P (A [ B) = P (A)+P (B) se sono disgiunti; generalizzazione: P (A [ B) = P (A) + P (B) P (A \ B)
|
|
- Abele Grossi
- 6 anni fa
- Visualizzazioni
Transcript
1 Calcolo di Probabilità e Processi Stocastici, Lauree magistrali i Ig. Robotica e dell Automazioe, Ig. Iformatica, Ig. Iformatica per la Gestioe d Azieda, a.a. 2010/11 Registro delle lezioi Lezioe 1 (25/10). Itroduzioe al corso; materiale e comuicazioi alla pag. di F. Fladoli, (Barsati/Fladoli) Eveti, uiverso, eveti elemetari, operazioi sugli eveti. Algebre e sigma-algebre di eveti. Probabilità di eveti, suoi assiomi. Spazi di probabilità. Spazi di probabilità uiformi. Esempio del lacio di due dadi. Regole della probabilità; itepretazioe della probabilità come massa, accordo co le regole. Ceo iiziale alla Probabilità codizioale. Il materiale della prima lezioe è coteuto elle pp Lezioe 2 (28/10). Probabilità codizioale, de izioe e iterpretazioe gra ca. Idipedeza di eveti, legame co la probabilità codizioale. Formula di fattorizzazioe (probabilità totali) e formula di Bayes. Esempi ed esercizi. La formula di Bayes risolve il problema di trovare la causa più probabile, osservato l e etto (metre il cocetto di probabilità codizioale parla della probabilità dell e etto data la causa). Se l e etto A può essere causato da B 1 o B 2, si vuole capire chi è maggiore tra P (B 1 ja) e P (B 2 ja). Siccome il deomiatore (ella formula di Bayes) è lo stesso, basta cofrotare P (AjB 1 ) P (B 1 ) co P (AjB 2 ) P (B 2 ). Nel caso di cause equiprobabili, si cofrota P (AjB 1 ) co P (AjB 2 ) (ituitivo). E quato avviee ei caali co rumore, quado il ricevete deve decidere il messaggio iviato (se B 1 o B 2 ), sulla base della ricezioe di u messaggio corrotto A. Viee iterpretata la formula delle probabilità totali tramite u albero di eveti, e così la scelta della causa più probabile. Si tratta di calcolare probabilità lugo percorsi e sommarle o cofrotarle. De izioe di idipedeza tra due eveti, legame co le formule P (AjB) = P (A) e P (BjA) = P (B). No è legata al cocetto di eveti disgiuti. Schema: P (A [ B) = P (A)+P (B) se soo disgiuti; geeralizzazioe: P (A [ B) = P (A) + P (B) P (A \ B) P (A \ B) = P (A)P (B) se soo idipedeti; geeralizzazioe: P (A \ B) = P (AjB) P (B). 1
2 Schema delle prove ripetute (o schema successi/isuccessi, o schema di Beroulli). Calcolo della probabilità di ua geerica striga di umeri, uguali a 0 o 1, co k di essi uguali ad 1, se ciascu simbolo viee scelto paria 1 co probabilità p (quidi 0 co probabilità 1 p). La probabilità di tale striga è p k (1 p) k : Abbiamo usato l idipedeza delle diverse prove. Lo spazio di tali strighe si partizioa i regioi uiformi (de ite dal umero di 1). Si raccomada lo svolgimeto dei segueti esercizi per casa: 1) es. 1.i del 30/6/2010; 2) es. 2.i del 21/7/2010. Lezioe 3 (4/11). Il Calcolo combiatorio ed i particolare i coe cieti biomiali, vegoo riviati alla prossima lezioe. Iizia lo studio del Capitolo 2, sui modelli discreti. Viee data prima la descrizioe ituitiva di variabile aleatoria (gradezza, quatità, valore, umero; casuale, imprevedibile ecc.), tramite esempi come Es. 2.1 o quello del primo successo ello schema di Beroulli (es. 2.10). Poi viee data la de izioe rigorosa, mostrado diverse variabili aleatorie de ite sullo spazio dello schema di Beroulli: ad esempio le X i (! 1 ; :::;! ) =! i che ci dao il risultato dell i-esima prova, oppure S (! 1 ; :::;! ) =! 1 + ::: +! che restituisce il umero di successi (capire questa a ermazioe). I quato detto abbiamo usato la otazioe! = (! 1 ; :::;! ) dell esempio Viee poi discussa i dettaglio, ache se u po secodaria, la codizioe fx 2 Ag 2 A che compare ella de izioe di variabile aleatoria (ella de izioe 2.2 è risptretta agli isiemi A della forma [t; 1), ma come spiegato el seguito del libro si geeralizza a molti altri isiemi, come itervalli geerici ed altro). La scrittura fx 2 Ag idica f! 2 : X (!) 2 Ag, ovvero la cotroimmagie di A attraverso X, quidi u suttoisieme di ; A idica la -algebra degli eveti ssata su el problema i cosiderazioe; quidi la codizioe fx 2 Ag 2 A chiede che tale cotroimmagie sia u eveto, o solo u geerico sottoisieme; ituitivamete, si richiede che tutte le a ermazioi 2
3 riguardati X siao eveti. Se o lo fossero, o potremmo poi lavorarci, es. calcolare le probabilità. Se A è l isieme di tutte le parti di, P (), la codizioe fx 2 Ag 2 A è ovviamete sempre soddisfatta. Viee ache dato u esempio i dettaglio di spazio (schema di Beroulli co tre prove), di algebra A o tradizioale (l algebra che cotiee tutti gli eveti riguardati solo le prime due prove) e viee mostrato che la fuzioe X 3 (! 1 ;! 2 ;! 3 ) =! 3 o è ua variabile aleatoria: ad esempio, co A = f1g, si vede che l isieme fx 2 Ag (cioè fx = 1g) o appartiee ad A. De izioe di distribuzioe geometrica e v.a. geometrica, sulla base dell esempio De izioe di desità discreta. Lezioe 4 (8/11). (M. Barsati) Calcolo combiatorio ed esercizi. Prodotto cartesiao di più isiemi e sua cardialità el caso di isiemi iti. Coteggio del umero di sottisiemi di u isieme ito. Calcolo combiatorio: disposizioi, permutazioi combiazioi. Coe ciete biomiale e alcue sue proprietà, triagolo di Tartaglia e sviluppo della -esima poteza del biomio. Probabilità di estrazioe di ua ciquia al lotto (secca e o). Problema dei compleai risolto co il calcolo della probabilità dell evedo complemetare. Schemi di estrazioi di pallie co e seza rimpiazzo. Legge ipergeometrica. Calcolo della probabilità di uscita di u tero al lotto co la legge ipergeometrica. Altri esempi di utilizzo di questa legge i problemi di distribuzioi di carte e estrazioi da u ura. Lezioe 5 (11/11). Variabili aleatorie discrete e cotiue. Desità discreta, p (k) = P (X = k), sue proprietà, P (X 2 A) = P k2a p (k). Desità cotiua f (x), sue proprietà, P (X 2 A) = R f (x) dx. I umeri P (X = a) A determiao tutto el caso discreto, valgoo 0 el caso cotiuo. Gra ci ei due casi. Esempi: Beroulli, biomiale, geometrica (e geometrica modi cata). Gra ci (svolti almeo delle prime due). Ammissibilità delle formule (ovvero veri ca che soo umeri o egativi a somma 1). Teorema: la somma S = X 1 + ::: + X di Beroulli idipedeti di parametro p è ua B (; p). Dimostrazioe. Iterpretazioe di S ello schema di Beroulli (S è il umero di successi i prove). Lezioe 6 (15/11). Valor medio (atteso) di ua v.a. discreta, valor medio di ua v.a. cotiua. Iterpretazioe gra ca. Calcolo di E [X] i alcui esempi, icluse Beroulli, biomiale, geometrica. Valor medio di ua 3
4 trasformazioe di v.a., E [g (X)], esempi. Caso particolare: mometi e variaza. Covariaza. Deviazioe stadard, iterpretazioe gra ca. Calcolo della variaza i alcui esempi, icluse Beroulli, biomiale, geometrica. Proprietà del valor medio, della variaza e della covariaza (liearità di E [X], riscalameto di V ar [X]; proprietà relative all idipedeza). Applicazioe al calcolo di media e variaza delle biomiali, attraverso il teorema della lezioe precedete. Lezioe 7 (18/11). (M. Barsati) Esercizi su probabilità discreta. Lezioe 8 (22/11). Complemeti su desità cogiuta di u vettore aleatorio, legame co le margiali (icluso il caso di v.a. idipedeti), euciato proposizioe 2.25, richiamo sull euciato teorema 2.37 e ceo di dimostrazioe dei teoremi 2.38, 2.44 (i etrambi i casi, si omette la veri- ca della sommabilità). Fuzioe di ripartizioe (o distribuzioe, cumulativa); caso discreto e caso cotiuo (euciato proposizioe 3.1), gra ci tipici, equivaleza di iformazioe rispetto alla desità. Ceo alla fuzioe di sopravviveza S (t) = P (X > t) = 1 F (t). Esempio 3.4 delle v.a. espoeziali. Macaza di memoria delle v.a. espoeziali: euciato, iterpretazioe e commeti applicativi. Lezioe 9 (25/11). (M. Barsati) Esercizi sulle desità di probabilità (cotiue), presi ache da testi d esame. Icludoo calcolo della costate di ormalizzazioe, calcolo di media e variaza, desità di ua trasformazioe (su questo argometo si può vedere ache il par. 3.2). Lezioe 10 (29/11). Dal capitolo 3. Richiamo su media e variaza el cotiuo, es. delle v.a. espoeziali. Dimostrazioe della proprietà di macaza di memoria delle v.a. espoeziali; viee solo detto che per le geometriche è simile e che soo le uiche co tale proprietà. Ceo a desità cogiuta e margiali (par. 3.3), caso di v.a. idipedeti; chi vuole può provare a ridimostrare el cotiuo la liearità E [X + Y ] = E [X] + E [Y ] (prop. 3.28) e la formula valida el caso di v.a. idipedeti E [XY ] = E [X] E [Y ] (prop. 3.31). Leggi ormali (par. 3.6), caso stadard e caso geerale. Esempio 3.6 ed applicazioe alla veri ca che X = Z + è ua N (; 2 ) se Z è N (0; 1). Facoltativamete (o c è sul libro) veri ca che R 11 e x2 =2 dx = p 2; ivece, la cdf o è calcolabile. Def. di, e di quatili gaussiai (e cocetto geerale di quatile di ordie, p. 96). Formula di trasformazioe per F geerica. Tavole. Esercizi, del tipo: calcolo di P (0 < X < 5) se X è N (3; 25); trovare tale che P (X ) = 0:9 se X è N (0; 1). 4
5 Lezioe 11 (2/12). Media e variaza delle gaussiae (caso caoico, poi trasformazioe usado le proprietà dei valori medi; ma si può fare diversamete). Proposizioe 3.32, dimostrata come segue, tramite le fuzioi geeratrici. Def. di fuzioe geeratrice dei mometi (par. 3.11) e formula 3.64 (solo ceo di dim.); geeratrice delle gaussiae (caso caoico, poi trasformazioe usado le proprietà dei valori medi); formula 3.62 (teorema sulla geeratrice della somma di v.a. idipedeti) ed esempio 3.58 (che completa la dimostrazioe della Proposizioe 3.32). V.a. di Poisso, veri ca della somma pari ad 1, sua geeratrice e relativo calcolo dei suoi mometi (ota sulla di ereza rispetto alle espoeziali, che hao = ), teorema degli eveti rari, o covergeza della biomiale alla Poisso, co dimostrazioe (iterpretazioe della Poisso come umero di successi i tatissime prove co bassissima probabilità di successo, opportuità del modello rispetto alle biomiali per la facilità di stimare il parametro). Esercizio per casa. Calcolare la geeratrice dei mometi di ua v.a. di Beroulli, di ua biomiale e di ua Poisso. Mostrare che la geeratrice di ua biomiale coverge a quella di ua Poisso, el limitede ito dal teorema degli eveti rari. Lezioe 12 (6/12). (M. Barsati) De izioe della fuzioe gamma di Eulero. Desità della variabile aleatoria gamma e sua ormalizzazioe. Desità del quadrato di ua v.a. gaussiaa a media ulla. Desità della somma di due v.a. idipedeti otteuta come covoluzioe. Riproducibilità della somma di variabili gamma, sua media e variaza. Mometi di ordie pari della v.a. ormale stadard. Fuzioe di ripartizioe della gamma per alfa itero. Esempi di utilizzo delle variabili gamma per modellizzare tempi di vita. Processo di Poisso. Lezioe 13 (9/12). Legge (debole) dei gradi umeri, secodo la covergeza i media quadratica (dal Capitolo 2): " lim E X 1 + ::: + X 2#!1 = 0 (tale valor medio è pari a 2 ). Dimostrazioe. Osservazioe: è su ciete ipotizzare chele variabili X 1 ; :::; X ; ::: siao scorrelate (Cov (X i ; X j ) = 0 se i 6= j), che abbiao la stessa media, ed abbiao la variaza maggiorata da ua comue costate: V ar [X ] C < 1. Si può ache forse geeralizzare a medie = E [X ] pur diverse ma tali che 1+:::+!. 5
6 De izioe di covergeza i probabilità e di covergeza quasi certa (Capitolo 4). Disuguagliaza di Chebyshev, co dimostrazioe, elle due versioi utili, ed applicazioe alla dimostrazioe della LLN secodo la covergeza i probabilità. De izioe di covergeza i legge (Capitolo 4), equivaleza co la covergeza delle desità discrete el caso di v.a. a valori iteri positivi, euciato del teorema degli eveti rari come covergeza i legge della B (; p ) alla P (), quado p = e! 1. Lezioe 14 (13/12). Premesse al Teorema limite cetrale: stadardizzazioe di ua v.a. X; caso i cui X è gaussiaa; media e variaza di S = X 1 + ::: + X quado X 1 ; :::; X è u campioe estratto da X (i.i.d. co la legge di X), stadardizzazioe di S : Z = S p : 2 Nel caso i cui X è gaussiaa, Z N (0; 1). I geerale, è apporssimativamete gaussiaa: euciato del TLC. Scrittura tramite covergeza delle cumulative: S P p t! (t) : 2 Visualizzazioe gra ca el caso i cui X è Beroulli: S è biomiale, Z è discreta, stadardizzata, la sua F Z approssima. Esercizio: probabilità di più di 400 richieste, su 1000 poteziali, ciascua co probabilità 0.3. Acora da fare: dimostrazioe del TLC, euciato del teorema di P. Lévy; correzioe di cotiuità. De izioe di vettore gaussiao stadard (dal primo capitolo dispese i rete). Compoeti idipedeti, desità cogiuta come prodotto, gra co della desità. De izioe di vettore gaussiao qualsiasi: ogi vettore della forma X = AZ + b, co Z = (Z 1 ; :::; Z ) vettore gaussiao stadard, A matrice da R i R k e b elemeto di R k. Ituizioe gra ca tramite simulazioe: si geerao N puti gaussiai stadard, li si trasforma secodo la relazioe X = AZ +b, otteedo N uovi puti, che per N grade dao l idea di dove la desità è più alta, che struttura ha (ua campaa, cetrata i b, evetualmete o ivariate per rotazioi ma più allugata i certe direzioi, ache o parallele agli assi coordiati). Per curiosità, scaricado il software R da rete, si possoo usare i comadi: N<
7 Z1<-rorm(N); Z2<-rorm(N); plot(z1,z2) A<-matrix(row=2,col=2); A[1,1]<-10; A[1,2]<-0; A[2,1]<-0; A[2,2]<-1; b<-1:2; b[1]<-5; b[2]<-5; X1<-A[1,1]*Z1+A[1,2]*Z2+b[1]; X2<-A[2,1]*Z1+A[2,2]*Z2+b[2]; plot(x1,x2) (bisoga ristabilire maualmete l uità di misura, allugado la estra fra ca) e si può ovviamete provare co altre matrici A, che icludao ad esempio delle rotazioi. Il plot plot(z1,z2) fa immagiare delle curve di livello che soo circofereze, metre relativamete al plot plot(x1,x2) soo delle ellissi. Osservazioi sul caso degeere (det A = 0), e sui casi < k, > k. Le compoeti X 1 ; :::; X soo idipedeti se e solo se gli assi degli ellissoidi soo paralleli agli assi coordiati. Matrice Q di covariaza di u vettore aleatorio X (richiami sul cocetto di coveriaza, i particolare la liearità rispetto a ciascua compoete). Q T = Q, quidi esiste ua base ortoormale e 1 ; :::; e di autovettori i cui Q è diagoale, co elemeti i sulla diagoale che soo autovalori. Ioltre Q è semi-de ita positiva (dimostrato), da cui segue che i 0, essedo i = e T i Qe i 0. Vedremo la seguete proprietà: se due vettori aleatori X = (X 1 ; :::; X ) e Y = (Y 1 ; :::; Y k ) soo legati dalla relazioe lieare Y = AX + b, co A matrice da R i R k e b elemeto di R k, vale Q Y = AQ X A T ; questa regola è coerete co le dimesioi: R k A T! R Q X! R A! R k e R k Q Y! R k : Applicheremo tutto questo alle gaussiae. Lezioe 14 (16/12). Dimostrazioe della proprietà Q Y = AQ X A T per Y = AX + b. Caso particolare: se X è u vettore gaussiao della forma X = AZ + b, co Z stadard, allora Q X = AA T, i quato Q Z è la matrice idetica. Quado Q X è ivertibile, X ha desità, data da f X (x) = p 1 X (x b) (somigliaze col caso ui-dimesioale). Ioltre (2) det Q X e 1 2 (x b)t Q 1 b è il vettore dei valori medi,. Per i vettori gaussiai, e Q X determiao la legge. Si iizia il capitolo 2 delle ote, sui processi stocastici. De izioe di processo a tempo discreto, sue realizzazioi (traiettorie, storie). Parametri medi fodametali, i particolare quelli che catturao la struttura di correlazioe tra tempi diversi. Le desità cogiute coterrebbero più iformazioe: ad esempio, se è ota la desità cogiuta f t;t+s (x; y) del vettore 7
8 (X t ; X t+s ), da essa si calcolao gradezze del tipo R R A B P (X t+s 2 AjX t 2 B) = f t;t+s (x; y) dxdy R +1 R f 1 B t;t+s (x; y) dxdy che descrivoo la probabilità di eveti futuri oti eveti preseti. Ma è di - cile arrivare a tale livello di descrizioe da realizzazioi sperimetali, per cui ci si accoteta dele gradezze medie. Nel caso gaussiao, esse determiao ache le desità cogiute. Processi stazioari, sempli cazioi delle varie fuzioi. Esempio del White Noise (calcolo dei suoi parametri e veri ca della stazioarietà; esempio gra co di realizzazioe). Problema che verrà a rotato: come stimare i parametri medi o avedo a disposizioe più esperimeti relativi ad u tempo ssato, ma solo ua realizzazioe Cose per il mometo o svolte del capitolo 2: distribuzioe multiomiale; desità codizioale; proposizioi 2.29 e 2.30 ed esempi segueti del paragrafo; proposizioe 2.39; esempi 2.42 e 2.43; proposizioi 2.46 e 2.47; coe ciete di correlazioe e proposizioe 2.49; paragra dal 2.9 i poi. Altre cose da vedere: ceo alla fuzioe caratteristica (come variate rispetto alla geeratrice). Mediaa, moda, legami co la media, iterpretazioe gra ca. Dimostrazioe del TLC, euciato del teorema di P. Lévy; correzioe di cotiuità. Approfodimeti ulteriori sulle gaussiae multidimesioali Lezioe 15 (20/12). (M. Barsati) De izioe di processi a tempo discreto itero, caratterizzazioe empirica di media e fuzioe di correlazioe data ua sola realizzazioe (serie temporale). Trasformata di Fourier a tempo discreto per serie temporali a quadrato sommabile e sue proprietà. Covoluzioe fra due serie temporali e sua DFT. Esempio di calcolo di DFT di ua serie temporale periodica. Delta di Dirac. De izioe di Desità Spettrale di poteza (PSD). PSD del rumore biaco. Altri tipi di rumore. Teorema di Wieer-Khichi e suo sigi cato sico. Traccia della dimostrazioe. 8
9 Nota. Si suggerisce di iiziare a svolgere tutti i compiti d esame dello scorso ao, escludedo ovviamete gli esercizi sulle catee di Markov, e riviado evetualmete quei dettagli di esercizi o acora approfoditi (come la correzioe di cotiuità ell applicazioe del teorema limite cetrale), che però si possoo studiare seza di coltà sul libro. Lezioe 16 (10/1/2011). Teorema ergodico: dal Capitolo 2, dimostrazioe del lemma 1 (cioè della proposizioe 2) e soprattutto del teorema 1, co iterpretazioe gra ca. Scorrelazioe asitotica. Esempio di processo che o soddisfa le ipotesi del teorema 1: X = Y per ogi ; la media aritmetica coverge, ma a Y, o a E [Y ]. Ci soo altri esempi rilevati di processi a struttura periodica, ma stazioari, per chi volesse approfodire. Esempio di processo che soddisfa le ipotesi del teorema 1: esempio del paragrafo 2.2 (liear equatio with dampig). Calcolo di e 2 e codizioi di stazioarietà (facoltativo il calcolo di R). Decadimeto espoeziale di C (). Iterpetazioe gra ca del modello, ei casi = 2 ed = 1=2. Bilacio tra variaza del dato iiziale, del oise e ampiezza del coe ciete di dissipazioe. Ierpretazioe gra ca o ituitiva del decadimeto di C (). Lezioe 17 (13/1). (M. Barsati) Dimostrazioe del Teorema di Wieer- Khichi. Sigi cato del Teorema di W-K. Campioameto di u segale coperto dal rumore, e importaza del rapporto segale/rumore. Semplici esempi di utilizzo di R per aalizzare serie temporali. Lezioe 18 (17/1). Veri ca che la soluzioe di X t = ax t 1 + " t, co jj < 1 ed opportuo dato iiziale, è stazioaria. Processi ARIMA: tutte le ote (Capitolo 4) salvo: esempio 4, il paragrafo 3.3 co la Proposizioe 2 e l esempio 6. (Si vedao ivece il facile esempio 5, il Remark 2 e l esempio 4.1, scordati per errore). Osservazioi dimeticate elle ote: i) Le equazioi della Proposizioe 1 soo dette di Yule-Walker. Esse vegoo usate, oltre che per calcolare C () dato il modello (come egli esempi delle ote), per stimare i parametri a k data ua serie storica, riteuta stazioaria, di cui si sia calcolata la C b () emprica. ii) La parte MA di u modello ARMA o poe restrizioi alla stazioarietà. Ivece per la parte AR P bisoga assumere che le radici complesse z del poliomio p (z) = 1 p k=1 kz k stiao tutte fuiri dalla palla uitaria chiusa del piao complesso: jzj > 1. di Taylor P 1 k=0 ' kx k del rapporto 1 + P q k=1 kx k = 1 Oppure che, P per lo sviluppo p k=1 kx k, valga 9
10 P 1 k=0 j' kj < 1. La codizioe P 1 k=0 j' kj 2 < 1 di pagia vii è u po fuorviate. Essa vale, essedo cosegueza di P 1 k=0 j' kj < 1, ma o è su ciete per la validità di tutti i risultati del capitolo. Ivece la codizioe P 1 k=0 j' kj < 1 è su ciete, così come la codizioe jzj > 1 sulle radici. Sotto queste codizioi, i) co opportui valori iiziali X 0 ; :::; X p 1 il processo è stazioario; ii) si può riscrivere ella forma X t = P 1 k=0 ' kl k " t ; iii) valgoo tutti i risultati del capitolo. Lezioe 19 (20/1). (M. Barsati) Catee di Markov. Paragra 5.1, 5.2, 5.3 o all esempio 5.9 escluso. Lezioe 20 (24/1). Catee di Markov. Esempio 5.9, grafo, classi chiuse irriducibili e isieme di stati trasitori. Ogi catea S si scompoe i T [ C 1 [ C 2 [ :::. Nell esempio, alcui trasitori soo evideti, altri più idiretti, soo tali i quato ci soo percorsi o baali che portao a stati da cui o si tora, oppure lo soo i quato comuicao co stati trasitori (cotagio della trasitorietà). Esempi di classe classi chiuse o irriducibili. Paragrafo 5.4: de izioe di misura ivariate, iterpretata ricordado la formula p (+1) = p () P. Descrive le statistiche i regime stazioario, ivariate el tempo. Si potrebbe dimostrare che il processo corrispodete è stazioario i seso stretto. Iterpretazioe della regola p (+1) = p () P come massa distribuita sugli stati, che viee spostata dalla catea i modo sicroizzato, spostado porzioi proporzioali alle probabilità di trasizioe; allora = P dice che dopo lo spostameto si vede la stessa distribuzioe di massa. da questa iterpretazioe risultao evideti alcui fatti che si potrebbero dimostrare algebricamete: i) gli stati trasitori o possoo avere massa ivariate (se fosse diversa da zero, ad ogi passo ua frazioe di quella rimasta se e adrebbe seza essere rimpiazzata, quidi la massa decrescerebbe); ii) ogi classe chiusa irriducibile ha ua sua diamica itera della massa, separata da quella delle altre classi, e o ulteriormete riducibile; iii) trovata la distribuzioe ivariate si massa i ciascua classe irriducibile, si possoo combiare queste masse i u uica massa ivariate per la catea el suo complesso, e la combiazioe si può fare co pesi w i arbitrari per ciascua classe C i. U teorema dice che, el caso di umero di stati ito, esiste almeo ua misura ivariate i ogi classe chiusa irriducibile; ed u altro teorema assicura, sempre el caso ito, che è uica. Quidi ogi C i ha la sua C i (vettore co tate compoeti quati gli stati di C i ; vettore ivariate per la diamica ristretta a C i ). A ciascua C i si associa i modo baale u e C i ivariate per la catea complessiva (vettore co tate compoeti quati gli stati di S). Già così si costruiscoo più mis- 10
11 ure ivariati per S. Poi esse si possoo modulare tramite pesi w i : ogi loro combiazioe covessa P w i C i è u vettore di probabilità (co tate compoeti quati gli stati di S) ivariate per la catea complessiva. Viee ache acdeata la visioe geometrica dell isieme di tutti i vettori di probabilità, che è u isieme covesso, etro cui sta l isieme di tutti le misure ivariati per ua certa catea, ach esso isieme covesso, i cui puti estremali soo le e C i. Per il calcolo delle C i viee illustrato il metodo del bilacio di usso, i alterativa all equazioe lieare. De izioe di catea regolare e criterio di regolarità. Teorema di covergeza all equilibrio (p ()! ) i codizioi di regolarità. Iterpetazioe come trasitorio che si spege; si istaura il regime stazioario. Serve ache per calcolare approssimativamete p (). De izioe di bilacio dettagliato, iterpretazioe ituitiva come scambio bilaciato di massa tra ogi coppia di stati; i alterativa a situazioi i cui la massa ruota tra più stati, pur mateedosi ivariate. De zioe di matrice bistocastica e relativa misura ivariate uiforme. Lezioe 22 (27/1). (M. Barsati) Esercizi su catee di Markov. Calcolo della probabilità di raggiugere uo stato assorbete partedo da uo stato iiziale che comuica co esso. 11
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
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.
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliIl Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che
1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliLEGGE DEI GRANDI NUMERI
LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
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,
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
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
DettagliDef. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,
DettagliStatistica 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 / 21 Misura della dipedeza di u carattere
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliUniversità 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
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
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
DettagliMATEMATICA DEL DISCRETO elementi di calcolo combinatorio. anno acc. 2009/2010
elemeti di calcolo combiatorio ao acc. 2009/2010 Cosideriamo u isieme fiito X. Chiamiamo permutazioe su X u applicazioe biuivoca di X i sè. Ad esempio, se X = {a, b, c}, le permutazioi distite soo 6 e
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
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliEsercizi di Analisi II
Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
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
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
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
DettagliConsideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con
Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi
Dettagli1 Congruenze. Definizione 1.1. Siano a, b, n Z con n 2, definiamo a b (mod n) se n a b.
1 Cogrueze Defiizioe 1.1. Siao a, b, Z co 2, defiiamo a b (mod ) se a b. Proposizioe 1.2. 2 la cogrueza mod è ua relazioe di equivaleza su Z. a a () perché a a a b () b a () a b () b c () a b b c a c =
DettagliCalcolo I - Corso di Laurea in Fisica - 31 Gennaio 2018 Soluzioni Scritto
Calcolo I - Corso di Laurea i Fisica - Geaio 08 Soluzioi Scritto Data la fuzioe f = 8 + / a Calcolare il domiio, puti di o derivabilità ed asitoti; b Calcolare, se esistoo, estremi relativi ed assoluti.
DettagliEsercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).
Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare
DettagliProposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.
Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliTraccia delle soluzioni degli esercizi del fascicolo 6
Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi
DettagliDistribuzioni di probabilità
Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che
DettagliProprietà asintotiche stimatori OLS e statistiche collegate
Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe
Dettagli1 Congruenze. Definizione 1.1. a, b, n Z n 2, allora definiamo a b (mod n) se n a b.
1 Cogrueze Defiizioe 1.1. a, b, Z 2, allora defiiamo a b (mod ) se a b. Proposizioe 1.2. 2 la cogrueza mod è ua relazioe di equivaleza su Z. a a () perché a a a b () b a () a b () b c () a b b c a c =
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
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
DettagliEsercizi svolti su successioni e serie di funzioni
Esercizi svolti su successioi e serie di fuzioi Esercizio. Calcolare il limite putuale di f ) = 2 +, [0, + ). Dimostrare che o si ha covergeza uiforme su 0, + ), metre si ha covergeza uiforme su [a, +
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliSULLE PARTIZIONI DI UN INSIEME
Claudia Motemurro Ricordiamo la SULLE PRTIZIONI DI UN INSIEME Defiizioe: Ua partizioe di u isieme è ua famiglia { sottoisiemi o vuoti di X tali che: - X è l uioe degli isiemi X i (i I ), cioè X = U i X
DettagliMatematica per Finanza, assicurazioni e impresa; aa ; argomenti svolti:
Matematica per Fiaza, assicurazioi e impresa; aa 2015-2016; argometi svolti: I settimaa; 21.09 Presetazioe del corso. I particolare: -Aalisi (fuzioi reali di ua variabile reale, calcolo differeziale, calcolo
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliEsercizi di econometria: serie 2
Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso
DettagliIntroduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello)
Itroduzioe all Aalisi di Prof. Luigi Ladii Ig. Nicola Vaello (presetazioe a cura di N. Vaello) ANALII DI FOURIER egali tempo cotiui: egali periodici egali aperiodici viluppo i serie di Itroduzioe alla
Dettagli1 Variabili aleatorie in casi più generali: indipendenza, LGN e TCL.
versioe 28-05-2004 0 Variabili aleatorie i casi più geerali: idipedeza, LGN e TCL.. Variabili aleatorie idipedeti Molte delle defiizioi e delle proprietà delle variabili aleatorie i spazi fiiti valgoo
DettagliStimatori, 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
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
DettagliEsercitazione 6 del corso di Statistica 2
Esercitazioe 6 del corso di Statistica Dott.ssa Paola Costatii 7 marzo Decisioe vera falsa è respita Errore di I tipo Decisioe corretta o è respita Probabilità = Decisioe corretta Probabilità = - Probabilità
DettagliProbabilit` a Discreta
Probabilità Discreta Itroduzioe Feomeo determiistico e o determiistico (o aleatorio): il determiistico, dato u sistema meccaico, e cooscedo le codizioi iiziali è sempre possibile studiare e prevedere quale
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
DettagliTracce di soluzioni di alcuni esercizi di matematica 1 - gruppo 42-57
Tracce di soluzioi di alcui esercizi di matematica - gruppo 42-57 4. Limiti di successioi Soluzioe dell Esercizio 42.. Osserviamo che a = a +6 e duque la successioe prede valori i {a,..., a 6 } e ciascu
DettagliCompendio di calcolo delle probabilità
Compedio di calcolo delle probabilità Massimiliao Goldwurm Dispese per gli studeti del corso di laurea magistrale di Iformatica Uiversità degli Studi di Milao Ao accademico 2016-2017 Versioe prelimiare
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioi a.a. 2006/2007 C.d.L.: Igegeria per l Ambiete ed il Territorio, Igegeria Civile, Igegeria Gestioale, Igegeria dell Iformazioe C.d.L.S.: Igegeria Civile Estrazioi-II
Dettaglin=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
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
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06
PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
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
Dettaglif Z z 1,...,z n 1 2 n/2 exp 1 2 z z n 2.
Riassuto sulle gaussiae ui-dimesioali Nel caso uidimesioale, abbiamo defiito la gaussiaa caoica N0,1 e la gaussiaa geerica N, descrivedo esplicitamete le loro desità di probabilità. Si verifica co u po
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliSerie numeriche. Paola Rubbioni. 1 Denizione, serie notevoli e primi risultati. i=0 a i, e si indica con il simbolo +1X.
Serie umeriche Paola Rubbioi Deizioe, serie otevoli e primi risultati Deizioe.. Data ua successioe di umeri reali (a ) 2N, si dice serie umerica la successioe delle somme parziali (S ) 2N, ove S = a +
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
DettagliANALISI DI FOURIER. Analisi di Fourier di sequenze bidimensionali o Immagini
AALISI DI FOURIER Aalisi di Fourier di sequeze bidimesioali o Immagii -Defiizioi di Sequeze Bidimesioali o Immagii -Trasformata Discreta di Fourier D -Iterpretazioe Piao di Fourier -Esempi I seguito prederemo
Dettagli1. Serie numeriche. Esercizio 1. Studiare il carattere delle seguenti serie: n2 n 3 n ; n n. n n. n n (n!) 2 ; (2n)! ;
. Serie umeriche Esercizio. Studiare il carattere delle segueti serie: ;! ;! ;!. Soluzioe.. Serie a termii positivi; cofrotiamola co la serie +, che è covergete: + + + 0. Pertato, per il criterio del cofroto
Dettagli17. Funzioni implicite
17. Fuzioi implicite 17.a Fuzioi defiite implicitamete Sia data l equazioe lieare implicita i R 2 ax + by = 0. Se b 0, si puo ricavare la variabile y i fuzioe della x come y = ( a/b)x. Equivaletemete possiamo
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
DettagliCerchi di Mohr - approfondimenti
Comportameto meccaico dei materiali Cerchi di Mohr - approfodimeti Stato di tesioe e di deformazioe Cerchi di Mohr - approfodimeti L algebra dei cerchi di Mohr Proprietà di estremo dei cerchi di Mohr Costruzioe
DettagliCalcolo combinatorio. Disposizioni - Permutazioni - Combinazioni Coefficienti binomiali - Binomio di Newton Disposizioni semplici.
Calcolo combiatorio. Disposizioi - Permutazioi - Combiazioi Coefficieti biomiali - Biomio di Newto Disposizioi semplici. Disposizioi semplici di oggetti di classe soo tutti gli allieameti che è possibile
Dettagli1. Tra angoli e rettangoli
. Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia
DettagliCalcolo Combinatorio
Uiversità degli Studi di Palermo Facoltà di Ecoomia Dip. di Scieze Ecoomiche, Aziedali e Statistiche Apputi del corso di Matematica Geerale Calcolo Combiatorio Ao Accademico 2013/201 V. Lacagia - S. Piraio
DettagliIstituzioni di Matematiche (CH-CI-MT) V o foglio di esercizi
Istituzioi di Matematiche (CH-CI-MT) V o foglio di esercizi ESERCIZIO. Si determiio le soluzioi dell equazioe x x + 5 = 0. Idicata co z 0 la soluzioe co parte immagiaria positiva, si disegi el piao di
DettagliSviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5
Sviluppi di Taylor Adrea Corli settembre 009 Idice Notazioe o Liearizzazioe di ua fuzioe 3 Formula di Taylor 3 4 Esempi ed applicazioi 5 I questo capitolo aalizziamo l approssimazioe di ua fuzioe regolare
DettagliL INFORMAZIONE E LE CODIFICHE
L INFORMAZIONE E LE CODIFICE UN PO DI STORIA - La Teoria dell iformazioe è ata ella secoda metà del 900, sebbee il termie iformazioe sia atico (dal latio mettere i forma) - I omi più importati soo Nyquist,
Dettagli(1 2 3) (1 2) Lezione 10. I gruppi diedrali.
Lezioe 0 Prerequisiti: Simmetrie di poligoi regolari. Gruppi di permutazioi. Cetro di u gruppo. Cetralizzate di u elemeto di u gruppo. Riferimeto al testo: [PC] Sezioe 5.4 I gruppi diedrali. Ogi simmetria
Dettagli1 Esponenziale e logaritmo.
Espoeziale e logaritmo.. Risultati prelimiari. Lemma a b = a b Lemma Disuguagliaza di Beroulli per ogi α e per ogi ln a k b k. k=0 + α + α Teorema Disuguagliaza delle medie Per ogi ln, per ogi upla {a
DettagliLE MISURE DI TENDENZA CENTRALE
STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare
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
DettagliEsercitazioni di Statistica Dott. Danilo Alunni Fegatelli
Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M
DettagliSERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)
SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log
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
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
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;
Dettagli