Statistica. Motivazioni
|
|
- Roberta Costa
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica Docente: Massimiliano Grosso Dipartimento di Ingegneria Chimica e Materiali Università degli Studi di Cagliari grosso@dicm.unica.it Telefono: Web: 1 Motivazioni Esempi di applicazioni della statistica in problemi di interesse ingegneristico: nalisi di misure sperimentali Verifica di qualità di prodotti di fabbrica Studi demoscopici Quantificazione rischi connessi ad un processo ltro 2 Cenni Teoria della probabilità 1
2 Definizioni preliminari OOLZIONE Insieme di tutte le possibili osservazioni del processo che si intende studiare Esempi: Risultati delle elezioni politiche in un paese. Gradimenti dei telespettatori Misure sperimentali, in linea di principio infinite, che possono essere effettuate su un dato processo Qualità di un prodotto industriale (es: resistenza urti automobili, vita componenti elettronici, etc.) Gli elementi della popolazione presentano delle variazioni dovute a numerosi fattori la cui influenza non può essere prevista variazioni di tipo casuale 3 Definizioni preliminari Si possono contemplare due differenti tipi di popolazione: opolazione di tipo discreto: Ogni elemento della popolazione può assumere valori interi numerabili ma non dei valori intermedi Esempi di popolazioni discrete: opolazione: infiniti lanci opolazione: tutti i dipendenti Tutti i possibili (infiniti) esiti del lancio di un dado (numeri interi da 1 a 6) Giorni di assenza dal lavoro di un impiegato in un azienda nell arco dell anno solare (numeri interi compresi tra 1 e 250) 4 Cenni Teoria della probabilità 2
3 Definizioni preliminari opolazione di tipo continuo Ogni elemento della popolazione può assumere un qualunque numero reale Esempi di popolazione di tipo continuo: opolazione: altezze abitanti nazione opolazione: infinite misure sperimentali» ltezze (in cm) della popolazione di una nazione» Risultati di una misura di temperatura (o di qualunque altra grandezza fisica) 5 Definizioni preliminari In genere non è possibile conoscere il dettaglio di tutta la popolazione: La popolazione è costituita da un insieme infinito (come nel caso delle possibili misure sperimentali) È dal punto di vista pratico impossibile (come nel caso dei gradimenti televisivi e delle elezioni politiche) I dati di tutta la popolazione non sono disponibili (per esempio nella raccolta dati da una centralina di monitoraggio per gli inquinanti essi sono presi con una certa frequenza temporale) Non ha comunque senso applicativo (nel caso di analisi invasive, esempio: crash test delle vetture) 6 Cenni Teoria della probabilità 3
4 Definizioni preliminari CMIONE Insieme dei valori osservati. È pertanto un sottoinsieme della popolazione Esempi: I risultati rilasciati dai cosiddetti exit poll Il campione di telespettatori selezionati dall auditel Il numero finito di prove sperimentali che si è, nella realtà, effettuato (campagna sperimentale). Qualità misurata su un numero finito di articoli prodotti dall industria 7 Definizioni preliminari La statistica ha lo scopo di ottenere informazioni sulla popolazione generica a partire dalle informazioni ottenute dal suo sottoinsieme campione. Interpretazione grafica opolazione Statistica Campione Selezione campione (es.: campagne sperimentali) 8 Cenni Teoria della probabilità 4
5 Teoria delle robabilità Introduzione al concetto di processo aleatorio Definizione Variabile leatoria Definizione eventi Definizione funzione di probabilità Introduzione ssiomi di Kolmogoroff robabilità condizionata Indipendenza stocastica Motivazioni Il singolo esito di un processo aleatorio non è prevedibile a priori, anche dopo ripetute esecuzioni nelle stesse condizioni Si possono comunque individuare delle regolarità nell insieme dei risultati di un numero elevato di ripetizioni dello stesso esperimento ovvero si può modellare la casualità presente in una misura sperimentale La modellazione dell errore sperimentale è una modellazione di tipo statistico Modellazione opolazione Cenni Teoria della probabilità 5
6 Introduzione concetto processo aleatorio Esempio: Lancio dei dadi, lancio di una moneta L esito di tali processi è dominato completamente dalla casualità: nei fatti ciascun esito è imprevedibile Esempio: Misura sperimentale: L errore sperimentale non può essere controllato ed implica una deviazione dal valore vero che si intende misurare non noto a priori Schema di un esperimento Valore vero della quantità misurata y + Errore ε sperimentale Misura sperimentale ottenuta y+ε Obiettivi Nei prossimi lucidi si intende fornire le conoscenze di base per modellare un esperienza aleatoria (come può essere l esempio preso in esame) Lo sviluppo di un modello statistico per un processo è concettualmente ben distinto dallo sviluppo di un modello matematico di tipo deterministico. Scopo finale: introduzione della funzione probabilità che regola il processo aleatorio Sarà necessario fare qualche richiamo di teoria degli insiemi Cenni Teoria della probabilità 6
7 Teoria della robabilità Modellazione Esperimento leatorio Il modello matematico di un processo aleatorio ha lo scopo di prevedere le regolarità (statistiche) di un esperienza, non il singolo esito! Esempi: Lancio di un dado Quale è, per esempio, la frequenza della comparsa dei lati in cui sono rappresentati i numeri pari Lancio di una moneta La frequenza della comparsa della testa e/o della croce Misure sperimentali Il modello matematico deve prevedere, se esiste, il trend centrale delle misure sperimentali. Teoria della robabilità Spazio campione - Definizione L insieme di tutti i possibili risultati che può registrare una esperienza aleatoria prende il nome di spazio campione Uno spazio campione può essere finito o infinito, a seconda che esso sia costituito da un numero finito o infinito di elementi. Esempi: Lancio dei dadi: = {1, 2, 3, 4, 5, 6} Risultato di una misura sperimentale: esempio: Misura di una temperatura in un reattore Nel primo caso lo spazio campione è un insieme discreto finito, nel secondo caso è un insieme infinito continuo + = R Cenni Teoria della probabilità 7
8 Teoria della robabilità Evento Un evento E è un qualunque sottoinsieme dello spazio campione Esempi: Numeri pari nel lancio dei dadi: E = {2,4,6} Risultati sperimentali: temperature osservate superiori a 100 E = {T>100.0} Oppure che si osservi la temperatura T = E = L ultimo evento introdotto è un evento elementare. er definizione, gli eventi elementari non possono essere l unione di altri eventi Teoria della robabilità Evento Si possono introdurre i concetti di eventi complementari secondo le regole di insiemistica. E C = E Nel caso dei dadi: E C = {1,3,5} Nel caso del primo esempio di temperatura nel reattore: E C ={Τ 100.0} Un evento in cui non vi siano elementi si chiama evento impossibile e si indica con il simbolo Ø. Cenni Teoria della probabilità 8
9 Rappresentazione grafica degli eventi Insiemistica - Diagrammi di Venn ω E ω evento elementare ω Õ E Œ « Rappresentazione grafica degli eventi Insiemistica - Diagrammi di Venn E E c = E: E c : Evento complementare» = Ø e mutuamente esclusivi à Cenni Teoria della probabilità 9
10 Teoria della probabilità Spazio campione, Eventi, Spazio degli Eventi Il modello dell esperimento aleatorio deve permettere la previsione della frequenza con la quale si verifica ogni evento di interesse L evento, evento certo, si verifica sempre L evento Ø (insieme vuoto), evento impossibile, non si verifica mai L evento {ω} si chiama evento elementare Lo spazio degli eventi S è definito come l insieme di tutti gli eventi, elementari e non, associati ad un processo aleatorio. Teoria della probabilità Spazio degli Eventi Esempio: nel caso del lancio del dado lo spazio S di tutti i possibili eventi S = {{1}, {2}, {3}, {4}, {5}, {6}, {1,2}, {2,3},, {5,6}, {1,2,3}, {2,3,4},, {1,2,3,4,5,6}} In generale S gode delle seguenti proprietà: œ S œ S C œ S 1, 2 œ S 1» 2 œ S Cenni Teoria della probabilità 10
11 f Teoria della robabilità Definizione robabilità pproccio frequentista Il concetto di probabilità emerge direttamente dal concetto di frequenza relativa. Consideriamo il caso dei lanci dei dadi ed effettuiamo 10 lanci. 2, 3, 6, 3, 2, 2, 2, 2, 6, 5 È possibile valutare la percentuale di volte che si è verificato un dato evento elementare tramite la sua frequenza relativa: f ({ }) ({ ω} ) N ω = N Essendo N({ω}) il numero di volte che si verifica l evento {ω} N il numero totale di esperienze Teoria della robabilità Definizione robabilità pproccio frequentista Si può rappresentare la frequenza relativa su un istogramma: frequenza È possibile anche valutare le frequenze relative di altri eventi diversi da quelli elementari Esempio: ari e Dispari (1, 3, 5) (2, 4, 6) Dispari/ari Cenni Teoria della probabilità 11
12 Teoria della robabilità Definizione robabilità pproccio frequentista Considerando un campione di dati sperimentali di dimensioni maggiori (per esempio n=50), si ottiene un istogramma per le frequenze relative di questo tipo: frequenza ll aumentare del numero di prove sperimentali emerge una certa struttura nel grafico Teoria della robabilità Definizione robabilità pproccio frequentista Teoricamente per n la struttura della frequenza relativa non cambia più frequenza La frequenza con cui si verifica un evento elementare rimane costante all aumentare delle prove. Questo è vero anche per tutti gli elementi dello spazio degli eventi S (per esempio: numeri pari/dispari etc.) Cenni Teoria della probabilità 12
13 Teoria della robabilità Definizione robabilità Definizione frequentista della funzione probabilità: È possibile quindi definire in modo rigoroso la funzione probabilità del processo casuale in esame: ( E) lim f ( E) ( E) N = = lim N N N Si definisce spazio delle probabilità la tripletta (, S, ( )) er definizione la funzione di probabilità è una funzione: ( ): E S [ 0,1] Teoria della robabilità ssiomi di Kolmogoroff (1933) Una volta introdotto il concetto di probabilità per un evento di un processo stocastico, tutta la teoria della probabilità può essere sviluppate partendo da tre assiomi fondamentali: ( ) 0 E 1 E ( ) = 1 ( ) = ( ) + ( ) se = 0 Nel caso di spazi campioni infiniti la 3. può essere scritta: 3 bis. U Ej = ( Ej) se Ei Ek = 0 i, k j= 1 j Cenni Teoria della probabilità 13
14 Teoria della robabilità ssiomi di Kolmogoroff (1933) Sfruttando gli assiomi di Kolmogoroff è possibile ricavare tutte le proprietà della probabilità: Esempio Regola per insiemi complementari Dimostrazione: C ( ) = 1 ( ) C = e C = 0 C ( ) = 1 = ( ) ( ) + Teoria della robabilità roprietà da ssiomi di Kolmogoroff ltre proprietà che possono essere ricavate: 1. Regola di addizione per un numero finito di eventi mutualmente esclusivi: i k n = 0 i, k U j j= 1 2. Regola di addizione per eventi arbitrari = j= 1 3. robabilità dell evento impossibile: (Ø) = 0 ( ) = ( ) + ( ) ( ) n ( ) j Cenni Teoria della probabilità 14
15 Teoria della robabilità roprietà da ssiomi di Kolmogoroff 4. robabilità per insiemi inclusi:, S e 5. Disuguaglianza di oole: ( ) ( ) 6. ltre proprietà che si possono ricavare: n n,, K,, S in generale: ( ) 1 2 n U i i i= 1 i= 1 ( ) ( ) ( ) ( ) ( ) ( ) + ( ) 1 Teoria della robabilità Definizione robabilità Condizionata robabilità che si verifichi se si è verificato: ( ) = ( ) ( ) In maniera analoga si può definire la probabilità dell evento condizionato dall evento. ( ) = ( ) ( ) La 1) e la 2) sono valide se, rispettivamente, () 0 e () 0 2) 1) Cenni Teoria della probabilità 15
16 Teoria della robabilità Definizione robabilità Condizionata Le probabilità condizionate sono delle funzioni probabilità dato che soddisfano gli assiomi di Kolmogoroff per un qualunque insieme M 1. ( M) 0 per ogni evento 2. ( M) = 1 3. Nel caso e disgiunti (» M) = ( M) + ( M) Se Œ allora ( ) = 1 Se {i M}, i = 1,2, sono mutualmente esclusivi, allora ( 1» 2» M) = ( 1 M) + ( 2 M) + Teoria della robabilità robabilità condizionata Esempio: Uno scatola contiene 10 viti di cui 3 difettose. Estraiamo due viti a caso. Determinare la probabilità che nessuna vite estratta sia difettosa Evento : rima vite non difettosa Evento : Seconda vite non difettosa ()=7/10 Una volta estratta 1 vite restano nella scatola 9 viti quindi: ( )=6/9=2/3 La probabilità che anche la seconda vite sia difettosa è quindi: ( )=() ( )=47% Cenni Teoria della probabilità 16
17 Teoria della robabilità Indipendenza stocastica La nozione di indipendenza stocastica di eventi è fondamentale nella teoria della probabilità e nella pratica della sperimentazione: Definizione: Due eventi si dicono indipendenti se: ( ) ( ) ( ) = Dalla definizione di probabilità condizionata: ( )=() ( ) Nel caso in cui ( )=() () si ottiene: ( )=(). Ovvero qualunque cosa accada a essa non dà informazioni su. Quindi e sono indipendenti Teoria della robabilità Indipendenza stocastica Esempio: Riesaminiamo l esempio delle viti considerando di reimmettere nella scatola la vite estratta inizialmente. Intuitivamente, questo implica la perdita di informazione acquisita con il precedente risultato () = () = 0.7 ( ) = () () = 49 % Nota: Non si devono confondere eventi disgiunti con eventi indipendenti. Infatti due eventi disgiunti non sono indipendenti: Cenni Teoria della probabilità 17
18 Teoria della robabilità Indipendenza stocastica Da notare la profonda differenza concettuale tra i due esempi Nel primo caso, il verificarsi di un evento condiziona la probabilità degli eventi successivi. Nel secondo caso, il reimmettere la vite nel contenitore azzera le informazioni acquisite nella prima esperienza. Informazioni pregresse, da un punto di vista logico, possono implicare dipendenza tra i dati sperimentali. Teoria della robabilità - Indipendenza stocastica Esempi con i diagrammi di Venn ( ) = 1 ( ) = ( )/() = ()/() ( ) () ( ) = ( ) = 0 Cenni Teoria della probabilità 18
Introduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
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
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)
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 51 Introduzione Il Calcolo delle
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
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
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
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
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliESPERIMENTO DEL LANCIO DEI DADI
ANNO SCOLASTICO 214/215 SCUOLA SECONDARIA DI PRIMO GRADO UGO FOSCOLO SCHEDA SPERIMENTALE DI MATEMATICA ESPERIMENTO DEL LANCIO DEI DADI ALUNNA: MARTINA PETRARULO CLASSE: III B PROFESSORE: DANIELE BALDISSIN
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliMatematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica A.A.
Matematica e-learning - Gli Insiemi Prof. Erasmo Modica http://www.galois.it erasmo@galois.it A.A. 2009/2010 1 Simboli Matematici Poiché in queste pagine verranno utilizzati differenti simboli matematici,
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
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
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.
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata
Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliDiagrammi a blocchi 1
Diagrammi a blocchi 1 Sommario Diagrammi di flusso, o a blocchi. Analisi strutturata. Esercizi. 2 Diagrammi a blocchi È un linguaggio formale di tipo grafico per rappresentare gli algoritmi. Attraverso
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliRisultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
DettagliAlgoritmi. Pagina 1 di 5
Algoritmi Il termine algoritmo proviene dalla matematica e deriva dal nome di in algebrista arabo del IX secolo di nome Al-Khuwarizmi e sta ad indicare un procedimento basato su un numero finito operazioni
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 #
DettagliI diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito.
TEST DI AUTOVALUTAZIONE - SETTIMANA I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliIL CALCOLO DELLE PROBABILITA
IL CLCOLO DLL ROILIT Il concetto di probabilità di un evento casuale si può definire come un opportuno numero indice, compreso fra zero e uno, che intende esprimere la possibilità che l evento medesimo
DettagliDIMENSIONAMENTO CON LASTRE. SUPALUX-EA del rivestimento protettivo degli elementi strutturali in acciaio
DIMENSIONAMENTO CON LASTRE SUPALUX-EA del rivestimento protettivo degli elementi strutturali in acciaio Dimensionamento con lastre SUPALUX EA del rivestimento protettivo degli elementi strutturali in acciaio.
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliOBIETTIVI DI APPRENDIMENTO CONTENUTI ABILITÀ
Conosce il valore posizionale delle cifre. Adotta efficaci strategie di calcolo scritto e orale con la moltiplicazione e la divisione. UNITÀ DIDATTICA N. 1 NUMERO - CALCOLO OBIETTIVI DI APPRENDIMENTO CONTENUTI
DettagliImportanza delle incertezze nelle misure fisiche
Importanza delle incertezze nelle misure fisiche La parola errore non significa equivoco o sbaglio Essa assume il significato di incertezza da associare alla misura Nessuna grandezza fisica può essere
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
Dettagli7 2 =7 2=3,5. Casi particolari. Definizione. propria se < impropria se > e non è multiplo di b. apparente se è un multiplo di. Esempi.
NUMERI RAZIONALI Q Nell insieme dei numeri naturali e nell insieme dei numeri interi relativi non è sempre possibile effettuare l operazione di divisione. Infatti, eseguendo la divisione 7 2 si ottiene
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
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,
DettagliPROGETTAZIONE DISCIPLINARE MATEMATICA classe 2^
PROGETTAZIONE DISCIPLINARE MATEMATICA classe 2^ PER RICONOSCERE, RAPPRESENTARE E RISOLVERE PROBLEMI I. Q. II. Q. CONTENUTI / ATTIVITA 1 bim. 2 bim. 3 bim. 4 bim. 1a) Individuazione di situazioni problematiche
DettagliE = P(A) N. Teoria della probabilità. E = = 160 (numero atteso di soggetti con l influenza) E = = 390
Teoria della probabilità Definita la probabilità di un evento o di una qualsiasi combinazione di eventi, è immediato definire il numero di eventi attesi in una serie di prove ripetute in modo casuale.
DettagliTorino 20 marzo 2013 Corso di Metrologia applicata alla Meteorologia
Taratura di sensori meteorologici e stazioni automatiche Analisi delle incertezze Taratura Costruire la curva di taratura di uno strumento significa dare riferibilità metrologica alle misure prese da tale
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliNote di probabilità. Mauro Saita Versione provvisoria, maggio 2014.
Note di probabilità Mauro Saita Versione provvisoria, maggio 2014. Indice 1 Note di probabilità. 2 1.1 Eventi elementari. Spazio degli eventi.............................. 2 1.2 Definizione assiomatica
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,
DettagliMetodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III
Laboratorio Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III Laura Palmerio Università Tor Vergata A.A. 2005/2006 MISURAZIONE Misurare le variabili Assegnazione di valori numerici
DettagliESERCIZI SULLA PROBABILITA
PROBABILITA CLASSICA ESERCIZI SULLA PROBABILITA 1) Si estrae una carta da un mazzo di 40 carte ; calcolare la probabilità che la carta sia: a. una figura; b. una carta di danari; c. un asso. 2) Un urna
DettagliUNITA DIDATTICA. Conoscenze. Abilità
Titolo: Problemi di geometria analitica : la parabola e l iperbole Codice: B1_S Ore previste:15 Equazione della parabola e coordinate del vertice Grafico di una parabola Equazione dell iperbole equilatera
DettagliLezioni di Ricerca Operativa 2 Dott. F. Carrabs
Lezioni di Ricerca Operativa Dott. F. Carrabs.. 009/00 Lezione 6: - mmissibilità di un vincolo - Vincoli alternativi - Vincoli alternativi a gruppi - Rappresentazione di funzioni non lineari: Costi fissi
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliLA LEGGE DI COULOMB PER I MAGNETI
1 LA LEGGE DI COULOMB PER I MAGNETI Lo scopo di questo esperimento è quello di riprodurre quello storico e importante ormai scomparso dai testi scolastici perché ritenuto non attinente alla realtà. È noto,
DettagliModulo 2 Data Base - Modello Relazionale
Modulo 2 Data Base - Modello Relazionale Università degli Studi di Salerno Corso di Laurea in Scienze della comunicazione Informatica generale Docente: Angela Peduto A.A. 2004/2005 Modello Relazionale
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliAccuratezza, precisione, tipi di errori e cifre significative dei dati analitici.
Accuratezza, precisione, tipi di errori e cifre significative dei dati analitici. Indice: 1. Lettura della buretta pag.2 2. Precisione ed Accuratezza pag.3 3. Tipi di errori pag.4 4. Affidabilità di una
DettagliINCERTEZZA DI MISURA SECONDO NORME CEI
CORSO DI FORMAZIONE AMBIENTALE TECNICHE DI MISURA DEI CAMPI ELETTROMAGNETICI IN ALTA E BASSA FREQUENZA INCERTEZZA DI MISURA SECONDO NORME CEI Ing. Valeria Canè Servizio Agenti Fisici 1 UNA MISURA E un
DettagliSoluzione dei sistemi lineari con metodo grafico classe 2H
Soluzione dei sistemi lineari con metodo grafico classe H (con esempi di utilizzo del software open source multipiattaforma Geogebra e calcolatrice grafica Texas Instruments TI-89) Metodo grafico Il metodo
DettagliCURRICOLO DI MATEMATICA CLASSE PRIMA
CURRICOLO DI MATEMATICA CLASSE PRIMA INDICATORI OBIETTIVI SPECIFICI CONTENUTI NUMERI Eseguire le quattro operazioni con i numeri interi. Elevare a potenza numeri naturali e interi. Comprendere il significato
DettagliAPPUNTI DI MATEMATICA ALGEBRA \ CALCOLO LETTERALE \ MONOMI (1)
LGEBR \ CLCOLO LETTERLE \ MONOMI (1) Un monomio è un prodotto di numeri e lettere; gli (eventuali) esponenti delle lettere sono numeri naturali (0 incluso). Ogni numero (reale) può essere considerato come
DettagliESERCIZI SVOLTI SUL CALCOLO INTEGRALE
ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia
DettagliScuola Primaria Salvo D Acquisto Curricolo di Matematica Classe II e III
Scuola Primaria Salvo D Acquisto Curricolo di Matematica Classe II e III 1 CURRICOLO DI MATEMATICA OSA : Obiettivi Specifici di Apprendimento Classe 2 o I numeri naturali fino al cento o Apprendere un
DettagliSfide di Matematica. Corso PON Competenze per lo sviluppo Liceo A. Galizia Nocera Inferiore. Ing. Ivano Coccorullo Prof.ssa Daniela Garreffa
Corso PON Competenze per lo sviluppo Liceo A. Galizia Nocera Inferiore Ing. Ivano Coccorullo Prof.ssa Daniela Garreffa Test 2010 Alleniamoci un po Test 2010 Test 2010: Domande Test 2010 Test 2010: Domande
DettagliLa Rappresentazione dell Informazione
La Rappresentazione dell Informazione Parte III I codici Codici a.a. 27-28 Un codice è una funzione che associa ad una sequenza di simboli un significato Codice : {entità} {sequenze di simboli} Un codice
DettagliRilevazione degli apprendimenti
Rilevazione degli apprendimenti Anno Scolastico 00-0 PROVA DI MATEMATICA Scuola secondaria di II grado Classe... Studente... Simulazioni di prove costruite secondo il Quadro di riferimento Invalsi pubblicato
DettagliCapitolo 9. Esercizio 9.1. Esercizio 9.2
Capitolo 9 Esercizio 9.1 Considerare lo relazione in figura 9.19 e individuare le proprietà della corrispondente applicazione. Individuare inoltre eventuali ridondanze e anomalie nella relazione. Docente
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
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
DettagliGrandezze fisiche e loro misura
Grandezze fisiche e loro misura Cos è la fisica? e di che cosa si occupa? - Scienza sperimentale che studia i fenomeni naturali suscettibili di sperimentazione e caratterizzati da grandezze misurabili.
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
Dettagli20/04/2015. Retrospettivi Caso-controllo. Prospettici Per Coorte
OSSERVAZIONALI DATI AGGREGATI DATI INDIVIDUALI ECOLOGICI TRASVERSALI ANALITICI CASO-CONTROLLO PER COORTE malattia Retrospettivi Caso-controllo studio malattia Prospettici Per Coorte Un gruppo di persone
DettagliCome ottenere un grafico a torta
Come ottenere un grafico a torta Per ricavare un grafico a torta è necessario avere a disposizione: Una o più serie di dati da rappresentare Una calcolatrice Un righello Un compasso Un goniometro Nel laboratorio
DettagliTecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 07-Anova con covariata (vers. 1.0, 3 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2015-16
DettagliStoria della Probabilità
Storia della Probabilità Il calcolo delle probabilità nasce nel Seicento (1654) per risolvere alcuni problemi sui giochi d azzardo (dadi) posti da un giocatore, il cavaliere de Méré, al matematico e filosofo
DettagliARROTONDANDO FIGURE CON TRIANGOLI EQUILATERI
ARROTONDANDO Cosa succede ad accostare figure identiche una all altra? Le figure ottenute che proprietà presentano? Posso trovare un qualche tipo di legge generale? Per rispondere a questa ed altre domande
DettagliLa separazione elettrolitica di un metallo. Scheda di Laboratorio
La separazione elettrolitica di un metallo Scheda di Laboratorio Premessa Destinatari: classe seconda di un istituto tecnico commerciale, nell insegnamento di scienze della materia. Argomento proposto:
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
DettagliLinguaggio C: introduzione
Dipartimento di Elettronica ed Informazione Politecnico di Milano Informatica e CAD (c.i.) - ICA Prof. Pierluigi Plebani A.A. 2008/2009 Linguaggio C: introduzione La presente dispensa e da utilizzarsi
DettagliCosti fissi, costi variabili, punto di pareggio e diagramma di redditività
Cognome... Nome... Classe... Data... Costi fissi, costi variabili, punto di pareggio e diagramma di redditività Correlazione 1 Associa ciascun costo alla relativa tipologia. 1. Costo delle lavorazioni
Dettaglia) Usando i seguenti livelli di significatività, procedere alla verifica di ipotesi, usando come ipotesi alternativa un'ipotesi unidirezionale:
ESERCIZIO 1 Da studi precedenti, il responsabile del rischio di una grande banca sa che l'ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto è pari a 240.
DettagliUn insieme si dice finito quando l operazione consistente nel contare i suoi elementi ha termine.
INSIEMI Insieme Le nozioni di insieme e di elemento di un insieme sono considerati come concetti primitivi, cioè non definibili mediante concetti più semplici, né riconducibili ad altri concetti definiti
Dettaglidel 3 settembre 2003 (Stato 23 settembre 2003)
Ordinanza del DFI concernente la sperimentazione di un modulo speciale d insegnamento e d esame presso la Facoltà di medicina dell Università di Zurigo del 3 settembre 2003 (Stato 23 settembre 2003) Il
Dettaglila distribuzione di uomini e donne fra i diversi settori produttivi; la ripartizione dei due sessi fra le diverse qualifiche professionali 1.
Differenziali retributivi fra uomini e donne nel lavoro interinale. Alcune evidenze ricavate dalla banca dati EBITEMP sui prestiti ai lavoratori per l anno 2004. 1. Premessa Attualmente non risulta disponibile
DettagliASSE MATEMATICO competenze attese di asse indicatori descrittori
ASSE MATEMATICO 1 ASSE MATEMATICO competenze attese di asse indicatori descrittori Competenze di asse Indicatori Descrittori 1. Utilizzare tecniche e procedure di calcolo aritmetico e algebrico rappresentandole
DettagliESERCIZI DI CALCOLO COMBINATORIO
ESERCIZI DI CALCOLO COMBINATORIO (G.T.Bagni) Sintesi delle nozioni teoriche da utilizzare a) Dati n elementi e k n, si dicono disposizioni semplici di n elementi di classe k tutti i raggruppamenti ottenuti
DettagliSpecifiche tecniche e di formato www.impresainungiorno.gov.it Presentazione comunicazione unica per la nascita d impresa
Specifiche tecniche e di formato www.impresainungiorno.gov.it Presentazione comunicazione unica per la nascita d impresa Struttura pratica SUAP e integrazione della SCIA in ComUnica Versione: 1.0 Data
DettagliConcetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
DettagliMetodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing
Metodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing Erminio A. Bonizzoni Congresso nazionale BIAS 9/3 aprile 9 Sesto Fiorentino Firenze Stimatori di Massima
DettagliModulo 1: Le I.C.T. UD 1.2a: Analogico/Digitale
Modulo 1: Le I.C.T. : Analogico/Digitale Prof. Alberto Postiglione Corso di Informatica Generale (AA 07-08) Corso di Laurea in Scienze della Comunicazione Università degli Studi di Salerno ANALOGICO e
DettagliONTOLOGIA, SEMANTICA E RILEVANZA DELL'INFORMAZIONE NEGLI ARCHIVI DELLA BIBLIOTHECA IURIS ANTIQUI (BIA)
ONTOLOGIA, SEMANTICA E RILEVANZA DELL'INFORMAZIONE NEGLI ARCHIVI DELLA BIBLIOTHECA IURIS ANTIQUI (BIA) Marco Giunti, Giuliano Vivanet, Giuseppe Sergioli ALOPHIS, Università di Cagliari SOMMARIO 1/2 Risultati
DettagliIndice. Prefazione all edizione italiana. Gli Autori e i Curatori dell edizione italiana PARTE PRIMA ASPETTI GENERALI
Indice Prefazione all edizione italiana Gli Autori e i Curatori dell edizione italiana XI XII PARTE PRIMA ASPETTI GENERALI Capitolo 1. Introduzione 1 1.1 La psicologia scientifica 1 1.2 I contesti della
Dettagli