UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 2007/2008
|
|
- Livia Vigano
- 5 anni fa
- Visualizzazioni
Transcript
1 UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 007/008 Questi apputi soo stati cocepiti come u aiuto didattico per gli studeti della Facoltá di Ecoomia. Ogi uso diverso é vietato. Defiizioi fodametali Defiizioe. (σ-algebra Siao Ω u isieme o vuoto, P(Ω l isieme dei sottoisiemi di Ω ed F P(Ω ua famiglia di parti di Ω. F si defiisce σ-algebra se e solo se F, Ω F; F é chiusa rispetto all operazioe di complemetare: se A F allora A C F; F é chiusa rispetto all operazioe di uioe umerabile: se (A N è ua successioe tale che A F N, allora N A F. Teorema Siao Ω u isieme o vuoto, P(Ω l isieme dei sottoisiemi di Ω ed (F j j J ua famiglia di σ-algebre parti di Ω. Tesi F = j J F j é ua σ-algebra parti di Ω Osservazioe Siao Ω u isieme o vuoto, P(Ω l isieme dei sottoisiemi di Ω ed (F j j J σ-algebre parti di Ω. No é detto che F = F j sia ua σ-algebra parti di Ω j J ua famiglia di Defiizioe. (σ-algebra geerata Siao Ω u isieme o vuoto, P(Ω l isieme dei sottoisiemi di Ω e G ua famiglia di parti di Ω. Sia A la famiglia di tutte le σ-algebre H tali che si abbia G H. La σ-algebra F = H si dice σ-algebra geerata da G. H A Defiizioe.3 (σ-algebra dei boreliai. Sia Ω = R e sia G la famiglia di tutti i sottoitervalli di R. La σ-algebra geerata da G si idica co B(R e prede il ome si σ-algebra dei boreliai di R,. Sia Ω R e sia G la famiglia di tutti i sottoitervalli di Ω. La σ-algebra geerata da G si idica co B( e prede il ome si σ-algebra dei boreliai di Ω. Defiizioe.4 (misura di probabilitá Sia F ua σ-algebra di parti di Ω. Si dice che P : F [0, ] è ua probabilità se: P ( = 0, P (Ω =, se (A N è ua successioe di elemeti di F tale che A Am = se é m allora: ( + + P A = P (A. La tera (Ω, F, P si dice spazio di probabilità. = =
2 Defiizioe.5 (variabile aleatoria Sia (Ω, F, P uo spazio di probabilità. Si dice che X : Ω R è ua variabile aleatoria (v.a. se per ogi t R, l isieme X (], t] = {ω Ω X(ω t} è u elemeto di F, cioé X (], t] F. Idicheremo co L 0 (Ω l isieme di tutte le variabili aleatorie. Quidi la scrittura X L 0 (Ω vuol dire che X é ua variabile aleatoria. Defiizioe.6 (misura immagie Sia (Ω, F, P uo spazio di probabilità e sia X L 0 (Ω. Defiizioe.7 (fuzioe di ripartizioe Sia X : Ω R ua v.a. La fuzioe F : R R defiita da si defiisce fuzioe di ripartizioe (f.r. della v.a. X. Valgoo i segueti teoremi. t R F (t = P ({ω Ω X(ω t} Teorema Sia X : Ω R ua v.a. e sia F : R R la fuzioe di ripartizioe di X. Tesi:. F è mootoa o decrescete, ossia: t, t R, t < t F (t F (t. t F (t = 0 3. t + F (t = 4. F è cotiua a destra ossia t 0 R, F (t = F (t 0 t t + 0 Teorema 3 Sia F : R R ua fuzioe che verifica le segueti proprietá:. F è mootoa o decrescete, ossia: t, t R, t < t F (t F (t. t F (t = 0 3. t + F (t = 4. F è cotiua a destra ossia t 0 R, F (t = F (t 0 t t + 0 Tesi: Esiste uo spazio di probabilitá (Ω, F, P ed esiste ua variabile aleatoria X : Ω R tale che F sia la relativa fuzioe di ripartizioe. Defiizioe.8 Diremo che ua fuzioe f : R R è ua desità se:. x R, f(x 0. f è itegrabile i R 3. + f(x dx = Defiizioe.9 Si dice che la v.a. X è assolutamete cotiua se esiste ua fuzioe di desità f tale che Assegati µ R e σ > 0 la fuzioe F (t = P ({ω Ω X(ω t} = t f(x = e (x µ σ πσ f(xdx t R è ua desità. Ua v.a. X co tale fuzioe di desità si dice v.a. Normale o di Gauss e si scrive X N(µ, σ. Se µ = 0 e σ =, allora X si dice ormale stadard. Se X N(0, è ua v.a. ormale stadard allora Y = σx + µ ha distribuzioe N(µ, σ.
3 Defiizioe.0 Sia (Ω, F, P uo spazio di probabilità. Si dice che X : Ω R è u vettore aleatorio (oppure ua v.a. multidimesioale se le fuzioi compoeti di X = (X, X,..., X soo v.a. Defiizioe. Sia X : Ω R u vettore aleatorio allora la fuzioe F : R R defiita dalla relazioe: (t, t,..., t R F (t, t,..., t = P ({ω Ω X (ω t, X (ω t,..., X (ω t } si dice fuzioe di ripartizioe cogiuta di X. Defiizioe. Le v.a. X, X,..., X si dicoo idipedeti se e solo se per ogi A B R,...,A B R si ha P ( {ω Ω X k (ω A k } = k= P ({ω Ω X k (ω A k }. Nel seguito, allo scopo di abbreviare le otazioi, l isieme X (A = {ω Ω X(ω A} sará deotato co il simbolo (X A e l isieme X (], t] = {ω Ω X(ω t} sará deotato co il simbolo (X t. k= Teorema 4 Le v.a. X, X,..., X soo idipedeti se e solo se t, t,..., t R si ha: P ( (X k t k = k= P (X k t k. Quidi se F (t,..., t è la f.r. del vettore aleatorio (X,..., X e se F,... F soo rispettivamete le f.r. di X,...,X, si ha F (t,..., t = F (t F (t. Le seguete defiizioe estede la ozioe di idipedeza ad ua famiglia, o ecessariamete fiita, di variabili aleatorie Defiizioe.3 Sia T u isieme di idici e sia (X t t T ua famiglia di variabili aleatorie. Le (X t t T si dicoo idipedeti se per ogi sottoisieme fiito S T, le v.a. (X s s S soo idipedeti. Defiizioe.4 (VALORE MEDIO. I Sia X : Ω R ua v.a. co X(ω 0 ω Ω.. Assegato N, sia p = {E, E,..., E } ua partizioe fiita co isiemi misurabili di Ω, cioé p é u isieme fiito di sottoisiemi di Ω co E k F k =,,...,, E k E j = se k j e tali che k= E k = Ω,. Per ogi k =,,..., sia m k = if X(E k, 3. Sia s(x, p = m k P (E k ; s(x, p si dice somma itegrale iferiore della v.a. X rispetto alla partizioe p, k= 4. Sia I = sup {s(x, p p partizioe fiita co isiemi misurabili di Ω} 5. X si dice itegrabile (secodo LEBESGUE su Ω se e solo se si ha I R. Il umero I viee idicato ache co il simbolo E(X e si chiama valore atteso o valore medio di X su Ω. II Sia X : Ω R ua v.a. e siao X + : Ω R ed X : Ω R rispettivamete la parte positiva e la parte egativa della variabile aleatoria X defiite come segue: ω Ω X + (ω = max {X(ω, 0} ed X (ω = max { X(ω, 0}. X si dice itegrabile (secodo LEBESGUE su Ω se e solo se soo itegrabili sia X + e sia X. I tal caso si poe, per defiizioe, E(X = E(X + E(X. Il valore E(X si dice ache valore medio di X. Defiizioe.5 Sia (Ω, F, P uo spazio di probabilità.. Idicheremo co L (Ω l isieme di tutte le variabili aleatorie reali X che ammettoo valore atteso. Cioé: k= L (Ω = {X : Ω R X v.a., ed E(X R}. 3
4 . Idicheremo co L (Ω l isieme di tutte le variabili aleatorie reali X tali che X ammette valore atteso. Cioé: L (Ω = { X : Ω R X v.a., ed E(X R }. 3. Assegato p R co p, idicheremo co L p (Ω l isieme di tutte le variabili aleatorie reali X tali che X p ammette valore atteso. Cioé: L p (Ω = {X : Ω R X v.a., ed E( X p R}. Teorema 5 Sia X ua v.a. assolutamete cotiua co desità f. Se si ha: + x f(xdx < + allora X ha valore atteso e si ha: E(X = + xf(xdx.. Se si ha: + x f(xdx < + allora di X ha valore atteso e si ha: E(X = + x f(xdx. 3. Assegato p R co p, se si ha: + x p f(xdx < + allora di X ha valore atteso di ordie p e si ha: E( X p = + x p f(xdx. Teorema 6. Se X e Y ammettoo speraza matematica, cioé se X L (Ω ed Y L (Ω, allora: α, β R αx + βy L (Ω e si ha: E(αX + βy = αe(x + βe(y.. Se X e Y ammettoo speraza matematica, cioé se X L (Ω ed Y L (Ω, e soo ache idipedeti allora: E(XY = E(XE(Y. Teorema 7 Disuguagliaza di CAUCHY-SCWARTZ. Se X e Y ammettoo speraza matematica di ordie, cioé se X L (Ω ed Y L (Ω, allora XY L (Ω e si ha: [E(XY ] E(X E(Y. Ioltre si ha: [E(XY ] = E(X E(Y λ R : X = λy. Dimostrazioe. Si cosiderio α R e la variabile aleatoria X αy. Ovviamete α R si ha: E [ (X αy ] 0 ed E [ (X αy ] = E [ (X αxy + α Y ] = E ( X αe (XY + α E ( Y. Pertato: Quidi risulta: Cioé: E ( X αe (XY + α E ( Y 0. [E (XY ] E(X E(Y 0. [E (XY ] E(X E(Y. Ioltre se si ha [E(XY ] = E(X E(Y ed é E(XY = E(X E(Y risulta: E ( X α E(X E(Y + α E ( Y 0 α R 4
5 da cui: ( E (X α E(X ( E(Y + α 0 α R cioé ( E (X α E(Y 0 α R. Se poi si ha ache E(Y > 0 e cosiderato si ha E (X α = X = E (X Y. Ifatti si ha: ( E X E (X Y = E X X ( E (X E Y + (X Y = E [ ( X ] E (X E(X Y + E E (X Y = E [ [( ( X ] E (X ] E X E(XY + E Y = E [ X ] E (X E(X E(Y + E ( X E [( Y ] = Pertato si ha E ( X E (X E(X + E ( X = 0 X E (X Y = 0, cioé X = E (X Y. Gli altri casi si dimostrao i modo aalogo. Defiizioe.6 (VARIANZA e COVARIANZA. Sia X ua v.a. tale che co E(X < +, cioé X L (Ω. Si defiisce variaza di X var(x = E[(X E(X ] = E(X [E(X] La radice quadrata della variaza si defiisce deviazioe stadard.. Siao X ed Y due v.a. tale che co E(X < + ed E(Y < +, cioé X, Y L (Ω. Si defiisce covariaza di X co Y il umero: Cov(X, Y = E[(X E(X(Y E(Y ]. Teorema 8 Siao X ed Y tali che E(X < + ed E(Y < +, cioé X L (Ω ed Y L (Ω allora:. α, β R, var(αx + β = α var(x. var(x+y=var(x+var(y+ Cov(X,Y 5
6 3. se X N(µ, σ allora E(X = µ e var(x = σ. Se la covariaza fra due v.a. X ed Y è ulla, allora le v.a. si dicoo o correlate. Se le v.a. soo idipedeti allora soo o correlate. Si oti che il viceversa o vale. Teorema 9 Siao X ed Y tali che E(X < + ed E(Y < +, cioé X L (Ω ed Y L (Ω allora per la v.a. Y = X E(X var(x si ha: E(Y = 0 e var(y = Dimostrazioe: E(Y = E ( X E(X var(x = var(y = var var(x E(X E(X = ( X E(X = var(x =. var(x var(x Teorema 0 (DISUGUAGLIANZA ( di CEBICEV Se X ua v.a. tale che E X < +, cioé X L (Ω, allora ɛ > 0 si ha: P ( X E(X > ɛ ɛ Var(X var(x (E(X E(X = 0 Dimostrazioe Fissato ɛ > 0 si cosideri l isieme A(ɛ > 0 = {ω Ω X(ω E(X > ɛ}. Ovviamete A(ɛ > 0 é misurabile. Cosiderata allora la fuzioe idicatrice I A(ɛ>0 di A(ɛ > 0 si ha: Covergeze di v.a. P ( X E(X > ɛ = P (A(ɛ > 0 = E ( I A(ɛ>0 = ɛ E ( ɛ I A(ɛ>0 ɛ E ( X E(X I A(ɛ>0 ɛ E ( X E(X = ɛ Var(X Defiizioe. Sia (X N ua successioe di v.a. ed X v.a. defiite su (Ω, F, P. Si dice che la successioe (X N coverge quasi certamete ad X se esiste u eveto A F avete probabilità zero (ossia P (A = 0 tale che ω Ω A X (ω = X(ω. Defiizioe. Sia (X N ua successioe di v.a. ed X v.a. defiite su (Ω, F, P. Si dice che la successioe (X N coverge i probabilità ad X se ɛ > 0 P ( X X > ɛ = 0. Defiizioe.3 Sia (X N ua successioe di v.a. ed X v.a. defiite su (Ω, F, P. Si dice che la successioe (X N coverge i media di ordie p o ache i L p ad X se E( X X p = 0. Se p = si parla di covergeza i media, se ivece si ha p = si parla di covergeza i media quadratica. Teorema Siao (X N ua successioe di v.a. ed X ua v.a. tutte defiite su (Ω, F, P.. (X N coverge i media di ordie p ad X (X N coverge i media di ordie q, q [, p], ad X; 6
7 . (X N coverge i media ad X (X N coverge i probabilitá, ad X; 3. (X N coverge putualmete q.c. ad X (X N coverge i probabilitá, ad X; Osservazioe Se ua successioe di variabili aleatorie (X N coverge i probabilitá o é detto che coverga i media é putualmete. Defiizioe.4 Sia (X N ua successioe di v.a. defiite rispettivamete su (Ω, F, P ed X ua v.a. defiita su (Ω, F, P. Sia F (t = P (X t e sia F (t = P (X t. Si dice che la successioe (X N coverge debolmete o i legge o i distribuzioe ad X se F (t = F (t per ogi t i cui F è cotiua. Teorema Siao (X N ua successioe di v.a. ed X ua v.a. tutte defiite su (Ω, F, P. (X N coverge i probalititá ad X (X N coverge debolmete, ad X; Osservazioe 3 Se ua successioe di variabili aleatorie (X N coverge debolmete o é detto che coverga i probabilitá. 3 Leggi dei gradi umeri Assegata ua successioe (X N di v.a. ciascua delle quali dotata di valore medio, cioé tali che X L (Ω N, si cosideri la successioe delle medie degli scarti, cioé si cosideri la successioe (Y N co Y = [X j E (X j ]. j= I questa sezioe soo presetati alcui risultati che esamiao la covergeza di questa secoda successioe. É ache presetato qualche risultato i cui si esamia la covergeza della successioe (Z N delle medie, cioé co 3. Leggi deboli Z = X j. Si chiamao leggi deboli dei gradi umeri tutti quei teoremi che hao come tesi la covergeza della successioe (Y N i probabilitá alla variabile aleatoria ulla 0. Teorema 3 (Legge debole dei gradi umeri Sia (X N ua successioe di v.a. idipedeti defiite su (Ω, F, P tali che E(X < +. j=. Se allora cioé ɛ > 0 + P + Var (X j = 0 j= [X j E(X j ] ɛ = 0 j= Y = [X j E (X j ] 0 i probabilitá; j= 7
8 . Se ioltre allora E(X j = µ R j + Se le variaze soo equiitate ossia se allora si ha: Y = Se ioltre le variaze soo costati, cioé se [X j µ] 0 i probabilitá. j= C [0, + [ tale che N Var (X C + Var (X j = 0. j= si ha C [0, + [ tale che N Var (X = C + Var (X j = 0. j= Teorema 4 (Legge dei gradi umeri i L (Ω Sia (X N ua successioe di v.a. o correlate defiite su (Ω, F, P tali che E(X < +. Se allora cioé + E ( Y = + Y = + E Var (X j = 0 j= (X j E(X j = 0. j= [X j E (X j ] 0 i L (Ω j= Dim: E(Y = E (X j E(X j = Var j= (X j E(X j = j= j= Var (X j 0. Se le v.a. hao la stessa distribuzioe si dimostra che: idipedeti e idetica- Teorema 5 (Legge debole dei gradi umeri Sia (X N ua successioe di v.a. mete distribuite defiite su (Ω, F, P tali che E X < +. Se E(X = m allora ɛ > 0 P + X j m ɛ = 0. j= 8
9 3. Leggi forti Si chiamao leggi forti dei gradi umeri tutti quei teoremi che hao come tesi la covergeza della successioe (Y N putualmete quasi certamete alla variabile aleatoria ulla 0. Teorema 6 (Legge forte dei gradi umeri Sia (X N ua successioe di v.a. idipedeti defiite su (Ω, F, P tali che E(X < +. Se allora + + j= Var (X j j = 0 (X j E(X j = 0 q.c. j= Teorema 7 (Legge forte dei gradi umeri Sia (X N ua successioe di v.a. idipedeti ed ideticamete distribuite defiite su (Ω, F, P tali che E(X = m R, allora + X j = m j= q.c. 4 Teorema Limite Cetrale Teorema 8 Siao X,..., X r v.a. idipedeti defiite su (Ω, F, P tali che E(Xi < +, i =,..., r. Se ( r E (X i = 0 Var X i = s, e se allora ɛ > 0 r coverge i distribuzioe ad ua ormale stadard. s i= i= E( X i Xi ɛs = 0 ( r X i s i= La ( è detta codizioe di Lideberg. Se esiste δ > 0 tale che r i= s +δ E( X i +δ = 0 allora la codizioe di Lideberg è soddisfatta. Dalla ( si ha ioltre che e dalla disuguagliaza di Cebicev si ha ɛ > 0 max i r Var(X i max i r s = 0 ( X i P ɛ = 0 quidi ella sommatoria delle X i il cotributo di ogi addedo o deve icidere molto. Nel caso i cui r = e X,i = X i si ha: Teorema 9 Se (X N è ua successioe di v.a. idipedeti aveti la stessa legge tale che E(X < +, se m = E(X, σ = Var(X > 0 e s Z = X +X + +X σ m = X + X + + X m σ, allora Z coverge i distribuzioe ad ua v.a. ormale stadard Z. 9
10 Il Teorema Limite Cetrale afferma che se è grade, allora la somma Y = X + X X ha approssimativamete distribuzioe ormale N(µ, σ : E(Y = E(X + X X = µ var(y = var(x + X X = σ. Nessua ipotesi viee fatta sulla atura della distribuzioe delle v.a. X che, ella formulazioe geerale del teorema, possoo ache avere differeti distribuzioi. Se pertato u feomeo è la risultate di umerosi piccoli cotributi, il risultato che si osserva ha distribuzioe ormale. È grazie a questo teorema che la v.a. di Gauss viee utilizzata per modellare vari esperimeti aleatori. 0
****** FUNZIONI MISURABILI E INTEGRAZIONE ******
****** FUNZIONI MISURABILI E INTEGRAZIONE ****** 1 2 1. Fuzioi misurabili. I questo umero estediamo la ozioe di misurabilità alle fuzioi. Defiizioe 1. Siao u isieme o vuoto, Y uo spazio topologico e µ
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
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
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
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
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018
Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,
Dettagli0.1 Il teorema limite centrale
0. Il teorema limite cetrale 0. Il teorema limite cetrale Teorema 0.. Teorema limite cetrale). Sia X i ) i N ua successioe di variabili aleatorie i.i.d. che ammettoo mometo secodo fiito, co media µ e co
DettagliFacoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1.
Prova scritta di Aalisi Matematica I del 25-5-1998 - c.1 1) Per ogi umero N, 2, siao dati 2 umeri reali positivi a 1, a 2,...a, b 1, b 2,...b. Provare, usado il Pricipio di Iduzioe, che a 1 + a 2 +...
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
DettagliALTRI ESERCIZI SULL INTEGRALE DI LEBESGUE. A. Figà Talamanca
ALTRI SRCIZI SULL INTGRAL DI LBSGU A. Figà Talamaca 29 ottobre 2006 2 L itegrale di Lebesgue che abbiamo defiito per le fuzioi misurabili, limitate defiite su u isieme misurabile di misura fiita, può essere
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa
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
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 24 maggio 26 Desità e distribuzioi cogiute e codizioate. Covergeza e approssimazioe Esercizio Uo studio dice che l ivestimeto i titoli di stato, rappresetato
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
DettagliProbabilità: richiami e complementi
Capitolo 2 Probabilità: richiami e complemeti 2.1 Cei di teoria della misura 2.1.1 σ-algebre Sia S u isieme e idichiamo co P(S) l isieme delle sue parti (cioè la collezioe di tutti i suoi sottoisiemi).
DettagliProbabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?
Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
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.
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 2018/19 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 2018/19 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X =
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!
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
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
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; = costate icogita Qual è il valore di? E verosimile
Dettagli1 Esercizi tutorato 27/5
Esercizi tutorato 7/5 Esercizi tutorato 7/5 Esercizio.. Si cosideri u compoete elettroico costituito da compoeti collegate i serie. Ogi compoete ha u tempo di vita T i Expλ), i =,..., idipedete. Sia X
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
Dettagli06 LE SUCCESSIONI DI NUMERI REALI
06 LE SUCCESSIONI DI NUMERI REALI Ua successioe è ua fuzioe defiita i. I simboli ua f : A tale che f ( ) è ua successioe di elemeti di A. Se poiamo f ( i) ai co i,...,,..., ua successioe può essere rappresetata
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
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
DettagliSERIE NUMERICHE FAUSTO FERRARI
SERIE NUMERICHE FAUSTO FERRARI Materiale propedeutico alle lezioi di Aalisi Matematica per i corsi di Laurea i Igegeria Chimica e Igegeria per l Ambiete e il Territorio dell Uiversità di Bologa. Ao Accademico
DettagliDefinizione 1. Data una successione (a n ) alla scrittura formale. 1) a 1 + a a n +, si dà il nome di serie.
SERIE NUMERICHE Defiizioe. Data ua successioe (a ) alla scrittura formale ) a + a 2 + + a +, si dà il ome di serie. I umeri a, a 2,, a, rappresetao i termii della serie, i particolare a è il termie geerale
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliTEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11
1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........
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
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
Dettagli1 Successioni numeriche
Aalisi Matematica 2 Successioi umeriche CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 5 SERIE NUMERICHE Chiamiamo successioe di umeri reali ua fuzioe a valori reali defiita su N oppure
DettagliProbabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?
Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile
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,
DettagliUniversità degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO
Versioe: 16 ottobre 2017 (h17:25) Uiversità degli Studi di Salero Pietro Coretto Corso di Statistica FORMULARIO Valori osservati per statistiche di posizioe, variabilità e correlazioe Nota: per ua distribuzioe
DettagliAlgebra delle matrici
Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice
DettagliTEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER
TEOREMA DELLA PROIEZIONE, DISUGUAGLIANZA DI BESSEL E COMPLEMENTI SULLE SERIE DI FOURIER I uo spazio euclideo di dimesioe fiita, ad esempio R 3, cosideriamo u sottospazio, ad esempio u piao passate per
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
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,
DettagliINTEGRAZIONI PER IL CORSO DI MATEMATICA E STATISTICA, SC. AMBIENTALI, 2018/19 ALESSANDRA FAGGIONATO
INTEGRAZIONI PER IL CORSO DI MATEMATICA E STATISTICA, SC. AMBIENTALI, 208/9 ALESSANDRA FAGGIONATO I progress. Spazio campioario, esiti, eveti, spazio di probabilità Cosideriamo u esperimeto i seso ampio
DettagliDISTRIBUZIONE NORMALE MULTIVARIATA
Distribuzioe ormale uivariata DISTRIBUZIONE NORMALE MULTIVARIATA ANALISI MULTIVARIATA A.A. 00/ CORSO DI LAUREA IN STATISTICA Carla Rampichii Desità Normale μ, σ Normale stadardizzata: μ=0, σ= Distribuzioe
DettagliIstituzioni di Analisi Superiore Esercizi
Istituzioi di Aalisi Superiore Esercizi G.P.Leoardi 13 aprile 2010 Nota: gli esercizi delle sezioi 2 4 soo stati tratti i buoa parte da ua raccolta di esercizi di Aalisi Fuzioale ad opera di H.Brezis e
Dettagli(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.
Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma
DettagliCAPITOLO 10. Funzione Caratteristica, Normale multivariata, convergenze
CAPITOLO 0 Fuzioe Caratteristica, Normale multivariata, covergeze 5 0. Fuzioe caratteristica 53 0.. Fuzioe caratteristica La fuzioe caratteristica è uo strumeto teorico utile sotto diversi aspetti per
DettagliEsercitazione X Complementi di Probabilità a.a. 2011/2012
Esercitazioe X Complemeti di Probabilità a.a. 20/202 Argometi: covergeza e TLC. Esercizio. Sia {X k } k ua successioe di v.a. i.i.d. di legge Exp(. Sia G = S,. a Scrivere la fuzioe caratteristica φ di
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
Dettaglin 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1.
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 0: Riferimeti: R.Adams, Calcolo Differeziale - Si cosiglia vivamete di fare gli esercizi del testo. Successioi umeriche:
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
DettagliUniversità degli Studi di Palermo Facoltà di Economia. Dip. di Scienze Statistiche e Matematiche Silvio Vianelli
Uiversità degli Studi di Palermo Facoltà di Ecoomia Dip. di Scieze Statistiche e Matematiche Silvio Viaelli Apputi del corso di Matematica Geerale Le Serie Ao Accademico 2009/200 V. Lacagia - S. Piraio
DettagliSUCCESSIONI SERIE NUMERICHE pag. 1
SUCCESSIONI SERIE NUMERICHE pag. Successioi RICHIAMI Ua successioe di elemeti di u isieme X è ua fuzioe f: N X. E covezioe scrivere f( ) = x, e idicare le successioi mediate la ifiitupla ordiata delle
Dettaglix n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma
1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge
DettagliSerie di funzioni. Convergenza puntuale. f n converge: Date f n : D R, diciamo che la serie
Serie di fuzioi Serie di fuzioi = addizioe dei termii di ua successioe di fuzioi (f ) 0, dove f : D R R. Scrittura formale: f = f 0 + f 1 + f 2 +... oppure f (x) =f 0 (x)+f 1 (x)+f 2 (x)+.... f 0, f 1,
Dettaglik=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se
Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().
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
Dettagli1 Famiglia delle densità gamma
olitecico di Milao, Statistica INF, TEL [A-LZ], Epifai I., AA 7/8 Famiglia delle desità gamma Le espressioi delle desità espoeziale di parametro θ e χ date da (E(β)) (χ ) /θe x/β (, ) (x), β > (/) / x
DettagliAnalisi Funzionale 1 - a.a. 2012/2013
Secodo appello Esercizio Sia H spazio di Hilbert reale separabile. Aalisi Fuzioale - a.a. 202/203. Si euci il teorema di caratterizzazioe di ua base hilbertiaa per H. 2. Si provi che H ha ua base hilbertiaa
Dettagli3 LA RETTA REALE ESTESA
3 LA RETTA REALE ESTESA Abbiamo visto che i cocetti di sup e if soo utili per descrivere proprietà di isiemi superiormete/iferiormete limitati. Per coprire co questi cocetti tutti gli isiemi abbiamo bisogo
DettagliPOLITECNICO di BARI - I Facoltà di INGEGNERIA Corso di Laurea in INGEGNERIA MECCANICA (Corso B) A.A. 2011/2012. per ogni n N
POLITECNICO di BARI - I Facoltà di INGEGNERIA Corso di Laurea i INGEGNERIA MECCANICA Corso B) A.A. / ) Dimostrare, utilizzado il pricipio di iduzioe, che a) b) c) d) k= log + ) = log + ) per ogi N k k
Dettagli1 Sulla dimostrazione del Teorema di Carathéodory
Sulla dimostrazioe del Teorema di Carathéodory Ricordiamo che la dimostrazioe del Teorema di Carathéodory procede secodo diversi passi, riassuti dal seguete diagramma: (A, P ) (B, P ) (P (Ω), P ) (C, P
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
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
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
Dettagli16 - Serie Numeriche
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 6 - Serie Numeriche Ao Accademico 03/04 M. Tummiello, V. Lacagia, A. Cosiglio, S.
Dettagli2 Criteri di convergenza per serie a termini positivi
Uiversità Roma Tre L. Chierchia 65 (29//7) 2 Criteri di covergeza per serie a termii positivi I questo paragrafo cosideriamo serie a termii positivi ossia serie a co a > 0. Si ricordi che ua serie a termii
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea i Igegeria Iformatica Ao Accademico 26/27 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Acoa, geaio 27. (8 puti) Si vuole stimare il parametro p di ua legge
DettagliUnità Didattica N 33 L algebra dei vettori
Uità Didattica N 33 Uità Didattica N 33 0) La ozioe di vettore 02) Immagie geometrica di u vettore umerico 03) Somma algebrica di vettori 04) Prodotto di u umero reale per u vettore 05) Prodotto scalare
Dettagli1 Alcune premesse sugli spazi di Hilbert
1 Alcue premesse sugli spazi di Hilbert 1.1 Lo spazio di Hilbert Sia H uo spazio vettoriale sul corpo K, che si supporrà essere il corpo dei umeri reali R o quello dei umeri complessi C. È defiito u prodotto
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 AA Dott.ssa Sandra Lucente Successioni numeriche
Corso di laurea i Matematica Corso di Aalisi Matematica -2 AA. 0809.. Cooscere. Dott.ssa Sadra Lucete. Successioi umeriche Defiizioe di successioe, isieme degli elemeti della successioe, successioe defiita
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 5
(,,, ) vettore di v.a. la cui legge è assegata mediate: Fuzioe di ripartizioe cogiuta: F(,,, )=P[,,, ] Oppure Caso discreto Fuzioe di massa di probabilità cogiuta: (,,, )=P[ =, =,, = ] Caso cotiuo (variabili
Dettaglia n (x x 0 ) n. (1.1) n=0
Serie di poteze. Defiizioi Assegati ua successioe {a } di umeri reali e u puto x dell asse reale si dice serie di poteze u espressioe del tipo a (x x ). (.) Il puto x viee detto cetro della serie e i umeri
DettagliMatematica. Corso integrato di. per le scienze naturali ed applicate. Materiale integrativo. Paolo Baiti 1 Lorenzo Freddi 1
Corso itegrato di Matematica per le scieze aturali ed applicate Materiale itegrativo Paolo Baiti Lorezo Freddi Dipartimeto di Matematica e Iformatica, Uiversità di Udie, via delle Scieze 206, 3300 Udie,
DettagliNOTE DEL CORSO DI ANALISI MATEMATICA 1, aa 2003/ I NUMERI REALI COME COMPLETAMENTO DEI RAZIONALI DUE DIVERSI PUNTI DI VISTA:
NOTE DEL CORSO DI ANALISI MATEMATICA, aa 003/004. I NUMERI REALI COME COMPLETAMENTO DEI RAZIONALI DUE DIVERSI PUNTI DI VISTA: A) Defiizioe assiomatica dei umeri reali: si assume come assioma (cioè come
DettagliAnalisi II. Foglio di esercizi n.3 1/11/2018. se max 1 i n x i > 1. + se x = 0. se x = 0. Stabilire se f è misurabile, argomentandone la risposta.
Aalisi II Foglio di esercizi 3 //2 sercizi sull itegrazioe di più variabili Provare che le fuzioi f R R, defiita come f(x) = e g R 2 R, defiita come g(x, y) = soo etrambe misurabili se max i x i e x se
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
DettagliEsponenziale complesso
Espoeziale complesso P.Rubbioi 1 Serie el campo complesso Per forire il cocetto di serie el campo complesso abbiamo bisogo di itrodurre la defiizioe di limite per successioi di umeri complessi. Defiizioe
Dettagliversione
versioe 3-06-2004 37 La seguete Lezioe 4 riguarda pricipalmete la legge dei gradi umeri ed il teorema cetrale del limite. Iclude ache la geeralizzazioe del cocetto di idipedeza completa per successioi
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):
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
Dettagli2.4 Criteri di convergenza per le serie
2.4 Criteri di covergeza per le serie Come si è già acceato i precedeza, spesso è facile accertare la covergeza di ua serie seza cooscere la somma. Ciò è reso possibile da alcui comodi criteri che foriscoo
DettagliLezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh.
Prerequisiti: Lezioe Gruppi Lezioe 2 Z Gruppi isomorfi Gruppi S e A Riferimeti ai testi: [FdG] Sezioe ; [H] Sezioe 26; [PC] Sezioe 58 Sottogruppi ormali Gruppi quoziete L Esempio 7 giustifica la seguete
DettagliSOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n]
SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 05/6, FOGLIO Sia f : R R defiita da f x { se x [, 3] 0 altrimeti Studiare la covergeza putuale, uiforme e uiforme sui compatti della successioe f e della
Dettagli1 Sulla dimostrazione del TLC
1 Sulla dimostrazioe del TLC Lo scopo della seguete variate di dimostrazioe è quello di evitare l uso del logaritmo i campo complesso, o diffi cile ma comuque u po isidioso. Nella dimostrazioe del TLC
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
Dettagli9 LIMITI DI SUCCESSIONI NUMERICHE
9 LIMITI DI SUCCESSIONI NUMERICHE Iiziamo ora ad esamiare gli argometi veri e propri di questa prima parte del corso, i cui svilupperemo gli strumeti per giugere a descrivere soddisfacetemete le proprietà
DettagliSvolgimento degli esercizi del Capitolo 4
4. Michiel Bertsch, Roberta Dal Passo, Lorezo Giacomelli Aalisi Matematica 2 a edizioe Svolgimeto degli esercizi del Capitolo 4 Il limite segue dal teorema del cofroto: e / 0 per. 4.2 0
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,,, 3, 5, 8, 3,, 34, 55, 89, 44, 33, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi mesi i u allevameto! Si
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
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
DettagliCampionamento 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
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
DettagliSommario lezioni di Probabilità
Sommario lezioi di Probabilità C. Frachetti September 4, 2005 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o spazio di probabilità.
Dettagli