Lezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
|
|
- Edoardo Bertolini
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29
2 Outlie () Statistica 2 / 29
3 Importati disuguagliaze Variabili casuali co distribuzioi o ote Le disuguagliaze e Chebyshev soo due risultati importati perchè cosetoo di porre ua soglia superiore alle probabilità di eveti rari che riguardao variabili casuale di cui o si coosce la distribuzioe, ma solo valore atteso oppure valore atteso e. Sia X ua variabile casuale mai egativa, allora per qualuque valore a > 0 P (X a) E [X] a Sia X ua variabile casuale di cui si cooscoo solo la µ e σ 2, allora dato u qualuque valore k > 0, vale la seguete relazioe P ( X µ k) σ2 k 2 () Statistica 3 / 29
4 Importati disuguagliaze Sia X ua variabile casuale mai egativa, allora per qualuque valore a > 0 dimostrazioe P (X a) E [X] a Si suppoga che la v.c. X si distribuisca secodo ua fuzioe di desità icogita f a E [X] = xf(x)dx = xf(x)dx + xf(x)dx 0 0 } {{ } a } {{ } 0 0 xf(x)dx af(x)dx = a f(x)dx = a P (X a) a } {{ a } } a {{ } perchè x [a, ] quidi x a a è ua costate duque E [X] ap (X a) P (X a) E [X] a () Statistica 4 / 29
5 Importati disuguagliaze Sia X ua variabile casuale di cui si cooscoo solo la µ e σ 2, allora dato u qualuque valore k > 0, vale la seguete relazioe P ( X µ k) σ2 k 2 dimostrazioe Si cosideri l eveto per cui vale X µ k: i valori di X, µ e k per cui vale la soo gli stessi per cui vale la (X µ) 2 k 2. La probabilità che si verifichi ua delle disuguagliaze precedeti è duque la stessa. Ioltre la variabile casuale (X µ) 2 è o egativa (essedo u quadrato), duque si può applicare la, co a = k 2, quidi otare che = σ 2 {}}{ E [(X µ) 2] P ( X µ k) = P ((X µ) 2 k 2 ) } {{ k 2 } che verifica la P ( X µ k) σ2 k 2 () Statistica 5 / 29
6 Esempio Il umero di automobili prodotte da ua fabbrica i ua settimaa si distribuisce secodo ua variabile casuale X co pari a 50. svolgimeto Qual è la probabilità che la produzioe superi occasioalmete le 75 auto? Qual è la probabilità che la produzioe sia compresa tra 40 e 60 pezzi, sapedo che la della distribuzioe è pari a 25? Poichè l uica coosceza della distribuzioe di X è che E [X] = 50, per calcolare P (X 50) si ricorre alla. P (X a) E [X] a P (X 75) = 0.67 I questo caso, oltre alla µ = 50, è ota ache la σ 2 = 25. Si vuole la probabilità che 40 X 60, quidi = = 10 = k, duque P ( X 50 10) rappreseta la probabilità che la produzioe si discosti di più di 10 uità dalla. P ( X 50 10) = 0.25 duque la probabilità che la produzioe si discosti di meo di 10 uità dalla è P (40 X 60) = 1 P ( X 50 10) P (40 X 60) 0.75 () Statistica 6 / 29
7 Distribuzioe delle statistiche Popolazioe e campioe La popolazioe è u isieme molto grade di oggetti a cui soo associate delle quatità misurabili. Il campioe è u sottoisieme ridotto della popolazioe. L obiettivo dell approccio statistico è aalizzare il campioe per trarre da esso iformazioi circa la popolazioe. campioe casuale Per effettuare ifereze sulla popolazioe i base al campioe, si assume che vi sia la popolazioe segua ua distribuzioe di probabilità F. Estraedo casualmete degli oggetti dalla popolazioe per formare il campioe, si assume che ciascu valore ad essi associato sia ua variabile casuale caratterizzata dalla distribuzioe F della popolazioe. defiizioe U isieme di X 1, X 2,..., X di variabili aleatorie idipedeti e distribuite secodo ua distribuzioe F, si defiisce campioe casuale della distribuzioe F. () Statistica 7 / 29
8 Distribuzioe delle statistiche Ifereza parametrica e o parametrica La distribuzioe F della popolazioe è o ota. I alcui casi è tuttavia possibile che si coosca la famiglia di distribuzioi di variabili casuali a cui F appartiee, e duque si utilizza il campioe per fare ifereza sui parametri che idetificao F : è il caso dell ifereza parametrica. I altri casi o si ha alcua iformazioe su F : i questi casi si fa ricorso a teciche di ifereza o parametrica. La statistica Uo stimatore è ua fuzioe dei dati campioari. Poichè le osservazioi soo v.c., e poichè ua fuzioe di v.c. è a sua volta ua v.c., allora lo stimatore è ua v.c. fuzioe dei dati campioari. Ua statistica è uo stimatore che utilizza i dati campioari per otteere la stima di u parametro della distribuzioe F. () Statistica 8 / 29
9 Defiizioe di stimatore putuale Sia X sia ua v.c. di cui si coosce la famiglia di distribuzioe (Normale, Biomiale, Espoeziale,...), ma di cui o si coosce il parametro θ che caratterizza la distribuzioe. L obiettivo è idetificare il parametro θ, co la quale idividuare la distribuzioe specifica della popolazioe. Si ricorre ad u campioe casuale X 1, X 2,..., X e ad ua fuzioe ota T (.) che riceve i iput il campioe casuale e, i base a questo, forisce u valore per il parametro icogito θ. () Statistica 9 / 29
10 Defiizioe di stimatore putuale Prima di aver osservato il campioe, X 1, X 2,..., X è ua v.c., e T (X 1, X 2,..., X ) = T è a sua volta ua v.c. e si defiisce stimatore del parametro θ Dopo aver osservato il campioe, si hao le osservazioi x 1, x 2,..., x che, date i iput a T (.), producoo la stima (ˆθ) del parametro icogito T (x 1, x 2,..., x ) = ˆθ a secoda del campioe estratto, si avrà ua stima (valore ˆθ) diversa, duque T (X 1, X 2,..., X ) = T avrà ua propria distribuzioe. () Statistica 10 / 29
11 () Statistica 11 / 29
12 () Statistica 12 / 29
13 () Statistica 13 / 29
14 () Statistica 14 / 29
15 Caratteristiche degli stimatori E ecessario defiire quali soo le caratteristiche desiderabili di uo stimatore T di u parametro θ la sufficieza di uo stimatore: questa caratteristica si riferisce alla capacità dello stimatore T di u parametro θ di catturare tutta l iformazioe riguardate θ che è presete el campioe X 1, X 2,..., X ; - Formalemete, se X 1, X 2,..., X è u campioe geerato dalla v.c. X co distribuzioe f(x; θ) e T è uo stimatore di θ, allora T è sufficiete se φ X (x 1, x 2,..., x T = ˆθ ) NON DIPENDE DA θ i altre parole, ua volta otteuta la stima ˆθ, l iformazioe su θ iizialmete coteuta el campioe, viee iteramete catturata dallo stimatore T. () Statistica 15 / 29
16 Proprietà degli stimatori: o distorsioe (ubiased estimators) Uo stimatore T è o distorto se la delle stime che produce (il valore atteso della v.c. T ) coicide col parametro oggetto di stima. Formalmete: E(T ) = θ la distorsioe, o bias = b(t ), dello stimatore T, rappreseta duque la differeza tra il valore atteso di T e il parametro θ. b(t ) = E(T ) θ uo stimatore o distorto è tale che b(t ) = 0. () Statistica 16 / 29
17 Proprietà degli stimatori: efficieza L efficieza di uo stimatore corrispode al grado di dispersioe della distribuzioe di T rispetto al parametro θ oggetto di stima. Se lo stimatore T è o distorto allora il grado di dispersioe/efficieza delle stime dipede dalla sua V ar(t ). Quado ivece lo stimatore è distorto, bisoga teere coto, ella misura della sua efficieza, ache del bias b(t ) e si ricorre al mea squared error (MSE) MSE(T ) = E(T θ) 2 = V ar(t ) + [b(t )] 2 l MSE, i caso di stimatori o distorti, coiciderà co la di T perché b(t ) = 0. () Statistica 17 / 29
18 Proprietà degli stimatori: efficieza (2) Dati due stimatori T 1, e T 2, si sceglierà il più efficiete, vale a dire, se MSE(T 2 ) > MSE(T 1 ), allora per stimare il parametro θ si sceglierà T 2 ; Ricorredo all MSE si può stabilire, tra due stimatori, quale sia migliore perché più efficiete, tuttavia o si può dire che lo stimatore scelto sia il più efficiete i assoluto. la di Cramer e Rao idica la miima che uo stimatore o distorto può raggiugere: quidi, se la di uo stimatore T, o distorto, raggiuge il limite idicato dalla di Cramer e Rao, allora T risulta lo stimatore di θ più efficiete i assoluto. () Statistica 18 / 29
19 Distribuzioe della Distribuzioe della Si cosideri ad esempio ua popolazioe - ad esempio i lavoratori dipedeti - su cui sia misurata ua quatità umerica - ad esempio il reddito auo percepito -; il campioe casuale estratto da tale popolazioe è X 1, X 2,..., X, i valori associati agli elemeti del campioe soo v.c. idipedeti e ideticamete distribuite (i.i.d.), tutte caratterizzate dalla stessa distribuzioe F i cui parametri soo µ e σ 2 ( e ). La statistica X := X 1 + X X fuzioe delle v.c. X 1, X 2,..., X del campioe: si tratta di ua variabile casuale. () Statistica 19 / 29
20 Distribuzioe della La statistica X := X 1 + X X fuzioe delle v.c. X 1, X 2,..., X del campioe: si tratta di ua variabile casuale. valore atteso di X E [ [ ] X1 + X X X] = E = = E [X 1] + E [X 2 ] E [X ] = µ + µ µ ota = µ = µ = di X var ( ( ) X1 + X X X) = var = ( ) ( ) ( ) X1 X2 X = var + var var = = σ2 2 + σ σ 2 2 = σ 2 = σ 2 La distribuzioe di X risulta quidi cetrata su µ, metre la sua dimiuisce all aumetare di. () Statistica 20 / 29
21 Teorema del limite cetrale Teorema del limite cetrale (TLC) Tale teorema è u risultato molto importate della teoria della probabilità: esso afferma che la somma di u umero elevato di v.c. idipedeti si distribuisce approssimativamete secodo ua ormale. TLC: Se si cosiderao le v.c. X 1, X 2,..., X idipedeti e ideticamete distribuite, tutte co µ e σ 2, allora X 1 + X X N(µ, σ 2 ) Se alla somma i questioe si sottrae la µ e si divide per lo scarto quadratico medio σ 2 = σ si ottiee la relazioe precedete i versioe stadardizzata X 1 + X X µ σ N(0, 1) () Statistica 21 / 29
22 Ua compagia di assicurazioe ha polizze attive. Ciascu assicurato percepisce u risarcimeto auo che rappreseta ua v.c. che si distribuisce co pari a 320 euro e scarto quadratico medio pari a 540 euro. Qual è la probabilità che la compagia paghi complessivamete euro? Svolgimeto Il risarcimeto di ciascu cliete è X i co i = 1,..., ed = La richiesta complessiva di risarcimeto da parte di tutti i clieti è X = i=1 X i. Poichè X è la somma delle v.c. X i che soo i.i.d., per il teorema del limite cetrale risulta che X si distribuisce come ua ormale co µ = = e scarto quadratico medio σ = Si vuole duque P (X > ). I uità stadard, il valore i questioe è duque Z = X µ σ = = 3.51 P (X > ) = P (Z > 3.51) 0. () Statistica 22 / 29
23 Il umero ideale di studeti di u corso del primo ao di uiversità è 150. Il maagemet didattico dell uiversità sa che, i base agli ai precedeti, solo il 30% degli iscritti frequeta effettivamete i corsi, duque decide di accettare fio a 450 uove iscrizioi. Qual è la probabilità che il umero di studeti frequetati sia superiore a 150? Svolgimeto Si defiisca la v.c. X come il umero di studeti che frequetao, ciascuo studete iscritto corrispode ad ua prova Berulliaa il cui esito può essere frequeta o o frequeta. X si distribuisce pertato secodo ua distribuzioe biomiale di parametri = 450 e la probabilità di successo (lo studete iscritto frequeta) è p = 0.3. Per il teorema del limite cetrale, poichè X è la somma di v.c. Beroulliae X i, ciascua co E [X i ] = p e pari a var (X i ) = p(1 p), allora X si distribuisce approssimativamete come ua ormale co µ = p e pari a σ 2 = p(1 p). (Si tratta dell approssimazioe della biomiale alla ormale). La probabilità cercata è duque P (X > 150.5) (lo +0.5 i aggiuta è dovuto alla correzioe di cotiuità). Stadardizzado il problema si ha Z = X p = = = 1.59 p(1 p) da cui P (X > 150.5) = P (Z > 1.59) () Statistica 23 / 29
24 Variaza Variaza Dato u campioe casuale X 1, X 2,..., X proveiete da ua distribuzioe co µ e σ 2. Sia X la. La statistica è valore atteso della S 2 = 1 ( Xi X ) 2 1 i=1 Ricordado la relazioe per la quale i=1 (x i x) 2 = i=1 x 2 i x2, dove x = i=1 x i / duque S 2 = 1 ( Xi X ) ( 2 1 ) = X 2 i 1 i=1 1 X 2 da cui i=1 ( 1)S 2 = X 2 i X 2 i=1 adado ad effettuare il valore atteso di etrambi i lati dell equazioe si ha [ [ ] ( 1)E S 2] = E X 2 [ ] i E X2 i=1 () Statistica 24 / 29
25 Variaza valore atteso della (secoda parte) [ [ ] ( 1)E S 2] = E X 2 [ ] [ i E X2 = E X 2 ] [ ] 1 E X2 i=1 [ poichè per qualuque v.c. Y vale la relazioe E Y 2] = var(y ) + E [Y ] 2 allora [ ( 1)E S 2] [ = E X 2 ] [ ] ( 1 E X2 = var(x 1 ) + E [X 1 ] 2) }{{} ( [ E X 1 2 ]) poichè sappiamo che E [X 1 ] = µ, var(x 1 ) = σ 2, E [ X] = µ, var( X) = σ 2, quidi ( var( X) + E [ ) 2 X] }{{} [ ] E X2 ( 1)E [S 2] = σ 2 + µ 2 σ2 µ2 = σ 2 σ 2 = σ 2 [ ( 1) E S 2] = σ 2 il valore atteso della è uguale alla della popolazioe (ota: ecco perchè il deomiatore di S 2 è ( 1) e o...) () Statistica 25 / 29
26 Variaza valore atteso della (secoda parte) [ [ ] ( 1)E S 2] = E X 2 [ ] [ i E X2 = E X 2 ] [ ] 1 E X2 i=1 [ poichè per qualuque v.c. Y vale la relazioe E Y 2] = var(y ) + E [Y ] 2 allora [ ( 1)E S 2] [ = E X 2 ] 1 E [ ] X2 = var(x 1 ) + E [X 1 ] 2 }{{} [ E X 1 2 ] ( var( X) + E [ ) 2 X] }{{} [ ] E X2 poichè sappiamo che E [X 1 ] = µ, var(x 1 ) = σ 2, E [ X] = µ, var( X) = σ 2, quidi ( 1)E [S 2] = σ 2 + µ 2 σ2 µ2 = σ 2 σ 2 = σ 2 [ ( 1) E S 2] = σ 2 il valore atteso della è uguale alla della popolazioe (ota: ecco perchè il deomiatore di S 2 è ( 1) e o...) () Statistica 26 / 29
27 Distribuzioe della La v.c. chi-quadrato La somma di v.c. ormali stadard Z N(0, 1) al quadrato i=1 Z2 i si distribuisce come ua v.c. chi-quadro χ2 () co gradi di libertà. () Statistica 27 / 29
28 Distribuzioe della Il valore atteso della v.c. chi-quadrato Data ua sigola variabile ormale stadard Z, si cosideri la var(z) = E[Z 2 ] (E[Z]) 2 poichè E[Z] = 0 allora var(z) = E[Z 2 ] (0) 2 = E[Z 2 ] poiché Z N(0, 1) segue che var(z) = 1 = E[Z 2 ]. E duque possibile dimostrare che il valore atteso della v.c. chi-quadrato è uguale ai suoi gradi di libertà: [ ] E Zi 2 = E [ Z 2 ] i = 1 = i=1 i=1 i=1 () Statistica 28 / 29
29 Distribuzioe della Ricordado che S 2 = 1 1 ( Xi X ) 2 i=1 Importate relazioe Vale la seguete relazioe perché se X µ σ i=1 (X µ) 2 ( 1)S 2 ( i=1 Xi X ) 2 σ 2 = σ 2 Z(0, 1), allora (X µ)2 σ 2 [Z(0, 1)] 2 duque i=1 [Z(0, 1)]2 ovvero si distribuisce secodo ua v.c. σ chi-quadro 2 co gradi di libertà; se si sostituisce il parametro µ co il suo stimatore X, si perde u grado di libertà, duque i=1 (X X) 2 si distribuiscoo come u chi-quadro co 1 gradi di σ libertà. 2 e ( 1)S2 σ 2 () Statistica 29 / 29
STUDIO 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
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
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,
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
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
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
Dettagli3.4 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
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliCalcolo delle Probabilità: esercitazione 3
Argometo: Probabilità codizioata e teorema di Bayes (par. 3.4 libro di testo) Esercizio Tra i partecipati ad u cocorso per giovai musicisti, il 50% suoa il piaoforte, il 30% suoa il violio ed il restate
DettagliRichiami sulle potenze
Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle
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
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliStatistica 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
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
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
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
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
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliLaboratorio di R - 2 a lezione Prof. Mauro Gasparini
Laboratorio di R - 2 a lezioe Prof. Mauro Gasparii. Distribuzioi i R R può essere usato come ua calcolatrice delle segueti distribuzioi: geom pois chisq t gamma lorm weibull f uif orm biom hyper exp geometrica
DettagliEsercitazione 5 del corso di Statistica (parte 2)
Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
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
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliStatistica 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
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
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.
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
Dettagli1 Metodo della massima verosimiglianza
Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che
Dettagli1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione
Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliPolitecnico di Milano Appunti delle lezioni del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009. Teoria della stima puntuale
Politecico di Milao Apputi delle lezioi del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009 Teoria della stima putuale Ileia Epifai 9 marzo 2009 Il coteuto di queste dispese è protetto
Dettagli15 - Successioni Numeriche e di Funzioni
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 15 - Successioi Numeriche e di Fuzioi Ao Accademico 2013/2014 M Tummiello, V Lacagia,
DettagliEsercizi sulle successioni
Esercizi sulle successioi 1 Verificare, attraverso la defiizioe, che la successioe coverge a 2 3. a := 2 + 3 3 7 2 Verificare, attraverso la defiizioe, che la successioe coverge a 0. a := 4 + 3 3 5 + 7
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliESERCIZI 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
DettagliStatistica (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
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliEsercizi svolti. 1. Calcolare i seguenti limiti: log(1 + 3x) x 2 + 2x. x 2 + 3 sin 2x. l) lim. b) lim. x 0 sin x. 1 e x2 d) lim. c) lim.
Esercizi svolti. Calcolare i segueti iti: a log + + c ± ta 5 + 5 si π e b + si si e d + f + 4 5 g + 6 4 6 h 4 + i + + + l ± + log + log 7 log 5 + 4 log m + + + o cos + si p + e q si s e ta cos e u siπ
DettagliTest 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
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliMole e Numero di Avogadro
Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero
Dettagli= Pertanto. Per la formula di Navier ( σ = ), gli sforzi normali σ più elevati nella sezione varranno: di compressione);
La sezioe di trave di figura è soggetta ad u mometo flettete pari a 000 knmm e ed u azioe di taglio pari a 5 kn, etrambe ageti su u piao verticale passate per l asse s-s. Calcolare gli sforzi σ e τ massimi
DettagliCapitolo 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,
DettagliEsercitazioni 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
DettagliIl campionamento e la distribuzione di Poisson
Il campioameto e la distribuzioe di Poisso Obiettivi l l l utilizzare le pricipali teciche di campioameto compredere il sigificato di variabile campioaria e di stimatore determiare i valori di sitesi di
DettagliAlcuni 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
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliCORSO DI STATISTICA I (Prof.ssa S. Terzi)
CORSO DI STATISTICA I (Prof.ssa S. Terzi) STUDIO DELLE DISTRIBUZIONI SEMPLICI Esercitazioe. Data la segete distribzioe di freqeza: X 0- -2 2-3 3-5 5-0 0-5 5-25 N 44 35 22 58 60 06 02 a) calcolare le freqeze
Dettagli1 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
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
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
DettagliDENSITA. La densità di un oggetto è la sua massa per unità di volume. massa volume
DENSITA La desità di u oggetto è la sua massa per uità di volume d massa volume m V Nel SI (sistema iterazioale) l'uità base per la massa è il chilogrammo (Kg). Spesso i chimica si usao dei sottomultipli
Dettagliq V C dipende solo dalla geometria dei piatti e ci dice quanta carica serve ad un dato condensatore per portarlo ad una DV fissata.
I codesatori codesatore è u dispositivo i grado di immagazziare eergia, sottoforma di eergia poteziale, i u campo elettrico Ogi volta che abbiamo a che fare co due coduttori di forma arbitraria detti piatti
DettagliESERCIZI 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
DettagliV 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
DettagliL'ALGORITMO DI STURM Michele Impedovo, Simone Pavanelli
L'ALGORITMO DI STURM Michele Impedovo, Simoe Pavaelli Lettera P.RI.ST.EM, 10, dicembre 1993 Questo lavoro asce dalla collaborazioe tra u isegate e uo studete; lo studete ha curato iteramete la costruzioe
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
DettagliAppunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15
Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio
DettagliESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI
ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ES 1 I u collettivo di 40 pazieti osservati, la media dei globuli biachi era pari a.9 ( 1000/ml 3 ) e la variaza era pari a 0.336. Forire ua
DettagliLa base naturale dell esponenziale
La base aturale dell espoeziale Beiamio Bortelli 7 aprile 007 Il problema I matematica, ci è stato detto, la base aturale della fuzioe espoeziale è il umero irrazioale: e =, 7888... Restao, però, da chiarire
DettagliANALISI DEI RISULTATI
ANALISI DEI RISULTATI I 4 passi pricipali del processo simulativo Formulare ed aalizzare il problema Sviluppare il Modello del Sistema Raccolta e/o Stima dati per caratterizzare l uso del Modello Attività
DettagliLaboratorio di onde II anno CdL in Fisica
Laboratorio di ode II ao CdL i Fisica Itroduzioe Oda stazioaria di spostameto Quado u oda soora stazioaria si stabilisce i u tubo a fodo chiuso i cui la lughezza del tubo è molto maggiore del suo diametro,
DettagliELEMENTI CALCOLO COMBINATORIO CALCOLO DELLE PROBABILITA' VARIABILI CASUALI TEORIA DEI GIOCHI
ELEMENTI DI CALCOLO COMBINATORIO CALCOLO DELLE PROBABILITA' VARIABILI CASUALI TEORIA DEI GIOCHI SABO ELEMENTI DI CALCOLO COMBINATORIO Dato u isieme di elemeti a 1, a 2, a 3,..., a è possibile da questo
DettagliCapitolo 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
DettagliC a p i t o l o s e t t i m o. Trasmissione del calore per radiazione
C a p i t o l o s e t t i m o Trasmissioe del calore per radiazioe Problema. Si cosideri u corpo ero i uo spazio o assorbete le radiazioi elettromagetiche; se il corpo viee mateuto alla temperatura di
DettagliUn 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
DettagliDistribuzioni per unità
Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa ota si occupa dell illustrazioe
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
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 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliParte V La descrizione dei fenomeni attraverso la statistica
64 Parte V La descrizioe dei feomei attraverso la statistica Dai capitoli presedeti è stato possibile verificare l importaza odale che il sistema iformativo detiee elle scelte di piaificazioe territoriale.
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliElementi di Calcolo Combinatorio
Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale
DettagliScelte finanziarie SCELTE FINANZIARIE
Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra
Dettagli(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scienze dell Informazione
(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scieze dell Iformazioe NOTA Quado i problemi soo formulati el liguaggio ordiario, teere presete che la soluzioe
DettagliELEMENTI STATISTICA METODOLOGICA DISTRIBUZIONI DI PROBABILITA STATISTICA INFERENZIALE
ELEMENTI DI STATISTICA METODOLOGICA DISTRIBUZIONI DI PROBABILITA STATISTICA INFERENZIALE SABO STATISTICA Il puto di parteza per la statistica è il: Feomeo: fatto che si verifica e che viee osservato; può
DettagliCAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE
CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliLA 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:
DettagliCampi 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
DettagliModelli 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
DettagliLA 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
DettagliRicerca del saggio di capitalizzazione nel mercato immobiliare
AESTIMUM 59, Dicembre 2011: 171-180 Marco Simootti Dipartimeto di Igegeria civile, ambietale e aerospaziale Uiversità degli Studi di Palermo e-mail: m.simootti@ti.it Parole chiave: procedimeto di capitalizzazioe,
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
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