8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo"

Transcript

1 ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache; quate pallie ere devo mettere el sacchetto affiche la probabilita che estraedo seza rimpiazzo) pallie esse siao etrambe ere, sia maggiore di? 3) Sia Dato u mazzo di 40 carte. Suppoiamo che esso sia mescolato i modo tale che oguo dei possibili ordiameti sia equiprobabile. Qual e la probabilita che pescado le prime dieci carte essua di esse sia u asso? 4) Sia dato u mazzo di 5 carte 6 rosse e 6 ere). Suppoiamo che esso sia mescolato i modo tale che oguo dei possibili ordiameti sia equiprobabile. Qual e la probabilita che le carte siao ordiate i modo tale che ci sia u alteraza di carte rosse e ere o equivaletemete essua carta rossa o era sia vicia ad u altra rossa o era)? 5) Calcolare i quati modi e possibile alloggiare le famiglie A,B,C,D,E ei 5 piai di ua palazzia i modo tale che le famiglie A e B o siao allogiate su piai vicii. 6) I u sacchetto vi soo 4 pallie biache e 6 ere. Se e estraggoo 5 seza rimpiazzo). Calcolare la probabilita che la prima pallia estratta sia biaca codizioata al fatto che l ultima estratta e biaca. 7) Si lacia dieci volte ua moeta oesta. Calcolare la probabilita che al quito lacio si abbia ua testa codizioata al fatto che il umero di teste totale otteute e 3. 8) Sia Dato u mazzo di 40 carte. Suppoiamo che esso sia mescolato i modo tale che oguo dei possibili ordiameti sia equiprobabile. Dire se gli eveti A la prima carta e u asso) e B l ultima carta e u re) soo idipedeti. 9) Si effettua il seguete esperimeto: dapprima si lacia ua moeta oesta, se il risultato e testa allora si lacia u dado oesto), se il risultato e croce allora si laciao due dadi oesti). Calcolare la probabilita di otteere testa el lacio della moeta codizioata al fatto che il risultato del lacio deli) dadoi) e 4. 0) Sia dato lo spazio di probabilita Ω = {0, } 0 co la σ-algebra totale e misura di probabilita uiforme u elemeto ω Ω e ua sequeza luga dieci di 0 e ; ω = ω, ω,, ω 0 ) co oguo degli ω i che vale o 0). Trovare la fuzioe di distribuzioe di massa, il valor medio e la variaza delle segueti variabili casuali: 5 a) X = ω i ω i b) X = 5 ω i ) +ωi) 0 c) X = ω +ωi) i

2 d) X = 5 χ Ai ω) dove A i soo gli eveti A i = {ω Ω : ω i = ω 0 i }. ) I u sacchetto ci soo 5 pallie biache. Effettuo le segueti operazioi ripetutamete: aggiugo ua pallia rossa al sacchetto e estraggo a caso ua delle pallie preseti el sacchetto. Smetto di ripetere tali operazioi la prima volta che estraggo ua pallia rossa. Chiamo N la variabile casuale che corrispode al umero di estrazioi fatte, determiare la fuzioe di distribuzioe di massa. ) Sia Dato u mazzo di 40 carte. Suppoiamo che esso sia mescolato i modo tale che oguo dei possibili ordiameti sia equiprobabile. Numeriamo le carte cosi mescolate dall uo al quarata i modo che l uo corrispoda alla prima carta del mazzo ed il 40 all ultima. Descrivere la fuzioe di distribuzioe di massa della variabile casuale N = la posizioe del quarto asso quarto rispetto all ordiameto suddetto). 3) Date 5 ure A,B,C,D,E e tre pallie umerate dall uo al 3. Suppoiamo equiprobabile ogi possibile cofigurazioe i cui le pallie possoo essere disposte elle ure. Calcolare la fuzioe di distribuzioe di massa della variabile casuale S = somma dei umeri delle pallie preseti ell ura A. 4) Date 3 ure A,B,C e 5 pallie idistiguibili calcolare la fuzioe di distribuzioe di massa della variabile casuale N A = umero di pallie i A assumedo che ogua delle cofigurazioi possibili di pallie elle ure sia equiprobabile. 5) I u cassetto ci soo 5 paia di calzii, ogi paio di u colore diverso. Si predoo a caso calzii: si cosideri la variabila casuale N= umero di colori estratti. Si calcoli la fuzioe di distribuzioe di massa il valor medio e la variaza di N. 6) Sia dato lo spazio di probabilita fiito Ω = {,,, } co spazio degli eveti costituito da tutti i possibili sottoisiemi di Ω. Dire per quale valore del parametro c la fuzioe pi) = ci i =,,, defiisce ua misura di probabilita su Ω. Calcolare i valori di aspettazioe delle segueti variabili casuali: a) X i) = i b) X i) = χ A i) dove χ A e la fuzioe caratteristica dell isieme A = {,, 3}. c) X 3 i) = i 7) Si lacia u dado oesto a sei facce. Successivamete si lacia ua moeta oesta u umero di volte pari al risultato del lacio del dado. Sia D la variabile casuale che corrispode al risultato del lacio del dado e sia T la variabile casuale corrispodete al umero di teste otteute. a) Calcolare la distribuzioe di T. b) Calcolare P D = 3 T = ). c) Si scriva la rappresetazioe aturale di T come somma aleatoria di variabili casuali idipedeti.

3 d) Calcolare il valore medio di T ei segueti due modi: usado il teorema di partizioe e usado c). e) Usado c) calcolare la fuzioe geeratrice dei mometi di T. 8) Le 40 carte di u mazzo vegoo distribuite tra due giocatori i modo tale che ogua delle possibili divisioi del mazzo i due mazzi costituiti da 0 carte ciascuo sia equiprobabile. Il mazzo di 40 carte cotiee 4 assi. Sia N A = umero di assi i mao al giocatore A, N B = umero di assi i mao al giocatore B a) Si determii la fuzioe di distribuzioe della variabili casuali N A e N B b) Calcolare i valori medi di N A e di N B c) Si determii la fuzioe di distribuzioe cogiuta delle variabili casuali N A, N B ) d) Calcolare la fuzioe di distribuzioe della variabile N A quado il mazzo e costituito da carte > 4) ed il umero di assi rimae 4. Calcolare il limite quado tede ad ifiito. 9). Siao X,..., X > variabili aleatorie idipedeti ed ideticamete distribuite che assumoo valori i {0, } co fuzioe di distribuzioe i) Sia P X i = 0) = p, P X i = ) = p, p 0, ) ) S = X i Calcolare la fuzioe di distribuzioe, la media ES ) e la variaza VarS ). ii) Sia W =. Calcolare la fuzioe di distribuzioe, la media EW ) e la variaza VarW ). iii) Sia Y = X + X. Calcolare la fuzioe di distribuzioe, la media EY ) e la variaza VarY ). iv) Dire se S, Y e W soo idipedeti. v) Si assuma p = 4 e usado la disuguagliaza di Chebishev, si dica per quali valori di risulta P S 4 < ) e X i P W 4 < ) vi) Si discuta la covergeza della variabile aleatoria W quado. 3

4 0). Siao X ed Y due variabili aleatorie co valori i {0,, } la cui fuzioe di distribuzioe cogiuta e descritta dalla seguete tabella. Y \X ) i) Calcolare le fuzioi di distribuzioi margiali di X e di Y, le medie EX) ed EY ) e le variaze VarX), VarY ). ii) Dire se X ed Y soo idipedeti. iii) Calcolare la fuzioe di distribuzioe di W = X + Y e di Z = XY e calcolare le medie EZ) ed EW ). iv) Euciare la disuguagliaza di Cauchy Schwartz e verificarla per X e Y. ). Sia Ω = {0, } 6 l isieme di tutte le successioi lughe 6 di 0 e di. i) Calcolare la cardialita di Ω, ii) Calcolare il umero di successioi che iiziao co. iii) Calcolare il umero di successioi che cotegoo esattamete due. iv) Calcolare il umero di successioi che hao u umero di uguale al umero di v) Calcolare il umero di successioi che hao u umero di uguale al umero di 0 +. vi) Calcolare il umero di successioi cresceti prima appaioo tutti gli 0 e poi tutti gli ) vii) Calcolare il umero di successioi che cotegoo é due é due 0 cosecutivi. ) Siao X,... X > variabili aleatorie idipedeti che assumoo valori i {, 0, } co fuzioe di distribuzioe Sia P X i = 0) = p, P X i = ) = P X i = ) = p), p 0, ) S = i) Calcolare ES ) e V ars ). ii) Si assuma p = 3 e si dica per quali valori di risulta P 30 < S < ) iii) Idicado co Y 0 il umero di 0 fio ad e co Y ed Y il umero di ± fio ad, si calcoli al variare di p il maxp Y 0 = k), P Y = k), P Y = k)), k {,..., } iv) Si calcoli la distribuzioe del primo arrivo di 0. X i 4

5 3) I u sacchetto soo coteute 0 pallie, 6 biache e 4 ere. A) Si estraggoo successivamete pallie seza rimpiazzo, calcolare: A ) La probabilita che la secoda pallia estratta sia biaca. A ) La probabilita che la secoda pallia estratta sia biaca codizioata al fatto che la prima pallia estratta e era. La probabilita che la prima pallia estratta sia era codizioata al fatto che la secoda pallia estratta e biaca. A 3 ) Idicado co N B e co N N rispettivamete le variabili casuali umero di pallie biache estratte e umero di pallie ere estratte, se e calcolio le fuzioi di distribuzioe di massa, i valori medi, le variaze e la fuzioe di distribuzioe di massa cogiuta. B) Si estraggoo successivamete co rimpiazzo pallie, calcolare: B ) La probabilita che la secoda pallia estratta sia biaca. B ) La probabilita che la secoda pallia estratta sia biaca codizioata al fatto che la prima pallia estratta e biaca. B 3 )Idicado co N B ) e co N N ) rispettivamete le variabili casuali umero di pallie biache estratte dopo estrazioi e umero di pallie ere estratte dopo estrazioi, se e calcolio ivalori medi e le variaze, le fuzioi di distribuzioe di massa e la fuzioe di distribuzioe di massa cogiuta. Si discuta il comportameto asitotico per grade di NB) NN ) e. Si dia ua stima, usado la disuguagliaza di Cebychev, della probabilita che N B ) > ) Ua moeta oesta viee laciata 5 volte. Sia Ω = {0, } 5 lo spazio di probabilita usato per rappresetare i possibili risultati dell esperimeto. Determiare la distribuzioe delle variabili casuali ω i X i = + 5 j= ω j Dire se le variabili X i soo idipedeti. Nel caso i cui i laci siao, calcolare distribuzioe e valor medio della variabile casuale S = X i; calcolare lim ES ). 5) Sia dato u dado oesto a 6 facce. A) Calcolare la probabilità che laciado volte il dado si ottega come somma dei risultati 7. B) Calcolare la probabilità che al secodo lacio si ottega 3 codizioata al fatto che la somma dei risultati dei due laci è 7. C) Idicado co X ed X le variabili casuali associate ai risultati rispettivamete del primo e del secodo lacio, rappresetare tramite ua tabella la fuzioe di distribuzioe cogiuta di X ed X, dire se soo idipedeti e calcolare EX i ),), EX + X ), V arx i ),), V arx + X ). D) Si laci volte il dado e si discuta la covergeza quado della variabile casuale S = Xi ; dove X i è la variabile casuale associata al risultato del lacio i-esimo. E) Utilizzado la disuguagliaza di Chebysev si stimi quato deve essere grade affiché si abbia P S 7 > 6 ) < 0. F) Si lacia il dado più volte fio alla prima volta che si ottiee u 6. Idicado co N la variabile casuale associata al umero di laci effettuati, si calcoli la fuzioe di distribuzioe di N, il valor medio e P N > 0). 5

6 6) Sia dato u sacchetto coteete 0 pallie umerate dall uo al dieci. ESTRAZIONI SENZA RIMPIAZZO: A) Quati soo i possibili risultati di 3 estrazioi successive seza rimpiazzo cosiderado l ordie importate)? B) Cosiderado ogi estrazioe equiprobabile, qual è la probabilità che tutti i umeri estratti siao 5? C) Qual è la probabilità che i tre umeri estratti siao tre umeri cresceti cosecutivi? D) Quati soo i possibili risultati delle tre estrazioi se o si cosidera l ordie di estrazioe? ESTRAZIONI CON RIMPIAZZO: A ) Quati soo i possibili risultati di tre estrazioi successive co rimpiazzo cosiderado l ordie importate)? B ) Cosiderado ogi risultato equiprobabile qual è la probabilità che i tre umeri estratti siao tutti e tre uguali? qual è la probabilità che siao tutti e tre diversi? 7) Siao X i variabili casuali di Beroulli idipedeti ed ideticamete distribuite che assumoo il valore co probabilità p ed il valore 0 co probabilità -p 0 < p < ). A) Calcolare la fuzioe di distribuzioe, il valore medio e la variaza delle segueti variabili casuali: A = X i ; B = X i) + ; C = X i ) Xi ; D = max{x,, X } ; E = mi{x,, X }. B) Calcolare la fuzioe geeratrice dei mometi per A. C) Mostrare che D coverge i media quadratica ed i probabilità ad e che E coverge i media quadratica ed i probabilità a 0. D) Rappresetare i ua tabella la fuzioe di distribuzioe cogiuta delle variabili casuali X ed Y = X X. Dire se X ed Y soo idipedeti. 8) Siao X i, i N, variabili casuali idipedeti ed ideticamete distribuite co distribuzioe PX i = ) = p ; PX i = 0) = p e sia S = X i. Si discutao i segueti puti: A) Calcolare ES ) e VarS ). Determiare la distribuzioe di S e la fuzioe geeratrice dei mometi G S y) = Ee ys ). B) Calcolare P {X = ) X = 0} S = 0, 0. C) Dimostrare che le variabili casuali S i costituiscoo ua catea di Markov e calcolare PS = k S = j) al variare di k e j. D) Sia M = max {,,} X i ; determiare la distribuzioe di M e mostrare che quado diverge M coverge ad i media quadratica ed i probabilitá. E) Sia T = if{i : S i = }, determiare la distribuzioe della variabile casuale T. F) Utilizzado la disuguagliaza di Jese dare ua stima dal basso ) di E log +S )). G) Dare ua stima dall alto ) di P S p > 0). H) Calcolare il seguete limite lim P S + p > ) 0 6

7 I) Calcolare il seguete limite lim P S p > ) + 0 9) Siao date due ure A e B. L ura A cotiee 5 pallie ere e 5 biache; l ura B cotiee 3 pallie ere e 7 biache. Si procede all estrazioe di ua pallia el seguete modo: dapprima si sceglie ua delle due ure i modo equiprobabile e poi si procede all estazioe di ua delle pallie coteute ell ura prescelta scegliedo co uguale probabilitá tra tutte quelle preseti. i) Calcolare la probabilitá che la pallia estratta sia era. ii) Calcolare la probabilitá che l ura prescelta sia la B codizioata al fatto che la pallia estratta e era. iii) Sia X ua variabile casuale che vale se la pallia estratta e era e zero altrimeti, ed Y ua variabile casuale che vale se l ura prescelta e la A e zero altrimeti. Dire se le variabili X ed Y soo idipedeti e rappresetare i ua tabella la loro distribuzioe di probabilitá cogiuta. Si procede ora ivece estraedo ua pallia dall ura A ed ua pallia dall ura B. i) Calcolare la probabilitá che le pallie estratte siao diverse. ii) Procededo ad estrazioi co rimpiazzo successive di questo tipo dire qual é la distribuzioe di probabilitá della variabile casuale T=umero di estrazioi ecessarie per otteere ua coppia di pallie uguali. 30) I ua fabbrica c è ua macchia che è soggetta ad aleatorie cadute di tesioe ella poteza erogata. Queste cadute si verificao ogi ora idipedetemete co probabilità p. a). Si calcoli la distribuzioe del umero di cadute di tesioe avveute elle 4 ore di u gioro i cui la macchia è rimasta sempre accesa. b). Usado la distribuzioe del umero di cadute, si calcoli la distribuzioe del tempo i cui avviee ua caduta di tesioe per la prima volta. Si dica quato deve essere p affichè i media la prima caduta di tesioe o avvega etro le 4 ore. c). Si calcoli la probabilità che la prima caduta di tesioe avvega alle 3 sapedo che la secoda avviee dopo ore dalla prima. d). Si calcoli la distribuzioe del tempo i cui avviee la secoda caduta di tesioe. e). Si calcoli la probabilità che la prima caduta di tesioe avvega alle 3 sapedo che la secoda avviee alle 0. 3) U ura cotiee 0 pallie umerate da a 0: si effettua l estrazioe di ua pallia. Il giocatore A vice euro se esce u umero pari altrimeti rimae co i soldi che ha. Ivece il giocatore B vice euro se esce u umero pari miore o uguale a 6, perde euro se esce u umero dispari e rimae co i soldi che ha egli altri casi. a). Idicado co V A e V B rispettivamete le vicite/perdite dei giocatori A e B, calcolare la distribuzioe cogiuta di V A e V B. Dire se soo idipedeti. b) Calcolare la probabilità che V A sia strettamete) maggiore di V B. 7

8 c). Calcolare la distribuzioe di Z V A + V B, Calcolare la media e la variaza di Z. 3) U sacchetto cotiee 0 pallie biache e 6 ere. Se e estraggoo seza rimpiazzo. a). Calcolare la probabilità che siao etrambe ere. Calcolare la probabilità che la prima sia biaca e la secoda sia era. Calcolare la probabilità che siao ua biaca ed ua era. b). Calcolare la probabilità che la prima pallia estratta sia biaca codizioata al fatto che la secoda estratta è biaca. c). Idicado co N B e co N N rispettivamete il umero di pallie biache e di pallie ere estratte, si calcoli la distribuzioe cogiuta e dire se soo idipedeti. 33) Due compagie aree partoo per la stessa destiazioe ogi gioro alla stessa ora. Ogi gioro 000 passeggeri scelgoo co probabilità / ua delle due compagie. Dire quati posti ogi compagia deve forire per avere almeo il 95 per ceto di cofideza di o dover rifiutare dei passeggeri. 34) Sia α > e sia { α ) fx) = x se x >, α 0 altrimeti. Verificare che f è ua desità. i) Calcolare la fuzioe di ripartizioe. ii) Dimostrare che per < α la media o esiste e si calcoli la media per ogi α >. iii) Dimostrare che per < α 3 la variaza o esiste e si calcoli la variaza per ogi α > 3. 35) Si illustri co esempi la ozioe di covergeza i media quadratica e di covergeza i probabilità. 36) I u sacchetto vi soo dieci pallie umerate dall uo al dieci. A) Se e estraggoo due seza rimpiazzo; calcolare la probabilitá che: i) la somma dei risultati sia maggiore di tre ii)la somma dei risultati sia 0 iii) il umero della secoda pallia estratta sia maggiore di quello della prima. iiii) o vega estratta la pallia co il umero 5 B) Se e estraggoo due co rimpiazzo; calcolare la probabilitá che i) la somma dei risultati sia maggiore di tre ii)la somma dei risultati sia 0 iii) il umero della secoda pallia estratta sia maggiore di quello della prima. iiii) o vega estratta la pallia co il umero 5 C) Si effettuao estrazioi successive co rimpiazzo. Idichiamo co X i la Xi. variabile casuale associata all estrazioe i-esima e co S = i) Calcolare E S ) e Var S ) Idicare co σ = Var X )). ii) Stimare quato deve essere grade affiché P S E S ) )

9 37) Dare la defiizioe di variabile casuale cotiua e forire degli esempi. Calcolare valore di aspettazioe e variaza degli esempi proposti quado possibile). 38) I u sacchetto vi soo 0 pallie umerate dall uo al dieci. A)Se e estraggoo due seza rimpiazzo. Calcolare la probabilitá che etrambe abbiao u umero maggiore di 5. Calcolare la probabilitá che il umero della secoda sia maggiore del umero della prima. B) Se e estraggoo co rimpiazzo. Sia X i la variabile casuale associata al risultato dell estrazioe i-esima. Euciare e dimostrare la legge dei gradi umeri per le variabili casuali X i. 39) Siao X i variabili casuali i.i.d. tali che P X i = ) = e P X i = ) =. Defiiamo S = X i. A) Dimostrare che P S = 0) = π + ɛ ) dove ɛ e ua successioe tale che lim + ɛ = 0 Si ricordi che la formula di Stirlig dice che! = e π + δ ) co lim δ = 0). + B) Dimostrare, utilizzado le fuzioi geeratrici dei mometi, il teorema del limite cetrale per le variabili X i. 40) Siao X,, X variabili i.i.d co distribuzioe uiforme ell itervallo [0, 0]. Defiiamo la variabile casuale Y come Y = mi{x,, X }. A) Trovare la fuzioe di distribuzioe di Y e la corrispodete desitá. B) Calcolare il valore medio. 4) Siao date le segueti fuzioi di variabile reale: { c x si x x [0, π] f x) = 0 altrimeti 3) { c e f x) = x x [0, π] 0 altrimeti { c3 x f 3 x) = x [0, π] 0 altrimeti Determiare i valori delle costati c, c, c 3 affiché f, f ed f 3 possao essere iterpretate come desitá di probabilitá. Siao X, X ed X 3 delle variabili casuali co desita rispettivamete f, f ed f 3, calcolare E[X ], E[X ] ed E[X 3 ]. Siao Y i cariabili casuali i.i.d. co desitá f 3. Utilizzado la disuguagliaza di Chebysev dare ua stima dall alto ) della seguete probabilitá ) 50 P Y i E[Y ] 50 > 6) 0 4) I u sacco coteete 0 pile scariche cadoo 5 pile cariche. Calcolare la probabilitá che estraedoe seza rimpiazzo queste siao etrambe cariche. Calcolare la probabilitá che estredoe due seza rimpiazzo almeo ua delle due sia carica. Quate pile cariche e ecessario aggiugere al sacco affiché la probabilitá che,estredoe due seza rimpiazzo queste siao etrambe cariche, sia maggiore di? 4) 5) 9

10 Ogi gioro ua pila viee estratta dal sacco coteete 5 pile di cui solo 5 cariche, viee iserita all itero di u apparecchio elettrico ed a fie giorata viee rimessa all itero del sacco. Calcolare la distribuzioe della variabile casuale T = primo gioro di fuzioameto dell apparecchio. Idicado co N) la variabile casuale associata al umero di giori i cui l apparecchio ha fuzioato i giori complessivi, si calcoli la distribuzioe della variabile casuale N), il suo valore medio e la sua variaza. Si discuta il comportameto asitotico della variabile casuale N) per grade. SOLUZIONI ) Idichiamo co A i l eveto il dado i-esimo o da come risultato. Allora P A i ) = ). Gli eveti A i soo idipedeti, quidi P A i ) = P A i ) = ) ) Chiamiamo x il umero di pallie ere. Idichiamo co X ed X le variabili casuali associate alla prima ed alla secoda estrazioe. P x = N) = x 0+x ; P X = N X = N) = x 9+x. P X = N X = N) = P x = N)P X = N X = N) = e xx ) 0 + x)9 + x) > Si ottiee quidi la disuguagliaza x x 90 > 0 ed i defiitiva x 5. 3) I possibili ordiameti soo 40!. Quelli che o cotegoo assi fra le prime dieci soo I defiitiva la probabilitá cercata e ) I possibili ordiameti delle carte soo 5!. I possibili ordiameti alterati soo 6! 6! ; questo si ottiee separado le carte rosse dalle ere, cosiderado i possibili ordiameti dei due mazzi da 6 carte e poi rimettedoli isieme alterado rosse e ere e comiciado ua volta co le rosse ed ua volta co le ere. Quidi la probabilitá cercata e 6!) 5!. 5) Alloggiamo dapprima la famiglia A ell appartameto del primo piao. I seguito la famiglia B, che puo essere posta i tre diversi appartameti. Poi le rimaeti 3 famiglie possoo essere alloggiate i 3! modi diversi. Quidi il umero di possibili disposizioi delle famiglie co la famiglia A allogiata al primo piao e 3 3!. Lo stesso umero si ottiee co la famiglia A al quito piao. Il umero di alloggiameti co la famiglia A i piai differeti dal primo e quito si ottiee el modo seguete: allogiamo dapprima la famiglia A e questo lo si puo fare i tre modi diversi, poi la famiglia B che puo scegliere tra opzioi solamete ed ifie le rimaeti tre famiglie i 3! modi possibili. I totale il umero di alloggiameti che soddisfao il vicolo richiesto e 4 3 3! = 7. 6) Vi soo vari modi di risolvere l esercizio. Uo elegate e il seguete. Chiaramete la probabilita o viee modificata se ivece di fermarmi alla quita estrazioe prosegua ad estrarre pallie fio a che il sacchetto o rimae vuoto. 0

11 I possibili risultati di tale estrazioe soo tutte le possibili sequeze lughe dieci di B ed N, ogua di queste equiprobabile. A questo puto il coteggio e semplice: le sequeze che hao ua B ella prima posizioe ed ua ella quita soo 8 ) ; le sequeze che hao ua B ella quita posizioe soo 9 3) ; otteiamo quidi che la probabilitá richiesta e 8 ) 9 ) = 3 3 Da tale argometo si deduce ache che la probabilitá la prima sia biaca codizioata al fatto che la -esima sia biaca e sempre la stessa qualuque sia 0 i particolare ache per = che riduce i calcoli). Il risultato puó essere cosi iterpretato: si sa che i ua estrazioe successiva, o importa quale, uscirá ua pallia biamca quidi alla prima estrazioe tale pallia o potrá essere scelta e di cosegueza abbiamo ua estrazioe co ove pallie di cui tre biache ed il risultato 3 e immediato. 7) I risultati possibili soo 0 oguo equiprobabile. Sia A l eveto il umero di teste otteute e 3 e sia B l eveto al quito lacio si ottiee ua testa.il umero di risultati coteeti esattamete 3 teste e {B} = 0 3 ).Il umero di risultati coteeti esattamete tre teste ed ua di queste otteuta al quito lacio e {A B} = 9 ). Quidi P A B) = {A B} {B} = 3 0 8) Chiamiamo A e B i due eveti. Chiaramete P A) = 4 39! 40! = P B). Metre ivece P A B) = 4 38! 40!. E facile verificare che P A)P B) P A B) quidi gli eveti o soo idipedeti. 9) Chiamiamo X la variabile casuale associata al risultato del lacio della moeta ed Y la variabile casuale associata al risultato totale deli) lacio) deli) dadoi). P X = T Y = 4) = P X = T, Y = 4) P Y = 4) = = 3 0) a) X = 5 Y i co Y i = ω i ω i. Le Y i soo i.i.d. Beroulli di parametro 4 ; quidi X e ua variabile Bi5, 4 ) biomiale di parametri 5 ed 4 ). EX) = ; V arx) = 6. b) X = 5 Y i, co le Y i i.i.d. di Beroulli di parametro ;quidi X e ua variabile Bi5, ) biomiale di parametri 5 ed ). EX) = 5 ; V arx) = 5 4. c) La variabile X vale se e solo se tutte le ω i soo uo e zero altrimeti. Quidi X e ua variabile di Beroulli di parametro. EX) = 0 ; V arx) = 0 0 ). 0 d) Le variabili χ Ai soo variabili i.i.d di Beroulli di parametro ;quidi X e ua variabile Bi5, ) biomiale di parametri 5 ed ). EX) = 5 ; V arx) = 5 4.

12 ) Chiamiamo X i la variabile casuale associata all estrazioe i-esima. Chiaramete P N = ) = P X = R) = 6 P N = ) = P X = B, X = R) = P X = R X = B)P X = B) = P N = 3) = P X = B, X = B, X 3 = R) = P X 3 = R X = B, X = B) P N = ) P N = )) = 5 8 Co calcoli aaloghi si ottiee P N = 4) = 5 5 7, P N = 5) = 34, P N = 6) = 5! 6. 5 ) Poiche il quarto asso partedo dall alto e il primo asso partedo dal basso, per motivi di simmetria si ha la seguete relazioe Si calcola facilmete P pos. 4 o asso = k) = P pos. o asso = 40 k + ) P pos. o asso = m) = 36) m 4 40) m Abbiamo usato la otazioe ) m = m + ). quidi ifie otteiamo P pos. 4 o asso = k) = 36) 40 k 4 40) 40 k+ 3)Lo spazio di probabilitá opportuo e Ω = {ω = ω, ω, ω 3 ), ω i = A, B, C, D, E} Ω = 5 3 la misura e quella uiforme. Idichiamo co N ua geerica ura diversa da A. Le cofigurazioi che si possoo avere soo del tipo: A, N, N); S vale ; i totale soo 4 N, A, N); S=; 4 N, N, A); S=3; 4 A, A, N); S=3; 4 A, N, A); S=4; 4 N, A, A); S=5; 4 A, A, A); S=6; Da questa tabella e immediato calcolare la fuzioe di distribuzioe di massa. 4) La cardialitá dello spazio di probabilitá e 7 ). Ifatti le cofigurazioi di particelle possoo essere mappate uo ad uo su sequeze di lughezza 7 di pallii biachi e eri coteeti esattamete due pallii eri. I pallii eri dividoo i pallii biachi i tre gruppi che corrispodoo rispettivamete al umero di particelle elle ure A, B e C. Ad esempio la sequeza

13 corrispode alla cofigurazioe N A =,N B =,N C =. Allo stesso modo si puó quidi otteere che il umero di cofigurazioi corrispodeti ad N A = k k = 0, 5) e ) 7 k = 7 k quidi P N A = k) = 7 k 7 ) k = 0, 5 5) Idichiamo co X i le variabili casuali associate alla prima ed alla secoda estrazioe ed idichiamo co C i, i =,, 5 i 5 colori. P N = ) = 5 P X = C i )P X = C i X = C i ) = Chiaramete P N = ) = P N = ) = 9 EN) = = 7 9 6) Deve essere quidi a) b) c) Eχ A ) = V arn) = = EX ) = + ) ) = 3 + ) pi) = c i = c + ) c = + ) ) 7 9 i i = + ) = + iχ A i) = + ) EX 3 ) = + ) i i Per calcolare la somma si osserva che per ogi x 3 i = x i = x x = x x+ x Calcolado la derivata rispetto ad x i etrambi i membri si ha ix i = + )x + x + x) + ) 7) 3

14 Quidi Per x = si ottiee ix i = x + )x + x + x) i i = + + ) Quidi EX 3 ) = 4 + ) + ) 7) Poiche il dado e oesto, P D = i) = 6 per ogi i =,..., 6, a) Per calcolare la distribuzioe della variabile casuale T si osserva che P T = k) = 6 P T = k/d = i)p D = i) = 6 i=k 6 P T = k/d = i) 8) i=k Poiche testa e croce soo equiprobabili, Quidi b) Per defiizioe si ha che P T = k/d = i) = i i k P T = k) = 6 6 i=k i ) ) i k 9) 0) P D = 3/T = ) = P {D = 3, T = }) P T = ) ) Poiche da a) per k = segue P {D = 3, T = }) = 6 3 ) 3 P D = 3/T = ) = 3 3 ) [ 6 i= i i ) ) ] 3 [ 6 = i= 3 i ) i ] ) c) La variabile casuale T é la somma aleatoria di variabili aleatorie X i {0, },idipedeti ed idipedeti da D, co distribuzioe di Beroulli di parametro /, T = D X i, P X i = ) =, i =,... D 4

15 d) Per le somme aleatorie di variabili aleatorie idipedeti co uguale distribuzioe ed idipedeti da D, vale la seguete proprieta Quidi D E X i ) = ED)EX ) 6 6 ET ) = i 6 = i = 7 4 Usado il teorema di partizioe si ottiee lo stesso risultato ET ) = 6 ET/D = i)p D = i) = 6 i 6 = 7 4 e) Per u teorema dimostrato a lezioe la fuzioe geeratrice G T s) e data da: G T s) = G D G X s)) Si ha che e Quidi G D s) = 6 s k 6 = 6 k= s s 7 s G X s) = + s s = + s) G T s) = 6 + s +s)7 6 s 8) I modi possibili di distribuire le 40 carte tra i due giocatori e 40 0). Quidi 4 36 ) P N A = k) = k) 0 k ) La seguete idetita 4 k= ) ) 4 36 = k 0 k ) 40 0 permette di cotrollare che la somma su k di P N A = k) fa. b) La variabile N B ha la stessa distribuzioe di N A, quidi EN A ) = EN B ), ioltre N A + N B = 4. Quidi 4 = EN A + N B ) = EN A ) = EN A ) = EN B ) = c) Poiche se N A = k allora N B = 4 k, la fuzioe di distribuzioe cogiuta di N A, N B ) e { P N A = k, N B = k 0 se k + k ) = 4, 3) P N A = k) altrimeti. 5

16 d) Quado il umero di carte e si ha che ) 4 ) ) 4 k 4 k)!!! P N A = k) = k ) = 4) k k)! + k 4)!)! ) 4 )... k + ) )... + k 3) = 5) k ) ) 3) Sia el umeratore che el deomiatore c e u poliomio di quarto grado i. Il coefficiete del grado massimo e al umeratore e 4 al deomiatore, quidi lim P N A = k) = ) 4 k k Si ottiee pertato ua ditribuzioe biomiale di parametri 4 e /. 9) ) P S = k) = p k p) k, k = 0,..., ES ) = p, vars ) = pq k ) P W = k) = p k p) k, k = 0,...,, EW ) = p, varw ) = pq k P Y = 0) = p), P Y = ) = p p), P Y = ) = p, EY ) = p, vary ) = pq Le variabili o soo idipedeti. Ad esempio P S = 0, W = ) = 0 P S = 0)P W = ) P S = 0, Y = ) = 0 P S = 0)P Y = ) P W = 0, Y = ) = 0 P W = 0)P Y = ) Per Chebisev: P S 4 ) 40) ) Che permette di dedurre P S quado Per Chebisev: P W 4 ) 40) ) Che permette di dedurre P S quado 53. Per la legge dei gradi umeri W coverge i media quadratica ed i probabilita a p. 0) P X = 0) = 5 P X = ) = 5 P X = ) = 5 EX) = = 6

17 EX ) = = 9 5 ; V arx) = EX ) EX)) = 4 5 P Y = 0) = 5 ; P Y = ) = 5 ; P Y = ) = 5 EY ) = = 4 5 EY ) = = 6 5 ; V ary ) = EY ) EY )) = 4 5 Essedo P X = k, Y = k ) P X = k)p Y = k ) le variabili o soo idipedeti. EW ) = EX) + EY ) = 9 5. Ioltre ImW ) = {0,,, 3, 4} e P W = 0) = 3 0 ; P W = ) = 0; P W = ) = 5 ; P W = 3) = 5 ; P W = 4) = 0. ImZ) = {0,,, 4} ioltre P Z = 0) = ; P Z = ) = 5 ; P Z = ) = 5 ; P Z = 4) = 0. EZ) = = EX)EY ) La disuguagliaza di Cauchy-Schwartz dice EXY )) EX )EY ) per verificarla basta iserire i valori calcolati ) i) ii) Ω = 6 5 iii) ) 6 iv) Se U e il umero di e Z e il umero di 0 allora U + Z = 6 ioltre si deve avere U = Z + 3. Questo implica Z = 3 impossibile; quidi il umero di tali sequeze e 0. v) Se U e il umero di e Z e il umero di 0 allora U + Z = 6 ioltre si deve avere U = Z +. Questo implica Z = e U = 4. Il umero di tali successioi e 6 4). vi) Esiste ua successioe crescete per ogi umero itero il umero di o del blocco iiziale) compreso tra zero e sei. Quidi il umero totale di successioi cresceti e 7. vii) Esistoo solo due sequeze co tale proprieta: soo sequeze alterate di 0 ed ua che comicia co uo 0 ed ua che comicia co u. 7

18 4) Chiaramete le variabili X i soo ideticamete distribuite.e facile vedere che P X i = 0) = e poi P X i = + k ) = ) 5 ) 4 k k = 0,, 4 Le variabili o soo idipedeti, ifatti vale P X = 6, X = 0, X 3 = 0, X 4 = 0, X 5 = 0) = 0 che e diverso dal prodotto delle probabilitá. La distribuzioe di S e P S = L espressioe di ES ) e k k + ) = ES ) = k=0 Dalla formula del biomio di Newto k=0 x + y) = ) ) k k k + k=0 k ) k = 0,, ) ) x k y k k co derivazioi itegrazioi moltiplicazioi e divisioi per x si arriva alla formula k )x k y k = x + y) x + y)+ k + k x + ) che calcolata per x = y = da ES ) = + che coverge ad quado diverge. 5) A) P X + X = 7) = 6 k= P X = k, X = 7 k) = 6 k= P X = k)p X = 7 k) = 6 k= 6 6 = 6. B) P X = 3 X + X = 7) = P X=3,X+X=7) P X +X =7) = 6P X = 3)P X = 4) = 6. C) È ua tabella co etrate tutte pari a 36. P X = k, X = k ) = P X = k)p X = k ) quidi soo idipedeti. EX ) = EX ) = 6 k= k 6 = 7. EX + X ) = EX ) + EX ) = 7. EX ) = 6 k= k 6 = 9 6. V arx ) = V arx ) = EX ) EX ) = 35. V arx + X ) = V arx ) + V arx ) = D) S coverge i media quadratica ed i probabilità a 7 per la legge dei gradi umeri. E) P S 7 > 6 ) 6 V ars ) = 6 V arx ) = 05 < 0 > 050. F) P N = k) = 5 k 6) 6 Distribuzioe geometrica di parametro 6. EN) = 6. P N > 0) = 0 5 ) k k= 6 6 = ) 6) A) = 70. La prima pallia può essere scelta tra 0 la secoda tra le ove rimaeti e laterza tra le 8 rimaeti. B) = 6. La prima pallia può essere scelta tra 6 la secoda tra cique e la terza tra le 4 rimaeti, ogi possibile estrazioe ha probabilità uo sulla cardialità dello spazio. 8

19 8 C) = 90 Le possibili estrazioi di questo tipo soo solo 8 ogua idividuata dal primo umero estratto che può essere solo miore od uguale ad 8. D) ! = 0 I questo caso bisoga dividere il risultato del puto A per tutti i possibili ordiameti di tre oggetti. A ) 0 3. La cardialità del prodotto cartesiao tre volte dell isieme dei umeri aturali miori od uguali a 0. B ) 0 0 = 3 00 uguali = diversi. k ) 7) A) A è ua biomiale di parametri, p). P A = k) = p k p) k. EA ) = p. V ara ) = p p). P B = ) = p, P B = ) = p. EB ) = p + p = p. EB) = 4 p + p = 3 4 p. V arb ) = 3 4 p p ) = 4 p p ). k ) C è ua biomiale di parametri, p). P C = k) = p k p) k. EC ) = p). V arc ) = p p). P D = 0) = p), P D = ) = p). ED ) = p). V ard ) = p) ) p). P E = 0) = p, P E = ) = p. EE ) = p. V are ) = p p ). B) Es A ) = Es Xi ) = ) = + ps )). EsXi C) E[D ) ] = p) 0. E[E ) ] = p 0. La covergeza i media quadratica implica poi quella i probabilità. D) P X = 0, Y = 0) = P X = 0)P Y = 0 X = 0) = p P X = 0)P Y = 0) = p) p ). Questo implica che le due variabili o soo idipedeti. P X = 0, Y = ) = P X = 0)P Y = X = 0) = 0 P X =, Y = 0) = P X = )P Y = 0 X = ) = p p) P X =, Y = ) = P X = )P Y = X = ) = p 8) A) Per la liearitá del valore di aspettazioe ES ) = EX ) = p. Poiché le X i soo i.i.d VarS ) = VarX ) = p p). La distribuzioe di S e B, p): biomiale di parametri e p, ) PS = k) = p k p) k k ifatti k) e il umero di modi possibili di scegliere k variabili che assumoo il valore tra,p k p) k e la probabilitá di ogi realizzatioe di variabili co k uo e k) 0). G S y) = Ee ys ) = Ee yx ) ) = + pe y )) La secoda uguagliaza e dovuta all idipedeza delle X i. B) { P X = X = 0} ) S = 0 = 9 0 ) p 0 p) 0 ) = p 0 p) 0 0 0) ) 9

20 C) PS = k S = j, S = l) = PS = k S = j S = l) PS = j S = l) = PS = l)px = j l)px = k j) PS = l)px = j l) = PX = k j) E u calcolo aalogo vale per ulteriori codizioameti su variabili S i, i <. Quidi, quado j [0, ], PS = k S = j) = p se k = j + ; PS = k S = j) = p se k = j. D) La variabile casuale M assume solamete i valori e 0. Assume il valore 0 solamete se tutte le X i i =,, soo zero; quidi PM = 0) = p) e di cosegueza PM = ) = p). E M ) ) = PM = 0) = p) che coverge a zero quado diverge. La covergeza i media quadratica implica quella i probabilita. E) PT = k) = PX i = 0, i =, k X k = ) = p) k p la distribuzioe e ua geometrica di parametro p. F) La disuguagliaza di Jese dice: data f ua fuzioe covessa ed X ua variabile casuale X allora E fx)) f E X)). Applichiamo la disuguagliaza co fx) = log +x ed X = S ; otteiamo E G) log )) +S S P p > ) S ) ) P 0 p > 0 Applicado Chebysev S ) ) P p > 0 log +p. 0 Var S ) = 0 p p) Ua secoda possibilitá e : S P p > ) 0 = P e t S p) ) > e t 0 t > 0. Applicado la disuguagliaza di Markov si ottiee P e t S p) ) ) > e t 0 e t t 0 GS 0

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Sommario lezioni di Probabilità versione abbreviata

Sommario lezioni di Probabilità versione abbreviata Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI 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

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE 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

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag. SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra?

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra? CALCOLO COMBINATORIO 1.1 Necessità del calcolo combiatorio Accade spesso di dover risolvere problemi dall'appareza molto semplice, ma che richiedoo calcoli lughi e oiosi per riuscire a trovare delle coclusioi

Dettagli

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

Dettagli

Il confronto tra DUE campioni indipendenti

Il 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

Dettagli

4. Metodo semiprobabilistico agli stati limite

4. Metodo semiprobabilistico agli stati limite 4. Metodo seiprobabilistico agli stati liite Tale etodo cosiste el verificare che le gradezze che ifluiscoo i seso positivo sulla, valutate i odo da avere ua piccolissia probabilità di o essere superate,

Dettagli

Metodi statistici per l'analisi dei dati

Metodi 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

Dettagli

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0 CAPITOLO VII DERIVATE. GENERALITÀ Defiizioe.) La derivata è u operatore che ad ua fuzioe f associa u altra fuzioe e che obbedisce alle segueti regole: () D a a a 0 0 0 derivata di u moomio D 6 D 0 D ()

Dettagli

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005 Esame di Matematica 2 ModA (laurea i Matematica prova di accertameto del 4 ovembre 25 ESERCIZIO Si poga a 3 5 + 9 e b 2 4 6 + 6 ( (a Si determii d MCD(a, b e gli iteri m, Z tali che d ma + b co m < b ed

Dettagli

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard)

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard) Sistemi LTI descrivibile mediate SDE (Equazioi alle Differeze Stadard) Nella classe dei sistemi LTI ua sottoclasse è quella dei sistemi defiiti da Equazioi Stadard alle Differeze Fiite (SDE), dette così

Dettagli

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari . MODELLO DINAMICO AD UN GRADO DI LIBERTÀ Alcue defiizioi prelimiari I sistemi vibrati possoo essere lieari o o lieari: el primo caso vale il pricipio di sovrapposizioe degli effetti el secodo o. I geerale

Dettagli

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni:

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni: N. Fusco ESERCIZI DI ANALISI I Prof. Nicola Fusco Determiare l isieme i cui soo defiite le segueti fuzioi: ) log/ arctg π ) 4 ) log π 6 arcse ) ) tg log π + ) 4) 4 se se se tg 5) se cos tg 6) [ 6 + 8 π

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test 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

Dettagli

1. L'INSIEME DEI NUMERI REALI

1. L'INSIEME DEI NUMERI REALI . L'INSIEME DEI NUMERI REALI. I pricipli isiemi di umeri Ripredimo i pricipli isiemi umerici N, l'isieme dei umeri turli 0; ; ; ; ;... L'ide ituitiv di umero turle è ssocit l prolem di cotre e ordire gli

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI Dipartimeto di Sieze Eoomihe Uiversità di Veroa VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE Lezioi di Matematia per

Dettagli

Motori maxon DC e maxon EC Le cose più importanti

Motori maxon DC e maxon EC Le cose più importanti Motori maxo DC e maxo EC Il motore come trasformatore di eergia Il motore elettrico trasforma la poteza elettrica P el (tesioe U e correte I) i poteza meccaica P mech (velocità e coppia M). Le perdite

Dettagli

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010 Idagii sui coregoi del Lago Maggiore: Aalisi sui pesci catturati el 1 Rapporto commissioato dal Dipartimeto del territorio, Ufficio della caccia e della pesca, Via Stefao Frascii 17 51 Bellizoa Aprile

Dettagli

ESERCITAZIONE L adsorbimento su carbone attivo

ESERCITAZIONE L adsorbimento su carbone attivo ESERCITAZIONE adsorbimeto su carboe attivo ezioi di riferimeto: Processi basati sul trasferimeto di materia Adsorbimeto su carboi attivi Testi di riferimeto: Water treatmet priciples ad desi, WH Pricipi

Dettagli

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI Mirta Debbia LS A. F. Formiggii di Sassuolo (MO) - debbia.m@libero.it Maria Cecilia Zoboli - LS A. F. Formiggii di Sassuolo (MO) - cherubii8@libero.it

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

La sicurezza sul lavoro: obblighi e responsabilità

La sicurezza sul lavoro: obblighi e responsabilità La sicurezza sul lavoro: obblighi e resposabilità Il Testo uico sulla sicurezza, Dlgs 81/08 è il pilastro della ormativa sulla sicurezza sul lavoro. I sostaza il Dlgs disciplia tutte le attività di tutti

Dettagli

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa?

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa? Verifica d Iotesi Se ivece che chiederci quale è il valore ua mea i ua oolazioe (stima utuale Se ivece e itervallo che chiederci cofideza) quale è il avessimo valore u idea ua mea su quello i ua che oolazioe

Dettagli

Esercizi Le leggi dei gas. Lo stato gassoso

Esercizi Le leggi dei gas. Lo stato gassoso Esercizi Le lei dei as Lo stato assoso Ua certa quatità di as cloro, alla pressioe di,5 atm, occupa il volume di 0,58 litri. Calcola il volume occupato dal as se la pressioe viee portata a,0 atm e se la

Dettagli

Metodi d integrazione di Montecarlo

Metodi d integrazione di Montecarlo Metodi d itegrzioe di Motecrlo Simulzioe l termie simulzioe ell su ccezioe scietific h u sigificto diverso dll ccezioe correte. Nell uso ordirio è sioimo si fizioe; ell uso scietifico è sioimo di imitzioe,

Dettagli

l = 0, 1, 2, 3,,, n-1n m = 0, ±1,

l = 0, 1, 2, 3,,, n-1n m = 0, ±1, NUMERI QUANTICI Le autofuzioi soo caratterizzate da tre parametri chiamati NUMERI QUANTICI e soo completamete defiite dai loro valori: : umero quatico pricipale l : umero quatico secodario m : umero quatico

Dettagli

L OFFERTA DI LAVORO 1

L OFFERTA DI LAVORO 1 L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

PENSIONI INPDAP COME SI CALCOLANO

PENSIONI INPDAP COME SI CALCOLANO Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu PENSIONI INPDAP COME SI CALCOLANO I tre sistemi I cique pilastri

Dettagli

La variabile casuale Binomiale

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

Dettagli

Comportamento delle strutture in C.A. in Zona Sismica

Comportamento delle strutture in C.A. in Zona Sismica Comportameto delle strutture i c.a. i zoa sismica Pagia i/161 Comportameto delle strutture i C.A. i Zoa Sismica Prof. Paolo Riva Dipartimeto di Progettazioe e ecologie Facoltà di Igegeria Uiversità di

Dettagli

Dall atomo di Bohr alla costante di struttura fine

Dall atomo di Bohr alla costante di struttura fine Dall atomo di Bohr alla ostate di struttura fie. INFORMAZIONI SPETTROSCOPICHE SUGLI ATOMI E be oto he ogi sostaza opportuamete eitata emette radiazioi elettromagetihe. Co uo spettrosopio, o strumeti aaloghi,

Dettagli

1 Valore atteso o media

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

Dettagli

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

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

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

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

Dettagli

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario Valutazioe delle prestazioi termiche di sistemi co solai termoattivi i regime o stazioario MICHELE DE CARLI, Ph.D., Ricercatore, Dipartimeto di Fisica Tecica, Uiversità degli Studi di Padova, Padova, Italia.

Dettagli

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

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

Dettagli

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \ 3,6 56 3,6 TEOR I A SPETTRALE La teoria spettrale degli operatori lieari- eo spazio di Hilbert é f odata, coe per gi spazi f i-ito-dimes ioal j-, sula defiizioe di- risolvete di u operatole' Sia (A,DA)

Dettagli

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1.

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1. Caitolo III VALORI MEDI. SAZIONARIEÀ ED ERGODICIÀ III. - Mdi tatitich dl rimo ordi. Sia f( ) ua fuzio cotiua i aoci al gal alatorio (, t ζ ) la uatità dfiita dalla y f[(, t ζ )]. Ea idividua, a ua volta,

Dettagli

Esercizi di consolidamento di probabilità e calcolo combinatorio parte 1

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

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Le operazioni fondamentali in N Basic Arithmetic Operations in N

Le operazioni fondamentali in N Basic Arithmetic Operations in N Operzioi fodetli i - 1 Le operzioi fodetli i Bsic Arithetic Opertios i I geerle u operzioe è u procedieto che due o più ueri, dti i u certo ordie e detti terii dell'operzioe, e ssoci u ltro, detto risultto

Dettagli

Lezioni di STATISTICA MATEMATICA A

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

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

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

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

Dettagli

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario USUFRUTTO 1) Che cos è l sfrtto e come si pò costitire? L sfrtto è il diritto di godimeto ( ovvero di possesso) di bee altri a titolo gratito ; viee chiamato sfrttario chi esercita tale diritto, metre

Dettagli

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano L4 Iterpolazioe L4 Prologo Co iterpolazioe si itede il processo di idividuare ua fuzioe, spesso u poliomio, che passi per u isieme dato di puti: (x,y). y x L4 2 Fii dell iterpolazioe 1. Sostituire u isieme

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

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

Dettagli

Esercizio 1. Svolgimento

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

Dettagli

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

Dettagli

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Valutazioe e riduzioe della vulerailità sismia di ediii esisteti i.a. Roma, 9-0 maggio 00 DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Di Ludovio

Dettagli

Introduzione alla probabilità

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

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

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

Dettagli

APPROFONDIMENTI SUI NUMERI

APPROFONDIMENTI SUI NUMERI APPROFONDIMENTI SUI NUMERI. Il sistem di umerzioe deimle Be presto, ll operzioe turle del otre, si è ggiut l esigez di «rppresetre» i umeri. I sistemi di umerzioe possiili soo molti; per or i limitimo

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it)

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it) I rdicli Cludio CANCELLI (www.cludioccelli.it) Ed..0 www.cludioccelli.it Dec. 0 I rdicli INDICE DEI CONTENUTI. I RADICALI... INDICE DI RADICE PARI...4 INDICE DI RADICE DISPARI...5 RADICALI SIMILI...6 PROPRIETA

Dettagli

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E 2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

VARIABILI ALEATORIE CONTINUE

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

Dettagli

Funzione reale di variabile reale

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

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE DISPENSE DI: FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE Testo di riferieto E. Fuaioli ed altri Meccaica applicata alle acchie vol. e - Ed. Patro BOZZA Idice. INTRODUZIONE ALLA MECCANICA APPLICATA

Dettagli

Esercitazioni di Statistica

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

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

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

Dettagli

Nota: Eventi meno probabili danno maggiore informazione

Nota: Eventi meno probabili danno maggiore informazione Entropia Informazione associata a valore x avente probabilitá p(x é i(x = log 2 p(x Nota: Eventi meno probabili danno maggiore informazione Entropia di v.c. X P : informazione media elementi di X H(X =

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

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

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

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

Dettagli

Elementi di Statistica

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

Dettagli

Analisi dei segnali nel dominio del tempo

Analisi dei segnali nel dominio del tempo Appui di Teoria dei Segali a.a. / Aalisi dei segali el domiio del empo L.Verdoliva I quesa prima pare del corso sudieremo come rappreseare i segali empo coiuo e discreo el domiio del empo e defiiremo le

Dettagli

Numeri complessi e polinomi

Numeri complessi e polinomi Numeri complessi e polinomi 1 Numeri complessi L insieme dei numeri reali si identifica con la retta della geometria: in altri termini la retta si può dotare delle operazioni + e e divenire un insieme

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

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

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

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Soluzioni Esercitazione VIII. p(t)dt = R

Soluzioni Esercitazione VIII. p(t)dt = R S. a Si ha Soluioni Esercitaione VIII PT > + ptt ptt perché pt per t u + perché

Dettagli

EQUAZIONI non LINEARI

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

Dettagli

A i è un aperto in E. i=1

A i è un aperto in E. i=1 Proposizione 1. A è aperto se e solo se A c è chiuso. Dimostrazione. = : se x o A c, allora x o A = A o e quindi esiste r > 0 tale che B(x o, r) A; allora x o non può essere di accumulazione per A c. Dunque

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

AcidSoft. Le nostre soluzioni. Innovazione

AcidSoft. Le nostre soluzioni. Innovazione AiSoft AiSoft ase alla passioe per l'iformatio teology e si oretizza i ua realtà impreitoriale, ua perfetta reazioe imia tra ooseza teia e reatività per realizzare progetti i grae iovazioe. Le ostre soluzioi

Dettagli