P ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
|
|
- Giuditta Mori
- 6 anni fa
- Visualizzazioni
Transcript
1 10.4 Convergenze Convergenza in Probabilità. Definizione Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo che tende in probabilità a X e scriveremo (100) P X se (101) ɛ > 0 lim P ( X > ɛ) = 0 Per dimensioni k maggiori di 1 la disuguaglianza X vale componente per componente. Significato geometrico per k = 1. Dire che X P n X equivale a dire che la probabilità della striscia X < ɛ qualunque sia l ampiezza (2ɛ) tende a 1 o equivalentemente che la probabilità della parte di piano X > ɛ tende a Convergenza Quasi certa. Una successione di variabili aleatorie { (ω)} rappresenta una successione di funzioni misurabili da (Ω, F) in (R, B 1 ). Per tale successione un usuale convergenza matematica è quella puntuale, cioè (ω) X, ω Ω ovvero (se come distanza consideriamo quella euclidea) ɛ > 0, m : (ω) X(ω) < ɛ per n > m. Una convergenza del genere però è troppo forte per le variabili aleatorie, visto che siamo interessati allo studio delle probabilità. Pertanto la convergenza sarà sufficiente anche se non si realizza in alcuni punti, purchè questi formino un insieme di misura trascurabile. Definizione 10.3 (Convergenza quasi certa.). Data una successione di v.a. { } e una v.a. X, diremo che converge quasi certamente a X se l evento (ω) X(ω) è quasi certo, ovvero se P ( X) = P ({ω Ω : (ω) X(ω)}) = 1 In tal caso si scrive X, oppure che tende a X con probabilità 1. La convergenza di ad una v.a. X significa prendere in considerazione in una prova (ipotetica) i valori assunti dalle infinite v.a. e vedere se questi convergono al valore assunto dalla v.a. X: tale evento deve avere probabilità 1. Caratterizzazione della convergenza quasi certa, pag. 230). Teorema X se e solo se ɛ > 0, lim P ( X m X < ɛ) = 1 m n
2 10.4 Convergenze 167 Pertanto una definizione alternativa di convergenza quasi certa potrebbe essere la seguente. Definizione Data una successione di v.a. { } e una v.a. X, diremo che converge quasi certamente a X se, fissati due numeri positivi ɛ, θ, è possibile determinare un intero n ɛ,θ, tale che per ogni n > n ɛ,θ risulti ( ( P Xm X ɛ )) < θ. m n Fissati, in altri termini, arbitrariamente ɛ e θ debbono risultare minori di θ, per n > n ɛ,θ, non solo le probabilità, P ( X ɛ ), che ciascuno singolarmente degli scarti sia non inferiore a ɛ (come richiesto dalla convergenza in probabilità), ma anche le probabilità che anche uno solo su tutti gli scarti X da n ɛ,θ in poi sia non inferiore a ɛ. Si dimostra il seguente Teorema Se X allora P X. Il viceversa non vale. Si possono costruire alcuni controesempi. In definitiva la relazione che sussiste, solo in un verso, tra le verie convergenze, è la seguente. X P X L X Applicazione - Legge dei grandi numeri. Sia X 1, X 2,...,,... una successione di variabili aleatorie i.i.d, con P( ) = µ e var( ) = σ 2 finite. Consideriamo la successione delle medie aritmetiche n = X i /n. i=1 Si ha P( ) = µ e var( ) = σ 2 /n. Pertanto la media aritmetica avrà una distribuzione centrata su µ che al tendere di n all infinito avrà una varianza infinitesima var( ) = σ 2 /n 0, ovvero sempre più concentrata su µ. Osserviamo che per trovare la distribuzione di bisognerebbe fare n 1 convoluzioni. Proviamo che la successione converge in probabilità al numero aleatorio X = µ. Per la disuguaglianza di Cebicev si ha P ( µ > ɛ) var() ɛ 2 ma var( ) = σ 2 /n 0 pertanto si ha ɛ > 0 lim P ( µ > ɛ) = 0. Tale risultato prende il nome di Legge (debole) dei grandi numeri. Ad esempio è utile per stimare la vera misura di una lunghezza, dopo aver effettuato diverse misure, si può considerare come vera misura la media aritmetica.
3 10.4 Convergenze 168 In particolare tale risultato prende anche il nome di Teorema di Bernoulli, in quanto nella sua prima forma fu dimostrato da Bernoulli. Sia X 1, X 2,...,,... una successione di variabili aleatorie bernoulliane i.i.d, con P( ) = µ e var( ) = σ finite. Ovvero { 1, con P (Xn = 1) = p = 0, con P ( = 0) = 1 p = q In tal caso la successione delle medie aritmetiche diviene la frequenza relativa f n di successo su n prove e il teorema diviene ɛ > 0 lim P ( f n p > ɛ) = 0. Cioè la frequenza relativa di successo converge in probabilità alla probabilità p di successo. Un altro importante risultato dovuto a Bernoulli, indicando con S n = n i=1 X i la frequenza assoluta, è il seguente k > 0 lim P ( S n np > k) = 1. Cioè il numero di S n np tende in probabilità all infinito. Possiamo pertanto dire che, in riferimento al lancio di una moneta, se si fanno un numero elevati di lanci la frequenze relativa di T esta sarà, con probabilità alta, vicina a 1/2, ma la frequenza assoluta, cioè il numero di T esta, sarà probabilmente lontano da n/2. Se ad ogni lancio si vince 1 se esce T esta e 1 se esce Croce, allora dopo un numero elevato di lanci la vincita (positiva o negativa) sarà lontana da zero Convergenza in Legge e convergenza in Probabilità. Teorema Se P X allora L X. Inoltre se X = a con probabilità 1 vale il viceversa, cioè se L X allora P X Il precedente teorema dimostra che la convergenza in probabilità è più forte della convergenza in legge, tranne per variabili degenere. In generale la convergenza in legge non implica la convergenza in probabilità. Vediamo un controesempio. Esempio Sia X 1, X 2,...,,... una successione di variabili aleatorie indipendenti e uniformemente distribuite in (0, 1) e sia X una variabile aleatoria con distr. unif. sempre in (0, 1) Essendo tutte le variabili in gioco con stessa distribuzione tutte avranno come funzione di ripartizione la funzione F n = F definita come F (x) = 0, se x 0, x, se 0 x < 1, 1, se x 1.
4 10.4 Convergenze 169 Quindi converge in legge a X. Proviamo che non c è convergenza in probabilità. Osserviamo che la densità marginale f(x n, x) è { 1, se (xn, x) Q f n (x n, x) = 1, 0, altrimenti avendo indicato con Q 1 il quadrato unitario, Q 1 = {(x, y) : 0 x 1, 0 y 1}. Consideriamo l evento X > ɛ si ha P ( X > ɛ) = (1 ɛ) 2 cioè fissato ɛ la quantità P ( X > ɛ) rimane costante al crescere di n, quindi P X. Esercizio Sia { U(0, 1/n), n N} una successione di variabili aleatorie ( delta di Dirac), provare che converge sia in legge che in probabilità a X = Convergenza in Media. Dato un numero reale r > 0, diciamo che tende a X in media r esima, e scriviamo se m.r. X. P( X r ) 0. Per r = 2 si parla di convergenza in media quadratica. Inoltre tale convergenza, poichè prende in considerazione i valori medi, richiede che essi siano finiti. Ricordiamo che la disuguaglianza di Cebicev (Markov). Per r > 0, ɛ > 0, si ha P ( X > ɛ) P( X r ) ɛ r, pertanto possiamo dimostrare che Teorema infatti m.r. X P X, ɛ, P ( X > ɛ) P( X r ) ɛ r 0 Esempio Nell inferenza statistica classica (oltre alla correttezza) si dice che uno stimatore Y n è consistente se tende in probabilità alla grandezza η da stimare. Se P(Y n ) = η, cioè lo stimatore è corretto, si ha P((Y n η) 2 ) = P((Y n P(Y n )) 2 ) = var(y n ) quindi se la var(y n ) 0 segue che Y n m.q. η.
5 10.4 Convergenze 170 e per il Teorema 10.4 si ha Y P n η cioè lo stimatore è consistente. Pertanto la media campionaria (per variabili con momenti di ordine 2 finiti) è uno stimatore corretto e consistente della media.
Teoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliProbabilità 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
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliIl Teorema di Kakutani
Il Teorema di Kakutani Abbiamo visto, precedentemente, il seguente risultato: 1 Sia X uno spazio di Banach. Se X è separabile, la palla è debolmente compatta. B X = {x X x 1} Il Teorema di Kakutani è un
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
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
DettagliCompletezza e compattezza
1 Completezza e compattezza Spazi metrici completi Data una successione x : N X, j x j, una sua sottosuccessione è la composizione x ν, ove ν : N N è strettamente crescente. Data una successione (x j )
Dettagli1 1+e ξ, (1) P A (ξ) = P B (ξ) = 1 1+e ξ (3) In figura (1) riportiamo l andamento delle probabilità P A (ξ) e P B (ξ). P A,P B
Algoritmo di Elo generalizzato AEg Marcello Colozzo Siano A e B due giocatori che eseguono un gioco a somma zero G. La probabilità di vittoria per A è: dove P A ξ = +e ξ ξ = βr A R B 2 In questa equazione
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2015/2016 www.mat.uniroma2.it/~caramell/did 1516/ps.htm 01/03/2016 - Lezioni 1, 2 [Caramellino] Breve introduzione al corso. Fenomeni
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliDerivate delle funzioni di una variabile.
Derivate delle funzioni di una variabile. Il concetto di derivata di una funzione di una variabile è uno dei più fecondi della matematica ed è quello su cui si basa il calcolo differenziale. I problemi
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliAppunti ed esercizi sulle coniche
1 LA CIRCONFERENZA 1 Appunti ed esercizi sulle coniche Versione del 1 Marzo 011 1 La circonferenza Nel piano R, fissati un punto O = (a, b) e un numero r > 0, la circonferenza (o cerchio) C di centro O
DettagliCirconferenze del piano
Circonferenze del piano 1 novembre 1 Circonferenze del piano 1.1 Definizione Una circonferenza è il luogo dei punti equidistanti da un punto fisso, detto centro. La distanza di un qualunque punto della
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliM.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI
M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI Assumiamo come primitivo il concetto di insieme e quello di appartenenza di un elemento a un insieme. La notazione x A indica
DettagliProf.ssa Laura Salvagno
Prof.ssa Laura Salvagno Nella vita di tutti i giorni abbiamo spesso a che fare con il concetto di rapporto, partiamo perciò da alcuni esempi per introdurre l argomento. Consideriamo tutte le gare combattute
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliAndamento e periodo delle funzioni goniometriche
Andamento e periodo delle funzioni goniometriche In questa dispensa ricaviamo gli andamenti delle funzioni goniometriche seno, coseno, tangente e cotangente tra 0 e 360, detti, rispettivamente, sinusoide,
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
DettagliAnno 3. Funzioni esponenziali e logaritmi: le 4 operazioni
Anno 3 Funzioni esponenziali e logaritmi: le 4 operazioni 1 Introduzione In questa lezione impareremo a conoscere le funzioni esponenziali e i logaritmi; ne descriveremo le principali caratteristiche e
DettagliPROBLEMI DI PROBABILITÀ 2
PROBLEMI DI PROBABILITÀ 2. Si sceglie a caso un numero X nell intervallo (0, ). (a) Qual è la probabilità che la usa prima cifra decimale sia? (b) Qual è la probabilità che la seconda cifra decimale sia
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
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,
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
DettagliCorso di Laurea in Ingegneria Edile-Architettura ANALISI MATEMATICA I. Prova scritta del 8 Gennaio 2014
Corso di Laurea in Ingegneria Edile-Architettura ANALISI MATEMATICA I Prova scritta del 8 Gennaio 214 Esporre il procedimento di risoluzione degli esercizi in maniera completa e leggibile. (1) (Punti 8)
DettagliFacoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A
Facoltá di Scienze MM.FF.NN. Corso di Studi in Informatica- A.A. 5-6 Corso di CALCOLO NUMERICO / ANALISI NUMERICA : Esempi di esercizi svolti in aula 5//5 ) Dato un triangolo, siano a, b le lunghezze di
DettagliFUNZIONI QUADRATICHE
f: R R si dice funzione quadratica se è del tipo f(x) =ax 2 +bx+c, dove a,b,c sono costanti Il grafico di una funzione quadratica è una curva detta parabola Abbiamo incontrato funzioni di questo tipo quando
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
Dettagli23.2 Il campo elettrico
N.Giglietto A.A. 2005/06-23.3-Linee di forza del campo elettrico - 1 Cap 23- Campi Se mettiamo una carica in una regione dove c è un altra carica essa risentirà della sua presenza manifestando una forza
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
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliPNI QUESITO 1 QUESITO 2
www.matefilia.it PNI 0014 QUESITO 1 Per il teorema dei seni risulta: = da cui sen α = Quindi α = arcsen ( ) che porta alle due soluzioni: α 41,810 41 49 α 138 11 QUESITO I poliedri regolari (solidi platonici)
DettagliEsame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliStatistica Matematica 3
Statistica Matematica 3 1 Regole bayesiane formali nella stima puntuale di un parametro reale Θ D R con D intervallo (limitato o no) P probabilità su T E P(Z) = Θ θ P(dθ) finito. Allora, per l internalità,
DettagliTutorato 2 (21/12/2012) - Soluzioni
Tutorato (1/1/1) - Soluzioni Esercizio 1 Un mazzo di fiori è composto da 5 fiori: 13 rose, 13 margherite, 13 viole e 13 girasoli. Vengono estratti 5 fiori con reinserimento. Si è interessati alla variabile
DettagliESPONENZIALI E LOGARITMI. chiameremo logaritmica (e si legge il logaritmo in base a di c è uguale a b ).
ESPONENZIALI E LOGARITMI Data una espressione del tipo a b = c, che chiameremo notazione esponenziale (e dove a>0), stabiliamo di scriverla anche in un modo diverso: log a c = b che chiameremo logaritmica
DettagliSoluzioni. 1. Calcolare la parte reale e immaginaria del numero complesso. z = i i. 3 (2 + i) = i i = i.
20 Roberto Tauraso - Analisi 2 Soluzioni 1. Calcolare la parte reale e immaginaria del numero complesso R. z = i + 3 2 i. z = i + 3 2 i 2 i = 6 5 + ( 1 + 3 5 3 (2 + i) = i + 2 4 + 1 ) i = 6 5 + 8 5 i.
DettagliEsercizi con catene di Markov Pietro Caputo 12 dicembre 2006
Esercizi con catene di Markov Pietro Caputo dicembre 006 Esercizio. Si considerino i lanci di un dado (6 facce equiprobabili). Sia X n il minimo tra i risultati ottenuti nei lanci,,..., n. Si calcoli la
DettagliX = X 1 + X 2 +... + X n. dove. 1 se alla i-esima prova si ha un successo 0 se alla i-esima prova si ha un insuccesso. X i =
PIU DI UNA VARIABILE CASUALE Supponiamo di avere n variabili casuali, X 1, X 2,..., X n. Le n variabili casuali si dicono indipendenti se e solo se P(X 1 x 1 X 2 x 2... X n x n ) = = P(X 1 x 1 ) P(X 2
DettagliAnno 2. Radicali algebrici e aritmetici: condizioni di esistenza
Anno 2 Radicali algebrici e aritmetici: condizioni di esistenza 1 Introduzione Perché studiare i radicali? In matematica ogni volta che facciamo un operazione dobbiamo anche vedere se è possibile tornare
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliI RADICALI QUADRATICI
I RADICALI QUADRATICI 1. Radici quadrate Definizione di radice quadrata: Si dice radice quadrata di un numero reale positivo o nullo a, e si indica con a, il numero reale positivo o nullo (se esiste) che,
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliANALISI MATEMATICA II Sapienza Università di Roma - Laurea in Ingegneria Informatica Esame del 16 febbraio 2016 - Soluzioni compito 1
ANALISI MATEMATICA II Sapienza Università di Roma - Laurea in Ingegneria Informatica Esame del 6 febbraio 206 - Soluzioni compito E Calcolare, usando i metodi della variabile complessa, il seguente integrale
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
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
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore
DettagliRobotica industriale. Richiami di statica del corpo rigido. Prof. Paolo Rocco
Robotica industriale Richiami di statica del corpo rigido Prof. Paolo Rocco (paolo.rocco@polimi.it) Sistemi di forze P 1 P 2 F 1 F 2 F 3 F n Consideriamo un sistema di forze agenti su un corpo rigido.
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
DettagliRichiami di aritmetica(2)
Richiami di aritmetica() Frazioni definizioni, operazioni, espressioni Numeri decimali Rapporti e proporzioni Percentuali Materia Matematica Autore Mario De Leo Le frazioni La frazione è un operatore che
DettagliEsercitazione del 06/03/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/3/ Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio. E la notte di San Lorenzo, Alessandra decide di andare a vedere le stelle cadenti. Osserverà
DettagliLe disequazioni frazionarie (o fratte)
Le disequazioni frazionarie (o fratte) Una disequazione si dice frazionaria (o fratta) se l'incognita compare al denominatore. Esempi di disequazioni fratte sono: 0 ; ; < 0 ; ; Come per le equazioni fratte,
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliINTERPRETAZIONE CINEMATICA DELLA DERIVATA
INTERPRETAZIONE CINEMATICA DELLA DERIVATA Consideriamo un punto mobile sopra una qualsiasi linea Fissiamo su tale linea un punto O, come origine degli archi, e un verso di percorrenza come verso positivo;
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliS 2 S 1 S 3 S 4 B S 5. Figura 1: Cammini diversi per collegare i due punti A e B
1 ENERGI PTENZILE 1 Energia potenziale 1.1 orze conservative Se un punto materiale è sottoposto a una forza costante, cioè che non cambia qualunque sia la posizione che il punto materiale assume nello
DettagliUltima verifica pentamestre. 1)definizione di miscuglio, soluzione, composto, elemento, molecola ( definizione importantissima!!!!!!!!
Ultima verifica pentamestre 1)definizione di miscuglio, soluzione, composto, elemento, molecola ( definizione importantissima!!!!!!!!) 2) gruppi dal IV al VIII 3) differenza tra massa atomica e massa atomica
DettagliCollegamento generatori di tensione. Collegamento parallelo. Sia dato il sistema di figura 1: Fig. 1 -
Collegamento generatori di tensione Collegamento parallelo Sia dato il sistema di figura : Fig. - vogliamo trovare il bipolo equivalente al parallelo dei tre generatori di tensione, il bipolo, cioè, che
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
DettagliTrasformatore monofase
Trasformatore ideale l trasformatore ideale è un sistema lineare e non dissipativo potesi: P 0 ρ cu 0 (P cu 0) μ η u i u i l 0 μ S Tutto il flusso viene incanalato nel nucleo che si comporta come un unico
DettagliFunzioni convesse su intervallo
Università degli Studi di Palermo Facoltà di Economia Dip. di Scienze Statistiche e Matematiche Silvio Vianelli Appunti del corso di Matematica Generale Funzioni convesse su intervallo Anno Accademico
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliCOMPLETAMENTO DI SPAZI METRICI
COMPLETAMENTO DI SPAZI METRICI 1. Successioni di Cauchy e spazi metrici completi Definizione 1.1. Una successione x n n N a valori in uno spazio metrico X, d si dice di Cauchy se, per ogni ε > 0 esiste
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA EQUAZIONI E DISEQUAZIONI DI SECONDO GRADO Dr. Erasmo Modica erasmo@galois.it EQUAZIONI DI SECONDO GRADO Definizione: Dicesi
DettagliEsercitazioni di Metodologia
Esercitazioni di Metodologia Dott.ssa Gabriella Agrusti Università degli Studi Roma Tre Riprendiamo il discorso Centili Rango centile Punti z.. Punti T Repetita iuvant Il centile è il valore al di sotto
DettagliGiovanna Carnovale. October 18, Divisibilità e massimo comun divisore
MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore
DettagliLezioni sullo studio di funzione.
Lezioni sullo studio di funzione. Schema. 1. Calcolare il dominio della funzione D(f).. Comportamento della funzione agli estremi del dominio. Ad esempio se D(f) = [a, b] si dovrà calcolare f(a) e f(b),
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
Dettagli7 Settimana 7-11 novembre
7 Settimana 7-11 novembre 7.1 Topologia di R Definizione 7.1 Sia x R. Un insieme U R si die intorno di x se ontiene un intervallo aperto ontenente x. Equivalentemente, se esiste ɛ > 0 tale he ]x ɛ, x +
DettagliFunzioni Pari e Dispari
Una funzione f : R R si dice Funzioni Pari e Dispari PARI: se f( ) = f() R In questo caso il grafico della funzione è simmetrico rispetto all asse DISPARI: se f( ) = f() R In questo caso il grafico della
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
Dettagli