v π Quella proposta nell esercizio corrisponde alla scelta k = 1 Matrice
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
Dettaglix =0 x 1 x 2 Esercizio (tratto dal Problema 1.4 del Mazzoldi)
1 Esercizio (tratto dal Problema 1.4 del Mazzoldi) Un punto materiale si muove con moto uniformemente accelerato lungo l asse x. Passa per la posizione x 1 con velocità v 1 1.9 m/s, e per la posizione
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliLa figura che segue mostra il corpo in questione e la posizione della cavità interna: + +
ESECIZI 2 UN C SFEIC DI AGGI =10 cm è UNIFMEMENTE CAIC CN DENSITA DI CAICA ρ=10 6 C/m 3 IN TUTT IL VLUME, TANNE IN UNA CAVITA INTENA SFEICA DI AGGI r 1 =/2. IL CENT DELLA CAVITA SI TVA A DISTANZA d=r 1
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
Dettagli2. Coordinate omogenee e trasformazioni del piano
. Coordinate omogenee e trasformazioni del piano Nella prima sezione si è visto come la composizione di applicazioni lineari e di traslazioni porta ad una scomoda combinazione di prodotti matriciali e
DettagliAnno 4 Matrice inversa
Anno 4 Matrice inversa 1 Introduzione In questa lezione parleremo della matrice inversa di una matrice quadrata: definizione metodo per individuarla Al termine della lezione sarai in grado di: descrivere
DettagliI VETTORI GAUSSIANI E. DI NARDO
I VETTOI GAUSSIANI E. DI NADO. L importanza della distribuzione gaussiana I vettori di v.a. gaussiane sono senza dubbio uno degli strumenti più utili in statistica. Nell analisi multivariata, per esempio,
DettagliProblema ( ) = 0,!
Domanda. Problema ( = sen! x ( è! Poiché la funzione seno è periodica di periodo π, il periodo di g x! = 4. Studio di f. La funzione è pari, quindi il grafico è simmetrico rispetto all asse y. È sufficiente
Dettagli0.1. MATRICI SIMILI 1
0.1. MATRICI SIMILI 1 0.1 Matrici simili Definizione 0.1.1. Due matrici A, B di ordine n si dicono simili se esiste una matrice invertibile P con la proprietà che P 1 AP = B. Con questa terminologia dunque
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliPNI 2014 SESSIONE SUPPLETIVA QUESTIONARIO QUESITO 1
www.matefilia.it PNI 4 SESSIONE SUPPLETIVA QUESTIONARIO QUESITO Si determini il dominio della funzione f(x) = e x 3e x + e x 3e x + e x, e x x, x ln DOMINIO: < x, ln x < + QUESITO 3 La funzione: f(x) =
DettagliSuperfici. V. Tibullo, rev.1, 04/04/2006.
uperfici. Tibullo, rev.1, 04/04/2006. 1 Integrali di superficie Consideriamo una superficie nello spazio tridimensionale R 3. Il concetto di superficie è noto dalla geometria elementare e non se ne darà
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
Dettagli{ x + 2y = 3 αx + 2y = 1 αx + y = 0. f(x) = e x 2 +3x+4 x 5. f(x) = x 3 e 7x.
0 Gennaio 006 Teoria: Definizione di derivata puntuale e suo significato geometrico Esercizio Determinare l equazione del piano contenente i vettori u = (,, 3 e v = (,, e passante per P o = (,, Scrivere
DettagliEsercitazione n 6. Esercizio 1: Determinare i punti di massimo e minimo relativo delle seguenti funzioni: (b)f(x, y) = 4y 4 16x 2 y + x
Esercitazione n 6 1 Massimi e minimi di funzioni di più variabili Esercizio 1: Determinare i punti di massimo e minimo relativo delle seguenti funzioni: (a)f(x, y) = x 3 + y 3 + xy (b)f(x, y) = 4y 4 16x
DettagliVettori applicati. Capitolo Richiami teorici. Definizione 1.1 Un sistema di vettori applicati Σ è un insieme
Capitolo 1 Vettori applicati 1.1 Richiami teorici Definizione 1.1 Un sistema di vettori applicati Σ è un insieme {(P i,v i ), P i E, v i V, i = 1,...,N}, (1.1) dove P i è detto punto di applicazione del
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliSoluzione di Adriana Lanza
Soluzione Dimostriamo che f(x) è una funzione dispari Osserviamo che in quanto in quanto x è una funzione dispari è una funzione dispari in quanto prodotto di una funzione dispari per una pari Pertanto
DettagliDistribuzione Gaussiana o Normale. 1 Distribuzione Normale come limite della Binomiale
Statistica e analisi dei dati Data: 6 Maggio 26 Distribuzione Gaussiana o Normale Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi Distribuzione Normale come limite della Binomiale Data una distribuzione
DettagliIl determinante. Calcolo del determinante di matrici particolari. matrici di ordine 2: sia. a11 a A = allora
Calcolo del determinante di matrici particolari matrici di ordine 2: sia allora Esempio. [ ] a11 a A = 12, a 21 a 22 det A = a 11 a 22 a 21 a 12. Calcolare il determinante di [ ] 1 2 A =. 3 4 matrici di
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliSvolgimento. f y (x, y) = 8 y 2 x. 1 x 2 y = 0. y 2 x = 0. (si poteva anche ricavare la x dalla seconda equazione e sostituire nella prima)
Università degli Studi della Basilicata Corsi di Laurea in Chimica / Scienze Geologiche Matematica II A. A. 2013-2014 (dott.ssa Vita Leonessa) Esercizi svolti: Ricerca di massimi e minimi di funzioni a
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
Dettagli1. Funzioni implicite
1. Funzioni implicite 1.1 Il caso scalare Sia X R 2 e sia f : X R. Una funzione y : (a, b) R si dice definita implicitamente dall equazione f(x, y) = 0 in (a, b) quando: 1. (x, y(x)) X x (a, b); 2. f(x,
DettagliEquazioni differenziali
4 Equazioni differenziali Determinare le primitive di una funzione f(x) significa risolvere y (x) = f(x) dove l incognita è la funzione y(x). Questa equazione è un semplice esempio di equazione differenziale.
DettagliRETTE E PIANI NELLO SPAZIO
VETTORI E GEOMETRIA ANALITICA 1 RETTE E PIANI NELLO SPAZIO Rette e piani in forma cartesiana e parametrica. Parallelismo e perpendicolarità, posizioni reciproche tra rette e piani, distanze. Esercizio
DettagliFUNZIONI. }, oppure la
FUNZIONI 1. Definizioni e prime proprietà Il concetto di funzione è di uso comune per esprimere la seguente situazione: due grandezze variano l una al variare dell altra secondo una certa legge. Ad esempio,
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
Dettaglix 1 Fig.1 Il punto P = P =
Geometria di R 2 In questo paragrafo discutiamo le proprietà geometriche elementari del piano Per avere a disposizione delle coordinate nel piano, fissiamo un punto, che chiamiamo l origine Scegliamo poi
DettagliCorso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Esercizi svolti sulle funzioni di variabile complessa (1)
Corso di Metodi Matematici per l Ingegneria A.A. 2016/2017 Esercizi svolti sulle funzioni di variabile complessa 1) Marco Bramanti Politecnico di Milano November 7, 2016 1 Funzioni olomorfe e campi di
DettagliLimiti di funzioni e loro applicazioni
Limiti di funzioni e loro applicazioni Versione da non divulgare. Scritta per comodità degli studenti. Può contenere errori. 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Novembre 2013
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliCOME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI
COME CALCOLARE LA COMBINAZIONE DI MINIMO COSTO DEI FATTORI In questa Appendice, mostreremo come un impresa possa individuare la sua combinazione di minimo costo dei fattori produttivi attraverso il calcolo
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliMassimi e minimi relativi in R n
Massimi e minimi relativi in R n Si consideri una funzione f : A R, con A R n, e sia x A un punto interno ad A. Definizione: si dice che x è un punto di massimo relativo per f se B(x, r) A tale che f(y)
Dettagli