LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta
|
|
- Filomena Ruggiero
- 8 anni fa
- Visualizzazioni
Transcript
1 UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA FACOLTA DI INGEGNERIA LAUREA MAGISTRALE INGEGNERIA CIVILE Corso di PROGETTO E GESTIONE DELLE INFRASTRUTTURE VIARIE LECTURE 04 ELEMENTI DI RISK ANALYSIS CONCETTI DI PROBABILITA, FREQUENZA, MAGNITUDO Docente: Marinella Giunta
2 DEFINIZIONE ANALITICA DEL RISCHIO 1/4 Per certi eventi che investono la collettività e possono provocare gravi danni sia immediati che ritardati alle persone o alle cose si definisce: Rischio = Frequenza prevista per l evento x R = F x M Magnitudo delle conseguenze Determinare la frequenza prevista per l accadimento dell evento ipotizzato e la gravità delle conseguenze significa con una espressione tecnica effettuare una valutazione probabilistica del rischio.
3 DEFINIZIONE ANALITICA DEL RISCHIO 2/4 La valutazione del rischio si articola in tre studi: 1. Individuazione degli eventi che possono dar luogo ad un incidente rilevante 2. Determinazione della frequenza di accadimento dell evento 2. Analisi delle conseguenze
4 DEFINIZIONE ANALITICA DEL RISCHIO 3/4 La definizione del rischio come prodotto della frequenza di accadimento dell evento per la magnitudo delle conseguente ha l enorme vantaggio di consentire una valutazione quantitativa del rischio ed abbandonare il significato vago che il termine rischio ha nel linguaggio comune. Con i numeri è più facile effettuare confronti e stabilire graduatorie!
5 DEFINIZIONE ANALITICA DEL RISCHIO 4/4 Frequenza prevista Protezione R 1 R 2 Prevenzione R 3 R 1 > R 2 > R 3 Magnitudo delle conseguenze Nel caso in cui il rischio non venga considerato tollerabile si potrà ridurre operando sulla frequenza di accadimento (azione di prevenzione) o sulla magnitudo delle conseguenze (azione di protezione)
6 CONCETTI DI PROBABILITA E FREQUENZA 1/21 Esistono due definizioni di probabilità: probabilità oggettiva (o classica) probabilità soggettiva PROBABILITA OGGETTIVA La definizione di probabilità oggettiva, introdotta da Pascal nel XVII secolo è la seguente: Dati N eventi che hanno uguale possibilità di verificarsi, la probabilità di accadimento dell evento A, vale: P(A) = Numero di eventi A Numero totale di eventi
7 CONCETTI DI PROBABILITA E FREQUENZA 2/21 PROBABILITA OGGETTIVA ESEMPI Nel lancio di un dado: Nel lancio di una moneta: P(uscita del 2) = 1/6 P(TESTA) = 1/2 CONSIDERAZIONI La definizione presuppone il conteggio di tutti gli eventi ugualmente possibili e questo è fattibile nel caso di giochi con carte, monete, dadi, al lotto, alla roulette. Questa probabilità si può anche chiamare teorica, nel senso che può essere valutata a tavolino, una volta nota la situazione. Nei casi reali il conteggio di tutti gli eventi non è sempre possibile e spesso non ha addirittura alcun significato. Gli eventi possibili possono non essere equiprobabili.
8 CONCETTI DI PROBABILITA E FREQUENZA 3/21 PROBABILITA OGGETTIVA VANTAGGI A. Permette di stabilire alcune relazioni matematiche relative alla probabilità B. Costituisce una scala di riferimento per la probabilità soggettiva A. FORMULE DI BASE DEL CALCOLO DELLA PROBABILITA La definizione classica ci dice che la probabilità è un numero puro e può variare dallo zero (per un evento impossibile) all unità (per un evento certo), cioè: 0 P 1
9 CONCETTI DI PROBABILITA E FREQUENZA 4/21 PROBABILITA OGGETTIVA A. FORMULE DI BASE DEL CALCOLO DELLA PROBABILITA Si può affermare che il verificarsi dell evento A e il non verificarsi (che indichiamo con not A) soddisfano alla relazione: P(A) + P(not A) = 1. considerando il caso in cui un evento possa verificarsi in relazione all accadimento di altri, questi ultimi fra di loro indipendenti, si possono avere due casi:
10 CONCETTI DI PROBABILITA E FREQUENZA 5/21 PROBABILITA OGGETTIVA A. FORMULE DI BASE DEL CALCOLO DELLA PROBABILITA (I) L evento H capita quando si verifica l evento A oppure l evento B oppure entrambi, e si scrive simbolicamente: H = A or B La formula del calcolo delle probabilità per l evento H è la seguente: P(H) = P(A or B) = P(A) + P(B) P(A).P(B)
11 CONCETTI DI PROBABILITA E FREQUENZA 6/21 PROBABILITA OGGETTIVA A. FORMULE DI BASE DEL CALCOLO DELLA PROBABILITA (II) L evento K capita quando si verifica l evento C e l evento D; si scrive simbolicamente: K = C and D La formula del calcolo delle probabilità per l evento K è la seguente: P(K) = P(C and D) = P(C). P(D)
12 CONCETTI DI PROBABILITA E FREQUENZA 7/21 PROBABILITA OGGETTIVA A. FORMULE DI BASE DEL CALCOLO DELLA PROBABILITA ESEMPI: Si lancino due dadi. Le coppie di valori possibili sono in numero di 36: 1,1 1,2 1,3 1,4 1,5 1,6 2,1 2,2 2,3 2,4 2,5 2,6 3,1 3,2 3,3 3,4 3,5 3,6 4,1 4,2 4,3 4,4 4,5 4,6 5,1 5,2 5,3 5,4 5,5 5,6 6,1 6,2 6,3 6,4 6,5 6,6 P(5 sul primo dado or sul secondo) = 11/36 = 0,305 Lo stesso risultato si può trovare così: P(5 or 5) = 1/6 + 1/6 1/6.1/6 = 11/36 = 0,305
13 CONCETTI DI PROBABILITA E FREQUENZA 8/21 PROBABILITA OGGETTIVA B. SCALA DI RIFERIMENTO DELLE PROBABILITA Ritornando al gioco di TESTA o CROCE, si lancino due monete. La probabilità di avere tutte TESTE è 1/4, valutabile dal fatto che l evento favorevole è uno dei 4 eventi possibili: T.T, T.C, C.T, C.C o anche ricorrendo alla formula del calcolo delle probabilità P (Tand T) = 1/2.1/2 =1/4 Se si lanciano 3 monete la probabilità di avere TESTA SU tutte si calcola con una generalizzazione della formula: e lanciando N monete: P (Tand T) = (1/2) 3 = 1/8 = 0,125 P (Tand Tand Tand Tand T ) = (1/2) N
14 CONCETTI DI PROBABILITA E FREQUENZA 9/21 PROBABILITA OGGETTIVA B. SCALA DI RIFERIMENTO DELLE PROBABILITA Alcune potenze di 1/2 per una scala di riferimento: esponente valore valore N di (1/2) N approssimato 1 0,5 2 0,25 3 0, , , , , ,
15 CONCETTI DI PROBABILITA E FREQUENZA 10/21 PROBABILITA SOGGETTIVA Un altro punto di vista diverso, chiamato soggettivista o neobayesiano è importante per la maggior parte dei problemi. Si tenga presente che soggettivo non vuol dire arbitrario, ma semplicemente legato alle conoscenze del soggetto (De Finetti). A questa definizione si è costretti a ricorrere quando, volendo determinare il valore di una probabilità, non sono valide le condizioni discusse per la probabilità oggettiva. Il dominio di definizione della probabilità soggettiva comprende eventi unici, rari o capitati più volte nel passato in circostanze che non si ritengono più valide per il futuro. Rientrano in queste situazioni, per cu si può definire solo una probabilità soggettiva, terremoti, alluvioni avvenimenti sportivi, caduta di un aereo, ecc..
16 CONCETTI DI PROBABILITA E FREQUENZA 11/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: A. Valutazione frequentistica B. Valutazione tramite i bookmakers C. Metodo della decomposizione
17 CONCETTI DI PROBABILITA E FREQUENZA 12/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: A. Valutazione frequentistica Tale valutazione si basa sul teorema di von Mises che afferma: In una serie di prove ripetute un gran numero di volte nelle stesse condizioni, ciascuno degli eventi possibili si manifesta con una frequenza relativa che è pressappoco uguale alla sua probabilità. L approssimazione cresce ordinariamente con il crescere del numero delle prove.
18 CONCETTI DI PROBABILITA E FREQUENZA 13/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: A. Valutazione frequentistica Esempio: sono indicati i risultati di 10, 20, lanci di monete numero numero rapporto di lanci di TESTE TESTE/lanci , , , , , , ,5032 Il rapporto tra il numero delle volte che è apparso TESTA ed il numero totale dei lanci tende al valore teorico 0,5.
19 CONCETTI DI PROBABILITA E FREQUENZA 14/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: A. Valutazione frequentistica I risultati confermano la validità della legge dei grandi numeri e la disuguaglianza di Cebysev, che affermano che su un gran numero di prove è quasi certo che la frequenza coincide con la probabilità e che gli scarti hanno tendenza a compensarsi. ATTENZIONE Non dare a questo risultato interpretazioni eccessive e manifestamente assurde: non si pensi ad esempio che tale avvicinamento alla probabilità faccia attendere con maggiore facilità l apparizione di un evento in ritardo!
20 CONCETTI DI PROBABILITA E FREQUENZA 15/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: B. Valutazione tramite i bookmakers Per prevedere ad esempio il risultato di una corsa di cavalli si può studiare attentamente il lotto dei partenti, esaminare i risultati delle corse precedenti, tenendo conto della lunghezza del percorso, dello stato del terreno., e cercare di avere qualche confidenza dagli stallieri. E però più facile riferirsi alle poste dei bookmakers. Un cavallo dato S a T ha la probabilità di vincere in un gioco equo. P = S/(S+T)
21 CONCETTI DI PROBABILITA E FREQUENZA 16/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: B. Valutazione tramite i bookmakers La quota della posta S a T significa che si è disposti a ricevere T in caso di successo e dare S in caso di insuccesso. I bookmakers di Londra sono famosi in tutto il mondo ed accettano scommesse su tutto, ma anche loro incorrono in previsioni clamorosamente errate. Ai mondiali di calcio dell 82 la squadra azzurra, prima dell inizio delle gare, era data 1 a 20, il Cardinale Luciani non era neppure quotato dopo la morte di Papa Paolo VI!
22 CONCETTI DI PROBABILITA E FREQUENZA 17/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: C. Metodo della decomposizione Il metodo della decomposizione è importante per la valutazione della probabilità soggettiva riferita ad eventi rari o unici. Consiste nel considerare che un evento finale H o K può accadere per l avverarsi di eventi A, B, C, D,. indipendenti tra loro, secondo una delle relazioni logiche: H = A or B K = C and D
23 CONCETTI DI PROBABILITA E FREQUENZA 18/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: C. Metodo della decomposizione ESEMPIO Un treno non si arresta davanti ad un ostacolo per due motivi: la segnalazione luminosa è errata oppure il macchinista non avverte l indicazione o per entrambi i motivi. Naturalmente potrebbero essere considerati altri motivi, come il non funzionamento dei freni. Si ponga H = il treno non si arresta A = la segnalazione luminosa è errata B = il macchinista non avverte l indicazione Si può scrivere: H = A or B
24 CONCETTI DI PROBABILITA E FREQUENZA 19/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: C. Metodo della decomposizione ESEMPIO Se sappiamo in base all esperienza passata (cioè mediante una valutazione di probabilità tramite frequenza) che: P(A) = 1/100 (segnalazione luminosa errata) P(B) = 1/10 (errore umano) P(H) = P(A) + P(B) P(A).P(B) = 1/ /10-1/100.1/10 =1/10 L evento indesiderato è legato essenzialmente all errore umano..altri ESEMPI SU INCIDENTI STRADALI
25 CONCETTI DI PROBABILITA E FREQUENZA 20/21 PROBABILITA SOGGETTIVA METODI DI VALUTAZIONE: C. Metodo della decomposizione ESEMPIO Un reattore chimico può esplodere perché si è formata una miscela esplosiva e c e un innesco per lo scoppio. Siano: K = esplosione del reattore C = presenza di miscela esplosiva D = presenza di innesco Si può scrivere K = C and D P(K) = P(C).P(D) Se P(C) = 1/100 e P(D) = 1/10 la probabilità che accada l esplosione è P(K) = P(C).P(D) = 1/100.1/10 =1/1000
26 CONCETTI DI PROBABILITA E FREQUENZA 21/21 VARIABILE O NUMERO ALEATORIO Una variabile aleatoria o numero aleatorio ha un valore non noto a priori e può essere valutato attraverso una stima più o meno affidabile. ESEMPIO Numeri di incidenti con sversamento di materiali pericolosi che si verificano in una tratta autostradale in un anno; Talvolta, per convenienza, anche fenomeni e grandezze prevedibili empiricamente sulla base di modelli fisici sono interpretati nel senso di variabili aleatorie, rinunciando ad analizzare la complessità dei fenomeni e studiando solo la statistica delle sue manifestazioni. La serie storica dei valori assunti da una variabile aleatoria costituisce il campione o spazio campione e definisce i limiti conoscitivi o lo stato di conoscenza. La variabile aleatoria nelle sue realizzazioni storiche si definisce variabile campionaria.
27 IL RISCHIO DI UN EVENTO ACCIDENTALE 1/13 Dopo avere richiamato i concetti di base della probabilità, definiamo il rischio ed esaminiamo come valutare in modo quantitativo i due fattori che entrano in gioco: la frequenza e la magnitudo. Indice di Rischio = Frequenza prevista per l evento x R = F x M Magnitudo delle conseguenze
28 IL RISCHIO DI UN EVENTO ACCIDENTALE 2/13 Nella formula di calcolo dell indice di rischio, o semplicemente rischio, è insita la circostanza che risulta lo stesso rischio per un sistema che si prevede provochi 1 vittima all anno e per quello che ne provoca 25 in un evento che si prevede ogni 25 anni. In generale, noi siamo colpiti più dalla magnitudo delle conseguenze che dalla frequenza dell evento. Relativamente al calcolo delle frequenze abbiano richiamato il problema del giudizio soggettivo e quello delle frequenze estremamente basse. Si approfondisce adesso il carattere di accidentalità dell evento. Mentre alcuni eventi (caduta di un oggetto, ritorno di una cometa) sono previsti da leggi deterministiche, per altri eventi non è possibile formulare una previsione (scoppio di un pneumatico di un automobile, scontro tra due treni.)
29 IL RISCHIO DI UN EVENTO ACCIDENTALE 3/13 Gli eventi accidentali possono essere di due tipi: - Eventi casuali uniformi nel tempo; - Eventi casuali non uniformi nel tempo. Eventi casuali uniformi nel tempo Si consideri un avvenimento che si verifica a ripetizione nel tempo. L evento è detto periodico se è costante l intervallo di tempo fra due accadimenti successivi: questo intervallo è detto periodo o tempo di ritorno (ed è indicato comunemente con T). La frequenza ν ne è l inverso. Nell ingegneria della sicurezza interessano prevalentemente eventi non periodici, e fra questi, quelli che accadono nel tempo secondo una legge casuale uniforme.
30 IL RISCHIO DI UN EVENTO ACCIDENTALE 4/13 Eventi casuali uniformi nel tempo Per gli eventi casuali uniformi nel tempo detto N il numero di accadimenti nell intervallo complessivo considerato, possono essere definiti: - la frequenza ν; - l intervallo medio di tempo fra un accadimento ed il successivo: avendo indicato con t i successivi. T medio = Σ i t i /N l intervallo generico fra due eventi L intervello t medio vale approssimativamente l inverso di ν.
31 IL RISCHIO DI UN EVENTO ACCIDENTALE 5/13 Eventi casuali uniformi nel tempo ALCUNE RELAZIONI CHE REGOLANO GLI EVENTI CASUALI UNIFORMI Esperimento: Si facciano estrazioni successive da un urna contenente gettoni marcati 0, 1, 2, 9 in numero estremamente grande. I gettoni delle diverse cifre sono in numero uguale e pertanto da questa popolazione avente distribuzione rigorosamente uniforme c è da aspettarsi che un campione di estrazioni (con reimbussolamento) presenti una distribuzione pressoché uniforme della 10 cifre. L aver effettuato estrazioni assicura che il processo è casuale. In pratica si utilizza una serie di numeri casuali uniformi ottenuti da un computer.
32 IL RISCHIO DI UN EVENTO ACCIDENTALE 6/13 Eventi casuali uniformi nel tempo ALCUNE RELAZIONI CHE REGOLANO GLI EVENTI CASUALI UNIFORMI Esperimento: Si sostituisce SI allo zero e NO alle altre cifre e si considerino il SI e il NO come l etichetta attribuita ad ognuno dei anni, a seconda che si sia o no verificato un certo avvenimento nell anno. L anno di accadimento è casuale: ci aspettiamo di trovare nell intera storia degli ultimi anni circa 200 anni marcati SI. Nell esperimento si sono avuti 198 SI. La frequenza dell evento è quindi: e conseguentemente: ν = 198/2.000 ~ 0,1/ anno t medio = 1/ν =~ 10/ anni
33 IL RISCHIO DI UN EVENTO ACCIDENTALE 7/13 Eventi casuali uniformi nel tempo ALCUNE RELAZIONI CHE REGOLANO GLI EVENTI CASUALI UNIFORMI a) Distribuzione delle frequenze Prendendo in considerazione intervalli di osservazione abbastanza lunghi si trovano valori delle frequenze dei SI con una distribuzione a campana, attorno al valore della moda (valore dell ascissa di maggior frequenza della funzione di distribuzione). NUMERO DI EVENTI (a) NUMERO DI EVENTI (b) L istogramma (a) è stato ricavato sperimentalmente: in ascissa è riportato il numero X di SI per secolo (e la frequenza corrispondente), in ordinata il numero di secoli caratterizzati dal valore X.
34 IL RISCHIO DI UN EVENTO ACCIDENTALE 8/13 Eventi casuali uniformi nel tempo ALCUNE RELAZIONI CHE REGOLANO GLI EVENTI CASUALI UNIFORMI b) Distribuzione degli intervalli di tempo E stato ricavato t medio dall inverso della frequenza. Lo stesso valore si trova facendo la somma degli intervallo di tempo t 1, t 2, t 198 fra un evento SI ed il successivo e dividendola per il numero di eventi. Essendo t medio un valore medio, gli intervalli siano disposti attorno a questo, ancora secondo una distribuzione simmetrica: nel caso considerato si potrebbero aspettare molti intervalli di 10 anni, un po meno di 9 e 11, ancor meno di 8 e 12, e così via. La legge afferma invece che la distribuzione degli intervalli di tempo è una funzione decrescente. In effetti la distribuzione del numero degli intervalli non può essere simmetrica, ma decrescente: essendo fissato t medio, per ogni t i >> t medio devono esserci più valori con t i < t medio.
35 IL RISCHIO DI UN EVENTO ACCIDENTALE 9/13 Eventi casuali uniformi nel tempo Le due leggi sono ben note nel calcolo delle probabilità: se l apparizione degli eventi è casuale uniforme la distribuzione delle frequenze è data da una funzione poissoniana e quella degli intervalli di tempo fra un evento ed il successivo da una funzione esponenziale negativa.
36 IL RISCHIO DI UN EVENTO ACCIDENTALE 10/13 Eventi casuali non uniformi nel tempo La maggior parte dei sistemi e dei componenti tecnici mostrano durante certi periodi della loro vita ratei variabili: si hanno ancora eventi accidentali, guasti per esempio, ma con rateo o decrescente o crescente con l età. E molto comune per auto, televisori, sistemi di allarme un andamento del rateo di guasto che mostra un tratto che scende rapidamente, più piatto, poi in salita sempre più accentuata. Agli intervalli corrispondono: I. il rodaggio II. la vita utile III. l usura
37 IL RISCHIO DI UN EVENTO ACCIDENTALE 11/13 OSSERVAZIONI SULLA MAGNITUDO La valutazione dei danni, sia a priori sia a posteriori, è attuata nel campo assicurativo attraverso criteri prefissati di monetizzazione. I rischi facilmente assicurabili non sono quelli che si verificano raramente, perché questi mettono in gioco grandi valori concentrati su un mercato ristretto: essi impediscono il funzionamento della legge dei grandi numeri. Nella nostra trattazione interessano gli eventi che si verificano raramente: i problemi sono numerosi, e tra questi: a. Misurare la magnitudo scegliendo come unità di misura una vittima b. Ambiguità di considerare insieme, e con la stessa unità di misura, effetti immediati e a lungo termine
38 IL RISCHIO DI UN EVENTO ACCIDENTALE 12/13 OSSERVAZIONI SULLA MAGNITUDO a. Nella valutazione probabilistica del rischio la magnitudo deve essere determinata per un avvenimento previsto futuro, necessariamente affetto da incertezze. Accanto a questa difficoltà di principio, ne esiste un altra, presente anche per un evento già accaduto, relativa al problema di pesare le diverse conseguenze (feriti, morti, distruzione di cose) per attribuire un valore numerico alla magnitudo. Vi sono poi danni difficilmente valutabili, ma spesso gravi (disagio dello sfollamento, sospensione di attività). Entrano in gioco anche fattori psicologici. Per questo motivo spesso non c è accordo nello stabilire una graduatoria si magnitudo delle conseguenze.
39 IL RISCHIO DI UN EVENTO ACCIDENTALE 13/13 OSSERVAZIONI SULLA MAGNITUDO b. Le due affermazioni: Il terremoto uccide persone Il fumo ha ucciso persone Nel primo caso un terremoto ha causato in una zona abitata un gran numero di vittime: ci saranno anche case distrutte, servizi interrotti ecc La seconda affermazione evidenzia un fenomeno del tutto diverso: non si è mai visto stramazzare a terra nessuno perché avena una sigaretta in bocca. Semmai l abuso di tabacco provoca una riduzione della speranza di vita.
Calcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliUna sperimentazione. Probabilità. Una previsione. Calcolo delle probabilità. Nonostante ciò, è possibile dire qualcosa.
Una sperimentazione Probabilità Si sta sperimentando l efficacia di un nuovo farmaco per il morbo di Parkinson. Duemila pazienti partecipano alla sperimentazione: metà di essi vengono trattati con il nuovo
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
Dettagli15. Antico gioco russo
15. Antico gioco russo In un antico gioco russo, attraverso i risultati casuali ottenuti dall allacciamento di cordicelle, i giovani cercavano una previsione sul tipo di legame che si sarebbe instaurata
DettagliPROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)
L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliPROBABILITA CONDIZIONALE
Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliDistribuzioni discrete
Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione
DettagliCorso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo.
Corso di Matematica Corso di Laurea in Farmacia, Facoltà di Farmacia Università degli Studi di Pisa Maria Luisa Chiofalo Scheda 18 Esercizi svolti sul calcolo delle probabilità I testi degli esercizi sono
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliProbabilità e statistica
Indice generale.probabilità ed eventi aleatori....come si può definire una probabilità....eventi equiprobabili....eventi indipendenti, eventi dipendenti....eventi incompatibili....eventi compatibili....probabilità
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliFREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13
FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13 Finalità: Enunciare le definizioni maturate attraverso l esercitazione pratica. Sistematizzare concetti e definizioni Metodo: Sperimentazione pratica
Dettagli8 Elementi di Statistica
8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per
DettagliTeoria della probabilità Assiomi e teoremi
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento
DettagliLezione 10: Il problema del consumatore: Preferenze e scelta ottimale
Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliCORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliE NECESSARIO RICORRERE ALLE VARIABILI CASUALI
IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliPROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI
statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore
DettagliLa probabilità frequentista e la legge dei grandi numeri
La probabilità frequentista e la legge dei grandi numeri La definizione di probabilità che abbiamo finora considerato è anche nota come probabilità a priori poiché permette di prevedere l'esito di un evento
DettagliPrimi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliIL CONCETTO DI FENOMENO ALEATORIO
IL CONCETTO DI FENOMENO ALEATORIO Osservazione di Fenomeni Naturali (fisici, chimici,...) Sociali (economici, finanziari, psicologici,...) sui quali è difficile fare una previsione a causa di meccanismi
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliLA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO?
LA DISTRIBUZIONE DI PROBABILITÀ DEI RITORNI AZIONARI FUTURI SARÀ LA MEDESIMA DEL PASSATO? Versione preliminare: 25 Settembre 2008 Nicola Zanella E-Mail: n.zanella@yahoo.it ABSTRACT In questa ricerca ho
DettagliUlteriori problemi di fisica e matematica
Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso
DettagliSTATISTICA E PROBABILITá
STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
Dettagli= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:
Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliEsercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che:
Esercizi Esercizio 4. Un urna contiene inizialmente 2 palline bianche e 4 palline rosse. Si effettuano due estrazioni con la seguente modalità: se alla prima estrazione esce una pallina bianca, la si rimette
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliPrevenzione Formazione ed Informazione
Il Rischio Sismico Prevenzione Formazione ed Informazione Giuseppe Licata Esperto in Sistemi Informativi Territoriali e Telerilevamento. Laureando in Scienze Geologiche, curriculum rischi geologici Il
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliVincere a testa o croce
Vincere a testa o croce Liceo Scientifico Pascal Merano (BZ) Classe 2 Liceo Scientifico Tecnologico Insegnante di riferimento: Maria Elena Zecchinato Ricercatrice: Ester Dalvit Partecipanti: Jacopo Bottonelli,
DettagliPROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?
Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliTabella 7. Dado truccato
0 ALBERTO SARACCO 4. Compiti a casa 7novembre 200 4.. Ordini di grandezza e calcolo approssimato. Esercizio 4.. Una valigia misura 5cm di larghezza, 70cm di lunghezza e 45cm di altezza. Quante palline
DettagliINDICI DI TENDENZA CENTRALE
INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliEpoca k Rata Rk Capitale Ck interessi Ik residuo Dk Ek 0 S 0 1 C1 Ik=i*S Dk=S-C1. n 0 S
L AMMORTAMENTO Gli ammortamenti sono un altra apllicazione delle rendite. Il prestito è un operazione finanziaria caratterizzata da un flusso di cassa positivo (mi prendo i soldi in prestito) seguito da
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliStatistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliQui cade sua altezza
Qui cade sua altezza Silvia Sbaragli N.R.D. Bologna DFA, SUPSI Locarno (Svizzera) Pubblicato in: Sbaragli S. (2010). Qui cade sua altezza. La Vita Scolastica. 18, 25-27. Nell insegnamento della matematica
Dettagli