Analisi statistica dell Output

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi statistica dell Output"

Transcript

1 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? Per otteere ua determiata accuratezza dei risultati? 1

2 Aalisi dell Output r f( r ) SIMULATORE Dal mometo che l Output di u Simulatore è fuzioe di variabili aleatorie, l Aalisi è u problema di statistica ifereziale. Due campi applicativi pricipali: Test e Covalida delle ipotesi (p.es., Test Goodess of Fit) Stima etro u certo livello di accuratezza (p.es., qual è la differeza tra la media vera di ua distribuzioe teorica e la media 3 stimata otteuta da osservazioi) Tipi di Simulazioe Simulazioe Termiatig o Trasieti Simula Sistemi che o raggiugoo mai uo stato stabile. I questo caso la lughezza del ru è determiata dal problema stesso. Le misure di iteresse soo defiite: Nei termii del tempo richiesto per compiere uo specifico isieme di attività. Nei termii del umero di attività ecessarie per raggiugere uo stato specifico, dato uo stato iiziale. 4

3 Simulazioe sistemi trasieti Simulazioe del processo di ri-accesioe ( cold start ) di u elaboratore. Simulazioe di Sistemi i cui parametri si modificao col tempo. Per l accuratezza dei risultati: Quate volte bisoga ripetere la Simulazioe (co differeti sequeze) per otteere ua determiata accuratezza? 5 Simulazioe Steady-State (di iteresse per il corso) Simula Sistemi che raggiugoo, dopo u determiato trasiete,uo stato stabile. I questo caso sia le codizioi iiziali che la lughezza della Simulazioe soo determiati dal simulazioista. Le misure di iteresse soo defiite i fuzioe di u valore limite raggiuto co i ru di simulazioe tedeti all ifiito. 6 3

4 ESEMPIO Misura: Tempo medio di Attesa i coda Ta Per (clock ifiito), la distribuzioe del Tempo di Attesa si defiisce, e Ta coverge ad u valore limite. Caratteristiche dell Aalisi dell Output: Dal mometo che, i pratica, sia il ru che le osservazioi soo fiite, bisoga determiare quato la media stimata si avvicia a quella teorica otteuta dalla distribuzioe. Per defiizioe di Steady-State, i valori dell output devoo essere idipedeti dallo stato iiziale. 7 Tipi di Misure (1) I geere, le misure di prestazioe cercate soo valori medi (talvolta variaze, molto più raramete distribuzioi complete). Per u Processo a tempo-discreto, date osservazioi,...,, la loro media è detta: 1, X ( ) = i= 1 Per u Processo a tempo-cotiuo: i X T = Media Campioaria 0 X ( t) dt / T 8 4

5 Tipi di Misure () La Media Campioaria è ua variabile aleatoria la cui distribuzioe f (X ) (per il Teorema del Limite Cetrale ) è ormale se f (X ) è ormale, altrimeti tede a ua distribuzioe ormale se è grade (>30) co parametri : E(X ) = µ σ σ ( X ) = σ σ ( X ) = Valore Atteso Variaza Deviazioe Stadard Tutti e tre dao ua misura della dispersioe delle variabili aleatorie di ua distribuzioe. 9 Teorema del Limite Cetrale (Fodametale per la Statistica e per la Simulazioe) La fuzioe di Distribuzioe di ua media aritmetica calcolata su di u gra umero di variabili casuali idipedeti e ideticamete distribuite (i.i.d.) è approssimabile co ua fuzioe di distribuzioe ormale. 10 5

6 ESEMPIO X () µ σ Media osservata su campioi i.i.d. ( grade) Media teorica Variaza teorica X ( ) µ C = Variabile aleatoria co σ distribuzioe N(0,1) I valori derivati per C ( gradi) seguoo ua distribuzioe ormale co Media = 0 Variaza = 1 11 Applicazioe del Teorema del limite cetrale Aalisi dell Output di u Simulatore Ogi ru di Simulazioe produce u campioe di osservazioi (derivate dalla stessa distribuzioe) di uo o più parametri di prestazioe Altri ru di Simulazioe eseguiti co u diverso isieme di semi producoo altri campioi di osservazioi statisticamete idipedeti 1 6

7 Applicazioe del Teorema () Sebbee la distribuzioe o sia ota, il Teorema del Limite Cetrale ci assicura che la media teorica µ può essere stimata mediate X() co u umero grade di osservazioi i.i.d. i quato X ( ) è distribuita ormalmete. La media teorica sarà compresa co ua certa probabilità tra due valori che costituirao il cosiddetto itervallo di cofideza: a < µ < b X () serve per calcolare a e b 13 Itervalli di Cofideza (1) Problema : Stimare quato ua media campioaria otteuta da ua Simulazioe fiita approssimi la Media µ otteuta dalla Distribuzioe Teorica. X Soluzioe : Si determia ua misura detta Itervallo di Cofideza. Metodo 1) Per grade, la variabile : X ( ) µ C( ) = z = σ / È ach essa ormale co N(0,1), media=0 e variaza=1. 7

8 Itervalli di Cofideza () La fuzioe cumulativa F z tutti i mauali di statistica. ( u) = prob( z u) ) Si preda u valore di u tale che è tabulata i F z ( u) = 1 ( ) 3) Di cosegueza: dove = u < 1 Perché la ormale è simmetrica itoro alla media (=0) prob( z u ) = prob( z > u ) = 1 F( u ) = 15 Itervalli di Cofideza() 4)Si ha, quidi : prob( u z u ) = 1 X µ prob( u u ) = 1 σ Livello di cofideza σ σ prob[ X u µ X + u ] = 1 Itervallo di cofideza 16 8

9 Itervalli di Cofideza(3) u 5) Per calcolare si usa la tabella della distribuzioe ormale: F( u ) = 1 ( Se si sceglie ad esempio, u livello di cofideza del 95% : 1 = 0.95 > = 0.05 > = Dalla Tavola bisoga ricavare il valore di che F( u ) = tale Allora, è possibile affermare che la media teorica µ cade ell itervallo σ 0.05 F ( u ) = 1 = X ±1.960 ) u al 95% di probabilità. 17 Tavola della Normale (1) a µ b 18 9

10 Tavola della Normale () Distribuzioe cumulativa ormale z X Area z X Area µ σ µ µ µ σ σ µ σ µ µ µ µ µµ σ σ σ σ µ σ σ µ σ σ µ σ µ σ µ σ 0.85 Tavola della Normale (3) z X Area z X Area µ σ µ +1.8 σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ µ -1.8 σ µ σ µ σ µ σ µ σ µ σ

11 Tavola della Normale (4) z X Area z X Area µ σ µ σ µ σ µ +.36 σ µ σ µ σ µ σ µ σ µ σ µ σ µ σ Problema della variaza teorica Nella pratica, la Variaza σ, ecessaria per il calcolo dell itervallo di cofideza, o è ota. Pertato la si sostituisce co la variaza campioaria Vale soltato per osservazioi idipedeti Ora la variabile stadard o è più ormale, ma Studet-T s 1 = ( 1 i= 1 t = X s i µ X ) 11

12 Problema della variaza teorica () Di cosegueza l itervallo di cofideza è dato da : t s s X t µ X + t dovrebbe essere calcolato dalla tabella della fuzioe di distribuzioe Studet-t. Tuttavia, poiché per gradi (>30), la fuzioe Studet-t tede alla fuzioe ormale, è possibile i molti casi utilizzare la tavola della ormale co miima 3 approssimazioe. Problema della Normalità Il Teorema del Limite Cetrale assicura che la media di variabili aleatorie (>c) idipedeti e ideticamete distribuite è approssimativamete distribuita ormalmete. Tutti i calcoli statistici sfruttao queste proprietà, per cui è importate far presete che i campioi di uteti cosecutivi (ovvero osservazioi di eveti cosecutivi) o possoo risultare idipedeti. E molto probabile che vi siao correlazioi tra le osservazioi e quidi si viola il pricipio della i.i.d. su cui si basa il Teorema. 1

13 Come ricodursi i codizioi di osservazioi i.i.d Per risolvere il problema della ormalità si utilizzao strumeti che redoo idipedeti le osservazioi I pratica, si aumeta il umero di ru del simulatore, possibilmete co semi differeti. Tre metodi pricipali: Metodo Rigeerativo Metodo Prove Ripetute Metodo Batch 5 Metodo Rigeerativo Applicabile solo el caso i cui il sistema si riporta aturalmete i codizioi iiziali Batch 1 Batch Batch 3 Tempo di simulazioe 13

14 Metodo Rigeerativo(1) Può essere applicato a quei Simulatori che, ad u istate aleatorio (puto rigeerativo) ritorao ello stesso stato del precedete puto rigeerativo. Dal mometo che questi puti rappresetao stati idetici del Simulatore, il comportameto di u ciclo rigeerativo è idipedete dagli altri cicli. I particolare, le variabili di Output di cicli differeti soo idipedeti. Dal mometo che la lughezza dei cicli è radom si devoo modificare le istruzioi per il calcolo dell itervallo di cofideza. 7 Metodo Batch Servoo periodi di geeratori di umeri pseudo-casuali molto lughi ovvero devoo poter essere sufficieti poche osservazioi Output parameter Trasiet Period batch1 batch batch3 batch4 batch 0 t t+t t+t t+3t t+4t. t+t 8 14

15 Metodo Batch (1) Il Metodo Batch supera il problema del Trasiete suddividedo u ru molto lugo del Simulatore i u isieme di k sotto-ru (Batch) di lughezza. - Calcola ua media campioaria per ogi Batch - Usa queste k medie per calcolare la media campioaria e la variaza campioaria dell esperimeto che servoo per il calcolo dell itervallo di cofideza. 9 Metodo Batch () L elimiazioe del Trasiete va fatta solo prima del Batch 1. Se la dimesioe del Batch è sufficietemete grade, le medie campioarie sarao approssimativamete idipedeti e ormalmete distribuite. Poiché vi è u solo Trasiete da elimiare il metodo Batch risulta essere il più efficiete

16 Metodo Prove Ripetute Oggi è il metodo più utilizzato, i quato poe meo vicoli ed il tempo di computazioe (additivo per l elimiazioe del periodo trasiete) tipicamete o è più u problema Parametro di output Ru Batch1 Ru Batch Ru Batch 0 t t+t 0 t t+t 0 t t+t Ru 1 Ru Ru 31 Metodo Prove Ripetute () Rigeerazioe Artificiale E il metodo più semplice per otteere osservazioi idipedeti. Si effettuao k ru ( repliche ) del Simulatore, ciascuo co sequeze pseudo-casuali diverse. I ciascu ru si effettuao m k ( può essere u umero casuale) osservazioi (autocorrelate) della variabile aalizzata. 3 16

17 Metodo Prove Ripetute (3) Al termie si ottegoo k campioi, ciascuo di osservazioi, potezialmete autocorrelate : m k m 1 3 m 3 m Osservazioe #1 k 1 Si calcolao: k... km k Osservazioe #k m j y j = ji i= 1 m j z j = ji i= 1 33 Metodo Prove Ripetute (4) Se il sistema ha raggiuto la stazioarietà e i k esperimeti soo stati codotti co sequeze di umeri radom idipedeti, le tre serie y,..., 1 y k z 1,..., zk m 1,..., mk possoo cosiderarsi i.i.d. m,..., m k Se 1 soo uguali, i calcoli segueti si semplificao 34 17

18 18 35 Metodo Prove Ripetute (5) Per il metodo delle prove ripetute è possibile utilizzare l aalisi statistica classica per il calcolo di E(X) e ) ( σ X γ δ = = = = ) ( ) ( ) ( 1 j m i ji m E E X E X j γ λ = = = = ) ( ( ) ( 1 j i ij m E E X E X j ) ( ) ( ) ( ) ( γ δ γ λ σ = = X E X E X 36 ANALISI STATISTICA DELL OUTPUT NUMERO RUN DI SIMULAZIONE

19 Prove da effettuare Dove: Numero di prove ecessario Si stabilisce u ERRORE ACCETTABILE e tra la media teorica µ e la stima X() Il umero di prove ripetute (o campioi di osservazioi) per garatire per la differeza tra µ e X() sia iferiore ad e è dato da t N = S( ) t 1,1 1,1 e S ( ) umero prove effettuate Se N> bisoga aumetare le prove Se N< si può accettare N= Deviazioe stadard campioaria Valore della Distribuzioe Studet-T co -1 gradi di libertà e livello di cofideza Prova i Esempio: Media X i [X i -X(10)] 1,96 10,163 8,66 1,334 6,37 1,493,1 9,168 5,16 0,0001 5,63 0,3,0 8,690 5,67 0,7 8,01 8,191 5,70 0,304 51,48/10=5,184 50,85/9=5,65 MEDIA CAMPIONARIA VARIANZA CAMPIONARIA 38 19

20 Esempio(): Media Campioaria X(10)=51,48/10=5,148 Variaza Campioaria S =50,85/9=5,65 Deviazioe Stadard Campioaria S(10)=,38 Valore critico Studet-t t -1,1-/ =,6 Gradi di libertà -1=9 10 prove 1 Livello di cofideza =0,10 Errore e=1 5,184 e=1 µ N=((,6*,38)/1) =8,9 9 prove ripetute! 39 ANALISI STATISTICA DELL OUTPUT TECNICHE PER LA RIDUZIONE DELLA VARIANZA (CENNI) 40 0

21 Nota All aumetare della probabilità (ovvero al dimiuire di ) l itervallo di cofideza diveta più ampio Compromesso: è meglio essere cofideti al 95% e 1<µ<15 piuttosto che essere cofideti al 99% e 8<µ<19 41 Nota () E auspicabile, ma o sempre possibile che l itervallo di cofideza abbia u ampiezza o superiore al 10%, massimo 15 0% Restrigere l itervallo di cofideza sigifica ridurre la VARIANZA, ciò si ottiee co: Più osservazioi per prova (ru) e/o Più prove ripetute 4 1

22 Ua tecica per la riduzioe della VARIANZA USO DI VARIABILI ANTITETICHE Per ogi prova si effettuao i realtà due repliche Ua co la sequeza di variabili pseudocasuali geerate {r 1,r,,r z } La secoda co la sequeza di variabili atitetiche {1-r 1,1-r,,1-r z } Per esempio il umero atitetico di 0,135 è 1 0,135 = 0,78765 I risultati dei valori di prestazioe osservati elle due repliche soo mediati La media rappreseta l output osservato per ogi prova 43 Ua tecica per la riduzioe della VARIANZA USO DI VARIABILI ANTITETICHE() MOTIVAZIONE Ridurre la probabilità che u valore osservato sia dipedete da ua polarizzazioe dei umeri geerati a µ siistra o a destra della media 44

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Metodi statistici per l analisi dei dati

Metodi 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

Dettagli

Corso 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 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.

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica 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

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

Le carte di controllo

Le 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

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA 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

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti 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

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete

Dettagli

Campionamento stratificato. Esempio

Campionamento 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

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova 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

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica 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.

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA 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

Dettagli

Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi

Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 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

Dettagli

Il test parametrico si costruisce in tre passi:

Il 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

Dettagli

ANALISI DEI RISULTATI

ANALISI 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

Dettagli

STATISTICA DESCRITTIVA

STATISTICA 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

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo 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

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica 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

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE 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

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti 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

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 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

Dettagli

Alcuni parametri statistici di base

Alcuni parametri statistici di base Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica 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

Dettagli

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI 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

Dettagli

8. Quale pesa di più?

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

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO 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

Dettagli

IL CALCOLO COMBINATORIO

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

Dettagli

Statistica descrittiva

Statistica descrittiva Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

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

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:

CARATTERISTICHE 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

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni

Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni Problemi di Schedulig Defiizioi I problemi di schedulig soo caratterizzati da tre isiemi: Attività (Task) T {T,T 2, T } macchie (Machies) P {P,P 2, P m } Risorse R {R,R 2, R s } Schedulig: assegare m Macchie

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

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

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

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016

Capitolo 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

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

3.4 Tecniche per valutare uno stimatore

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

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Analisi Fattoriale Discriminante

Analisi Fattoriale Discriminante Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

EQUAZIONI ALLE RICORRENZE

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

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

1. Considerazioni generali

1. Considerazioni generali . osiderazioi geerali Il processaeto di ob su acchie parallele è iportate sia dal puto di vista teorico che pratico. Dal puto di vista teorico questo caso è ua geeralizzazioe dello schedulig su acchia

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

LA DERIVATA DI UNA FUNZIONE

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

Dettagli

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

INFERENZA SU UNA O DUE MEDIE CON IL TEST

INFERENZA SU UNA O DUE MEDIE CON IL TEST CAPITOLO VI INFERENZA SU UNA O DUE MEDIE CON IL TEST t DI STUDENT 6.. Dalla popolazioe ifiita al campioe piccolo: la distribuzioe t di studet 6.. Cofroto tra ua media osservata e ua media attesa co calcolo

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

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

Dettagli

Appunti su rendite e ammortamenti

Appunti su rendite e ammortamenti Corso di Matematica I Facoltà di Ecoomia Dipartimeto di Matematica Applicata Uiversità Ca Foscari di Veezia Fuari Stefaia, fuari@uive.it Apputi su redite e ammortameti 1. Redite Per redita si itede u isieme

Dettagli

Capitolo 6 Teoremi limite classici

Capitolo 6 Teoremi limite classici Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia

Dettagli

INFERENZA o STATISTICA INFERENTE

INFERENZA 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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI 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

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30)

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30) Copyright 2005 Esselibri S.p.A. Via F. Russo, 33/D 8023 Napoli Azieda co sistema qualità certificato ISO 400: 2003 Tutti i diritti riservati. È vietata la riproduzioe ache parziale e co qualsiasi mezzo

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE

Dettagli

1 Limiti di successioni

1 Limiti di successioni Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite

Dettagli

Dispense di Analisi Matematica II

Dispense di Analisi Matematica II Dispese di Aalisi Matematica II Domeico Cadeloro (Prima Parte) Itroduzioe Queste dispese trattao la prima parte del corso di Aalisi Matematica II. Nel primo capitolo si discutoo gli itegrali geeralizzati

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni 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

Dettagli

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

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

Dettagli

La dispersione cromatica

La dispersione cromatica Fibre ottiche per mpesazioe di dispersioe cromatica La dispersioe cromatica La velocità di propagazioe degli impulsi i u mezzo state di propagazioe b(w è la velocità di gruppo vg=1/db/dw. elle fibre ottiche

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Guida pratica per la convalida, il controllo qualità e lo studio delle incertezze di un metodo di analisi enologico

Guida pratica per la convalida, il controllo qualità e lo studio delle incertezze di un metodo di analisi enologico ORGANIZZAZIONE INTERNAZIONALE DELLA VIGNA E DEL VINO Guida pratica per la covalida, il cotrollo qualità e lo studio delle icertezze di u metodo di aalisi eologico Risoluzioe OIV-OENO 418-013, adottata

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli