Le variabili casuali o aleatorie
|
|
- Eleonora Simoni
- 6 anni fa
- Visualizzazioni
Transcript
1 Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore di un titolo fra 2 giorni Nella teoria della probabilità il numero aleatorio è definito formalmente con riferimento a un esperimento casuale o aleatorio. Consideriamo ancora il risultato di un esperimento casuale (lancio di una moneta o di un dado...) e sia S il suo spazio campionario. Si può associare a ogni evento semplice (o complesso) di S un numero reale positivo (per esempio il risultato di una misura) legandolo a una caratteristica dell'evento. Il numero associato è una variabile casuale (o aleatoria) poiché è stato riferito al risultato di un esperimento esso stesso casuale. 1
2 Esempio: lancio di 2 dadi indipendenti Sia S lo spazio campionario dell'esperimento lancio di 2 dadi indipendenti e si osservi la somma delle facce in ogni lancio Si può immaginare di raccogliere in un unico evento complesso gli eventi semplici che danno la stessa somma e associare a detto evento complesso il numero reale positivo somma X delle facce (1,6) (2,5) 3,4) (4,3) (5,2) (6,1) 7 La variabile aleatoria X può assumere i valori interi da 2,..., 12. L'intervallo di valori di X è detto spazio campionario numerico
3 Legge di probabilità di un numero aleatorio X i La probabilità di X i, che si indica P(X i ), è la probabilità dell'evento elementare o complesso E i a cui è stata associata la variabile X i Se gli eventi E i sono mutualmente eclusivi e costituiscono una partizione dello spazio S ovvero E 1 E 2 E 3 E 4 = S la condizione di S P(E i ) = 1 equivale alla condizione di normalizzazione S P(X i ) =1
4 DISTRIBUZIONE DI PROBABILITA' di una variabile aleatoria discreta La funzione P(X i ) precedente è un esempio semplice di distribuzione di probabilità di una variabile discreta Esempio: pesare una massa Evento Ei operazione di pesata Xi risultato della pesata P(Xi) probabilità di avere come risultato xi Gli eventi E i, da cui le variabili X i provengono sono mutualmente eclusivi e costituiscono una partizione dello spazio S. Vale pertanto la condizione Σ P(X i ) = 1 E' utile rappresentare graficamente la funzione P(X i )
5 Esempio: distribuzione di probabilità della variabile somma dei numeri che appaiono sulle facce superiori nel lancio di 2 dadi simmetrici E' facile verificare,usando la regola della probabilita totale per eventi disgiunti,che le probabilità P(X i ) sono : P(2)=1/36, P(3)=2/36, P(4)=3/36, P(5)=4/36, P(6)=5/36 P(7)=6/36, P(8)=5/36, P(9)=4/36, P(10)=3/36, P(11)=2/36, P(12)=1/36 Σ P(X i ) = 1
6 DISTRIBUZIONE DI PROBABILITA' di una variabile aleatoria continua Se la variabile casuale X può assumere tutti i valori in un intervallo continuo (a,b), la variabile è detta continua. Si noti che la variabile casuale continua è un'astrazione: essa non è osservabile nella realtà. Qualsiasi esperimento di misura può dare solo luogo a un insieme discreto di numeri per il limite di precisione dello strumento di misura. Ciò non toglie che le variabili casuali continue abbiano grande importanza nella statistica come modelli approssimati di situazioni reali
7 Esempio Si supponga di voler considerare l'altezza di adulti maschi estraendo un campione a caso da una popolazione. L'altezza di una popolazione è di per sè una variabile continua, ma la misura di un numero finito della variabile altezza estratta da un campione porta a un numero discreto di valori. Pur tuttavia si può immaginare di procedere intuitivamente assegnando a intervalli contigui della variabile altezza una probabilità che soddisfi la definizione assiomatica.
8 Rappresentazione della distribuzione di probabilità per variabili aleatorie continue La rappresentazione grafica che corrisponde ad una suddivisione in intervalli dello spazio campionario di una variabile aleatoria continua è un istogramma a intervalli, ossia con rettangoli aventi per basi segmenti uguali all'ampiezza D dell'intervallo scelto e per altezza la probabilità dell'intervallo diviso D. Si immagini ora di prendere intervalli sempre più piccoli. Il profilo del grafico diventa sempre più regolare mentre resta invariato il significato dell'altezza e dell'area dell'istogramma il cui valore totale è 1. Si dice che l'istogramma è normalizzato a 1 ovvero che la probabilità che una misura della variabile-altezza sia compresa nell'intero range o spazio campionario della variabile è 1 (risultato certo)
9 La rappresentazione grafica che corrisponde a una suddivisione in intervalli dello spazio campionario di una variabile aleatoria continua è un istogramma a intervalli, ossia con rettangoli aventi per basi segmenti uguali all'ampiezza D dell'intervallo scelto e per altezza la probabilità dell'intervallo / D.
10 Funzione densità di probablità Spingendo al limite 0 l'intervallo si può immaginare che la spezzata diventi una curva continua f(x) detta funzione di densità di probabilità. Definizione : si chiama funzione densità di probabilità della variabile casuale continua X, definita nell'intervallo a-b, la funzione che possiede le seguenti proprietà:
11 Definizione di funzione densita di probabilita Si chiama funzione densità di probabilità di una variabile casuale continua X definita nell'intervallo (a,b) una funzione che possiede le seguenti proprietà: f(x) 0 a b f(x)dx = 1 Ovvero e definita positiva,continua ed integrabile nell intervallo a-b
12 Valore medio atteso, varianza e deviazione standard di una distribuzione di probabilita Si definisce valore medio atteso o media della variabile casuale X il numero m =E(X) = Σ i x i P(x i ) per distribuzioni discrete E(X) = a b x f(x)dx per distribuzioni continue. si definisce varianza di X e si indica con s 2 s 2 = Σ i (x i - µ) 2 P(x i ) per distribuzioni discrete s 2 = a b (x - µ) 2 f(x)dx per distribuzioni continue Si definisce deviazione standard s la radice quadrata della varianza
13 Momenti Per una variabile casuale X discreta (o continua) avente una funzione di distribuzione di probabilità P(X) (o funzione di densità di probabilità f(x)) è possibile introdurre i cosiddetti momenti (rispetto all'origine) µ k di ordine k µ k = E(X k ) Il momento di ordine 1 è il valore atteso E(X) = µ Il momento di ordine 2 µ 2 = E(X 2 ) = Σ i X i 2 P(X i ) per distribuzioni discrete µ 2 = E(X 2 ) = a b x 2 f(x)dx per distribuzioni continue.
14 Distribuzione discreta uniforme Siano gli eventi equiprobabili E 1, E 2, E 3, E 4, E 5, E 6 comparsa delle 6 facce di un dado E 1 E 2 E 3 E 4 E 5 E 6 = S X i =(1,2,3,4,5,6) le variabili casuali associate = numero che compare sulle facce P(x i )=1/6 Valor medio atteso m = E(x) = S x i P(x i ) = 3.5 Varianza s 2 = S P(x i ) (x i - m) 2 = = S P(x i ) (x i ) 2-2m S x i P(x i ) + (m) 2 S P(x i ) = S P(x i ) (x i ) 2 - (m) 2 = 1/6*( ) - (3.5) 2 =91/ = e quindi deviazione standard σ=1.708
15 Distribuzione uniforme continua
16
Teorema 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
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliPer capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere:
PROBABILITÀ E STATISTICA Per capire qual è l altezza media degli italiani è stato intervistato un campione di 1523 cittadini. La media campionaria dell altezza risulta essere: x = 172, 3 cm Possiamo affermare
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
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
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
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
Dettaglia.a Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno
a.a. 2007-2008 Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno Dott.ssa Daniela Alessi daniela.alessi@med.unipmn.it 1 Argomenti:
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliVedremo i concetti di:
1 Campionamento e distribuzioni campionarie Vedremo i concetti di: Popolazione e suoi parametri Campionamento da popolazioni finite Campionamento da popolazioni infinite Statistiche campionarie e loro
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliPNI QUESITO 1 QUESITO 2
www.matefilia.it PNI 0014 QUESITO 1 Per il teorema dei seni risulta: = da cui sen α = Quindi α = arcsen ( ) che porta alle due soluzioni: α 41,810 41 49 α 138 11 QUESITO I poliedri regolari (solidi platonici)
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliIntroduzione alla probabilità
UNIVERSITÀ DI BOLOGNA FACOLTÀ DI MEDICINA VETERINARIA LAUREA IN SANITA E QUALITA DEI PRODOTTI DI ORIGINE ANIMALE Introduzione alla probabilità Probabilità = metodologia per lo studio di fenomeni aleatori
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
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
DettagliStatistica. Campione
1 STATISTICA DESCRITTIVA Temi considerati 1) 2) Distribuzioni statistiche 3) Rappresentazioni grafiche 4) Misure di tendenza centrale 5) Medie ferme o basali 6) Medie lasche o di posizione 7) Dispersione
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliIntroduzione alla probabilità
Introduzione alla probabilità Osservazione e studio dei fenomeni naturali: a. Caso deterministico: l osservazione fornisce sempre lo stesso risultato. b. Caso stocastico o aleatorio: l osservazione fornisce
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliRisultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
DettagliIndice Premessa................................... Cenni storici delle misure......................
Indice Premessa................................... 5 1 Cenni storici delle misure...................... 11 1.1 Il numero come misura...................... 13 1.2 I primi campioni di lunghezza..................
DettagliLo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U 1. 2. 3. U 4. 5. 6
EVENTI ALEATORI E LORO RAPPRESENTAZIONE Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U... U.. La definizione classica di probabilità dice che, se gli eventi che si considerano
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliMISURE DI DISPERSIONE
MISURE DI DISPERSIONE 78 MISURE DI DISPERSIONE Un insieme di dati numerici può essere sintetizzato da alcuni valori tipici, che indicano il grado di variabilità dei dati stessi. Grado di Variabilità o
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
Dettaglivalore di a: verso l alto (ordinate crescenti) se a>0, verso il basso (ordinate decrescenti) se a<0;
La parabola è una particolare conica definita come è una curva aperta, nel senso che non può essere contenuta in alcuna superficie finita del piano; è simmetrica rispetto ad una retta, detta ASSE della
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliVARIABILI 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
DettagliEsercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche:
Istituzioni di Statistica 1 Esercizi su indici di posizione e di variabilità Esercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche: Durata (ore) Frequenza 0 100? 100 200
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
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 =
DettagliClassi: 4A inf Sirio Disciplina: MATEMATICA Ore settimanali previste: 3
Classi: 4A inf Sirio Disciplina: MATEMATICA Ore settimanali previste: 3 Titolo unità didattiche in cui è diviso Titolo Modulo il modulo Prerequisiti per l'accesso al modulo 1: Calcolo numerico e letterale,
DettagliSCHEDA N 8 DEL LABORATORIO DI FISICA
SCHEDA N 1 IL PENDOLO SEMPLICE SCHEDA N 8 DEL LABORATORIO DI FISICA Scopo dell'esperimento. Determinare il periodo di oscillazione di un pendolo semplice. Applicare le nozioni sugli errori di una grandezza
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 12, Modelli Probabilistici
DettagliESPERIMENTO DEL LANCIO DEI DADI
ANNO SCOLASTICO 214/215 SCUOLA SECONDARIA DI PRIMO GRADO UGO FOSCOLO SCHEDA SPERIMENTALE DI MATEMATICA ESPERIMENTO DEL LANCIO DEI DADI ALUNNA: MARTINA PETRARULO CLASSE: III B PROFESSORE: DANIELE BALDISSIN
DettagliLa probabilità matematica
1 La probabilità matematica In generale parliamo di eventi probabili o improbabili quando non siamo sicuri se si verificheranno. DEFINIZIONE. Un evento (E) si dice casuale, o aleatorio, quando il suo verificarsi
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
DettagliGli 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)
DettagliI.T.C. Abba-Ballini Brescia a.s classe 2 a
MODULO 2 : LA RETTA Competenze Saper formalizzare e rappresentare le funzioni di 1 grado Saper interpretare geometricamente i modelli algebrici di primo grado UD 1.1 LA RETTA Prerequisiti Insiemi numerici
DettagliCodice binario. Codice. Codifica - numeri naturali. Codifica - numeri naturali. Alfabeto binario: costituito da due simboli
Codice La relazione che associa ad ogni successione ben formata di simboli di un alfabeto il dato corrispondente è detta codice. Un codice mette quindi in relazione le successioni di simboli con il significato
Dettaglicodifica in virgola mobile (floating point)
codifica in virgola mobile (floating point) Del tutto simile a cosiddetta notazione scientifica o esponenziale Per rappresentare in modo compatto numeri molto piccoli o molto grandi e.g. massa dell elettrone
DettagliMISURE DI SINTESI 54
MISURE DI SINTESI 54 MISURE DESCRITTIVE DI SINTESI 1. MISURE DI TENDENZA CENTRALE 2. MISURE DI VARIABILITÀ 30 0 µ Le due distribuzioni hanno uguale tendenza centrale, ma diversa variabilità. 30 0 Le due
DettagliPROBLEMI DI PROBABILITÀ 2
PROBLEMI DI PROBABILITÀ 2. Si sceglie a caso un numero X nell intervallo (0, ). (a) Qual è la probabilità che la usa prima cifra decimale sia? (b) Qual è la probabilità che la seconda cifra decimale sia
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 22 Gennaio 2016 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
Dettaglinormopeso <=25 sovrappeso 25-29.9 obesità I 30-34.9 obesità II 35-39.9 obesità III >=40
E stato condotto uno studio relativo all effetto di una dieta sul BMI Body mass index in relazione al grado di obesità in un campione di adulti maschi avente le seguenti classi normopeso
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
Dettagli1 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
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o DISTRIBUZIONE DI GAUSS 1. E la più importante distribuzione continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
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
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliFunzioni Pari e Dispari
Una funzione f : R R si dice Funzioni Pari e Dispari PARI: se f( ) = f() R In questo caso il grafico della funzione è simmetrico rispetto all asse DISPARI: se f( ) = f() R In questo caso il grafico della
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA
QUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA 1 Fondamenti di segnali Fondamenti e trasmissione TLC Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliAppunti sullo sviluppo piano di figure solide
Appunti sullo sviluppo piano di figure solide Indice 1. Cosa è un prisma 2. Prisma retto, parallelepipedo e cubo. 3. Sviluppo piano di un prisma 1. Cosa è un prisma Per effettuare lo sviluppo piano di
DettagliNucleo Fondante Competenze-Conoscenze-Abilità Contenuti Metodi Materiali - Strumenti Raccordi disciplinari
Nucleo Fondante Competenze-Conoscenze-Abilità Contenuti Metodi Materiali - Strumenti Raccordi disciplinari NUMERI Concetto di insieme e sua rappresentazione Operazioni con gli insiemi Eseguire le quattro
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliIntroduzione alla Teoria degli Errori
Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non
DettagliAbbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:
Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliProf.ssa Laura Salvagno
Prof.ssa Laura Salvagno Nella vita di tutti i giorni abbiamo spesso a che fare con il concetto di rapporto, partiamo perciò da alcuni esempi per introdurre l argomento. Consideriamo tutte le gare combattute
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione
DettagliProgramma di matematica classe Prima
Programma di matematica classe Prima RELAZIONI E FUNZIONI Insiemi Definizione e rappresentazione con diagrammi di Venn, per elencazione, per caratteristica. Operazioni tra insiemi: intersezione, unione,
DettagliAnno 2. Radicali algebrici e aritmetici: condizioni di esistenza
Anno 2 Radicali algebrici e aritmetici: condizioni di esistenza 1 Introduzione Perché studiare i radicali? In matematica ogni volta che facciamo un operazione dobbiamo anche vedere se è possibile tornare
DettagliPROVA DI MATEMATICA VERSO LA RILEVAZIONE INVALSI SCUOLA SECONDARIA DI SECONDO GRADO. 30 quesiti. Scuola... Classe... Alunno...
VERSO LA RILEVAZIONE INVALSI SCUOLA SECONDARIA DI SECONDO GRADO PROVA DI MATEMATICA 0 quesiti Scuola..................................................................................................................................................................................................
DettagliRichiami sulla rappresentazione dei numeri in una base fissata
Silvia Bonettini - Appunti di Analisi Numerica 1 Richiami sulla rappresentazione dei numeri in una base fissata In questo capitolo si vogliono richiamare i concetti principali riguardanti la reppresentazione
DettagliConversione AD e DA. Fig Interfacce AD e DA fra sistema analogico e digitale.
Conversione AD e DA - 1 Conversione AD e DA 1 - Campionamento e uantizzazione Generalità I segnali che nascono dalla maggior parte dei fenomeni fisici sono tipicamente variabili con continuità sia nel
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Rappresentazioni grafiche Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si consideri la seguente distribuzione delle industrie tessili secondo il fatturato
DettagliRapporti e proporzioni
Rapporti e proporzioni Si dice RAPPORTO FRA DUE NUMERI, il secondo dei quali sia diverso da zero, il quoziente ottenuto dividendo il primo per il secondo. a b = a b a e b si dicono TERMINI del rapporto
Dettagli