Introduzione alla binomiale
|
|
- Bonifacio Leone
- 6 anni fa
- Visualizzazioni
Transcript
1 Introduzione alla binomiale Supponiamo che tre persone (Francesca, Luigi e Tiziano) escono ciascuno dalla loro casa per andare a prendere il medesimo autobus e che ciascuno di essi abbia probabilità pari a p di riuscire ad arrivare in tempo alla fermata (e ovviamente probabilità 1-p di perdere l'autobus): ci si chiede quale sia la probabilità che due dei tre personaggi in questione riesca nell'intento. Cominciamo col notare che si richiede la probabilità che due prendano l'autobus, senza specificare quali: in questo modo l'evento due persone prendono l'autobus si può verificare in tre modi diversi ossia 1) Francesca e Luigi lo prendono, ma Tiziano no 2) Francesca e Tiziano lo prendono, ma Luigi no 3) Il terzo caso è facilmente intuibile...
2 l'evento almeno in due prendono l'autobus, che denoteremo B2, sarà rappresentabile come B2=FLT + FLT + FLT
3 dove F, L e T sono rispettivamente Francesca, Luigi e Tiziano che prendono l'autobus, mentre F, L e T corrispondono ognuno al rispettivo personaggio deluso per aver perso l'autobus.
4 Potendo inoltre considerare i tre personaggi (eventi) indipendenti, per i teoremi della somma e del prodotto delle probabilità, la probabilità dell'evento B2 sarà: P(B2)= pp(1-p)+ p(1-p)p + (1-p)pp Ponendo 1 - p = q otteniamo in definitiva P(B2 ) = 3 p 2 q
5 La distribuzione binomiale Supponiamo di fare un esperimento con appena 2 risultati possibili. La variabile deve assumere uno di due possibili valori; questi risultati mutuamente esclusivi possono essere, ad esempio, vita o morte, maschio o femmina, salute o malattia. Per semplicità, vengono spesso indicati come insuccesso e successo. Gli esempi comuni sono: passare/fallire un esame vincere/perdere al gioco testa/croce lanciando una moneta includere una persona in un campione di fumatori/non fumatori vivere/morire a causa di un ricovero in ospedale Una variabile di questo tipo si chiama variabile casuale dicotomica ed è nota come variabile casuale di Bernoulli.
6 La distribuzione binomiale La distribuzione binomiale è la distribuzione di probabilità di una variabile casuale discreta. Il valore della variabile casuale corrisponde al numero di successi in serie di esperimenti indipendenti, dove ogni esperimento consiste di lanciare una singola moneta una volta. Per esempio, sia X = il numero di teste che deriva da un numero n=10 lanci della moneta. Allora la variabile casuale X seguirà una distribuzione binomiale. La distribuzione descrive la probabilità che accada ogni risultato possibile della variabile X. La distribuzione binomiale più semplice deriva da un singola lancio di una moneta. Un tal esperimento è denominato una prova di Bernoulli. La variabile casuale che corrisponde al numero di successi è denominata una variabile casuale di Bernoulli.
7 Le prove di Bernoulli e la distribuzione binomiale Un esperimento che consiste di singolo lancio di una moneta, o una singola classificazione è denominato una prova di Bernoulli. Se l'esperimento è ripetuto (che denominiamo una prova) e le ripetizioni sono indipendenti, quindi la distribuzione di probabilità della variabile casuale X= # dei successi in n prove indipendenti di Bernoulli è denominata distribuzione binomiale.
8 Una distribuzione è binomiale quando: 1. Il risultato di ogni prova è uno di 2 risultati, riferito spesso come un successo fallimento (prove ripetute) 2. La probabilità P di successo è la stessa in ogni prova (omogeneità) 3. Le prove sono indipendenti: il risultato di una prova non ha influenza sul risultato di un'altra prova (indipendenza)
9 Studiamo la distribuzione binomiale La distribuzione binomiale è una distribuzione discreta di probabilità. Possiamo studiare la distribuzione scrivendo i risultati possibili nello spazio dei campioni e determinando la loro probabilità. Cominciamo con un esempio semplice nel quale una moneta è lanciata due volte. Poi studiamo la possibilità di lanciare la moneta n=3 volte. Ciò induce a provare a generalizzare la probabilità di quale risultato avremmo se la moneta fosse lanciata n=4 volte, o persino di più volte.
10 Esempio 1 Un esperimento consiste nel lanciare moneta n=2 volte, ed assumiamo che i lanci siano indipendenti. Assumiamo la moneta è non truccata, di modo che P(H)=0.5 = probabilità di una testa in un lancio. Rappresentiamo il risultato dei 2 lanci come {esito 1 lancio, esito 2 lancio}. Spazio dei Campioni: ({ HH }, { HT }, { TH }, { TT }). Poiché i lanci sono indipendenti: P({HH})=P(H nel 1 lancio)p(h nel 2 lancio) =0.25. Definiamo la variabile casuale X pari al numero di teste osservate. Allora: X risultati P(X=x) P(X <=x). 0 {TT} 0,25 0,25. 1 {HT, TH} 0,50 0,75. 2 {HH} 0,25 1,00. somma 1. Questa è una distribuzione binomiale con n=2, P=0.5. L'ultima colonna detta distribuzione cumulativa.
11 Esempio 2: Un esperimento consiste nel selezionare due allievi di una classe (n=2) ed osservare quanti di loro hanno ricevuto A in un esame. Sia che il secondo allievo selezionato abbia o non abbia ricevuto A questo evento non dipende dal risultato del primo allievo (i risultati sono indipendenti). Inoltre si supponga che la probabilità di ricevere A sia P(A)=0.2. Determiniamo la distribuzione binomiale per il numero di A. Rappresentiamo il risultato delle due selezioni come {1 alunno, 2 alunno }. Rappresentiamo il grado A con la lettera A ed il not A con la lettera B.
12 Esempio 2: Spazio dei campioni: ({AA}, {AB}, {BA}, {BB}). Poichè i lanci sono indipendenti : P({AA}) = P(A 1 alunno ) P(A 2 alunno) = P({AB}) = P(A 1 alunno ) P(B 2 alunno) = P({BA}) = P(B 1 alunno ) P(A 2 alunno) = P({BB}) = P(B 1 alunno ) P(B 2 alunno) = Definiamo una variabile casuale X pari allo score A osservato. Allora: Evento. x Risultati P(X=x) P(X x). 0 {BB} {AB, BA} {AA}
13 Esempio 3 Un esperimento consiste nel selezionare a caso n=3 annotazioni in un pronto soccorso d'ospedale e vedere se il paziente ha una polizza di assicurazione contro le malattie. Poniamo che le selezioni siano prove di Bernoulli con la probabilità P=0.6 di avere una polizza di assicurazione contro le malattie. Inoltre Q=0.4 = probabilità che un paziente non ha assicurazione contro le malattie. Rappresentiamo il risultato delle tre selezioni come {1 risultato di selezione, 2 risultato di selezione, 3 risultato di selezione }. In fine, sia: X= numero di pazienti con polizza di assicurazione, e rappresentiamo gli eventi: Y= il paziente con polizza di assicurazione. N= il paziente senza polizza di assicurazione.
14 Determiniamo la distribuzione binomiale di X Poiché le prove sono indipendenti : P(YYY)=P(Y) P(Y) P(Y) =PPP=(0.6)(0.6)(0.6)=0.216 P(YYN)=P(Y) P(Y) P(N) =PPQ=(0.6)(0.6)(0.4)=0.144 P(YNY)=P(Y) P(N) P(Y) =PQP=(0.6)(0.4)(0.6)=0.144 P(NYY)=P(N) P(Y) P(Y) =QPP=(0.4)(0.6)(0.6)=0.144 P(YNN)=PQQ=(0.6)(0.4)(0.4)=0.096 etc. Lista di tutti i possibili esiti dello spazio dei campioni, ed il corrispondente numero di pazienti con polizza. x Risultato P(X=x) 0 {NNN} {YNN} {NYN} {NNY} {YYN} {YNY} {NYY} {YYY} x Risultato P(X=x) P(X x) 0 {NNN} {YNN},{NYN},{NNY} 3(0.096)= {YYN},{YNY},{NYY} 3(0.144)= {NNY}
15 Esempio 4a. Supponiamo che un gelo assassino capiti prima del 10 settembre circa una volta ogni 10 anni. Durante i prossimi 5 anni, quante volte si verificherà un gelo assassino prima del 10 settembre? Sia X=# di annate con un gelo assassino durante prossimi 5 anni. Assumiamo per X una Distribuzione Binomiale, con n=5, P=0.10, Q=0.9. Qual è la distribuzione di X? Possiamo generalizzare i risultati? (Sia Y= gelo assassino, N= gelo assente.). Ci sono due fattori che agiscono sulle probabilità. A. Un fattore è la probabilità di un risultato. B. L'altro fattore è il numero di risultati differenti che risulteranno nel caso.
16 Esempio 4a. A. La probabilità dei risultati : {YNYNN} allora X=2, P(YNYNN)=PQPQQ=(PP)(QQQ)= P 2 Q 3 {NNYYN} allora X=2, P(NNYYN)=QQPPQ=(PP)(QQQ))= P 2 Q 3 In generale, con n prove, la probabilità di un risultato è : P x Q (n-x) =P x (1-P) (n-x) B. Quanti risultati differenti possono verificarsi? Ogni tipo di evento x può accadere un numero di volte = n C x n C x n n! ( ) x x!( n x)! Combinando queste idee, la distribuzione binomiale è data da x ( n x) n n! x ( n x) P( X x) n Cx{ P (1 P) } ( ) { P (1 P) } x x!( n x)!
17 In generale, con n prove, la probabilità di un risultato è : p x q (n-x) =p x (1-p) (n-x) Quanti risultati differenti possono verificarsi? Ogni tipo di evento x può accadere un numero di volte = n C x (combinazioni semplici) n C x n n! ( ) x x!( n x)! La distribuzione binomiale è data da: n n! P X x C P P P P x x!( n x)! x ( n x) x ( n x) ( ) n x{ (1 ) } ( ) { (1 ) }
18 Il valor medio della binomiale è np e la varianza npq La distribuzione binomiale dipende dai parametri p ed n Se p=q la distribuzione è simmetrica. È tanto più asimmetrica quanto più p differisce da q
19 Teminologia Permutazione: Il numero di modi differenti nei quali n oggetti di un gruppo possono essere ordinati. Questo numero è uguale a n fattoriale, n!. Notazione Fattoriale: N! si legge: N fattoriale ed è uguale a: N! = N(N-1)(N-2)(N-3) (4)(3)(2)(1). Ad esempio, 3!=3(2)(1)=6. Nota: Per definizione 0!=1. Combinazioni: Il numero di modi differenti nei quali gli oggetti di un gruppo possono essere ordinati, ignorando l'ordinamento degli oggetti nel gruppo. Notazione per la Combinazione: Il numero di combinazioni costituite da due gruppi di oggetti è rappresentato come: n C x n n! ( ) x x!( n x)!, dove ci sono x oggetti di un tipo fra gli n oggetti del gruppo.
20 esempio La probabilità che un soggetto contragga l influenza in gennaio è p=0.10. Preso a caso un campione di 100 soggetti determinare la probabilità che non più di 4 di essi contraggano l influenza. p=0.10 n=100 x=n soggetti che contraggono influenza
21 P(x 4)=p(x=0)+p(x=1)+p(x=2)+p(x=3)+p(x=4) P(x=0)= (1-0.1) 100 = P(x=1)= (1-0.1) 99 = P(x=0)= (1-0.1) 98 = P(x=0)= (1-0.1) 97 = P(x=0)= (1-0.1) 96 = P(x 4)=
22 Esempio 4a. Si suppone che un gelo assassino si presenti circa una volta prima del 10 settembre ogni 10 anni. Durante i 5 anni futuri, quante volte si verificherà un gelo assassino prima del 10 settembre? Sia X = # di annate con un gelo assassino durante prossimi 5 anni. Assumiamo per X una Distribuzione Binomiale, con n=5, P=0.10, Q=0.9. Qual è la distribuzione di X? (Sia Y= gelo assassino, N= gelo assente.). Le probabilità binomiali sono date da n! x ( n x) P( X x) { P (1 P) } x!( n x)! 5! 0 5 5! 5 PX ( 0) (0.1) (0.9) (0.9) !(5 0)! 5! 5! 1 4 5! 1 4 PX ( 1) (0.1) (0.9) (0.1) (0.9) !(5 1)! 1!4! 5! 2 3 5! 2 3 PX ( 2) (0.1) (0.9) (0.1) (0.9) !(5 2)! 2!3! 5! 3 2 5! 3 2 PX ( 3) (0.1) (0.9) (0.1) (0.9) !(5 3)! 3!2! 5! 4 1 5! 4 1 PX ( 4) (0.1) (0.9) (0.1) (0.9) !(5 4)! 4!1! 5! 5 0 5! 5 PX ( 5) (0.1) (0.9) (0.1) !(5 0)! 5! # freddo cane (P(x) P(X<=x)
23 la fluttuazione casuale in un campione e la distribuzione binomiale 1- Quale caratteristica di una popolazione in un campionamento ci farà ipotizzare un modello binomiale? 2- Che cosa si può indurre in merito alla popolazione di origine? Supponiamo di avere una popolazione con un numero infinitamente grande di individui, di cui una certa proporzione presenta un certo carattere (A) Indicheremo con P la proporzione della popolazione di origine Se si estraggono a caso un campione contenente n individui, indicheremo con p la proporzione osservata nel campione.
24 la fluttuazione casuale in un campione e la distribuzione binomiale Ora ci poniamo la domanda: conoscendo P, cioè la proporzione effettiva della popolazione di origine, che cosa possiamo prevedere circa la proporzione p che incontreremo in un campione estratto a caso? Supponiamo una popolazione nella quale la proporzione P degli individui portatori di un certo carattere sia pari al 30% (P A = 0,30) e supponiamo di estrarre a caso da questa popolazione un campione di 10 individui. Indichiamo con A gli individui portatori del carattere e con B (Non A) gli altri individui
25 In un estrazione di 10 individui sono possibili 11 risultati: A B (non A) non sappiamo quale tra questi risultati effettivamente si presenterà - tutte i risultati sono possibili, ma non tutti sono egualmente probabili
26 Binom(x,p=0.3;n=10) La probabilità che un risultato ha di presentarsi può essere calcolata La probabilità p x di una risultato nel quale il carattere A si presenti x volte su un totale di n è data dall espressione: p x = n! P x * Q n-x x! (n - x)! dove: P è la proporzione della popolazione di origine e Q = 1 - P
27 Binom(x,p=0.3;n=10) Nel caso utilizzato da esempio: P = 0,3; abbiamo un campione di 10 individui La probabilità p 0 di incontrare un campione che non contenga individui del tipo A (cioè x = 0) è pari a: 10! (0,3 0 ) (0,7 10 ) = 0,0282 0! * 10! cioè a 2,82% La probabilità p 1 di incontrare un campione che contenga un individuo di tipo A {cioè x=1} è pari a: 10! (0,3 1 ) (0,7 9 ) = 0,1211 1! 9! e così di seguito per le altre 9 combinazioni
28 Binom(x,p=0.3;n=10) x. Numero di A in un campione di 10 n! x! (n x)! P x Q n-x 0,3 x 0,7 n-x P x 100*Probabilità di incontrare il campione , , , , , , , , , , ,0006 Probabilità di incontrare individui di tipo A in un campione di 10 individui, estratto da una popolazione in cui la proporzione di individui di tipo A sia P = 0,3
29 Somma[Binom(x,p=0.3;n=10)] per {7 x 10} Potremo ragionevolmente tener conto di escludere l ipotesi di estrarre un campione contenente più di 6 individui di tipo A In effetti la probabilità di più di 6 individui è la somma delle probabilità di ottenere 7, 8, 9 e 10 individui, cioè: 0,9 + 0, , ,0006 = 1,06% Questi 4 valori costituiscono quello che si chiama una regione critica o regione di significatività o regione di respinta. La probabilità di 1,06%, che è quella di ottenere un valore qualunque nella regione di significatività, è chiamata il livello di significatività o livello critico I valori situati al di fuori della regione critica sono la regione di accettazione o regione di non significatività
30 Somma[Binom(x,p=0.3;n=10)] per {0 x 6} E chiaro che nel caso presente avremo una probabilità di: 100,00-1,06 = % che una estrazione fornisca un campione comprendente fra 0 e 6 individui A Si dice che i valori 0-6 sono la regione di non significatività per il livello critico dell 1,06 % Negli esperimenti biologici si utilizzano in genere 2 livelli critici: - il livello del 5 % considerato come frontiera della regione significativa - il livello dell 1 % considerato come frontiera della regione altamente significativa
31 probabilità % ,12 % 1,06 % numero degli individui di tipo A in un campione - Distribuzione delle probabilità di estrarre, da una popolazione contenente il 30 % di individui A, un campione di 10 individui comprendente 0, 1,, 9, 10 individui A - Sono state indicate in giallo e tratteggiate le regioni di rifiuto, per il livello critico massimo del 5 %
32 Regione critica di rifiuto Nell esempio citato abbiamo stabilito la regione critica al livello di probabilità di 1,06%. Se accettiamo qualche rischio supplementare, possiamo includere nella regione di rifiuto il campione contenente 0 individui di tipo A, campione che ha 2,82% probabilità di presentarsi. In questo caso, la regione di non significatività sarà rappresentata dai campioni comprendenti fra 1 e 6 individui di tipo A. La regione di significatività sarà rappresentata dalle 2 code della distribuzione, l una a sinistra (0 di tipo A) e l altra a destra (da 7 a 10 di tipo A).
p 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,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
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
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
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
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
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
DettagliLanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4. uscirà il numero 9
Lanciando un dado, il tuo compagno esclama: uscirà 1, 2, 3, 4, 5 o 6 oppure: uscirà il numero 4 o ancora: uscirà il numero 9 Possiamo dire che le previsione del tuo compagno sono la prima certa, la seconda
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliDistribuzione di Probabilità
Distribuzione di Probabilità Sia X variabile con valori discreti X 1, X 2,..., X N aventi probabilità p 1, p 2,..., p N ( i p i = 1) (X variabile discreta aleatoria, o stocastica, o casuale, random) Funzione
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
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
DettagliSia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è
Cenni di probabilità di Carlo Elce Definizioni Lo spazio campionario per un esperimento è l'insieme di tutti i suoi possibili esiti. Per esempio, se l'esperimento è il lancio di due di dadi e si rappresentano
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCenni di analisi combinatoria
Cenni di analisi combinatoria In molti problemi concreti di teoria della probabilità e, in particolare, nell ambito della interpretazione classica occorre calcolare quanti sono gli esiti che compongono
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliIL CALCOLO DELLE PROBABILITA
IL CALCOLO DELLE PROBABILITA INTRODUZIONE Già 3000 anni fa gli Egizi praticavano un antenato del gioco dei dadi, che si svolgeva lanciando una pietra. Il gioco dei dadi era diffuso anche nell antica Roma,
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
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
Dettagliprima urna seconda urna
Un po di fortuna Considera il seguente gioco: ci sono due urne contenenti delle palline perfettamente uguali tra loro, ma colorate diversamente, alcune bianche, altre nere. Nella prima urna ci sono una
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliDomande di teoria. Esercizi
1 Domande di teoria 1. Vedi pp. 131-132 2. Vedi pp. 132-134 3. Vedi p. 134 4. Vedi p. 135 5. Vedi pp. 136-142 6. Vedi pp. 138-139 7. Vedi pp. 141-142 8. Vedi pp. 143-146 9. Vedi pp. 146-148 Esercizi Esercizio
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
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
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
DettagliFondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio
Fondamenti di Statistica Prof. V. Simoncini Orario di Lezione: Mar 14-16 Gio 9.00-11.00 Orario di ricevimento: per appuntamento valeria@dm.unibo.it Siti del corso: www.dm.unibo.it/ simoncin/fondamenti.html
DettagliCalcolo Combinatorio e Probabilità
Calcolo Combinatorio e Probabilità Andrea Galasso 1 Calcolo Combinatorio Definizione 1 Fissati n, k N, con k n, indicheremo con D n,k := n! (n k)! le disposizioni di n oggetti in k posti e con DR n,k :=
DettagliCorrezione primo compitino, testo A
Correzione primo compitino, testo A Parte Esercizio Facciamo riferimento alle pagine 22 e 2 del libro di testo Quando si ha a che fare con la moltiplicazione o la divisione di misure bisogna fare attenzione,
DettagliLa probabilità composta
La probabilità composta DEFINIZIONE. Un evento E si dice composto se il suo verificarsi è legato al verificarsi contemporaneo (o in successione) degli eventi E 1, E 2 che lo compongono. Consideriamo il
DettagliVerifica delle ipotesi: Binomiale
Verifica delle ipotesi: Binomiale Esercizio Nel collegio elettorale di una città, alle ultime elezioni il candidato A ha ottenuto il 4% delle preferenze mentre il candidato B il 6%. Nella nuova tornata
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
DettagliPRINCIPALI DISTRIBUZIONI DI PROBABILITA. Psicometria 1 - Lezione 9 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek
PRINCIPALI DISTRIBUZIONI DI PROBABILITA Psicometria 1 - Lezione 9 Lucidi presentati a lezione AA 000/001 dott. Corrado Caudek 1 DISTRIBUZIONE BINOMIALE Possiamo definire un processo bernoulliano come una
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliCALCOLO delle PROBABILITA
Eventi certi : è certo che si verifichino es. il prossimo mese sarà luglio, domani sorgerà il sole Eventi probabili: non è certo che si verifichino es. domani pioverà? Quanti giorni di ricovero avrà quel
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliValore atteso, mazzi di carte e Monte Carlo. Anna Torre-Fulvio Bisi
Valore atteso, mazzi di carte e Monte Carlo Anna Torre-Fulvio Bisi Eventi Indipendenti Due eventi A, B sono indipendenti se la probabilità che accadano entrambi è il prodotto della probabilità che accada
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizione di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Pricipio della somma Principio del prodotto Eventi certi : è certo
DettagliCorrezione primo compitino, testo B
Correzione primo compitino, testo B gennaio 20 Parte Esercizio Facciamo riferimento alle pagine 22 e 2 del libro di testo Quando si ha a che fare con la moltiplicazione o la divisione di misure bisogna
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliCONOSCENZE 1. il significato di evento casuale. 2. il significato di eventi impossibili, complementari;
ARITMETICA ELEMENTIDICALCOLO DELLE PROBABILITAÁ PREREQUISITI l l l conoscere e costruire tabelle a doppia entrata conoscere il significato di frequenza statistica calcolare rapporti e percentuali CONOSCENZE.
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliX = X 1 + X 2 +... + X n. dove. 1 se alla i-esima prova si ha un successo 0 se alla i-esima prova si ha un insuccesso. X i =
PIU DI UNA VARIABILE CASUALE Supponiamo di avere n variabili casuali, X 1, X 2,..., X n. Le n variabili casuali si dicono indipendenti se e solo se P(X 1 x 1 X 2 x 2... X n x n ) = = P(X 1 x 1 ) P(X 2
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
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
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliEsercizi di Calcolo combinatorio: disposizioni
Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli
DettagliCalcolo delle Probabilità Soluzioni 2. Calcolo combinatorio
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore
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:
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliCalcolo delle probabilità
Calcolo delle probabilità Approccio classico e frequentista alla probabilità Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Teoria delle probabilità L inizio della teoria delle probabilità, chiamata all
DettagliPROBABILITÁ e CALCOLO COMBINATORIO
PROBABILITÁ e CALCOLO COMBINATORIO Prof. Enrico Terrone A. S: 2008/09 Probabilità e calcolo combinatorio Abbiamo visto la definizione classica di probabilità: probabilità dell evento = (casi favorevoli)
DettagliCapitolo 5 Confidenza, significatività, test di Student e del χ 2
Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento
DettagliLA PROBABILITAÁ ALGEBRA IL CALCOLO DELLE PROBABILITAÁ. richiami della teoria
ALGEBRA IL CALCOLO DELLE PROBABILITAÁ richiami della teoria n un evento E si dice casuale o aleatorio, quando il suo verificarsi dipende unicamente dal caso; n un evento si dice certo quando eá possibile
DettagliProbabilità esempi. Aiutiamoci con una rappresentazione grafica:
Probabilità esempi Paolo e Francesca giocano a dadi. Paolo scommette che, lanciando due dadi, si otterrà come somma 8 oppure 9. Francesca scommette che si otterrà come somma un numero minore o uguale a
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,
DettagliPROBABILITA. Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano.
Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano. La costruzione dello spazio cartesiano richiede un grado di astrazione
Dettagli4.1 Variabili casuali discrete e continue, e loro distribuzioni
4 Variabili casuali 4.1 Variabili casuali discrete e continue, e loro distribuzioni Nel Capitolo di Statistica Descrittiva abbiamo chiamato variabile una quantità numerica che vegna rilevata o misurata.
Dettaglicombiniamo le lettere, ciascuna presa una sola volta per formare parole di n lettere;
CALCOLO COMBINATORIO Il calcolo combinatorio si occupa di contare i raggruppamenti che si possono fare con n oggetti di un insieme finito, secondo determinate regole. Vediamo di seguito come, a seconda
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI
NOZIONI DI CALCOLO DELLE PROBABILITÀ ALCUNE DEFINIZIONI ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliStatistica. V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali
Elementi di Inferenza Statistica Variabili casuali V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali Soriano nel Cimino (VT), 6 Ottobre 2009 Pier
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
DettagliCapitolo 10 Test delle ipotesi
Capitolo 10 Test delle ipotesi 1 Stima e verifica di ipotesi Modello di popolazione e campionamento: La popolazione viene descritta da una variabile aleatoria dipendente da un parametro incognito. Si ipotizza
DettagliORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.
ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18
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 =
DettagliPROBABILITA : TERNO AL LOTTO
PROBABILITA : TERNO AL LOTTO Qual è la probabilità di fare un terno al lotto? Possiamo dare una valutazione di equiprobabilità degli eventi Casi possibili 90 5 Casi favorevoli Probabilità 87 2 87 2 90
DettagliCorso di Statistica Medica. - Il significato di probabilità. - Cenni di calcolo delle probabilità
- Il significato di probabilità - Cenni di calcolo combinatorio - Cenni di calcolo delle probabilità Un trial clinico ha mostrato che 50 pazienti che ricevono il farmaco A per una malattia guariscono più
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
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
DettagliLeggi congiunte di variabili aleatorie
eggi congiunte di variabili aleatorie CAPIT 6 6. FUNZINI DI DISTRIBUZINE CNGIUNTE Fino a ora abbiamo considerato unicamente le leggi di singole variabili aleatorie. Tuttavia, siamo spesso interessati a
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliCALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
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
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
Dettagli