Elementi di statistica
|
|
- Adelmo Marchese
- 6 anni fa
- Visualizzazioni
Transcript
1 Elemeti di statistica Argometi: costruzioe di modelli matematici di variabili casuali mediate i parametri stocastici; defiizioe della migliore stima di ua misura; valutazioe dell icertezza della miglior stima di ua misura; qualità delle stime e correzioe per campioi co umero scarso di dati; rigetto dei dati. Itroduzioe Abbiamo visto come, co la teoria della probabilità, sia possibile produrre modelli probabilistici (distribuzioi di probabilità) adattabili ai feomei aleatori reali. Accedere a tutta la popolazioe è ella maggioraza dei casi impossibile perché il umero di idividui è troppo alto (es. iterviste pre elettorali) e spesso, sebbee possibile, o coveiete ecoomicamete (durata di ua lampadia) o i termii di tempo. Acquisire sperimetalmete la distribuzioe di probabilità è quidi, all atto pratico, irragioevole Risulta coveiete adottare u modello che, sotto alcue ipotesi, potrà essere caratterizzato sulla base di u umero limitato, e tedezialmete piccolo, di iformazioi La statistica parte da u campioe aleatorio per descrivere le sue proprietà statistiche oppure risalire o iferire al modello probabilistico sotteso e alla stima dei suoi parametri (media, variaza, deviazioe stadard, moda, mediaa).
2 Itroduzioe La media, m, e la deviazioe stadard, s, associate ad ua fuzioe di desità di probabilità, soo parametri completamete descrittivi delle caratteristiche statistiche di ua popolazioe, a patto di elaborare le iformazioi relative ad ogi sigolo idividuo di essa. I parametri del modello soo defiiti, grazie alle teciche statistiche, sulla scorta di u umero ridotto di iformazioi desute da idagii sperimetali spesso svolte su u umero ridotto di casi. Ua caratterizzazioe di questo tipo sarà ievitabilmete imprecisa. el caso di ua gradezza discreta e fiita, la popolazioe (isieme di tutti gli idividui) viee campioata: per limitare il umero di osservazioi si estrarrà u campioe, sottoisieme di idividui, di ua popolazioe di dimesioe. el caso di ua gradezza cotiua parlare di popolazioe o ha seso i quato sarebbe ifiita. I questi casi avremo solo il campioe dei dati a descrivere la gradezza stessa. I questo cotesto, i termii «campioe» e «campioare» hao u sigificato diverso da quello dell acquisizioe dati 3 edia e variaza campioaria el caso di ua misura la popolazioe è ifiita e il limite al umero di misure acquisibili è solo pratico e/o ecoomico. I questi casi si ha a disposizioe come estimatori della media e della variaza della gradezza i esame solo l approssimazioe costituita dalla media e dalla deviazioe stadard del campioe fisicamete osservato. µ = σ = ( i ) i i= i= Cosa succede se o possiamo operare su tutta la popolazioe e ci dobbiamo accotetare di u campioe? I parametri statistici che abbiamo idividuato aalizzado il campioe quato soo rappresetativi di quelli dell itera popolazioe? Dato u campioe come si stima il valore della misura e la sua variabilità? 4
3 edia e variaza campioaria Aalizziamo come variao i parametri statistici fodametali all aumetare della dimesioe del campioe per due diversi processi casuali. Al crescere del umero degli eveti la media e la deviazioe del campioe tedoo a stabilizzarsi idetificado i parametri dell itera popolazioe. el grafico si mostra il diagramma di stabilizzazioe di media e dev. std. per due tipologie di distribuzioi di probabilità: a siistra distribuzioe uiforme 0- (µ=0.5, σ=0.5/sqrt(3)); a destra distribuzioe gaussiaa (µ=0,σ=). (fig. da pr0.m) 6 edia e variaza campioaria i oti come a partire da campioi di 0/30 idividui i valori dei parametri statistici siao ell itoro di quelli di covergeza. E spotaeo ora chiedersi quale sia l effetto della scelta di u particolare campioe e quidi cercare di capire come variao media e deviazioe stadard se, fissata la dimesioe del campioe, si cosiderao campioi diversi. Campioi diversi di ua popolazioe, ache se di pari dimesioe, forirao ciascuo ua propria media ed ua propria deviazioe stadard, i geerale differeti per ogi campioe (la variabile è casuale). Aalizziamo i risultati otteuti da ua serie di campioi di ua variabile casuale a distribuzioe gaussiaa (µ=0,σ=), campioi tutti di eguale umero di idividui. 7 3
4 edia e variaza campioaria Esamiiamo alcui istogrammi che riportao le distribuzioi corrispodeti a 0 campioi di umero crescete di eveti. i ota che, ache quado gli istogrammi soo sigificativamete diversi, i valori medi e le deviazioi stadard soo poco variabili. i vede ioltre che all aumetare del umero di eveti di ciascu campioe la dispersioe di media e dev. std. diviee sempre più coteuta. edia e deviazioe stadard esibiscoo ach esse ua distribuzioe: soo delle variabili casuali caratterizzabili a loro volta tramite media e deviazioe stadard. 8 edia e variaza campioaria edia e deviazioe stadard di u campioe caratterizzao i dati acquisiti i termii di valore atteso e dispersioe, risetedo di tutti gli effetti mostrati. Applicati ad u processo di misura i parametri statistici campioari possoo essere impiegati per prevedere, cooscedo la distribuzioe, la probabilità di rilevare ulteriori misure i u certo itervallo attraverso l utilizzo della desità di probabilità. L obiettivo di u operazioe di misura o è però questo. Il problema di misurare è stimare il misurado, depurado gli effetti del processo di misura, ovvero forire il valore più probabile e u idicatore di icertezza di tale stima. Problema: possiamo utilizzare la media campioaria e la deviazioe stadard di u campioe per forire la migliore stima possibile della misura e della sua icertezza? 9 4
5 isura come parametro statistico imuliamo u processo di misura. Esecuzioe di u esperimeto basato su ripetizioi della valutazioe della gradezza di iteresse, ivariate el corso dell esperimeto. Poiché la misura è affetta da errore e può essere quidi vista come ua variabile casuale l esperimeto evidezierà ua distribuzioe e forirà u valore di media e dev. std. = i= = ( i ) i= i iccome siamo scettici... ripetiamo l esperimeto! 0 isura come parametro statistico Esecuzioe di ripetizioi dell esperimeto precedete, ciascua basata su valutazioi della gradezza di iteresse, sempre ivariate. Ogi ripetizioe evidezierà la stessa distribuzioe e forirà u valore medio ed ua deviazioe stadard che sarao diversi i geerale tra esperimeto e esperimeto. k = i= = ( ) k ki k i= ki 5
6 isura come parametro statistico Valore medio e dev. std., come già mostrato, soo due variabili casuali: ogua può essere descritta mediate il proprio valore medio e la propria deviazioe stadard. Trattazioe valori medi = k = = ( k ) k = k k = i= = ( ) k ki k i= ki? Trattazioe deviazioe std. k = k = = ( ) k k k k = k isura come parametro statistico Per ogi esperimeto, k, avremo : valor medio e deviazioe stadard. k = i= = ( ) k ki k i= ki Quidi possiamo defiire due uove popolazioi, idipedeti, di gradezza, pari al umero di esperimeti, alle quali afferiscoo i valori assuti da media e deviazioi stadard. A oi iteressao i particolare: la media delle medie: la deviazioe stadard delle medie: = k = = ( k ) k = k 3 6
7 edia e deviazioe stadard della media Data ua popolazioe a distribuzioe gaussiaa (µ=0,σ=), si soo svolti esperimeti basati su 500 campioi coteeti u umero di eveti via via crescete. Distribuzioi delle medie: si vede ua distribuzioe cetrata sul valore ullo, media di tutte le misure dispoibili, co dispersioe decrescete. Distribuzioi delle dev. std.: attestate sul valore uitario, co dispersioe decrescete. Dev. std. delle medie: miore di quella dei dati e decrescete all aumetare del campioe. 4 Dimostrazioe euristica All aumetare del umero di misure: La deviazioe stadard del campioe rimae costate (liee verdi) La deviazioe stadard delle medie dimiuisce (tratti rossi). Vogliamo idividuare, se esiste, ua legge empirica che lega le due deviazioi stadard. L adameto suggerisce ua dimiuzioe della deviazioe all aumetare della dimesioe del campioe Lecito supporre che il umero di eveti compaia a deomiatore del rapporto σ dati /σ media. 5 7
8 Dimostrazioe euristica U coefficiete proporzioale all iverso del umero di misure porta ad ua eccessiva dimiuzioe (liea verde). U coefficiete proporzioale all iverso della radice quadrata porta ad ua corretta iterpretazioe dell adameto della deviazioe della media i fuzioe del umero di dati preseti el campioe. Per sufficietemete grade la media ha distribuzioe gaussiaa co deviazioe stadard data da: σ σ = 6 Dimostrazioe euristica o è ecessario che la popolazioe sia a distribuzioe gaussiaa per otteere i risultati presetati relativi alla media di ua popolazioe: per ua distribuzioe uiforme gli adameti soo aaloghi. 7 8
9 Dimostrazioe rigorosa Esperimeto sigolo co valutazioi: = = ( i ) i i= i= Ripetizioe dell esperimeto volte: k=: (atrice dei valori ki : la riga k-esima cotiee le i misure dell esperimeto k) = = ( ) k ki k ki k i= i= Valutazioe globale misure: = k = i= = ( ki ) k = i= ki 9 Dimostrazioe rigorosa k I valori medi costituiscoo u isieme di variabili casuali idipedete che possiamo ipotizzare gaussiao, quidi caratterizzato da u valore medio e da ua deviazioe stadard m, Vogliamo idetificare questi due parametri. L operatore di media dei valori medi è lieare ovvero la media dei valori medi coicide co la media di tutte le valutazioi fatte i tutti gli esperimeti. = ki = k = m = m k = i= k = e è sufficietemete grade le deviazioi casuali della media soo già compesate i u sigolo campioe di dati, quidi: m k k I particolare: m e o c è ecessità di ripetere l esperimeto! 0 9
10 Dimostrazioe rigorosa Cerchiamo u risultato aalogo per la deviazioe stadard dei valori medi, ; cioè vogliamo metterla i relazioe alla dev. std. totale e, possibilmete, co la dev. std. di ua sola serie di dati. Abbiamo visto che ache la dev.std del campioe, aalogamete al valore medio, si stabilizza co l aumeto del umero di dati. Dev. std. di tutti i dati: m = ( ki ) k k = i = Dev. std dei valori medi: m = ( k ) k = Il termie quadratico della secoda relazioe può essere sviluppato i termii di media delle deviazioi delle sigole misure dalla media globale: k m = ki m = ki m = ki m i= i= i= i= ( ) Dimostrazioe rigorosa k = ki i = ( ) m m m = ( k ) k = Utilizzado questa relazioe della dev. std. dei valori medi otteiamo: = ( k m ) = ( ki m ) k= = k = i= dki dki dkjdki k = i= k = i= i= j= i i j = = + Il secodo termie, per sufficietemete alto, tede a zero trattadosi di scostameti casuali dotati di sego e a distribuzioe simmetrica: la deviazioe stadard dei valori medi diveta: d m ki = ki k = i= k = i= ( ) 0
11 Dimostrazioe rigorosa Caratterizzazioe del processo di misura: deviazioe stadard dei valori medi. ( ) ki m k = i = a poiché: Otteiamo: m = ( ki ) k = i = ( ) ki k = k = i= Assumedo k k k = k abbiamo ifie: 3 Dimostrazioe rigorosa Per essere cosiderato grade dovrebbe essere superiore a 30. Per che tede ad ifiito la deviazioe stadard della media tede a zero. Riassumedo: se la popolazioe è a distribuzioe gaussiaa, la distribuzioe delle medie dei campioi è gaussiaa; se la popolazioe o è a distribuzioe gaussiaa ma è grade ( > 30), la distribuzioe delle medie è gaussiaa; se la popolazioe o è gaussiaa e < 30, la media segue la distribuzioe gaussiaa solo approssimativamete e si discosta tato più da questo adameto quato miore è il umero di dati acquisiti. 4
12 La stima del misurado, itesa come media dei valori medi, è quidi ua gradezza per la quale si può adottare l ipotesi di distribuzioe casuale, caratterizzata da: valore medio deviazioe stadard La deviazioe dal valore omiale della misura essere ormalizzata co la deviazioe stadard e rietrado ello schema della Distribuzioe ormale: µ z = σ i potrà duque utilizzare la tabella di itegrazioe della fuzioe di desità di probabilità ormale, co le medesime procedure operative sviluppate per ua distribuzioe di valori, per stimare l itervallo di cofideza sotteso dal parametro z. 6 Esempio i deve calcolare l itervallo di cofideza della media di u certo umero di resisteze. Viee effettuata la misura di u campioe composto da 36 resisteze; la resisteza media misurata,, è pari a 5Ω e la deviazioe stadard (stimata dal campioe),, è pari a 0.5Ω. Determiare l itervallo di cofideza della media per ua probabilità pari al 90%. 7
13 Esempio Occorre trovare il valore di z α/ : cioè l itervallo espresso i deviazioi stadard che racchiude u area del 90% (esclude u area del 0%). Essedo la fuzioe desità simmetrica è sufficiete ricercare ella tabella 0.45=0.9/. Il valore di z corrispodete è circa z=.645, circa a metà tra i valori della tabelle che limitao Esempio Assumedo ua distribuzioe di tipo gaussiao e utilizzado come migliore stima della deviazioe stadard, teedo coto dell itervallo di cofideza e riferedo la deviazioe alla media, otteiamo co =36 : zα / µ + zα / µ µ 5.4 I defiitiva la resisteza media avrà u valore di: 5 ± 0.4Ω Co u livello di cofideza pari al 90%, cioè il valore medio della popolazioe di resisteza avrà ua probabilità del 90% di essere compreso ell itervallo tra 4.86 e 5.4 Ω. 9 3
14 La misura della resisteza è data dal valore medio delle R i ma sempre da itedersi come approssimazioe del valore medio della popolazioe. Variabile gaussiaa: (media=, deviazioe stadard= ) isure idividuali resisteze R i Esempio R, R m m m = R = R Itervallo di cofideza della media? z % Livello di probabilità 90% Tipologia di problema -α = 0.9 = 90% α/ = 5% α P = = 0.45 P = z 0 z 0 α α / ( code) z Desità cumulativa gaussiaa 30 Distribuzioe t tudet 3 4
15 Distribuzioe t tudet La distribuzioe ormale rappreseta uo schema corretto per la rappresetazioe statistica della misura quado il umero di dati i u campioe è elevato. olo i questo caso la stima della deviazioe a partire da quella campioaria costituisce ua base valida per la defiizioe dell itervallo di cofideza della misura. I caso si abbia u umero limitato di misure la deviazioe stadard della popolazioe, σ, o sarà bee approssimata dalla deviazioe del campioe,, e, a causa della icertezza ella deviazioe stadard del campioe, ci possiamo aspettare sia ecessario garatirsi u itervallo di cofideza più ampio, a parità di livello di cofideza. 3 Distribuzioe t tudet el caso di poche misure, viee utilizzato al posto della gaussiaa u altra distribuzioe statistica, detta t-tudet. La fuzioe di desità t-tudet è simmetrica e si abbassa e si allarga al dimiuire del umero di misure el campioe. Graficamete, le distribuzioi t soo simili alla distribuzioe ormale, e divetao equivaleti ad essa al crescere del umero delle misure. La distribuzioe t-tudet, al cotrario della distribuzioe ormale, dipede o solo da media e deviazioe stadard ma ache dal umero di gradi di libertà (ν=-). I aalogia al parametro z della gaussiaa ormalizzata si defiisce u parametro che prede il ome di t. Esso è pari alla deviazioe della media del campioe da quella vera, divisa per la dev. std. della media. ( µ ) ( µ ) t = = σ / 33 5
16 Distribuzioe t tudet L espressioe aalitica di queste distribuzioe è defiita a partire da u altra distribuzioe (Gamma fuctio) e da u parametro v, che defiisce il umero di gradi di libertà (umero di misure meo il umero miimo di misure ecessarie a defiire u idicatore statistico, -) f ( t, v) = v + Γ ( v+ )/ v t vπ Γ + v Esempio: per defiire il diametro di u tubo il umero miimo di misure ecessarie per defiire ua stima statistica è. e eseguiamo 0 misure, il umero di gradi di libertà è 9, cioè v= Distribuzioe t tudet La distribuzioe t, può essere utilizzata, aalogamete a quella ormale, per stimare l itervallo di cofideza della media a partire da u certo umero di misure, quado queste soo iferiori a 30. Il modo di procedere è del tutto aalogo a quello utilizzato co la distribuzioe ormale: ua volta scelta la curva corrispodete ai gradi di libertà i questioe (v), possiamo defiire la probabilità che t cada ell itervallo: Ovvero: t e + t α / α / [ ] P t t + t = α / α / α 35 6
17 Distribuzioe t tudet ostituedo l espressioe di t otteiamo: µ P tα / + tα / = P tα / µ + tα / = α / µ = ± t Che si può esprimere come: co probabilità -α α/ Dato che le tabelle complete che riportao le distribuzioi t soo volumiose, vegoo solitamete specificati solo alcui valori di t fuzioi di ν ed α. 36 Distribuzioe t tudet Dal puto di vista operativo si tratta di itrodurre u termie di amplificazioe delle icertezze che permette di compesare ua deficieza di attedibilità degli estimatori dovuta alla scarsa dispoibilità di dati. Ifatti co pochi dati si rischia di avere ua o corretta stima delle code, vuoi perché siamo stati fortuati e i dati soo tutti ella zoa cetrale, vuoi perché siamo stati sfortuati e abbiamo troppi dati, statisticamete parlado, lotao dalla zoa cetrale. Co la deviazioe stadard determiata da questi dati e il umero di misure a disposizioe (ridotto di ), attraverso l apposita tabella si ricava il coefficiete t α/ ; che garatisce il livello di cofideza desiderato (-α). I base a questo coefficiete si esprime l icertezza: µ = ± t α/ 37 7
18 Distribuzioe t tudet 39 La trattazioe forisce risultati praticamete sovrappoibili a quelli otteuti co l utilizzo della fuzioe di desità ormale ( o ), quado si utilizzao umerosi eveti coefficiete t-tudet Livello di cofideza 0 - umero di misure Adameto del coefficiete t-tudet al variare del umero di gradi di libertà e del coefficiete di copertura α ( P=- α ) cofrotato co i valori asitotici di z 40 8
19 Esempio i vuole valutare il tempo medio di guasto di schermi VCR co u itervallo di cofideza del 95%, partedo da 6 misure del tempo di guasto, pari a ore: 50, 30, 54, 464, 75 e 383 i chiede di stimare la media e l itervallo di cofideza della media per u livello di cofideza del 95%. oluzioe: Il valor medio e la deviazioe del tempo di guasto valgoo: = = 37 h 6 idi = = 4 h 4 Esempio I parametri soo itervallo di cofideza e umero di campioi: Dalla tabelle si ottiee: 95% α = 0.05 ; v = = 5 tν = =, α/ t5,95%.57 4 µ = ± tα/ = 37 ±.57 = 37 ± 0h 6 e o si fosse teuto coto della correzioe t-tudet, ovvero si fosse applicata la distribuzioe gaussiaa il coefficiete, a parità di itervallo di cofideza, sarebbe stato.96 aziché.57. I due risultati soo alquato differeti e quidi l uso della gaussiaa i queste situazioi è sbagliato! 4 9
20 Esempio 3 e ell esempio precedete si volesse limitare l itervallo di cofideza sulla media a ±80 ore, sempre co u livello di cofideza pari al 95%, quate altre misure soo ecessarie? oluzioe: L itervallo di cofideza è dato da: IC = ± t ν α Avedo eseguito 6 misure, dalla tabella di t-tudet per v=6-=5 e il 95% otteiamo t 5,95% =.57 ; risolvedo rispetto al umero di misure avremo (quidi ipotizzado e t costati): Occorrerebbe quidi acquisire altre 8 misure e verificare che la uova statistica rispetti il requisito IC 80 co probabilità del 95%. I realtà poiché co 4 misure la t si riduce, l itervallo si riduce più del richiesto: ecessario iterare per otteere il umero di misure corretto. i oti comuque che i tutto il procedimeto il valore di rimae costate per ipotesi., / ± 80 = ±.57 = = Esempio 3bis oluzioe: è ecessario assumere costati sia che t? Cofrotiamo la struttura della tabella t-tudet e il modo i cui utilizziamo i coefficieti: ν t ν 95% ν, α / ν, α / ν + Dividedo la coloa delle t per la % di iteresse per otteiamo direttamete i coefficieti moltiplicativi della deviazioe stadard Poiché stiamo cercado come ridurre l itervallo di cofideza da 0 ma 80 ore, abbiamo bisogo di ridurre al 67% tale coefficiete ormalizzado la coloa rispetto al coefficiete di parteza si ottegoo i valori di riduzioe di all aumetare dei gradi di libertà t t ν, α / = La posizioe del coefficiete 67% idetifica il umero di misure richiesto t t 5,95% 44 0
21 Esempio 3bis ν t ν 95% t ν 95%/ t ν 95%/ /t 5,95%/ I questo modo la riduzioe richiesta è otteuta co 9 = 8+ misurazioi i totale, quidi solo 3 i più rispetto a quelle dispoibili, cotro le 8 previste co la prima soluzioe I questo modo la sola ipotesi ecessaria è che la deviazioe stadard dei dati,, rimaga costate Ipotesi che adrà comuque verificata. 45 χ distributio Ache la qualità della stima della variaza può risultare di iteresse pratico. I questo caso vegoo defiiti due coefficieti moltiplicativi della deviazioe stadard calcolata sul campioe,, che permettoo di stabilire u valore massimo e miimo all itero del quale dovrebbe trovarsi la deviazioe stadard vera, σ, co u livello di cofideza, ache i questo caso, da esprimersi i termii tipo probabilistici, es. 95% ν σ ν χ χ ν, α/ ν, α/ L argometo o viee discusso se o per dire che si utilizza ua distribuzioe di desità di probabilità particolare, deomiata χ. i rimada chi fosse iteressato alla bibliografia. 46
22 Da ricordare Problemi iereti all aleatorietà elle misura. Come gestire la misura di ua sigola variabile a partire dai dati idividuali di misura. Come defiire il livello di aleatorietà da associare ad ua misura itesa come valore medio di ua serie di misure idividuali. Come si capisce quado la defiizioe del modello è isufficiete. Come si correggere l etità di aleatorietà della misura quado gli eveti dispoibili soo pochi. 50 Domade? 5
Campionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliProbabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
DettagliCorso di Informatica
Corso di Iformatica Codifica dell Iformazioe Sistemi Numerici Per rappresetare ua certo quatità di oggetti è ecessaria ua covezioe o sistema umerico che faccia corrispodere ad ua sequeza di ua o più cifre,
DettagliRichiami sulle potenze
Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliLa base naturale dell esponenziale
La base aturale dell espoeziale Beiamio Bortelli 7 aprile 007 Il problema I matematica, ci è stato detto, la base aturale della fuzioe espoeziale è il umero irrazioale: e =, 7888... Restao, però, da chiarire
DettagliEsercizi sulle successioni
Esercizi sulle successioi 1 Verificare, attraverso la defiizioe, che la successioe coverge a 2 3. a := 2 + 3 3 7 2 Verificare, attraverso la defiizioe, che la successioe coverge a 0. a := 4 + 3 3 5 + 7
DettagliEsercizi svolti. 1. Calcolare i seguenti limiti: log(1 + 3x) x 2 + 2x. x 2 + 3 sin 2x. l) lim. b) lim. x 0 sin x. 1 e x2 d) lim. c) lim.
Esercizi svolti. Calcolare i segueti iti: a log + + c ± ta 5 + 5 si π e b + si si e d + f + 4 5 g + 6 4 6 h 4 + i + + + l ± + log + log 7 log 5 + 4 log m + + + o cos + si p + e q si s e ta cos e u siπ
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
Dettagli15 - Successioni Numeriche e di Funzioni
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 15 - Successioi Numeriche e di Fuzioi Ao Accademico 2013/2014 M Tummiello, V Lacagia,
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
Dettagliconverge in probabilità alla v.a. X e si scrive: converge in media quadratica alla v.a. X e si scrive: m n
98 Covergeza i probabilità Si dice che la successioe X coverge i probabilità alla v.a. X e si scrive: se, per qualsiasi ε > 0, si ha: X p X oppure plim X = X limp( X X < ε)= Covergeza i media quadratica
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliStatistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni
Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.
DettagliLaboratorio di onde II anno CdL in Fisica
Laboratorio di ode II ao CdL i Fisica Itroduzioe Oda stazioaria di spostameto Quado u oda soora stazioaria si stabilisce i u tubo a fodo chiuso i cui la lughezza del tubo è molto maggiore del suo diametro,
DettagliQual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliScheda n.6: legame tra due variabili; correlazione e regressione
Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y
DettagliEsercitazione 5 del corso di Statistica (parte 2)
Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
DettagliL'ALGORITMO DI STURM Michele Impedovo, Simone Pavanelli
L'ALGORITMO DI STURM Michele Impedovo, Simoe Pavaelli Lettera P.RI.ST.EM, 10, dicembre 1993 Questo lavoro asce dalla collaborazioe tra u isegate e uo studete; lo studete ha curato iteramete la costruzioe
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
DettagliScelte finanziarie SCELTE FINANZIARIE
Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliParte V La descrizione dei fenomeni attraverso la statistica
64 Parte V La descrizioe dei feomei attraverso la statistica Dai capitoli presedeti è stato possibile verificare l importaza odale che il sistema iformativo detiee elle scelte di piaificazioe territoriale.
DettagliANALISI DEI RISULTATI
ANALISI DEI RISULTATI I 4 passi pricipali del processo simulativo Formulare ed aalizzare il problema Sviluppare il Modello del Sistema Raccolta e/o Stima dati per caratterizzare l uso del Modello Attività
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliC a p i t o l o s e t t i m o. Trasmissione del calore per radiazione
C a p i t o l o s e t t i m o Trasmissioe del calore per radiazioe Problema. Si cosideri u corpo ero i uo spazio o assorbete le radiazioi elettromagetiche; se il corpo viee mateuto alla temperatura di
DettagliDistribuzioni per unità
Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa ota si occupa dell illustrazioe
DettagliCalcolo delle Probabilità: esercitazione 3
Argometo: Probabilità codizioata e teorema di Bayes (par. 3.4 libro di testo) Esercizio Tra i partecipati ad u cocorso per giovai musicisti, il 50% suoa il piaoforte, il 30% suoa il violio ed il restate
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliSistemi di Elaborazione delle Informazioni
Sistemi di Elaborazioe delle Iformazioi Uiv. degli studi Federico II di Napoli Prof. Atoio Fratii Caratteristiche statiche e diamiche di u strumeto di misura E importate specificare le caratteristiche
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
DettagliRENDIMENTO DEI TRASFORMATORI
RENDIMENTO DEI TRASFORMATORI Il redimeto di u trasformatore è defiito come rapporto tra poteza resa e poteza assorbita: poteza resa redimeto poteza assorbita poteza resa poteza resa perdite Sebbee il redimeto
Dettagli1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione
Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi
DettagliSolidi e volumi Percorso: Il problema della misura
Solidi e volumi Percorso: Il problema della misura Abilità Coosceze Nuclei Collegameti esteri Calcolare perimetri e aree Equivaleza el piao ed Spazio e figure Fisica di poligoi. equiscompoibilità tra Disego
DettagliDistribuzione di un carattere
Distribuzioe di u carattere Dopo le fasi di acquisizioe e di registrazioe dei dati, si passa al loro cotrollo e quidi alle loro elaborazioe. Si defiisce distribuzioe uitaria semplice di u carattere l elecazioe
DettagliApprofondimenti di statistica e geostatistica
Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La
DettagliElementi di Calcolo Combinatorio
Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale
DettagliCORSO DI STATISTICA I (Prof.ssa S. Terzi)
CORSO DI STATISTICA I (Prof.ssa S. Terzi) STUDIO DELLE DISTRIBUZIONI SEMPLICI Esercitazioe. Data la segete distribzioe di freqeza: X 0- -2 2-3 3-5 5-0 0-5 5-25 N 44 35 22 58 60 06 02 a) calcolare le freqeze
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
DettagliELEMENTI STATISTICA METODOLOGICA DISTRIBUZIONI DI PROBABILITA STATISTICA INFERENZIALE
ELEMENTI DI STATISTICA METODOLOGICA DISTRIBUZIONI DI PROBABILITA STATISTICA INFERENZIALE SABO STATISTICA Il puto di parteza per la statistica è il: Feomeo: fatto che si verifica e che viee osservato; può
Dettagli3. Calcolo dei limiti e confronti asintotici
Lezioi di Aalisi Matematica per Iformatici a.a. 009/00) Capitolo 3 Prof. Paolo Caldiroli 3. Calcolo dei iti e cofroti asitotici 3. Itroduzioe La teoria delle serie umeriche sviluppata el capitolo ci forisce
DettagliMole e Numero di Avogadro
Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero
DettagliDomande di teoria. Esercizi
Chiorri, C. (01). Fodameti di psicometria - Risposte e soluzioi Capitolo 11 1 omade di teoria 1. Vedi pp. 97-301. Vedi pp. 301-30 3. Vedi p. 30. Vedi pp. 30-307 5. Vedi p. 309 6. Vedi p. 309-31 7. Vedi
DettagliINVENTORY CONTROL. Ing. Lorenzo Tiacci
INVENTORY CONTRO Ig. orezo Tiacci Testo di riferimeto: Ivetory Maagemet ad Productio Plaig ad Cotrol - Third Ed. E.A. Silver, D.F. Pyke, R. Peterso Wiley, 998 Idice. POITICA (s, ) (order poit, order quatity)
DettagliRicerca del saggio di capitalizzazione nel mercato immobiliare
AESTIMUM 59, Dicembre 2011: 171-180 Marco Simootti Dipartimeto di Igegeria civile, ambietale e aerospaziale Uiversità degli Studi di Palermo e-mail: m.simootti@ti.it Parole chiave: procedimeto di capitalizzazioe,
DettagliSuccessioni ricorsive di numeri
Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..
DettagliPROBABILITÀ SCHEDA N. 6 LE VARIABILI ALEATORIE DI BERNOULLI E BINOMIALE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) PROBABILITÀ SCHEDA N.
DettagliCARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:
PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle
Dettaglia) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k
ALCUNE FUNZIONI ELEMENTARI ( E NON) E LORO GRAFICI (*) a) la fuzioe costate k. Sia k u umero reale e cosideriamo la fuzioe che ad ogi umero reale x associa k: x R k Tale fuzioe è detta fuzioe costate k;
DettagliIndici di attività, case-mix e performance in ospedale.
Idici di attività, case-mix e performace i ospedale Case-mix: defiizioe Tipologia di casistica trattata da u reparto di degeza o da u ospedale. Efficieza Si defiisce come efficiete u iterveto che ottiee
DettagliLaboratorio di R - 2 a lezione Prof. Mauro Gasparini
Laboratorio di R - 2 a lezioe Prof. Mauro Gasparii. Distribuzioi i R R può essere usato come ua calcolatrice delle segueti distribuzioi: geom pois chisq t gamma lorm weibull f uif orm biom hyper exp geometrica
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
Dettagli2. PROBLEMI ISOPERIMETRICI
. ROBLEMI IOERIMETRICI (OLUZIONI roblema isoperimetrico classico : Tra le figure piae di perimetro fissato trovare quella di area massima. ROBLEMA IOERIMETRICO ER I RETTANGOLI: (itra tutti i rettagoli
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliCapitolo 27. Elementi di calcolo finanziario EEE 2015-2016
Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d
DettagliTeoria delle molteplicità Angelo Torchitti 1
TEORIA DELLE MOLTEPLICITA Sia data ua espressioe algebrica del tipo P ( ) Q ( ) P ( ) Q ( ) P ( ) Q ( ) = P ( ) P ( ) P ( ) Q ( ) Q ( ) Q ( ) dove tutti i P i () e Q i () soo poliomi al massimo di primo
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliServizio Tecnico Applicativo Piazza della Repubblica, 1. e-mail: ebardazzi@datacolor.com Tel. 800 15 33 77 Fax: 800 02 39 22
I metodi di valutazioe del Biaco I biachi soo geeralmete caratterizzati dal possedere alti valori di Lumiosità e u basso valore di Croma, e per questo motivo occupao u volume relativamete piccolo dello
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
Dettagli1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -
ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si
DettagliDENSITA. La densità di un oggetto è la sua massa per unità di volume. massa volume
DENSITA La desità di u oggetto è la sua massa per uità di volume d massa volume m V Nel SI (sistema iterazioale) l'uità base per la massa è il chilogrammo (Kg). Spesso i chimica si usao dei sottomultipli
Dettagli