P ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "P ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)"

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 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

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

Esame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016

Esame 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

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli 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)

Dettagli

Capitolo 6. La distribuzione normale

Capitolo 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

Dettagli

Il Teorema di Kakutani

Il 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

Dettagli

CORSO DI LAUREA IN MATEMATICA

CORSO 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

Dettagli

STATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA

STATISTICA 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

Dettagli

La PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.

La 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

Dettagli

Distribuzioni di probabilità

Distribuzioni 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

Dettagli

Indirizzo Giuridico Economico Aziendale

Indirizzo 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

Dettagli

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4

Statistica, 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

Dettagli

Metodi per la risoluzione di sistemi lineari

Metodi 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

Dettagli

Completezza e compattezza

Completezza 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 )

Dettagli

1 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

1 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

Dettagli

Probabilità e Statistica

Probabilità 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

Dettagli

Teorema del limite centrale TCL

Teorema 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

Dettagli

p 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

p 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,

Dettagli

Esercitazioni di statistica

Esercitazioni 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

Dettagli

Derivate delle funzioni di una variabile.

Derivate 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

Dettagli

Esercizio. 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

Esercizio. 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

Dettagli

MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)

MATEMATICA 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

Dettagli

Appunti ed esercizi sulle coniche

Appunti 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

Dettagli

Circonferenze del piano

Circonferenze 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

Dettagli

x 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.

x 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

Dettagli

Variabili aleatorie Parte I

Variabili 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

Dettagli

Distribuzioni campionarie. Antonello Maruotti

Distribuzioni 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

Dettagli

M.P. Cavaliere ELEMENTI DI MATEMATICA E LOGICA MATEMATICA DISCRETA INSIEMI

M.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

Dettagli

Prof.ssa Laura Salvagno

Prof.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

Dettagli

INDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI

INDICAZIONI 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

Dettagli

Andamento e periodo delle funzioni goniometriche

Andamento 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,

Dettagli

Lezione 4 a - Misure di dispersione o di variabilità

Lezione 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

Dettagli

FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti

FUNZIONI 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

Dettagli

STIMA DELLA VARIANZA CAMPIONARIA

STIMA 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

Dettagli

Anno 3. Funzioni esponenziali e logaritmi: le 4 operazioni

Anno 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

Dettagli

PROBLEMI DI PROBABILITÀ 2

PROBLEMI 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

Dettagli

Sintesi 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 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

Dettagli

PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE

PROBABILITÀ 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,

Dettagli

Esercizi di Probabilità

Esercizi 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

Dettagli

Corso 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 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)

Dettagli

Facoltá 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 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

Dettagli

FUNZIONI QUADRATICHE

FUNZIONI 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

Dettagli

Esercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti

Esercitazione # 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 #

Dettagli

Prodotti scalari e matrici

Prodotti 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

Dettagli

04 - Numeri Complessi

04 - 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,

Dettagli

LEZIONE N. 11 ( a cura di MADDALENA BEI)

LEZIONE 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

Dettagli

23.2 Il campo elettrico

23.2 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

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - 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

Dettagli

STATISTICHE DESCRITTIVE Parte II

STATISTICHE 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

Dettagli

Corso 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) 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

Dettagli

PNI QUESITO 1 QUESITO 2

PNI 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)

Dettagli

Esame 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). 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:

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011

FACOLTÀ 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

Dettagli

Statistica Matematica 3

Statistica 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,

Dettagli

Tutorato 2 (21/12/2012) - Soluzioni

Tutorato 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

Dettagli

ESPONENZIALI E LOGARITMI. chiameremo logaritmica (e si legge il logaritmo in base a di c è uguale a b ).

ESPONENZIALI 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

Dettagli

Soluzioni. 1. Calcolare la parte reale e immaginaria del numero complesso. z = i i. 3 (2 + i) = i i = i.

Soluzioni. 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.

Dettagli

Esercizi con catene di Markov Pietro Caputo 12 dicembre 2006

Esercizi 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

Dettagli

X = 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 =

X = 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

Dettagli

Anno 2. Radicali algebrici e aritmetici: condizioni di esistenza

Anno 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

Dettagli

Probabilità. Ing. Ivano Coccorullo

Probabilità. 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

Dettagli

I RADICALI QUADRATICI

I 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,

Dettagli

Esercitazioni di Statistica

Esercitazioni 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

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 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.

Dettagli

ANALISI 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 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

Dettagli

FUNZIONI CONTINUE - ESERCIZI SVOLTI

FUNZIONI 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

Dettagli

Esercitazioni di Statistica

Esercitazioni 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 =

Dettagli

LA LUNGHEZZA DEI GENI UMANI (Es4.1)

LA 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

Dettagli

Istituzioni 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 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

Dettagli

ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE

ESERCITAZIONE 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

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 # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore

Dettagli

Robotica industriale. Richiami di statica del corpo rigido. Prof. Paolo Rocco

Robotica 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.

Dettagli

CENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ

CENNI 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

Dettagli

Richiami di aritmetica(2)

Richiami 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

Dettagli

Esercitazione del 06/03/2012 Istituzioni di Calcolo delle Probabilità

Esercitazione 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

Dettagli

Le disequazioni frazionarie (o fratte)

Le 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,

Dettagli

ˆp(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

ˆp(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

Dettagli

ITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio

ITCS 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

Dettagli

Distribuzioni di Probabilità

Distribuzioni di Probabilità Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale

Dettagli

INTERPRETAZIONE CINEMATICA DELLA DERIVATA

INTERPRETAZIONE 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;

Dettagli

La probabilità matematica

La 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

Dettagli

S 2 S 1 S 3 S 4 B S 5. Figura 1: Cammini diversi per collegare i due punti A e B

S 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

Dettagli

Ultima 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!!!!!!!! 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

Dettagli

Collegamento 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 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

Dettagli

Geometria Superiore Esercizi 1 (da consegnare entro... )

Geometria 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

Dettagli

Trasformatore monofase

Trasformatore 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

Dettagli

Funzioni convesse su intervallo

Funzioni 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

Dettagli

Modelli matematici di fenomeni aleatori Variabilità e casualità

Modelli 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

Dettagli

Esercitazioni di Statistica

Esercitazioni 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

Dettagli

COMPLETAMENTO DI SPAZI METRICI

COMPLETAMENTO 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

Dettagli

Il test (o i test) del Chi-quadrato ( 2 )

Il 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

Dettagli

CORSO ZERO DI MATEMATICA

CORSO 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

Dettagli

Esercitazioni di Metodologia

Esercitazioni 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

Dettagli

Giovanna Carnovale. October 18, Divisibilità e massimo comun divisore

Giovanna 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

Dettagli

Lezioni sullo studio di funzione.

Lezioni 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),

Dettagli

SISTEMI 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. 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

Dettagli

UNIVERSITÀ di ROMA TOR VERGATA

UNIVERSITÀ 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

Dettagli

7 Settimana 7-11 novembre

7 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 +

Dettagli

Funzioni Pari e Dispari

Funzioni 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

Dettagli

Introduzione alla probabilità

Introduzione 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