LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "LAUREA MAGISTRALE INGEGNERIA CIVILE. Docente: Marinella Giunta"

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.

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k

Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità. Le disposizioni semplici di n elementi di classe k Pordenone Corso di Matematica e Statistica 4 Calcolo combinatorio e probabilità UNIVERSITAS STUDIORUM UTINENSIS Giorgio T. Bagni Facoltà di Scienze della Formazione Dipartimento di Matematica e Informatica

Dettagli

Calcolo delle Probabilità

Calcolo 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

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Introduzione alla Teoria degli Errori

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

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, 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

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Stima 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

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

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

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

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

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

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

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

CORSO 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 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

Dettagli

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato

Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 00 Soluzione degli esercizi sul moto rettilineo uniformemente accelerato Esercizio. Un corpo parte da fermo con accelerazione

Dettagli

Esercizi sul moto rettilineo uniformemente accelerato

Esercizi sul moto rettilineo uniformemente accelerato Liceo Carducci Volterra - Classe 3 a B Scientifico - Francesco Daddi - 8 novembre 010 Esercizi sul moto rettilineo uniformemente accelerato Esercizio 1. Un corpo parte da fermo con accelerazione pari a

Dettagli

La dinamica delle collisioni

La dinamica delle collisioni La dinamica delle collisioni Un video: clic Un altro video: clic Analisi di un crash test (I) I filmati delle prove d impatto distruttive degli autoveicoli, dato l elevato numero dei fotogrammi al secondo,

Dettagli

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

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

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Cenni sul calcolo combinatorio

Cenni sul calcolo combinatorio Cenni sul calcolo combinatorio Disposizioni semplici Le disposizioni semplici di n elementi distinti di classe k con kn sono tutti i gruppi di k elementi scelti fra gli n, che differiscono per almeno un

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

Il concetto di valore medio in generale

Il 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

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

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

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI 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

COMUNE DI CAMPIONE D ITALIA

COMUNE DI CAMPIONE D ITALIA COMUNE DI CAMPIONE D ITALIA REGOLAMENTO DI GIOCO DELLA ROULETTE (al Casino Municipale di Campione d Italia) adottato con delib. C.C. n. 83 del 2.12.1993 approvata dal CRC con atto n. 13 in data 4.1.1994

Dettagli

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi

Sommario. Corso di Statistica Facoltà di Economia. L'Algebra degli Eventi ommario Corso di tatistica Facoltà di Economia a.a. 2006-2007 2007 francesco mola L algebra degli eventi Diagrammi di Venn Teoremi fondamentali Probabilità Condizionata ed Indipendenza tocastica Lezione

Dettagli

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti

Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Lo schema di Bernoulli (o delle prove indipendenti): un esempio di modello probabilistico applicabile a diversi contesti Rita Giuliano (Pisa) 0. Introduzione. È ormai acquisizione comune il fatto che uno

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

Esercizio 1. Svolgimento

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

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1 1. Si lancia una moneta 2 volte: qual è la probabilità che esca TESTA 0 volte? 1 volta? 2 volte? 2. Si lancia una moneta 3 volte:

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura?

8. Qual è la probabilità di estrarre da un mazzo di 40 carte napoletane una figura? www.matematicamente.it Probabilità 1 Calcolo delle probabilità Cognome e nome: Classe Data 1. Quali affermazioni sono vere? A. Un evento impossibile ha probabilità 1 B. Un vento certo ha probabilità 0

Dettagli

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento RTICL rchimede 4 esame di stato seconda prova scritta per il liceo scientifico di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario PRBLEM Siano f e g le funzioni

Dettagli

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it

La Bella Addormentata e altre illusioni probabilistiche. volcic@unical.it La Bella Addormentata e altre illusioni probabilistiche Aljoša Volčič volcic@unical.it Firenze, 25 novembre 2009 1 Che cosa è la probabilità? La probabilità di un evento A è la misura del grado di fiducia

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

VARIABILI ALEATORIE CONTINUE

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

Dettagli

Probabilità e statistica. Veronica Gavagna

Probabilità e statistica. Veronica Gavagna Probabilità e statistica Veronica Gavagna Testa o croce? Immaginiamo di lanciare una moneta facendola cadere su un piano liscio chiunque dirà che la probabilità dell evento testa sarà del 50%, al pari

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

1 Valore atteso o media

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

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

LAVORO, ENERGIA E POTENZA

LAVORO, ENERGIA E POTENZA LAVORO, ENERGIA E POTENZA Nel linguaggio comune, la parola lavoro è applicata a qualsiasi forma di attività, fisica o mentale, che sia in grado di produrre un risultato. In fisica la parola lavoro ha un

Dettagli

Calcolo combinatorio

Calcolo combinatorio Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Calcolo combinatorio Ines Campa e Marco Longhi Probabilità e Statistica

Dettagli

Soluzione Punto 1 Si calcoli in funzione di x la differenza d(x) fra il volume del cono avente altezza AP e base il

Soluzione Punto 1 Si calcoli in funzione di x la differenza d(x) fra il volume del cono avente altezza AP e base il Matematica per la nuova maturità scientifica A. Bernardo M. Pedone 74 PROBLEMA Considerata una sfera di diametro AB, lungo, per un punto P di tale diametro si conduca il piano α perpendicolare ad esso

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

La variabile casuale Binomiale

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

Dettagli

Calcolo differenziale Test di autovalutazione

Calcolo differenziale Test di autovalutazione Test di autovalutazione 1. Sia f : R R iniettiva, derivabile e tale che f(1) = 3, f (1) = 2, f (3) = 5. Allora (a) (f 1 ) (3) = 1 5 (b) (f 1 ) (3) = 1 2 (c) (f 1 ) (1) = 1 2 (d) (f 1 ) (1) = 1 3 2. Sia

Dettagli

A. 5 m / s 2. B. 3 m / s 2. C. 9 m / s 2. D. 2 m / s 2. E. 1 m / s 2. Soluzione: equazione oraria: s = s0 + v0

A. 5 m / s 2. B. 3 m / s 2. C. 9 m / s 2. D. 2 m / s 2. E. 1 m / s 2. Soluzione: equazione oraria: s = s0 + v0 1 ) Un veicolo che viaggia inizialmente alla velocità di 1 Km / h frena con decelerazione costante sino a fermarsi nello spazio di m. La sua decelerazione è di circa: A. 5 m / s. B. 3 m / s. C. 9 m / s.

Dettagli

GLI ASSI CULTURALI. Allegato 1 - Gli assi culturali. Nota. rimessa all autonomia didattica del docente e alla programmazione collegiale del

GLI ASSI CULTURALI. Allegato 1 - Gli assi culturali. Nota. rimessa all autonomia didattica del docente e alla programmazione collegiale del GLI ASSI CULTURALI Nota rimessa all autonomia didattica del docente e alla programmazione collegiale del La normativa italiana dal 2007 13 L Asse dei linguaggi un adeguato utilizzo delle tecnologie dell

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4.0. Esponenziale. Nella prima sezione abbiamo definito le potenze con esponente reale. Vediamo ora in dettaglio le proprietà della funzione esponenziale a,

Dettagli

Modelli Binomiali per la valutazione di opzioni

Modelli Binomiali per la valutazione di opzioni Modelli Binomiali per la valutazione di opzioni Rosa Maria Mininni a.a. 2014-2015 1 Introduzione ai modelli binomiali La valutazione degli strumenti finanziari derivati e, in particolare, la valutazione

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

F U N Z I O N I. E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC "DERIVE")

F U N Z I O N I. E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC DERIVE) F U N Z I O N I E LORO RAPPRESENTAZIONE GRAFICA di Carmine De Fusco 1 (ANCHE CON IL PROGRAMMA PER PC "DERIVE") I N D I C E Funzioni...pag. 2 Funzioni del tipo = Kx... 4 Funzioni crescenti e decrescenti...10

Dettagli

Le prossime 6 domande fanno riferimento alla seguente tavola di orario ferroviario

Le prossime 6 domande fanno riferimento alla seguente tavola di orario ferroviario Esercizi lezioni 00_05 Pag.1 Esercizi relativi alle lezioni dalla 0 alla 5. 1. Qual è il fattore di conversione da miglia a chilometri? 2. Un tempo si correva in Italia una famosa gara automobilistica:

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

4) In ogni caso, a prescindere dal rimedio scelto la vittima dell altrui inadempimento potrà comunque agire per il risarcimento dei danni subiti.

4) In ogni caso, a prescindere dal rimedio scelto la vittima dell altrui inadempimento potrà comunque agire per il risarcimento dei danni subiti. LA RISOLUZIONE. PREMESSA Sappiamo che un contratto valido può non produrre effetto, o per ragioni che sussistono sin dal momento in cui lo stesso viene concluso (ad es. la condizione sospensiva), o per

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

I numeri relativi. Il calcolo letterale

I numeri relativi. Il calcolo letterale Indice Il numero unità I numeri relativi VIII Indice L insieme R Gli insiemi Z e Q Confronto di numeri relativi Le operazioni fondamentali in Z e Q 0 L addizione 0 La sottrazione La somma algebrica La

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per 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

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. Insiemi non misurabili secondo Lebesgue. 10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi

Dettagli

Esercitazioni di Statistica

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

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

La Termodinamica ed I principi della Termodinamica

La Termodinamica ed I principi della Termodinamica La Termodinamica ed I principi della Termodinamica La termodinamica è quella branca della fisica che descrive le trasformazioni subite da un sistema (sia esso naturale o costruito dall uomo), in seguito

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

Dettagli

Costi della Qualità. La Qualità costa! Ma quanto costa la non Qualità? La Qualità fa risparmiare denaro. La non Qualità fa perdere denaro.

Costi della Qualità. La Qualità costa! Ma quanto costa la non Qualità? La Qualità fa risparmiare denaro. La non Qualità fa perdere denaro. Costi della Qualità La Qualità costa! Ma quanto costa la non Qualità? La Qualità fa risparmiare denaro. La non Qualità fa perdere denaro. Per anni le aziende, in particolare quelle di produzione, hanno

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

FUNZIONI AVANZATE DI EXCEL

FUNZIONI AVANZATE DI EXCEL FUNZIONI AVANZATE DI EXCEL Inserire una funzione dalla barra dei menu Clicca sulla scheda "Formule" e clicca su "Fx" (Inserisci Funzione). Dalla finestra di dialogo "Inserisci Funzione" clicca sulla categoria

Dettagli

i tassi di interesse per i prestiti sono gli stessi che per i depositi;

i tassi di interesse per i prestiti sono gli stessi che per i depositi; Capitolo 3 Prodotti derivati: forward, futures ed opzioni Per poter affrontare lo studio dei prodotti derivati occorre fare delle ipotesi sul mercato finanziario che permettono di semplificare dal punto

Dettagli

1 Definizione: lunghezza di una curva.

1 Definizione: lunghezza di una curva. Abstract Qui viene affrontato lo studio delle curve nel piano e nello spazio, con particolare interesse verso due invarianti: la curvatura e la torsione Il primo ci dice quanto la curva si allontana dall

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

PROBLEMI SUL MOTO RETTILINEO UNIFORMEMENTE ACCELERATO

PROBLEMI SUL MOTO RETTILINEO UNIFORMEMENTE ACCELERATO PROBLEMI SUL MOTO RETTILINEO UNIFORMEMENTE ACCELERATO 1. Un auto lanciata alla velocità di 108 Km/h inizia a frenare. Supposto che durante la frenata il moto sia uniformemente ritardato con decelerazione

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010 Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto INDICI E PIANI DI PROCESS CAPABILITY Prof. Biagio Palumbo (Università di Napoli Federico II - Dipartimento Ingegneria

Dettagli

Rapporto dai Questionari Studenti Insegnanti - Genitori. per la Primaria ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA "GATTO" SAIC83800T

Rapporto dai Questionari Studenti Insegnanti - Genitori. per la Primaria ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA GATTO SAIC83800T Rapporto dai Questionari Studenti Insegnanti - Genitori per la ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA "GATTO" SAIC83800T Progetto VALES a.s. 2012/13 Rapporto Questionari Studenti Insegnanti Genitori

Dettagli