APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
|
|
- Norberto Ferrero
- 6 anni fa
- Visualizzazioni
Transcript
1 AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X La quatità di eve, che cade al gioro,i u certo periodo dell ao, su u tratto di autostrada, si può modellizzare come ua variabile aleatoria di media 1.5 pollici e deviazioe stadard 0.3 pollici. (a Qual è la probabilità (approssimata che i 50 giori cadao meo di 70 pollici di eve? (b Qual è la probabilità (approssimata che i 50 giori cadao tra i 70 e i 90 pollici di eve? 3. U dado equilibrato viee laciato 900 volte. Sia X il umero di volte che esce il sei. Utilizzado l approssimazioe ormale della biomiale calcolare: (a (X 180; (b (X U eveto si preseta co probabilità uguale a Si eseguoo 1200 prove. Utilizzado l approssimazioe gaussiaa calcolare la probabilità che l eveto si preseti 576 volte. 5. Si lacia ua moeta equa per 200 volte. Approssimado lo schema biomiale co quello gaussiao calcolare la probabilità che l eveto testa si verifichi (a 100 volte; (b più di 100 volte. 6. Idichiamo co X il umero di teste su 800 laci di ua moeta che dà testa co probabilità p. Usado l approssimazioe ormale: (a el caso p = 0.5, calcolare (380 X 420; (b sempre per p = 0.5, determiare (X 410; (c el caso p = 0.25, determiare (X =
2 7. Due dadi vegoo laciati 360 volte. (a Idividuare la distribuzioe della variabile X= umero di volte che esce 7 ; (b scrivere i termii della variabile X l eveto A={esce 7 almeo 50 volte}; (c scrivere la formula esatta che forisce la probabilità dell eveto A; (d calcolare co ua opportua approssimazioe la probabilità dell eveto A. 8. Si estrae a caso 625 volte u umero compreso tra 1 e 5. Calcolare la probabilità che il umero 3 si preseti fra le 50 e le 60 volte. 9. I pesi di certi pacchi ricevuti da u magazzio hao ua media di 300N ed uo scarto quadratico medio di 50N. Qual è la probabilità che, scelto u campioe di 100 pacchi, questo abbia u peso medio che superi i 400N? 10. Certe valvole prodotte da ua fabbrica hao u tempo di vita medio di 800h ed uo scarto quadratico medio di 60h. Trovare la probabilità che u campioe di 64 valvole abbia u tempo di vita medio (a compreso tra 790 e 810h; (b iferiore a 785h; (c superiore a 820h; (d compreso tra 770h e 830h. 11. U produttore di sigarette dichiara che la quatità di icotia coteuta i ciascua delle sue sigarette è ua variabile aleatoria di media 2.2mg e deviazioe stadard 0.3mg. Aalizzado u campioe di 100 sigarette si trova ua media campioaria di 3.1mg. Se le affermazioi della ditta fossero veritiere, quale sarebbe approssimativamete la probabilità di trovare ua media campioaria così alta (ovvero 3.1? 12. U docete sa dall esperieza passata che il puteggio all esame fiale degli studeti del suo corso è distribuito co media 77 e deviazioe stadard 15. Attualmete egli ha due classi, ua di 64 ed ua di 25 studeti. (a Quato vale la probabilità che il puteggio medio della classe di 25 sia compreso tra 72 e 82? (b E per l altra classe? (c Quale delle due classi è più probabile abbia otteuto più di 82? 2
3 SOLUZIONI 1. Siao X 1, X 2,..., X 300 i risultati otteuti ei 300 laci. Le v.a. X i soo idipedeti ed ideticamete distribuite co legge: X i prob 1/6 1/6 1/6 1/6 1/6 1/6 Calcoliamo la media e lo scarto quadratico medio delle X i. metre da cui µ = E[X i ] = = 7 2 = 3.50, E[X 2 i ] = = 91 6, σ = Var(X = 91 ( E[Xi 2] E[X i] 2 = 6 = 2 12 = Allora X = X 1 + X X 300 è la somma dei puteggi. Dal TLC si ha, X 300µ σ 300 = X N(0, 1. (a Si ha (X 1000 = ( X (Z 1.69 = Φ(1.69 = = , dove Z N(0, 1 e, come sempre, Φ(t = (0 Z t, ovvero l area sottesa dalla ormale stadard tra 0 e t. Usado la correzioe di cotiuità, idicado co Z ua gaussiaa co stessa media e stessa variaza di X, avremmo avuto, (X 1000 ( Z (Z = = (Z 1.67 = Φ(1.67 = = (b Si ha (1000 X 1100 = ( X ( 1.69 Z 1.69 = 2 (0 Z 1.69 = 2 Φ(1.69 = = Usado la correzioe di cotiuità, idicado co Z ua gaussiaa co stessa media e stessa variaza di X, avremmo avuto, (1000 X 1100 ( Z ( = Z = ( 1.67 Z 1.71 = Φ( Φ(1.71 = =
4 2. Siao X i, i = 1, 2,..., 50, le quatità di eve che cadoo i ciascu gioro. Allora µ = E[X i ] = 1.5 e σ = Var(X i = 0.3. La quatità di eve che cade i 50 giori è allora X = X 1 + X X 50. Suppoedo che la quatità di eve che cade i ciascu gioro è idipedete da quella che cade egli altri giori, posso applicare il TLC e quidi X 50µ σ 50 = X N(0, 1. (a La probabilità richiesta è (X 70. Si ha (X 70 = ( X (Z 2.36 = Φ(2.36 = = , (b La probabilità richiesta è (70 X 90. (70 X 90 = ( X ( 2.36 Z 7.08 = Φ( Φ(2.36 = = ATTENZIONE! I questo esercizio o si applica la correzioe di cotiuità. Le variabili X i, quatità di eve, soo esse stesse cotiue. La correzioe di cotiuità si applica el passaggio dal discreto al cotiuo. 3. Se X è il umero di volte che esce il 6 i 900 laci di u dado, X Bi(, p, co = 900 e p = 1/6. Allora per il TLC si ha (a = X 150 p(1 p N(0, 1. (X 180 = ( X = (Z = Φ(2.68 = = stessa media e stessa variaza di X, avremmo otteuto, (X 180 ( Z (Z = = (Z 2.73 = Φ(2.73 = = (b (X 160 = ( X = (Z = Φ(0.89 = = Usado la correzioe di cotiuità, idicado co Z ua gaussiaa co stessa media e stessa variaza di X, avremmo otteuto, (X 160 ( Z (Z = = (Z 0.85 = Φ(0.85 = =
5 4. Se X è il umero di successi i 1200 prove, X Bi(, p, co = 1200 e p = 0.48 = 12/25. Allora per il TLC si ha = X 576 p(1 p N(0, 1. Si chiede (X = 576. Qui se o si usa la correzioe di cotiuità la probabilità viee zero. Usado la correzioe di cotiuità, sempre idicado co Z ua ormale co stessa media e stessa variaza di X, si ha (X = 576 ( (575.5 Z = Z = ( 0.03 Z 0.03 = 2 (0 Z 0.03 = 2 Φ(0.03 = = = Se X è il umero di teste i 200 laci, X Bi(, p, co = 200 e p = 1/2. Allora per il TLC si ha = X 100 N(0, 1. p(1 p 7.07 (a Si chiede (X = 100. Qui se o si usa la correzioe di cotiuità la probabilità viee zero. Usado la correzioe di cotiuità, sempre idicado co Z ua ormale co stessa media e stessa variaza di X, si ha (b Si chiede (X 100. (X = 100 (99.5 Z ( = Z = ( 0.07 Z 0.07 = 2 (0 Z 0.07 ( X 100 (X 100 = 7.07 = 2 Φ(0.07 = = = (Z 0 = stessa media e stessa variaza di X, avremmo otteuto, (X 100 ( Z 100 (Z = 7.07 = (Z = Φ(0.07 = = Se X è il umero di teste i 800 laci di ua moeta che dà testa co probabilità p, X Bi(, p, co = 800. Allora per il TLC si ha p(1 p = X 800p 800p(1 p N(0, 1. 5
6 (a Se p = 0.5, per il TLC = X 400 p(1 p 14.1 La probabilità richiesta è (380 X 420. N(0, 1. (380 X 420 = ( X ( 1.42 Z 1.42 = 2 (0 Z 1.42 = 2 Φ(1.42 = = stessa media e stessa variaza di X, avremmo otteuto, (380 X 420 (380.5 Z ( = X = ( 1.45 Z 1.38 = Φ( Φ(1.38 (b La probabilità richiesta è (X 410. = = (X 410 = ( X (Z 0.71 = Φ(0.71 = = stessa media e stessa variaza di X, avremmo otteuto, (X 410 ( X (Z = = (Z 0.67 = Φ(0.67 = = (c Se p = 0.25, per il TLC = X 200 p(1 p 12.2 N(0, 1. Si chiede (X = 200. Qui se o si usa la correzioe di cotiuità la probabilità viee zero. Usado la correzioe di cotiuità, sempre idicado co Z ua ormale co stessa media e stessa variaza di X, si ha (X = 200 (199.5 Z ( = Z = = ( 0.04 Z 0.04 = 2(0 Z 0.04 = 2 Φ(0.04 = = (a Se X è il umero di volte ce esce 7 i 360 laci di ua copia di dadi, X Bi(360, 1/6. 6
7 (b Se A= esce 7 almeo 50 volte, allora A = {X 50}. (c Si ha (d er il TLC (X 50 = 360 k=50 ( 360 (1 k 6 = X 60 p(1 p 7.1 k ( k. N(0, 1. Si chiede (X 50. (X 50 = ( X = (Z 1.41 = Φ(1.41 = = stessa media e stessa variaza di X, avremmo otteuto, (X 50 ( Z (Z 49.5 = = (Z 1.48 = Φ(1.48 = Se X è il umero di successi i 625 prove, X Bi(, p, co = 625 e p = 1/5. Allora per il TLC si ha = X 125 N(0, 1. p(1 p 10 Si chiede (50 X 60. (50 X 60 = ( X ( 7.5 Z 6.5 = Φ(7.5 Φ(6.5 = = 0. stessa media e stessa variaza di X, avremmo otteuto, (50 X 60 (50.5 Z 59.5 ( = Z = ( 7.45 Z 6.55 = Φ(7.45 Φ(6.55 = = Idichiamo co X 1, X 2,..., X 100 i pesi dei 100 pacchi giuti i magazzio. Dai dati si sa che µ = E[X i ] = 300N e σ = Var(X i = 50N. Allora idicata co X ( = 100 la media del campioe, per il TLC, si ha, X µ σ = X N(0, 1. 7
8 Si chiede (X (X = ( X (Z 20 = Φ(20 = = Idichiamo co X 1, X 2,..., X 64 le durate delle 64 valvole. Dai dati si sa che µ = E[X i ] = 800h e σ = Var(X i = 60h. Allora idicata co X ( = 64 la durata media del campioe, per il TLC, si ha, (a Si chiede (790 X X µ σ = X N(0, 1. (790 X = ( X ( 1.33 Z 1.33 = 2 (0 Z 1.33 (b Si chiede (X = 2 Φ(1.33 = = (X = ( X (Z 2 = Φ(2 = = (c Si chiede (X (X = ( X (Z 2.66 = Φ(2.66 = = (d Si chiede (770 X (770 X = ( X ( 4 Z 4 = 2(0 Z 4 = 2 Φ(4 = = Idichiamo co X 1, X 2,..., X 100 il coteuto di icotia delle 100 sigarette esamiate. Dai dati si sa che µ = E[X i ] = 2.2mg e σ = Var(X i = 0.3mg. Allora idicato co X ( = 100 il coteuto medio di icotia del campioe, per il TLC, si ha, Si chiede (X X µ σ = X (X = ( X (Z 30 = N(0, = Φ(30 = = 0 8
9 12. Idichiamo co X 1, X 2,..., X il puteggio otteuto da ciascuo studete. Dai dati si sa che µ = E[X i ] = 77 e σ = Var(X i = 15. Allora idicato co X il puteggio medio della classe, per il TLC, si ha, per = 64, X µ σ = X N(0, 1, e per = 25, X µ σ = X N(0, 1, (a Si chiede (72 X (72 X = ( X ( 1.67 Z 1.67 = 2 (0 Z 1.67 (b Si chiede (72 X = 2 Φ(1.67 = = (72 X = ( X ( 2.66 Z 2.66 = 2 (0 Z 2.66 = 2 Φ(2.66 = = (c Si chiede se (X sia maggiore o miore di (X Calcoliamo le due probabilità. (X = ( X (Z (X = ( X (Z Quidi è più grade quest ultima. 9
Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliLaboratorio di R - 2 a lezione Prof. Mauro Gasparini
Laboratorio di R - 2 a lezioe Prof. Mauro Gasparii. Distribuzioi i R R può essere usato come ua calcolatrice delle segueti distribuzioi: geom pois chisq t gamma lorm weibull f uif orm biom hyper exp geometrica
DettagliUn problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliEsercitazione 5 del corso di Statistica (parte 2)
Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza
DettagliPROBABILITÀ SCHEDA N. 6 LE VARIABILI ALEATORIE DI BERNOULLI E BINOMIALE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) PROBABILITÀ SCHEDA N.
DettagliStatistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni
Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliDENSITA. La densità di un oggetto è la sua massa per unità di volume. massa volume
DENSITA La desità di u oggetto è la sua massa per uità di volume d massa volume m V Nel SI (sistema iterazioale) l'uità base per la massa è il chilogrammo (Kg). Spesso i chimica si usao dei sottomultipli
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
DettagliDomande di teoria. Esercizi
Chiorri, C. (01). Fodameti di psicometria - Risposte e soluzioi Capitolo 11 1 omade di teoria 1. Vedi pp. 97-301. Vedi pp. 301-30 3. Vedi p. 30. Vedi pp. 30-307 5. Vedi p. 309 6. Vedi p. 309-31 7. Vedi
DettagliAlcuni parametri statistici di base
Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO
ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliCALCOLO COMBINATORIO
Pricipio fodametale del calcolo combiatorio Se u eveto E si può presetare i modi e u secodo eveto E 2 si può maifestare i 2 modi, allora l eveto composto E E 2 si può presetare i modi. 2 ORDINE/ RIPETIZIONE
DettagliEsercizi sulle successioni
Esercizi sulle successioi 1 Verificare, attraverso la defiizioe, che la successioe coverge a 2 3. a := 2 + 3 3 7 2 Verificare, attraverso la defiizioe, che la successioe coverge a 0. a := 4 + 3 3 5 + 7
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
DettagliEsercizi svolti. 1. Calcolare i seguenti limiti: log(1 + 3x) x 2 + 2x. x 2 + 3 sin 2x. l) lim. b) lim. x 0 sin x. 1 e x2 d) lim. c) lim.
Esercizi svolti. Calcolare i segueti iti: a log + + c ± ta 5 + 5 si π e b + si si e d + f + 4 5 g + 6 4 6 h 4 + i + + + l ± + log + log 7 log 5 + 4 log m + + + o cos + si p + e q si s e ta cos e u siπ
DettagliMole e Numero di Avogadro
Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero
Dettagli1. Variabili casuali discrete
Le variabili casuali discrete A cura di Claudio Cereda - dicembre 2005 pag. 1 1. Variabili casuali discrete 1.1 defiizioi 1.1.1 variabile casuale def Ua variabile casuale è ua gradezza X che può assumere
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliSolidi e volumi Percorso: Il problema della misura
Solidi e volumi Percorso: Il problema della misura Abilità Coosceze Nuclei Collegameti esteri Calcolare perimetri e aree Equivaleza el piao ed Spazio e figure Fisica di poligoi. equiscompoibilità tra Disego
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
DettagliANALISI DEI RISULTATI
ANALISI DEI RISULTATI I 4 passi pricipali del processo simulativo Formulare ed aalizzare il problema Sviluppare il Modello del Sistema Raccolta e/o Stima dati per caratterizzare l uso del Modello Attività
DettagliDistribuzioni per unità
Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa ota si occupa dell illustrazioe
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
Dettagli1. I numeri naturali. 2. Confronto degli interi naturali. 3. Il sistema di numerazione decimale
umeri aturali Scrivere il precedete e il successivo dei segueti umeri Milleciquecetoovatacique ottomilasettecetoottatuo Diecimilioisettecetoottatuomilaciquecetoveti Zero umiliardosettecetomilioiciquecetomila
DettagliIl campionamento e la distribuzione di Poisson
Il campioameto e la distribuzioe di Poisso Obiettivi l l l utilizzare le pricipali teciche di campioameto compredere il sigificato di variabile campioaria e di stimatore determiare i valori di sitesi di
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliIndici di attività, case-mix e performance in ospedale.
Idici di attività, case-mix e performace i ospedale Case-mix: defiizioe Tipologia di casistica trattata da u reparto di degeza o da u ospedale. Efficieza Si defiisce come efficiete u iterveto che ottiee
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 #
Dettagli1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -
ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si
Dettagli1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione
Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi
Dettagli= Pertanto. Per la formula di Navier ( σ = ), gli sforzi normali σ più elevati nella sezione varranno: di compressione);
La sezioe di trave di figura è soggetta ad u mometo flettete pari a 000 knmm e ed u azioe di taglio pari a 5 kn, etrambe ageti su u piao verticale passate per l asse s-s. Calcolare gli sforzi σ e τ massimi
DettagliLaboratorio di onde II anno CdL in Fisica
Laboratorio di ode II ao CdL i Fisica Itroduzioe Oda stazioaria di spostameto Quado u oda soora stazioaria si stabilisce i u tubo a fodo chiuso i cui la lughezza del tubo è molto maggiore del suo diametro,
DettagliStatistica descrittiva
Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa
DettagliRENDIMENTO DEI TRASFORMATORI
RENDIMENTO DEI TRASFORMATORI Il redimeto di u trasformatore è defiito come rapporto tra poteza resa e poteza assorbita: poteza resa redimeto poteza assorbita poteza resa poteza resa perdite Sebbee il redimeto
DettagliTest non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche
est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei
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
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
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
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
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
Dettaglimaturità 2015
wwwmatematicameteit matuità QUETIONIO Detemiae l esessioe aalitica della fuzioe =f saedo ce la etta =-+ è tagete al gafico di f el secodo quadate e ce f =- + Dimostae ce il volume del toco di coo è esesso
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliCalcolo delle Probabilità: esercitazione 3
Argometo: Probabilità codizioata e teorema di Bayes (par. 3.4 libro di testo) Esercizio Tra i partecipati ad u cocorso per giovai musicisti, il 50% suoa il piaoforte, il 30% suoa il violio ed il restate
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliRifiuto H 0 Non Rifuto H 0 è vera H 0 errore I o tipo nessun errore α
1. La verifica delle ipotesi Nelle due sezioi precedeti abbiamo visto che la media campioaria è u buo stimatore del valore atteso della distribuzioe da cui provegoo i dati ed è stato ache possibile cotrollare
DettagliIngegneria Elettronica, Informatica e delle Telecomunicazioni Prova scritta di ANALISI B - 23/06/2006
Igegeria Elettroica, Iformatica e delle Telecomuicazioi Prova scritta di ANALISI B - 23/06/2006 CORSO DI STUDI IN INGEGNERIA... NOME E COGNOME:... NUMERO DI MATRICOLA:... (scrivere ome e cogome ache su
DettagliViti prigioniere. Barre filettate. Dadi. Bulloni (vite + dado)
omeclatura: Vite: Viti mordeti Viti prigioiere (prigioieri) Madrevite: Barre ilettate Dadi Bulloi (vite + dado) 1 ipologie delle ilettature: h/8 60 madrevite IO h riagolari UI Whitworth h/4 vite Gas (cilidriche
DettagliPrincipi base di Ingegneria della Sicurezza
Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il
DettagliEDICOM si impegna con i propri Clienti a rispettare tre variabili fondamentali per garantire la qualità del servizio:
EDICOM, Service Level Agreemet Termii e Codizioi www.edicomgroup.com EDICOM si impega co i propri Clieti a rispettare tre variabili fodametali per garatire la qualità del servizio: DISPONIBILITÀ della
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliElementi di Calcolo Combinatorio
Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale
DettagliCAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE
CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.
DettagliL'ALGORITMO DI STURM Michele Impedovo, Simone Pavanelli
L'ALGORITMO DI STURM Michele Impedovo, Simoe Pavaelli Lettera P.RI.ST.EM, 10, dicembre 1993 Questo lavoro asce dalla collaborazioe tra u isegate e uo studete; lo studete ha curato iteramete la costruzioe
DettagliINTEGRAZIONE NUMERICA
INTEGRAZIONE NUMERICA ANALISI SPERIMENTALE DEGLI ERRORI Prof. Michele Impedovo 1. Itroduzioe Il lavoro seguete è stato svolto i ua quita classe di liceo scietifico tradizioale. Sia data ua fuzioe ƒ cotiua
DettagliQual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI
ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ES 1 I u collettivo di 40 pazieti osservati, la media dei globuli biachi era pari a.9 ( 1000/ml 3 ) e la variaza era pari a 0.336. Forire ua
Dettagliq V C dipende solo dalla geometria dei piatti e ci dice quanta carica serve ad un dato condensatore per portarlo ad una DV fissata.
I codesatori codesatore è u dispositivo i grado di immagazziare eergia, sottoforma di eergia poteziale, i u campo elettrico Ogi volta che abbiamo a che fare co due coduttori di forma arbitraria detti piatti
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti
DettagliC a p i t o l o s e t t i m o. Trasmissione del calore per radiazione
C a p i t o l o s e t t i m o Trasmissioe del calore per radiazioe Problema. Si cosideri u corpo ero i uo spazio o assorbete le radiazioi elettromagetiche; se il corpo viee mateuto alla temperatura di
DettagliDistribuzioni di probabilità Unità 79
Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo
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
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
DettagliModelli multiperiodali discreti. Strategie di investimento
Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello
DettagliCalcolo combinatorio. Introduzione. Paolo Siviglia. Calcolo combinatorio 1
Paolo Siviglia Calcolo combiatorio Itroduzioe I questa parte della matematica vegoo affrotati i problemi riguardati lo studio dei raggruppameti che si possoo realizzare co gli elemeti di u isieme. Problemi
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
Dettagli