Distribuzioni di probabilità. Un po' di teoria
|
|
- Dorotea Bernasconi
- 6 anni fa
- Visualizzazioni
Transcript
1 Distribuzioni di probabilità Un po' di teoria
2
3
4 Distribuzione di Poisson Considera un centralino telefonico. Tale centralino riceve in media 3600 telefonate al giorno. Vogliamo calcolare la probabilità P di ottenere 50 telefonate in un'ora, ovvero vogliamo calcolare 3600 telefonate P(x=50). Definita la frequenza λ= =150 calcolerò P(x) con 24h In modo analogo posso risolvere il seguente problema. Lancio una moneta (in media!!!) 2 volte in un'ora. Quale sarà la probabilità che in un'ora esca 3 volte croce? In questo caso la probabilità singola che esca croce è di p=0,5 il numero di lanci è 2, quindi λ=n p=1. Quindi P(3)=0,0613. È un evento non così frequente ma non impossibile! Cosa diversa è fare 2 lanci e calcolare la probabilità che esca tre volte croce (evento impossibile!!!). Quest'ultimo problema è descritto da una distribuzione binomiale e non da una Poissoniana! Se però n è grande e p è piccolo allora si può vedere che la distribuzione binomiale è ben approssimata da una distribuzione di Poisson, molto più comoda da calcolare!
5 PROBLEMI
6 Al computer Distribuzione Binomiale Consideriamo un esempio. Lanciamo un dado a 6 facce 5 volte. Vogliamo studiare la distribuzione di probabilità della variabile aleatoria x corrispondente all'evento Il 3 esce x volte.. La probabilità del singolo lancio è p=1/6, il numero di lanci è n=5. Simuliamo il problema per un numero K consistente di volte (K=10000). Ogni 5 lanci contiamo quante volte è uscito il 3 e aggiorniamo i dati di un istogramma (vettore) che conta quante volte è uscito il 3 in una giocata (ovvero in 5 lanci). Sarà un vettore da 6 posti dato che in v[0] memorizzeremo quante volte non è uscito mai 3, in v[1] quante volte è uscito una sola volta,.in v[5] quante volte è uscito sempre. Alla fine di tutte le nostre K giocate possiamo stampare l'istogramma. Attenzione che questo non sarà la distribuzione di probabilità totale, dato che non è normalizzato!! Infatti la somma di tutte le P dovrà fare 1. Dovremo quindi dividere ogni elemento di V per K. A questo punto il vettore V rappresenterà nel limite K la distribuzione di Bernulli. Per il singolo lancio posso generare un evento con probabilità 1/6 in questi 2 modi: genero un numero intero x fra 1 e 6, e considero l'evento verificato solo se x=3 x=rand()%6+1; if(x==3){...} genero un numero reale fra 0 e 1 distribuito uniformemente. Se è minore di 1/6 considero l'evento verificato. Questo metodo posso chiaramente utilizzarlo anche per riprodurre eventi con probabilità irrazionali. x=(float)rand()/rand_max; if(x<(1./6.)){...} Distribuzione di Poisson Per simulare una distribuzione di Poisson consideriamo l'esempio del centralino telefonico riportato precedentemente. Tale centralino riceve in media 3600 telefonate al giorno. Vogliamo calcolare la distribuzione di probabilità P(x) di ottenere x telefonate in un'ora. Posso altresì dire che sto considerando n=3600 eventi indipendenti che avvengono ognuno con una probabilità p=1/24, ovvero λ=n p=150. Procederò quindi in questo modo. Andrò a generare n=3600 telefonate. Di ogni telefonata sceglierò in modo casuale in quale ora si verifica: posso farlo in 2 modi ora=rand()%24; //scelgo un'ora intera oppure ora=(int)((float)rand()/rand_max * 24 ); //scelgo un tempo nel continuo 0-1, quindi in 0-24 e poi lo tronco Per ognuna delle n telefonate andrò ad incrementare di una unità l'elemento ora del vettore tel[ora]. Questo vettore rappresenterà quante telefonate ho ricevuto la prima, la seconda, la terza la 24 a ora. A questo punto vado a conteggiare in quante delle 24 ore ho non ho avuto telefonate ed ottengo p[0], in quante delle 24 ore ho ottenuto 1 telefonata ottenendo p[1],.. in quante ne ho ottenute 3600 trovando p[3600]. In questo modo ottengo una distribuzione di Poisson p un po' povera. Dovrò ripetere tante volte quanto sopra, incrementando il vettore p con le nuove simulazioni per ottenere una distribuzione di Poisson che si avvicini sempre meglio alla distribuzione di Poisson teorica. Chiaramente il vettore p dovrà essere normalizzato in modo tale che la somma di tutti i p sia 1. Si noti come il fatto di limitare il vettore v a sole 24 ore e n a sole 3600 telefonate approssimi in realtà la nostra simulazione ad un qualcosa che più assomiglia ad una distribuzione binomiale, anche se in modo più che ragionevole! Per simulare una stessa distribuzione di Poisson, ma in modo più accurato, basterebbe semplicemente aumentare n e diminuire p mantenendo inalterata la frequenza λ. Per esercizio prova a fare il grafico di una distribuzione Binomiale con evento con probabilità singola p considerando n prove consecutive; quindi simula l'evento con una distribuzione di Poisson con λ=n p Noterai che le due distribuzioni sono sostanzialmente le stesse quando n è grande e piccolo. Per n piccolo e p grande noterai però (come nell'esempio delle due monete sopra riportato) una grossa differenza!
VARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliP (0 semafori rossi) = 0,05 P (1 semaforo rosso) = 0,20 P (2 semafori rossi) = 0,25 P (3 semafori rossi) = 0,35 P (4 semafori rossi) = 0,15
ESERCITAZIONE : ROBABILITA, VARIABILI CASUALI, BINOMIALE ESERCIZIO N. Una donna che si reca al lavoro in macchina ha osservato che il seguente modello è un approssimato modello probabilistico per il numero
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliStatistica descrittiva I. La frequenza
Statistica descrittiva I. La frequenza Supponiamo di ripetere n volte un esperimento che può dare esito 0 o 1, il numero di uni su n ripetizioni è detto frequenza di 1: f 1,n = #{esperimenti con esito
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
Dettagliλ è detto intensità e rappresenta il numero di eventi che si
ESERCITAZIONE N 1 STUDIO DI UN SISTEMA DI CODA M/M/1 1. Introduzione Per poter studiare un sistema di coda occorre necessariamente simulare gli arrivi, le partenze e i tempi di ingresso nel sistema e di
DettagliLa simulazione con DERIVE Marcello Pedone LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE
LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE Premessa Abbiamo già visto la simulazione del lancio di dadi con excel Vedi: http:///statistica/prob_simu/index.htm Ci proponiamo di ottenere risultati analoghi
DettagliCampionamento di variabili aleatorie. Andrea Marin Università Ca' Foscari Venezia Corso di Probabilità e Statistica a.a. 2009/2010
Campionamento di variabili aleatorie Andrea Marin Università Ca' Foscari Venezia Corso di Probabilità e Statistica a.a. 2009/2010 Premessa Soluzione della prima esercitazione: l'analisi teorica Richiami:
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali LABORATORIO R - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2014 Argomenti La distribuzione normale e applicazioni La distribuzione binomiale
DettagliLEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità 1 A. A. 4/5 a prova in itinere 8/6/5docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento degli Esercizi
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliTEORIA E TECNICA DELLA CIRCOLAZIONE
PROBLEMI DI TEORIA E TECNICA DELLA CIRCOLAZIONE 3 A cura di : Prof. Astarita Vittorio ing. Giofrè Vincenzo Pasquale Argomenti: Distribuzione di Poisson 26 3.1 PROBLEMA Distribuzione di Poisson ed esponenziale
DettagliCP110 Probabilità: Esonero 1
Dipartimento di Matematica, Roma Tre Pietro Caputo 2016-17, II semestre 11 aprile, 2017 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante l esame
DettagliIntroduzione alla probabilità. Renato Mainetti
Introduzione alla probabilità Renato Mainetti Esperimenti sulla probabilità: Vedremo come utilizzare semplici funzioni di matlab per avvicinarci al mondo della probabilità, iniziando così ad introdurre
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliDistribuzioni di probabilità
> Note Distribuzioni di probabilità filename: distribuzioni.mws version: 2.0 tested: Maple V Release 6.02 on Windows 2000 date: 15 marzo 2003 author: Claudio Marsan Liceo Cantonale di Mendrisio Via Agostino
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
Dettagliincompatibili compatibili complementari eventi composti probabilità composta
Un evento si dice casuale, o aleatorio, se il suo verificarsi dipende esclusivamente dal caso. La probabilità matematica p di un evento aleatorio è il rapporto fra il numero dei casi favorevoli f e il
DettagliProblema: Risposta: e una funzione di ripartizione definita da:
Problema: 1) Che cosa si puo' dire sulla distribuzione della somma di due variabili casuali uniformemente distribuite in [0;1]? 2) Che cosa si può dire della variabile casuale che rappresenta la somma
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliDomande di teoria. Esercizi
1 Domande di teoria 1. Vedi pp. 131-132 2. Vedi pp. 132-134 3. Vedi p. 134 4. Vedi p. 135 5. Vedi pp. 136-142 6. Vedi pp. 138-139 7. Vedi pp. 141-142 8. Vedi pp. 143-146 9. Vedi pp. 146-148 Esercizi Esercizio
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliApprofondimento 3.3. Approssimazione della distribuzione binomiale alla normale
Approfondimento 3.3 Approssimazione della distribuzione binomiale alla normale Come aveva notato de Moivre, se il numero di prove è sufficientemente ampio e la probabilità del successo π sufficientemente
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
Dettagli5 di tutti i possibili risultati relativi a un determinato esperimento si chiama spazio probabilistico
Gli eventi Torniamo ora a occuparci degli eventi. Qualunque sia la concezione utilizzata per determinare la probabilità di un evento, si lavora all'interno di un insieme determinato di casi possibili.
DettagliProf. Pagani Corrado ALGORITMI ESERCITAZIONI CICLI
Prof. Pagani Corrado ALGORITMI ESERCITAZIONI CICLI DIAGRAMMA A BLOCCHI: SWITCH DIAGRAMMA BLOCCHI: WHILE DIAGRAMMA BLOCCHI: FOR for (inizializzazione contatore, condizione, incremento) { istruzioni ; }
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliAnalisi statistica della bontà di un programma di simulazione del lancio di dadi
Analisi statistica della bontà di un programma di simulazione del lancio di dadi Jacopo Nespolo, Jonathan Barsotti, Oscar Pizzulli 19/2/2007 1 Obbiettivi Con questa esperienza si intende analizzare i dati
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliEsempio. Distribuzione binomiale (3)
Esempio. Distribuzione binomiale (3) La prevalenza del daltonismo nella popolazione maschile è p = 6%. Qual è la probabilità di avere almeno 2 daltonici in un campione di 25? Il numero di daltonici in
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliLABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi 5 VARIABILI CASUALI DISCRETE LA VARIABILE BINOMIALE Sia n N e sia k n. La probabilità di osservare k successi
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliLaboratorio di Statistica 1 con R Esercizi per la Relazione. I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati
Laboratorio di Statistica 1 con R Esercizi per la Relazione I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati nel corso. Esercizio 1. 1. Facendo uso dei comandi
DettagliLICEO SCIENTIFICO QUESTIONARIO QUESITO 1
www.matefilia.it LICEO SCIENTIFICO 7 - QUESTIONARIO QUESITO Definito il numero E come: E = e d, dimostrare che risulta: e d = e E esprimere e d in termini di e ed E. Cerchiamo una primitiva di e integrando
DettagliLaboratorio di Calcolo B 68
Generazione di numeri casuali Abbiamo già accennato all idea che le tecniche statistiche possano essere utili per risolvere problemi di simulazione di processi fisici e di calcoli numerici. Dobbiamo però
DettagliESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI
Variabili bidimensionali ESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI 1) Siano X 1 e X 2 due variabili casuali indipendenti che possono assumere valori 0, 1 e 3 rispettivamente con probabilità
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
DettagliTest di autovalutazione
Test Test di autovalutazione 0 0 0 0 0 0 0 70 80 90 00 n Il mio punteggio, in centesimi, è n Rispondi a ogni quesito segnando una sola delle alternative. n Confronta le tue risposte con le soluzioni. n
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliLaboratorio di Didattica di elaborazione dati 3A LA DISTRIBUZIONE DI BERNOULLI (BINOMIALE) LA DISTRIBUZIONE DI POISSON.
3A LA DISTRIBUZIONE DI BERNOULLI (BINOMIALE) LA DISTRIBUZIONE DI POISSON La distribuzione binomiale rappresenta la distribuzione di probabilità di prove ripetute indipendenti quando i risultati di ciascuna
DettagliEsercitazione del 07/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 07/0/0 Istituzioni di Calcolo delle Probabilità David Barbato Esercizio Vengono lanciati due dadi a 6 facce regolari. Calcolare le seguenti probabilità. (a) Qual è la probabilità che
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
Dettagli, mentre Y è una variabile geometrica di costante q = 1 2. (1 q) n = q (1 q) 3 1 q = (1 2 )3 = 1 8. n=0
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Sono date due urne denominate rispettivamente A e B. A contiene palline bianche e 6 palline rosse, B contiene 8 palline bianche e
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliEVENTI FUTURI EQUIPROBABILI Lezione n. 3
EVENTI FUTURI EQUIPROBABILI Lezione n. 3 Finalità: Enunciare le definizioni maturate attraverso l esercitazione pratica. Verificare la corrispondenza tra ipotesi formulate e risultati sperimentali. Metodo:
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliCOMUNICAZIONE OPZIONE SPORTIVA QUESTIONARIO QUESITO 1
www.matefilia.it COMUNICAZIONE OPZIONE SPORTIVA 7 - QUESTIONARIO QUESITO Definito il numero E come: E = xe x dx, dimostrare che risulta: x e x dx = e E esprimere x e x dx in termini di e ed E. Cerchiamo
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliLABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica
UNIVERSITA DEGLI STUDI DI VERONA LABORATORIO DI PROBABILITA E STATISTICA Docente: Bruno Gobbi Corso di laurea in Informatica e Bioinformatica 5 VARIABILI ALEATORIE DISCRETE LA VARIABILE BINOMIALE Sia n
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliIl caso, probabilmente: la partita a dadi di Riccardo Mini
Elementi di Probabilità presenti nell opera teatrale Il caso, probabilmente: la partita a dadi di Riccardo Mini con Fausto Bernardinello, Maria Eugenia D Equino, Annig Raimondi con la collaborazione dei
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliProbabilità Condizionale - 1
Probabilità Condizionale - 1 Come varia la probabilità al variare della conoscenza, ovvero delle informazioni in possesso di chi la calcola? ESEMPIO - Calcolare la probabilità che in una estrazione della
DettagliNote introduttive alla probabilitá e alla statistica
Note introduttive alla probabilitá e alla statistica 1 marzo 2017 Presentiamo sinteticamente alcuni concetti introduttivi alla probabilitá e statistica 1 Probabilità e statistica Probabilità: Un modello
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
Dettagli