Vettori Aleatori discreti
|
|
- Abele Calo
- 5 anni fa
- Visualizzazioni
Transcript
1 Vettori Aleatori discreti Un vettore aleatorio X =(X,X 2,...,X n ) si dice discreto se esiste un insieme finito o numerabile C R n tale che P (X = x) >, 8x 2 C, P (X = x) =, 8x /2 C, dove, ponendo x =(x,...,x n ),l evento(x = x) rappresenta l evento (X = x,x 2 = x 2,...,X n = x n ). Analizziamo in dettaglio il caso discreto, con n =2. Per semplicità di notazione, indichiamo con (X, Y ) il v.a. (X,X 2 ). Va osservato che tale notazione può essere utilizzata anche nel caso in cui n > 2, indicando con X e Y due sottovettori del vettore aleatorio (X,...,X n ). Distribuzioni marginali. Indichiamo con C (X,Y ), o brevemente con C, l insieme(alpiù numerabile) delle coppie (x h,y k ) tali che P (X = x h,y = y k )=p xh,y k >. G. Sanfilippo - CdP pag. 38
2 Se consideriamo C X = {x h : P (X = x h ) > }, C Y ha = {y h : P (Y = y h ) > }, si C C X C Y ovvero, potrebbero esserci coppie (x h,y k ), con P (X = x h ) >, P (Y = y k ) >, ma con P (X = x h,y k = y k )=. Nel seguito, per semplicità, supporremo che C X,C Y,C (X,Y ) siano anche i codomini, rispettivamente, di X, Y, (X, Y ) e che valga la sigma additività. Fissato un punto x h 2 C X, osservando che = _ (Y = y k ), y k 2C Y possiamo decomporre l evento (X = x h ) nel seguente modo (X = x h )=(X = x h ) ^ = =(X = x h ) ^ [ W y k 2C (Y = y k )] = Y = W y k 2C (X = x h,y = y k ). Y G. Sanfilippo - CdP pag. 39
3 Quindi, 8 x h 2 C X,siha P (X = x h )= P y k 2C Y P (X = x h,y = y k )= = P y k p xh,y k ; (distribuzione marginale di X). Per brevità, denotiamo con p x h = P y k p xh,y k, 8 x h 2 C X, la distribuzione marginale di X. Inalcunitestip x h si denota con p xh,, ovvero si mette un punto al posto di y k.in modo analogo si ottiene P (Y = y k )=p y k = p,yk = P x h 2Cx P (X = x h,y = y k )= = P x h p xh,y k ; (distribuzione marginale di Y ). Distribuzioni marginali condizionate. p xh y k = P (X = x h Y = y k )= congiunta z } { = P (X=x h,y =y k ) p xh,y P (Y =y k ) = k p yk. {z} marginale G. Sanfilippo - CdP pag. 32
4 La distribuzione {p xh y k, x h 2 C X } si chiama distribuzione marginale di X condizionata al valore fissato y k di Y. In maniera analoga, la distribuzione {p yk x h, y k 2 C Y } si chiama distribuzione marginale di Y condizionata al valore fissato x h di X, ovvero p yk x h = P (Y = y k X = x h )= congiunta z } { = P (X=x h,y =y k ) p xh,y P (X=x h ) = k p xh. {z} marginale Dalle ultime relazioni, per il teorema delle probabilità composte, si ottiene: ovvero P (X = x h,y = y k )=P (Y = y k X = x h )P (X = x h )= = P (X = x h Y = y k )P (Y = y k ). Osserviamo che, in generale, risulta p xh,y k = p xh y k p yk = p yk x h p xh. p xh,y k = p xh p yk. G. Sanfilippo - CdP pag. 32
5 Indipendenza stocastica. I numeri aleatori X, Y sono stocasticamente indipendenti (in breve, indipendenti) se, 8 (x h,y k ), vale P (X = x h,y = y k )=P (X = x h ) P (Y = y k ), ovvero la distribuzione congiunta è data dal prodotto delle marginali p xh,y k = p xh p yk, 8 (x h,y k ). Quindi, se X, Y marginali sono indipendenti, le distribuzioni condizionate coincidono con le p xh y k = p xh, p yk x h = p yk. Esempio 7 Si lancia due volte un dado, definendo X = risultato del primo lancio; Y = risultato del secondo lancio. Ovviamente, X, Y sono indipendenti e quindi, per ogni coppia (m, n) 2 {, 2,...,} {, 2,...,}, siha P (X = m, Y = n) =P (X = m)p (Y = n) = =. G. Sanfilippo - CdP pag. 322
6 Y \ X P (Y = n) P (X = m) Osservazione 9 In generale, quando non vi è indipendenza stocastica tra due numeri aleatori, alle stesse distribuzioni di probabilità marginali possono corrispondere infinite G. Sanfilippo - CdP pag. 323
7 distribuzioni congiunte. Vedi la seguente tabella Y \ X P (Y = n) P (X = m) Esempio 7 Due estrazioni senza restituzione da un urna contenente cinque palline numerate da a 5. I numeri aleatori X = risultato della prima estrazione, Y = risultato della seconda estrazione, G. Sanfilippo - CdP pag. 324
8 non sono indipendenti. Infatti, ad esempio P (X =2,Y =)= 2, P (X =2)P (Y =)= 5 5 = 25 = 2. Esempio 72 Siano X, Y due n. a. indipendenti con distribuzione di Poisson, rispettivamente di parametri e 2, ovvero X P( ), Y P( 2 ). Calcoliamo la distribuzione di probabilità del n. a. Z = X + Y. Osserviamo che, fissato n 2 N,siha Pertanto: Z P( + 2 ). P (Z = n) =P [ W n i= (X = i, Y = n i)] = = P n i= P (X = i, Y = n i) = = P n i= e i i! e 2 = e ( + 2 ) ( + 2 ) n n! n 2 i (n i)! = = G. Sanfilippo - CdP pag. 325
9 Inoltre, si può verificare che Infatti, per ogni h 2{,,...,n} si ha X (Z = n) B(n, + 2 ), Y (Z = n) B(n, ). P (X = h Z = n) = P (X=h,Z=n) P (Z=n) = P (X=h,Y =n h) P (Z=n) = = n h P (X=h)P (Y =n h) P (Z=n) = h + 2 e e h h! e 2 n h 2 (n h)! ( + 2 ) ( + 2 ) n n! n h = Esempio 73 Consideriamo una compagnia di assicurazioni che o re due tipi di polizze: Polizza A; Polizza B. Indichiamo con X (risp. con Y ) il numero aleatoro di richieste di risarcimento di tipo A (risp. di tipo B) in un dato giorno. Supponiamo X, Y stocasticamente indipendenti e con X Poiss( ),Y Poiss( 2 ). Inoltre, supponiamo che il numero totale medio di richieste di risarcimento in un dato giorno sia pari a 9. Infine, supposto che in un dato giorno arrivi una richiesta di risarcimento, la probabilità che questa si riferisca ad una polizza di tipo A pari a 3. G. Sanfilippo - CdP pag. 32
10 ) Calcolare la probabilita che il numero di richieste di risarcimento relativi alla polizza A, in un dato giorno, sia inferiore a 2. 2) Calcolare la probabilita che il numero di richieste di risarcimento relativi alla polizza B, in un dato giorno, sia inferiore a 2. 3) Calcolare la probabilita che il numero di richieste di risarcimento totali, in un dato giorno, sia inferiore a 2. Poich X, Y sono stocasticamente indipendenti e con distribuzione di Poisson, si ha che X + Y Poiss( + 2 ). Inoltre, sappiamo che la distribuzione condizionata di X dato X + Y = n una binomiale di parametri n, +,cio 2 P (X = h X + Y = n) = Quindi, per n =,siha n h ( + 2 ) h ( ) n h, h =,,...,n. P (X = X + Y =)= + 2. Dal testo sappiamo che P (X = X + Y =)= 3 echee(x + Y )= + 2 =9. Pertanto =3, 2 =. Il calcolo delle probabilità richieste lasciato al lettore. Esempio 74 In un u cio aperto al pubblico ci sono due sportelli, in cui vengono gestiti due di erenti tipi di pratiche. Siano X e Y i numeri aleatori di clienti che si G. Sanfilippo - CdP pag. 327
11 presentano in un fissato intervallo di tempo ai due sportelli. Assumendo X, Y stocasticamente indipendenti e con distribuzione di Poisson, rispettivamente, di parametri X = 2, Y = 4, determinare la distribuzione di X + Y e del numero aleatorio condizionato X dato (X + Y = ). G. Sanfilippo - CdP pag. 328
12 Teorema. Se X ed Y sono indipendenti, si ha: Cov(X, Y )=. Dim.: Supponiamo che, 8 (x h,y k ) 2 C, sia Allora, segue P (X = x h,y = y k )=P (X = x h )P (Y = y k ). E(XY )= P x h P y k x h y k p xh,y k = P x h Py k x h y k p xh p yk = =( P x h x h p xh )( P y k y k p yk )=E(X)E(Y ), equindi:cov(x, Y )=. Osserviamo che il viceversa non vale, come mostra il seguente controesempio. Esempio. Si consideri il seguente vettore aleatorio (X, Y ), con la distribuzione congiunta riportata nella tabella: Y \ X - - a / a / b / a / a Si ha C = {(, ), (, ), (, ), (, ), (, )}, G. Sanfilippo - CdP pag. 329
13 con P (X =,Y =)=b e P (X = x, Y = y) =a negli altri casi. Ovviamente, deve essere: 4a + b =, a, b. Come si può verificare, si ha X 2{,, }, Y 2{,, }, XY 2{,, }, con P (X = ) = P (Y = ) = P (XY = ) = 2a, P (X =)=P (Y =)=P (XY =)=b, P (X =)=P (Y =)=P (XY =)=2a. Pertanto X, Y ed XY hanno la stessa distribuzione di probabilità. Inoltre E(X) =E(Y )=E(XY )=, e quindi Cov(X, Y )=, ovvero X, Y sono incorrelati. Però X ed Y non sono indipendenti, in quanto risulta ad esempio: P (X = x, Y = y) = P (X = x)p (Y = y), P (X =,Y =)=b = P (X =)P (Y =)=b b = b 2. G. Sanfilippo - CdP pag. 33
14 G. Sanfilippo - CdP pag. 33
15 Distribuzione multinomiale Si considerino n ripetizioni di un esperimento aleatorio, con m + possibili risultati in ciascuna ripetizione. Ad esempio, si consideri un urna contenente N palline, delle quali p N sono segnate con il numero, p N sono segnate con il numero,..., p m N sono segnate con il numero m, dove p + p + + p m =, p k, 8 k 2{,,...,m}. Supposto di e ettuare n estrazioni con restituzione da tale urna, definiamo i seguenti eventi e numeri aleatori: = nell i-ma prova viene estratta una pallina se- gnata con il numero k, i =,...,n, E (i) k X k = E () k + + E(n) k, k =,,...,m. Ovviamente: X = n (X + + X m ). Inoltre, per ogni i =,...,n, la famiglia {E (i),...,e(i) m } forma una partizione di esiha:. P (E (i) k )=p k, 8 k 2{,,...,m}; 2. gli eventi relativi a partizioni distinte, cioè associati a prove distinte, sono stocasticamente indipendenti. G. Sanfilippo - CdP pag. 332
16 Proponiamoci di calcolare la distribuzione di probabilità del vettore aleatorio discreto (X,...,X m ). Come si può verificare, l evento (X = x,...,x m = x m ) è possibile se e solo se x,...,x m sono dei valori interi non negativi tali che: x + + x m apple n. Posto x = n (x + + x m ),sipuòverificareche: a) il numero di costituenti favorevoli all evento n! (X = x,...,x m = x m ) è pari al coe ciente multinomiale x!x! xm! ; b) ognuno di tali costituenti ha probabilità p x px px m ; pertanto: P (X = x,...,x m = x m )= n! x!x! x m! px px px m m. La distribuzione di (X,...,X m ) si dice multinomiale di parametri n, p,...,p m. Per m =si ottiene in particolare la distribuzione binomiale di parametri n, p. G. Sanfilippo - CdP pag. 333
Calcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza
Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo
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,
DettagliCorso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete
Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
Dettagli1. Calcolo combinatorio, problemi di conteggio.
1 1. Calcolo combinatorio, problemi di conteggio. 1. In quanti modi diversi 4 persone possono occupare 8 posti a sedere numerati? (D 8,4. Un allenatore dispone di 18 giocatori per scegliere la formazione
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche 1. Esercizio (1 marzo 211 n.
DettagliCalcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo
Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliCP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
Dettaglimetodi matematici per l ingegneria prove scritte d esame 1 Indice
metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliVARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013)
VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/213) Daniela De Canditiis modulo di CdP di teoria dei segnali - Ingegneria dell informazione - (Sapienza - Latina) VARIABILI ALEATORIE MULTIVARIATE Molto spesso
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliEsercizio 1. Svolgimento
Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento
DettagliAnalisi. Calcolo Combinatorio. Ing. Ivano Coccorullo
Analisi Ing. Ivano Coccorullo Prof. Ivano Coccorullo ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli possibili. Quando le situazioni diventano
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
DettagliFacoltà di Economia Corso di laurea in Economia Aziendale Statistica Esercitazione 1 - Modulo II
Statistica Esercitazione 1 - Modulo II Esercizio A. Da un mazzo di carte napoletane (composto da 40 carte di cui 28 valori e 12 figure, suddivise in quattro semi di cui due neri e due rossi), vengono estratte
DettagliLEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA STATISTICA
LEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA UMBERTO MAGAGNOLI Materiale per il Corso di lezioni di STATISTICA Laurea magistrale in Matematica Facoltà di Scienze Matematiche, Fisiche e Naturali Università
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
Dettagli0.1 Esercizi calcolo combinatorio
0.1 Esercizi calcolo combinatorio Esercizio 1. Sia T l insieme dei primi 100 numeri naturali. Calcolare: 1. Il numero di sottoinsiemi A di T che contengono esattamente 8 pari.. Il numero di coppie (A,
DettagliAncora sull indipendenza. Se A e B sono indipendenti allora lo sono anche
Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
DettagliProblema del condannato*
Problema del condannato* Esempio 35 In un paese orientale un prigioniero è stato condannato a morte da uno sceicco. Prima dell esecuzione, lo sceicco o re una possibilità di salvezza al condannato, mettendogli
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
DettagliFUNZIONI CONTINUE - ESERCIZI SVOLTI
FUNZIONI CONTINUE - ESERCIZI SVOLTI 1) Verificare che x è continua in x 0 per ogni x 0 0 ) Verificare che 1 x 1 x 0 è continua in x 0 per ogni x 0 0 3) Disegnare il grafico e studiare i punti di discontinuità
DettagliCorso di Probabilità e Statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di Probabilità e Statistica (Prof.ssa L.Morato) Esercizi a cura di: S.Poffe sara.poffe@stat.unipd.it A.A.
DettagliSTATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica
DettagliCORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 9 giugno 6 Spazi di probabilità finiti e uniformi Esercizio Un urna contiene 6 palline rosse, nere, 8 bianche. Si estrae una pallina; calcolare la
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliNota: Eventi meno probabili danno maggiore informazione
Entropia Informazione associata a valore x avente probabilitá p(x é i(x = log 2 p(x Nota: Eventi meno probabili danno maggiore informazione Entropia di v.c. X P : informazione media elementi di X H(X =
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliMoto uniforme sul toro bidimensionale
4/3/06 Luigi Chierchia Moto uniforme sul toro bidimensionale 1. Il toro bidimensionale Denotiamo con R l insieme dei numeri reali e con Z l insieme dei numeri interi (con segno) {..., 2, 1, 0, 1, 2,...};
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
Dettaglii=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E
2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliCalcolo delle probabilitá: esercizi svolti fino all 8 febbraio
Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Alessandro Sicco sicco@dm.unito.it Lezione 1. Calcolo combinatorio, formula delle probabilitá totali, formula di Bayes Esercizio 1.1. 7 bambini
DettagliEntropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...
Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata
DettagliGeometria Superiore Esercizi 1 (da consegnare entro... )
Geometria Superiore Esercizi 1 (da consegnare entro... ) In questi esercizi analizziamo il concetto di paracompattezza per uno spazio topologico e vediamo come questo implichi l esistenza di partizioni
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
DettagliEsercizi di probabilità discreta
Di seguito, potete trovare i testi (con risposta) degli esercizi svolti (o proposti) nel corso di esercitazioni dell insegnamento di Matematica applicata. 1 Esercizi di probabilità discreta Algebra degli
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliTutoraggio di Calcolo delle Probabilità, 2-3 Marzo 2010
Tutoraggio di Calcolo delle Probabilità, 2-3 Marzo 200 Esercizio. Dati due eventi A e B, scrivete, in termini di operazioni booleane, l espressione dell evento: {si verifica esattamente un solo evento
DettagliEsercizi di calcolo combinatorio
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliESERCIZIO 1 ESERCIZIO 2
ESERCIZIO 1 Si consideri l'esperimento consistente nel lancio simultaneo di due monete. Calcolare la probabilità dei seguenti eventi: nessuna croce nessuna testa 1 testa almeno 1 testa non più di 1 testa
DettagliVALORE ATTESO CONDIZIONATO E SUE APPLICAZIONI
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE MM.FF.NN CORSO DI LAUREA IN MATEMATICA Elaborato di laurea VALORE ATTESO CONDIZIONATO E SUE APPLICAZIONI Relatore: prof. Marco Ferrante Laureanda: Donata
DettagliValori caratteristici di distribuzioni
Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di
DettagliEsercizi 4 (2) È dato su uno spazio campionario Ω = {a, b, c, d, e} dotato della funzione di probabilità seguente:
I seguenti quesiti ed il relativo svolgimento sono coperti dal diritto d autore, pertanto essi non possono essere sfruttati a fini commerciali o di pubblicazione editoriale senza autorizzazione esplicita
DettagliE NECESSARIO RICORRERE ALLE VARIABILI CASUALI
IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali
DettagliCORSO DI MACROECONOMETRIA. Oggetto del corso, testo e orari di ricevimento. Programma. Facoltà di Economia. prof. Mario Forni
prof. Mario Forni 1 2 Oggetto del corso, testo e orari di ricevimento Programma Analisi statistica delle serie temporali Applicazioni economiche (previsione, scomposizione ciclo-trend) Ma le applicazioni
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliPrelazione. Lista delle Figure. Lista delle Tabelle
Indice Prelazione Indice Lista delle Figure Lista delle Tabelle VI IX XV XVI 1 Nozioni Introduttive 1 1.1 Inferenza Statistica 1 1.2 Campionamento 5 1.3 Statistica e Probabilità 7 1.4 Alcuni Problemi e
DettagliCoppie di variabili aleatorie. In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia.
Capitolo 6 Coppie di variabili aleatorie In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia di variabili aleatorie: si mostra in particolare che in questo caso
DettagliTeoria della probabilità Assiomi e teoremi
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento
DettagliRELAZIONI BINARIE. Proprietà delle relazioni Data una relazione R, definita in un insieme non vuoto U, si hanno le seguenti proprietà :
RELAZIONI INARIE Dati due insiemi non vuoti, A detto dominio e detto codominio, eventualmente coincidenti, si chiama relazione binaria (o corrispondenza) di A in, e si indica con f : A, (oppure R ) una
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliStatistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliMassimi e minimi vincolati in R 2 - Esercizi svolti
Massimi e minimi vincolati in R 2 - Esercizi svolti Esercizio 1. Determinare i massimi e minimi assoluti della funzione f(x, y) = 2x + 3y vincolati alla curva di equazione x 4 + y 4 = 1. Esercizio 2. Determinare
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliAppunti: elementi di Probabilità
Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..
DettagliSomma logica di eventi
Somma logica di eventi Da un urna contenente 24 palline numerate si estrae una pallina. Calcolare la probabilità dei seguenti eventi: a) esce un numero divisibile per 5 o superiore a 20, b) esce un numero
DettagliELEMENTI DI ANALISI SPETTRALE 1 I DUE DOMINI
Lezioni di Fisica della Terra Solida, Università di Chieti, a.a. 999/. Docente A. De Santis ELEMENTI DI ANALISI SPETTRALE I DUE DOMINI È spesso utile pensare alle unzioni ed alle loro trasormate di Fourier
DettagliLiceo Carducci Volterra - Classe 3 a B Scientifico - Prof. Francesco Daddi - 29 novembre 2010. d) la velocità con cui giunge a terra.
Liceo Carducci Volterra - Classe 3 a B Scientifico - Prof. Francesco Daddi - 9 novembre 010 Esercizi sul moto di caduta libera Esercizio 1. Una pallina da tennis viene lasciata cadere dal punto più alto
DettagliAppunti di Statistica Descrittiva
Appunti di Statistica Descrittiva 30 dicembre 009 1 La tabella a doppia entrata Per studiare dei fenomeni con caratteristiche statistiche si utilizza l espediente della tabella a doppia entrata Per esempio
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliModelli stocastici a valori discreti
Modelli stocastici a valori discreti Note del corso di CP per la L.M. in Informatica A.Calzolari 1 Indice 1 Catene di Markov a tempo discreto 4 1.1 Richiami sull indipendenza stocastica per eventi e variabili
DettagliIntroduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00)
Introduzione alle variabili aleatorie discrete e continue notevoli Lezione 22.01.09 (ore 11.00-13.00, 14.00-16.00) Richiami di matematica pag. 2 Definizione (moderatamente) formale di variabile aleatoria
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Calcolo delle probabilità Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si vuole studiare la distribuzione del sesso dei figli nelle famiglie aventi due figli
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliProbabilità Calcolo combinatorio, probabilità elementare, probabilità condizionata, indipendenza, th delle probabilità totali, legge di Bayes
Sessione Live #3 Settimana dal 7 all 11 marzo 2003 Probabilità Calcolo combinatorio, probabilità elementare, probabilità condizionata, indipendenza, th delle probabilità totali, legge di Bayes Lezioni
DettagliClassificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni
Classificazione Singolarità isolate, Serie di Laurent, Residui, Teorema dei residui e applicazioni Docente:Alessandra Cutrì Richiamo:Zeri di Funzioni olomorfe (o analitiche) Sia f : A C C A aperto connesso,
DettagliAnalisi dei Dati 12/13 Esercizi proposti 3 soluzioni
Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6
Dettagli