Variabili aleatorie binomiali e di Poisson
|
|
- Evangelista Alberti
- 6 anni fa
- Visualizzazioni
Transcript
1 Variabili aleatorie binomiali e di Poisson Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, Padova vargiolu@math.unipd.it 9 gennaio 2007
2 Indice 1 Variabili aleatorie binomiali e di Poisson Coefficienti binomiali Legge binomiale Serie numeriche Legge di Poisson Formule ricorsive per le leggi binomiali e di Poisson ii
3 Capitolo 1 Variabili aleatorie binomiali e di Poisson Scopo di queste note è studiare la variabile aleatoria che risulta dalla somma di n variabili X 1,..., X n di Bernoulli indipendenti e di medesimo parametro p S n La S n é una variabile aleatoria discreta a valori nell insieme N {0,..., n}. La sua legge è quindi univocamente determinata dalle quantità P{S n k}, per k 0,..., n. È facile calcolare queste quantità per k 0, n: X i P{S n 0} P{X i 0 i 1,..., n} P{S n 1} P{X i 1 i 1,..., n} Per k 1, n 1 le cose già si fanno piú laboriose: ( n ) P{S n 1} P {X i 1, X j 0 j i} P{X i 1, X j 0 j i} n P{X i 0} p n n P{X i 1} (1 p) n p(1 p) n 1 np(1 p) n 1 ( n ) P{S n n 1} P {X i 0, X j 1 j i} P{X i 0, X j 1 j i} p n 1 (1 p) np n 1 (1 p) 1
4 2 CAPITOLO 1. VARIABILI ALEATORIE BINOMIALI E DI POISSON e si fanno via via piú laboriose man mano che k si allontana da 0 e n. Infatti, per calcolare P{S n k} per un k qualsiasi, bisogna conoscere quanti sono tutti i possibili modi in cui le variabili aleatorie X i, i 1,..., n possono assumere il valore 1 esattamente k volte. Vediamo che questo problema si puó ricondurre al calcolare quanti sono tutti i possibili sottoinsiemi di k elementi di un insieme di n elementi. 1.1 Coefficienti binomiali La soluzione al problema quanti sono tutti i possibili sottoinsiemi di k elementi di un insieme di n elementi, con n k 0, è data dai cosiddetti coefficienti binomiali: ( ) n n! k k!(n k)! (che si legge n su k), dove la quantità n! si dice fattoriale di n (o anche n fattoriale), ed è definita da n n! i n Per convenzione, si pone 0! 1. L uso piú comune dei coefficienti binomiali è nella potenza di un binomio: se a, b R e n N, allora ( ) n (a + b) n a k b n k k k1 Se n é alto, un modo per calcolare (in modo approssimato) i coefficienti binomiali è approssimare il fattoriale con la formula di Stirling: n! 2πn n+1/2 e n La dimostrazione della validità della formula è molto lunga, e viene pertanto omessa. 1.2 Legge binomiale Come detto all inizio, vogliamo trovare la legge di S n n k1 X k, con X 1,..., X n i.i.d. di legge di Bernoulli di parametro p (0, 1). La legge della variabile aleatoria S n è caratterizzata dalle quantità P{S n k} per k 0,..., n. Notiamo che possiamo scrivere l evento {S n k} come {S n k} K N, K k A K, con Allora A K {X i 1 i K, X j 0 j N \ K} P{S n k} P K N, K k K N, K k A K p k (1 p) n k K N, K k P(A K ) ( ) n p k (1 p) n k k
5 1.2. LEGGE BINOMIALE 3 S n si chiama variabile aleatoria binomiale di parametri n e p, e la sua legge si indica con B(n, p). Notiamo che se n 1, allora S 1 si riduce ad una variabile aleatoria di Bernoulli, e la sua legge si puó quindi indicare con B(1, p). Vediamo ora alcune proprietà delle variabili aleatorie binomiali. Teorema 1.1 Se S n é una variabile aleatoria di legge B(n, p): 1. E[S n ] np, Var [S n ] np(1 p) 2. se S m B(m, p) è indipendente da S n, allora S m + S n B(m + n, p) 3. se np > 5 e n(1 p) > 5, allora la legge B(n, p) puó essere approssimata con una legge N(np, np(1 p)) Dimostrazione. 1. Possiamo scrivere S n n X i, dove le X i, i 1,..., n sono indipendenti e tutte di legge B(1, p). Allora: [ n ] E[S n ] E X i E[X i ] p np Siccome poi le X i, i 1,..., n sono indipendenti, abbiamo anche: Var [S n ] Var [ n ] X i Var [X i ] p(1 p) np(1 p) 2. Intuitivamente, S m è somma di m variabili indipendenti di legge B(1, p), e S n è somma di n variabili indipendenti di legge B(1, p), e quindi S m + S n è somma di m + n variabili indipendenti di legge B(1, p). Tuttavia, non sappiamo se le variabili di Bernoulli in S m sono tutte indipendenti dalle variabili di Bernoulli in S n ; si puó tuttavia verificare che in effetti S m + S n ha legge B(m + n, p), calcolando P{S m + S n k}. 3. È un caso particolare di approssimazione normale per variabili aleatorie (X n ) n di Bernoulli. Abbiamo appena visto che se np > 5 e n(1 p) > 5, allora una legge binomiale puó essere ben approssimata da una opportuna legge gaussiana. Ci sono peró frequentemente casi in cui np < 5 (o anche n(1 p) < 5), sia perché n é basso, sia perché, nonostante n sia alto, p é talmente basso che np < 5. Cosa fare in questi casi? Nel primo caso (n basso), puó essere una buona idea usare la legge binomiale esatta, senza tentare di approssimarla. Nel secondo caso (p basso), vedremo che è possibile un altra approssimazione, chiamata approssimazione di Poisson. Prima peró è necessario analizzare la variabile aleatoria di Poisson, e per farlo richiamiamo il concetto di serie numerica.
6 4 CAPITOLO 1. VARIABILI ALEATORIE BINOMIALI E DI POISSON 1.3 Serie numeriche Consideriamo una successione di numeri reali (a n ) n N e costruiamo la nuova successione s n a i a 0 + a a n i0 I numeri s n, n N, si dicono somme parziali dei termini (a n ) n N. Si dice poi serie di termini (a n ) n N, la somma infinita degli a n, e si indica con a n a 0 + a n0 Piú in particolare, se esiste il limite lim s n, allora la serie n0 a n é uguale a questo limite. Si puó quindi ricondurre la teoria delle serie a quella delle successioni. Come le successioni, le serie possono essere convergenti, divergenti o indeterminate. In particolare: 1. se lim s n K R, diciamo che la serie è convergente, e chiamiamo il numero K somma della serie n0 a n; indichiamo questo fatto con la scrittura n0 a n K; 2. se lim s n ±, diciamo che la serie è divergente, e scriviamo n0 a n ± ; 3. se lim s n non esiste, diciamo che la serie è indeterminata. Se una serie non è convergente, si dice che è non convergente (puó quindi essere divergente o indeterminata). Esempio 1.2 Infatti poniamo Allora Abbiamo s n i0 a n e quindi abbiamo il risultato. n0 1 (n + 1)(n + 2) 1 1 (n + 1)(n + 2) 1 n n + 2 a i n n + 2 ( lim s n lim 1 1 ) 1 n + 2
7 1.4. LEGGE DI POISSON 5 Esempio 1.3 n0 p n 1 1 p per ogni p tale che 0 < p < 1. Infatti poniamo a n p n. Allora Abbiamo e quindi abbiamo il risultato. s n i0 p i 1 pn+1 1 p lim s 1 p n+1 n lim 1 1 p 1 p Nel seguito ci servirà il valore della seguente serie, che diamo per noto poiché il suo calcolo è abbastanza complesso: λ n n! eλ n0 dove e 2,71... è il numero di Nepero, ottenuto come 1.4 Legge di Poisson ( e lim ) n n Prendiamo λ > 0 e consideriamo una variabile aleatoria X discreta con legge definita da λ λk P{X k} e k! La variabile aleatoria X si dice variabile aleatoria di Poisson di parametro λ, e la sua legge si indica con P o(λ). Vediamo ora alcune sue proprietà. Teorema 1.4 Se X P o(λ), allora: 1. E[X] λ, Var [X] λ 2. se Y P o( λ) è indipendente da X, allora X + Y P o(λ + λ ) Dimostrazione. 1. vedi libro di testo.
8 6 CAPITOLO 1. VARIABILI ALEATORIE BINOMIALI E DI POISSON 2. Calcoliamo ( k ) P{X + Y k} P {X i, Y k i} i0 k P{X i}p{y k i} i0 e (λ+ λ) k i0 k P{X i, Y k i} i0 k e i0 λ λi i! e λ λ k i (k i)! ( ) 1 k λ i λk i e (λ+ λ) 1 k (λ + λ) k! i k! Vediamo ora che una successione di variabili aleatorie binomiali puó avere come limite una variabile aleatoria di Poisson. Teorema 1.5 Consideriamo una successione di variabili aleatorie binomiali X n legge B(n, p n ), n N, con i parametri p n tali che lim np n λ > 0. Allora X n X, con X P o(λ). Dimostrazione. Innanzitutto calcoliamo il limite di P{X n k} per un generico k: dato che vogliamo fare un limite per n, possiamo usare la formula di Stirling nei fattoriali in cui compare n: P{X n k} Abbiamo che lim np n λ. Allora Inoltre, lim ( ) n p k k n(1 p n ) n k 2πn n+1/2 e n n! k!(n k)! pk n(1 p n ) n k k! 2π(n k) n k+1/2 e (n k) pk n(1 p n ) n k e k n n k+1/2 ( k!(n k) (np n) k 1 np n n k+1/2 n ( lim 1 np n n n n k+1/2 k!(n k) n k+1/2 lim lim ) n k lim ( n k n ( 1 k n ( 1 λ ) n e λ n ) n+k 1/2 lim ) n e k ) n k ( ) n+k 1/2 n k n e quindi lim P{X n k} e k e k 1 k! λk e λ e λ λk k!
9 1.5. FORMULE RICORSIVE PER LE LEGGI BINOMIALI E DI POISSON 7 Questo basta a dire che X n legge X. Infatti, i punti di R in cui F X é continua sono tutti i punti che non sono numeri naturali; se per ogni x R \ N indichiamo con il simbolo [x] la parte intera di x, cioé il piú grande numero intero che é minore o uguale x, abbiamo: lim F X n (x) lim P{X n x} lim P{X n k} Questo ci dà la tesi. [x] k0 [x] k0 λ λk e k! P{X x} F X(x) [x] k0 lim P{X n k} Questo fatto giustifica l approssimazione di Poisson: se n è molto grande e p è molto piccolo, allora la legge binomiale B(n, p) si puó approssimare con una legge di Poisson P o(λ), con λ np. Questo è utile se np < 5, caso in cui non si puó usare l approssimazione normale. 1.5 Formule ricorsive per le leggi binomiali e di Poisson A volte può capitare di dover calcolare quantità del tipo P{X k} per parecchi k interi, dove X è una variabile aleatoria binomiale oppure di Poisson. Le seguenti formule possono allora aiutare a non dover calcolare tutti i coefficienti binomiali e/o i fattoriali, ma a fare il minimo indispensabile di operazioni sfruttando i risultati già calcolati. Teorema Se X B(n, p), allora per ogni k 0,..., n 1, 2. Se X P o(λ), allora per ogni k 0, Dimostrazione. P{X k + 1} P{X k} n k p k p P{X k + 1} P{X k} λ k Se X B(n, p), allora per ogni k 0,..., n 1 si ha che ( ) n p k+1 (1 p) n k 1 P{X k + 1} k + 1 ( P{X k} n )p k (1 p) n k k n! (k + 1)!(n k 1)! pk+1 (1 p) n k 1 n! k!(n k)! pk (1 p) n k 1 (k + 1) p 1 (n k) (1 p)
10 8 CAPITOLO 1. VARIABILI ALEATORIE BINOMIALI E DI POISSON n k p k p Riordinando i termini si ottiene la tesi. 2. Se X P o(λ), allora per ogni k 0 si ha che P{X k + 1} P{X k} e λ λk+1 (k + 1)! λk e λ k! λ k + 1 Riordinando i termini si ottiene la tesi.
ANALISI 1 1 QUINTA LEZIONE
ANALISI 1 1 QUINTA LEZIONE 1 prof. Claudio Saccon, Dipartimento di Matematica Applicata, Via F. Buonarroti 1/C email: saccon@mail.dm.unipi.it web: http://www2.ing.unipi.it/ d6081/index.html Ricevimento:
DettagliEsame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliORDINAMENTO 2005 QUESITO 1
www.matefilia.it ORDINAMENTO 2005 QUESITO 1 Consideriamo il lato AB del decagono regolare inscritto nella circonferenza e indichiamo con AC la bisettrice dell angolo alla base A. Essendo l angolo in O
Dettagli1 Polinomio di Taylor 1. 2 Formula di Taylor 2. 3 Alcuni sviluppi notevoli 2. 4 Uso della formula di Taylor nel calcolo dei limiti 4
1 POLINOMIO DI TAYLOR 1 Formula di Taylor Indice 1 Polinomio di Taylor 1 Formula di Taylor 3 Alcuni sviluppi notevoli 4 Uso della formula di Taylor nel calcolo dei iti 4 5 Soluzioni degli esercizi 6 La
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliAppunti sui Codici di Reed Muller. Giovanni Barbarino
Appunti sui Codici di Reed Muller Giovanni Barbarino Capitolo 1 Codici di Reed-Muller I codici di Reed-Muller sono codici lineari su F q legati alle valutazioni dei polinomi sullo spazio affine. Per semplicità
DettagliAlcune nozioni preliminari di teoria elementare di insiemi e funzioni
Alcune nozioni preliminari di teoria elementare di insiemi e funzioni Alberto Pinto Corso Propedeutico - METS A.A. 2013/2014 1 Insiemi 1.1 Generalità Diamo la definizione di insieme secondo Georg Cantor,
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliEsame di Istituzioni di Matematica II del 18 gennaio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematica II del 8 gennaio 00 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliRiassumiamo le proprietà dei numeri reali da noi utilizzate nel corso di Geometria.
Capitolo 2 Campi 2.1 Introduzione Studiamo ora i campi. Essi sono una generalizzazione dell insieme R dei numeri reali con le operazioni di addizione e di moltiplicazione. Nel secondo paragrafo ricordiamo
DettagliLimiti di successioni
Capitolo 5 Limiti di successioni 5.1 Successioni Quando l insieme di definizione di una funzione coincide con l insieme N costituito dagli infiniti numeri naturali 1, 2, 3,... talvolta si considera anche
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliSerie numeriche e serie di potenze
Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima
DettagliEndomorfismi e matrici simmetriche
CAPITOLO Endomorfismi e matrici simmetriche Esercizio.. [Esercizio 5) cap. 9 del testo Geometria e algebra lineare di Manara, Perotti, Scapellato] Calcolare una base ortonormale di R 3 formata da autovettori
Dettagli1 Successioni di funzioni
Analisi Matematica 2 Successioni di funzioni CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 6 SERIE DI POTENZE Supponiamo di associare ad ogni n N (rispettivamente ad ogni n p, per qualche
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliEsame di Probabilità e Statistica del 9 luglio 2010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 2010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
Dettagli3/10/ Divisibilità e massimo comun divisore
MCD in N e Polinomi 3/10/2013 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore di due numeri naturali
DettagliRette e piani in R 3
Rette e piani in R 3 In questa dispensa vogliamo introdurre in modo elementare rette e piani nello spazio R 3 (si faccia riferimento anche al testo Algebra Lineare di S. Lang). 1 Rette in R 3 Vogliamo
DettagliIntroduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo.
Capitolo 3 Il campo Z n 31 Introduzione Introduciamo ora un altro campo, formato da un numero finito di elementi; il campo delle classi resto modulo n, con n numero primo 32 Le classi resto Definizione
DettagliLEZIONI Dispense a cura del Docente.
LEZIONI 06-07-08 Contents 5. INTRODUZIONE ALLO STUDIO QUALITATIVO DELLE FUNZIONI. 5.. Operazioni elementari sui grafici di funzioni. 5.. Funzione composta. Monotonia della funzione composta. 5 5.. Grafico
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
DettagliCORSO DI LAUREA IN FISICA
CORSO DI LAUREA IN FISICA ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia di R quindi
DettagliGiovanna Carnovale. October 18, Divisibilità e massimo comun divisore
MCD in N e Polinomi Giovanna Carnovale October 18, 2011 1 Divisibilità e massimo comun divisore 1.1 Divisibilità in N In questa sezione introdurremo il concetto di divisibilità e di massimo comun divisore
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
Dettagli2.9 Moltiplicazione di serie
2.9 Moltiplicazione di serie A prima vista il problema di moltiplicare fra loro due serie sembra irrilevante. Fare il prodotto di due serie significa moltiplicare tra loro le successioni delle rispettive
DettagliLaurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Successioni e loro limiti Docente: Anna Valeria Germinario Università di Bari A.V.Germinario (Università di
Dettagli1 Relazione di congruenza in Z
1 Relazione di congruenza in Z Diamo ora un esempio importante di relazione di equivalenza: la relazione di congruenza modn in Z. Definizione 1 Sia X = Z, a,b Z ed n un intero n > 1. Si dice a congruo
DettagliEQUAZIONI CARTESIANE DELLA CIRCONFERENZA
EQUAZIONI CARTESIANE DELLA CIRCONFERENZA G. MEZZETTI Definizione. Siano dati un punto C e un numero r R, r 0; si dice circonferenza di centro C e raggio r l insieme di quei punti del piano la cui distanza
Dettagli1 Indipendenza lineare e scrittura unica
Geometria Lingotto. LeLing7: Indipendenza lineare, basi e dimensione. Ārgomenti svolti: Indipendenza lineare e scrittura unica. Basi e dimensione. Coordinate. Ēsercizi consigliati: Geoling. Indipendenza
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
DettagliLaboratorio di Didattica di elaborazione dati 3A LA DISTRIBUZIONE DI BERNOULLI (BINOMIALE) LA DISTRIBUZIONE DI POISSON.
3A LA DISTRIBUZIONE DI BERNOULLI (BINOMIALE) LA DISTRIBUZIONE DI POISSON La distribuzione binomiale rappresenta la distribuzione di probabilità di prove ripetute indipendenti quando i risultati di ciascuna
DettagliMetodi Stocastici per la Finanza
Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2013-2014 Lezione 4 Indice 1 Convergenza in legge di processi stocastici 2
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliPrecorsi di matematica
Precorsi di matematica Francesco Dinuzzo 12 settembre 2005 1 Insiemi Il concetto di base nella matematica moderna è l insieme. Un insieme è una collezione di elementi. Gli elementi di un insieme vengono
DettagliEsercizi riguardanti limiti di successioni e di funzioni
Esercizi riguardanti iti di successioni e di funzioni Davide Boscaini Queste sono le note da cui ho tratto le esercitazioni del giorno 0 Novembre 20. Come tali sono ben lungi dall essere esenti da errori,
DettagliMATEMATICA. a.a. 2014/ LIMITI (I parte): Definizione, proprietà e calcolo. Limiti di funzioni, continuità e asintoti.
MATEMATICA a.a. 2014/15 2. LIMITI (I parte): Definizione, proprietà e calcolo. Limiti di funzioni, continuità e asintoti. Definizione Il campo di esistenza è l insieme di tutti i punti nei quali la funzione
DettagliPrima lezione. Gilberto Bini. 16 Dicembre 2006
16 Dicembre 2006 Vediamo alcune nozioni di teoria ingenua degli insiemi. Vediamo alcune nozioni di teoria ingenua degli insiemi. Un insieme è una collezione di oggetti di cui possiamo specificare una proprietà
DettagliI LIMITI. non è definita per valori della x uguali a + 5 e 5. In questo caso l insieme di variabilità della variabile x, che si chiama dominio, è
I LIMITI LIMITE INFINITO DI UNA FUNZIONE PER X CHE TENDE A UN VALORE FINITO. Tra i tanti obiettivi che l analisi matematica si prefigge vi è quello di tracciare i grafici delle funzioni nel piano cartesiano
DettagliAnalisi Matematica II
Analisi Matematica II Limiti e continuità in R N Claudio Saccon 1 1 Dipartimento di Matematica, Via F. Buonarroti 1/C,56127 PISA email: claudio.sacconchiocciolaunipi.it sito web: http://pagine.dm.unipi.it/csblog1
DettagliLimite di successioni
Limite di successioni Ricordiamo che: una successione è una funzione a : n N a (n) R si pone a n = a (n) e la successione stessa viene indicata con (a n ) n0 oppure a 0,a 1,a 2,a 3,... è ammesso che sia
DettagliLE EQUAZIONI DIFFERENZIALI. che, insieme alle loro derivate, soddisfano un equazione differenziale.
LE EQUAZIONI DIFFERENZIALI I problemi incontrati fin ora nel corso di studi di matematica erano tutti di tipo numerico, cioè la loro risoluzione ha sempre portato alla determinazione di uno o più numeri
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA RADICALI Dr. Erasmo Modica erasmo@galois.it LE RADICI Abbiamo visto che l insieme dei numeri reali è costituito da tutti
DettagliProprietà commutativa e associativa per le serie
Analisi Matematica 1 Trentaseiesima Trentasettesimalezione Proprietà commutativa e associativa per le serie Prodotto Serie di alla potenze Cauchy prof. Claudio Saccon Dipartimento di Matematica Applicata,
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 2 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 2 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliInsiemistica. Capitolo 1. Prerequisiti. Obiettivi. Gli insiemi numerici di base Divisibilità e fattorizzazione nei numeri interi
Capitolo 1 Insiemistica Prerequisiti Gli insiemi numerici di base Divisibilità e fattorizzazione nei numeri interi Obiettivi Sapere utilizzare opportunamente le diverse rappresentazioni insiemistiche Sapere
Dettagli1 Primitive e integrali indefiniti
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 2 CALCOLO INTEGRALE Primitive e integrali indefiniti. Definizione di primitiva e di integrale indefinito Data una funzione
DettagliAlgebra Lineare e Geometria. Il teorema fondamentale dell algebra. 1 Non c è un ordine totale sull insieme dei complessi
Università di Bergamo Anno accademico 2008 2009 Primo anno di Ingegneria Algebra Lineare e Geometria Il teorema fondamentale dell algebra 1 Non c è un ordine totale sull insieme dei complessi Vogliamo
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 12, Modelli Probabilistici
DettagliAnalisi Matematica. Serie numeriche, serie di potenze, serie di Taylor
a.a. 2014/2015 Laurea triennale in Informatica Analisi Matematica Serie numeriche, serie di potenze, serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
Dettaglik=0 a k k=0 a k, quando si voglia precisare qual è l indice iniziale: si possono infatti considerare anche serie del tipo k=1 a k, k=50 a k,
2.2 Serie Le serie numeriche sono semplicemente successioni reali o complesse di tipo particolare, che però, per la loro importanza pratica e teorica, meritano una trattazione a parte. Data una successione
Dettagli1 L estrazione di radice
1 L estrazione di radice Consideriamo la potenza 3 2 = 9 di cui conosciamo: Esponente 3 2 = 9 Valore della potenza Base L operazione di radice quadrata consiste nel chiedersi qual è quel numero x che elevato
DettagliEsame di Probabilità e Statistica del 23 agosto 2010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 3 agosto 00 Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Come opera la matematica: dagli ai teoremi. Che cosa è una funzione, il suo dominio e il suo codominio. Che cosa significa n j=1 A j dove A j sono insiemi. Che cosa significa
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Insiemi e Combinatoria - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, 23 - Ottobre 2012 Il concetto di insieme Non tratterò la teoria assiomatica degli
DettagliPunti nel piano cartesiano
Punti nel piano cartesiano In un piano consideriamo due rette perpendicolari che chiamiamo x e. Solitamente, disegniamo la retta x (ascisse) orizzontalmente e orientata da sinistra a destra, la retta e
DettagliFunzioni di più variabli: dominio, limiti, continuità
Funzioni di più variabli: dominio, limiti, continuità Riccarda Rossi Università di Brescia Analisi Matematica B Riccarda Rossi (Università di Brescia) Funzioni di più variabli Analisi Matematica B 1 /
DettagliSomma diretta di sottospazi vettoriali
Capitolo 8 Somma diretta di sottospazi vettoriali 8.1 Introduzione Introduciamo un caso particolare di somma di due sottospazi vettoriali: la somma diretta. Anche questo argomento è stato visto nel corso
DettagliLe Derivate. Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri
Le Derivate Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato durante
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliESERCIZI sui VETTORI
ESERCIZI sui VETTORI 1. Calcolare la somma di v 1 (2, 3) e v 2 (1, 4). 2. Calcolare la somma di v 1 (1, 5, 4) e v 2 (6, 8, 2). 3. Calcolare il prodotto di α = 2 e v 1 (1, 4). 4. Calcolare il prodotto di
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliPROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE
PROBABILITÀ - SCHEDA N. 3 VARIABILI ALEATORIE CONTINUE E SIMULAZIONE (da un idea di M. Impedovo Variabili aleatorie continue e simulazione Progetto Alice n. 15, ) 1. La simulazione Nelle schede precedenti
DettagliNote del corso di Laboratorio di Programmazione e Calcolo: Analisi della stabilità e della complessità computazionale di un algoritmo
Corso di laurea in Matematica SAPIENZA Università di Roma Note del corso di Laboratorio di Programmazione e Calcolo: Analisi della stabilità e della complessità computazionale di un algoritmo Dipartimento
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliIn altri termini, il logaritmo in base a di b è quel numero c tale per cui a elevato a c è uguale a b. In simboli
LOGARITMO Il logaritmo è un operatore matematico indicato generalmente con loga(b); detta a la base e b l'argomento, il logaritmo in base a di b è definito come l'esponente a cui elevare la base per ottenere
DettagliCP110 Probabilità: Esonero 1
Dipartimento di Matematica, Roma Tre Pietro Caputo 2016-17, II semestre 11 aprile, 2017 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante l esame
Dettagli1 IL LINGUAGGIO MATEMATICO
1 IL LINGUAGGIO MATEMATICO Il linguaggio matematico moderno è basato su due concetti fondamentali: la teoria degli insiemi e la logica delle proposizioni. La teoria degli insiemi ci assicura che gli oggetti
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
Dettagli0.1 Condizione sufficiente di diagonalizzabilità
0.1. CONDIZIONE SUFFICIENTE DI DIAGONALIZZABILITÀ 1 0.1 Condizione sufficiente di diagonalizzabilità È naturale porsi il problema di sapere se ogni matrice sia o meno diagonalizzabile. Abbiamo due potenziali
DettagliPiano cartesiano e retta
Piano cartesiano e retta Il punto, la retta e il piano sono concetti primitivi di cui non si da una definizione rigorosa, essi sono i tre enti geometrici fondamentali della geometria euclidea. Osservazione
DettagliZeri di funzioni e teorema di Sturm
Zeri di funzioni e teorema di Sturm Enrico Bertolazzi Dipartimento di Ingegneria Meccanica e Strutturale Università degli Studi di Trento via Mesiano 77, I 38050 Trento, Italia EnricoBertolazzi@ingunitnit
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliUna successione numerica è una funzione : che associa ad ogni numero naturale un numero reale :. In simboli:
Successioni numeriche Successioni Una successione numerica è una funzione : che associa ad ogni numero naturale un numero reale :. In simboli:. = Una successione è un insieme ordinato e infinito di numeri,
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliI RADICALI QUADRATICI
I RADICALI QUADRATICI 1. Radici quadrate Definizione di radice quadrata: Si dice radice quadrata di un numero reale positivo o nullo a, e si indica con a, il numero reale positivo o nullo (se esiste) che,
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliStabilire se il punto di coordinate (1,1) appartiene alla circonferenza centrata nell origine e di raggio 1.
Definizione di circonferenza e cerchio. Equazione della circonferenza centrata in O e di raggio R. Esercizi. La circonferenza e il cerchio Definizioni: dato un punto C nel piano cartesiano e dato un numero
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
Dettagli4.4. DEVIAZIONI DALLA MEDIA 41
4.4. DEVIAZIONI DALLA MEDIA 4 4.4. Deviazioni dalla media Il valore atteso E(X) di una variabile aleatoria X dà un idea di quanto ci possiamo aspettare, ma abbiamo già visto che non è esattamente il valore
DettagliCorso di Analisi Matematica. Polinomi e serie di Taylor
a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli
DettagliESERCIZI SUI PUNTI DI NON DERIVABILITÀ TRATTI DA TEMI D ESAME
ESERCIZI SUI PUNTI DI NON DERIVABILITÀ TRATTI DA TEMI D ESAME a cura di Michele Scaglia FUNZIONI DERIVABILI Sia f : domf R una funzione e sia 0 domf di accumulazione per domf Chiamiamo derivata prima di
DettagliLE EQUAZIONI DI SECONDO GRADO
LE EQUAZIONI DI SECONDO GRADO Definizione: un equazione è di secondo grado se, dopo aver applicato i principi di equivalenza, si può scrivere nella forma, detta normale: ax + bx + c 0!!!!!con!a 0 Le lettere
DettagliEquazioni e disequazioni. M.Simonetta Bernabei, Horst Thaler
Equazioni e disequazioni M.Simonetta Bernabei, Horst Thaler A(x)=0 x si chiama incognita dell equazione. Se oltre all incognita non compaiono altre lettere l equazione si dice numerica, altrimenti letterale.
DettagliUNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliGLI INSIEMI PROF. WALTER PUGLIESE
GLI INSIEMI PROF. WALTER PUGLIESE INSIEME DEFINIZIONE UN RAGGRUPPAMENTO DI OGGETTI RAPPRESENTA UN INSIEME IN SENSO MATEMATICO SE ESISTE UN CRITERIO OGGETTIVO CHE PERMETTE DI DECIDERE UNIVOCAMENTE SE UN
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
Dettagli(2) se A A, allora A c A; (3) se {A n } A, allora +
1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A
Dettagli