(6, 2) 21. , essendo m una misura non negativa.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "(6, 2) 21. , essendo m una misura non negativa."

Transcript

1 Ottavo Serra Elemet d teora delle probabltà a) La probabltà d u eveto è ua msura ormalzzata Cò vuol dre che, fssato u seme (msurable) S, che chameremo spazo degl evet, e detto me ( ) eveto u sottoseme E d S, porremo p p( E), essedo m ua msura o egatva ms ( ) La msura m può essere u area, o u volume, o u umero aturale se lo spazo S costa d u umero fto d elemet, el qual caso assumeremo come m(e) l umero degl elemet che stao E I og caso l umero (probabltà) d E è u umero (reale) compreso tra 0 e 1: questo seso s parla d msura ormalzzata Esemp: 1) sa S l seme de possbl rsultat del laco d u dado (smmetrco, coè o truccato), E l eveto esce ua facca co umero more d 5 Allora p(e)=4/6 = /3 ) p( esce u umero prmo e par ) = p( esce ) =1/6 3) Se l eveto è: E = esce u umero prmo o par = {,3,4,5,6}, p =5/6 Nota: 1 o è cosderato prmo 4) Se l eveto è: E = lacado due dad, la somma de umer uscet è 6, la probabltà d E dpede dalla msura che tedamo adottare sull seme delle coppe d umer Prma msura: dstguamo due coppe se dfferscoo per l orde o per almeo u elemeto I tal caso lo spazo degl evet cosste d tutte le coppe ordate d umer tra 1 e 6, coè delle dsposzo co rpetzoe d 6 elemet d classe e percò m(s)=6 = 36 Ifatt S ={(1,1), 1,),(,1), (6,6)} E = {(1,5), (,4), (3,3), (4,), (5,1)}e qud p(e) =5/36 Verfcare che la probabltà è massma per l eveto: la somma delle facce è 7 Secoda msura: s può ache decdere d o teer coto dell orde I tal caso l umero delle coppe d S è l umero delle combazo co rpetzoe d 6 elemet d classe e percò m(s) = umero delle combazo semplc + umero delle coppe d elemet ugual: m(s) = 15+6 =1 1 S rcord ache la formula C rp (, ) che el ostro caso c dà rp C (6, ) 1 Ora E ={(1,5), (,4), (3,3)}, m(e)= 3 e p(e) =3/1 =1/7 Co questa msura s ottee la stessa probabltà sa che la somma delle facce da 6, oppure 7, oppure 8 NOTA La scelta della msura e cas cocret dpede da ua teora sottostate Per esempo, se gl oggett soo dad o altre partcelle macroscopche, e qud dstgubl, s devoo usare le dsposzo co rpetzoe, ma se soo boso come atom d elo o foto, partcelle dstgubl, s devoo usare le combazo co rpetzoe Acora dverso è l caso degl elettro, che, oltre ad essere dstgubl, soo fermo e qud obbedscoo al prcpo d esclusoe d Paul: s devoo usare le combazo semplc b) Propretà Utlzzado u modello semstco, soo evdet le seguet proposzo: 1 p(a = p(a) + p( - p(a ; Spegare a lvello tutvo 1

2 p(a/ = p( A pb ( ) La probabltà d A codzoata al verfcars d B è la probabltà della parte d A clusa B, dveta l uovo spazo degl evet Per smmetra p(b/a) = qud p( A pa ( ) p( A p( p( A/ p( A) p( B / A) Se accade che p(a/ = p(a), s dce che A è dpedete da B ( seso probablstco) I tal caso p( A p( p( A) e qud ache B è dpedete da A A e B s dcoo dpedet 3 Se A 1, A, A, è ua successoe d evet compatbl (coè a due a due dsgut), allora p( A ) p( A ) (addtvtà umerable) N 1 La probabltà dell uoe umerable d sem dsgut (coè d evet compatbl) è la somma della sere delle sgole probabltà E charo che la sere deve covergere a u umero (o egatvo e o maggore d 1) 4 Se due evet A e B soo compatbl, coè se l verfcars d uo esclude l verfcars dell altro, e oltre soo complemetar (uo de due s deve verfcare), allora p(a)+p(=1 [p+q=1] Esempo1 I u ura c sao 7 getto bach e 3 er Se rteamo che og gettoe ha la stessa probabltà d essere estratto, (dstrbuzoe uforme) allora p=p(baco)=7/10 e a q=p(ero)=3/10 p+q=1 Se però ell ura c soo ache 8 gettoo ross, p+q= 7/18+3/18 = 10/18 <1 Esempo U tratore ha probabltà p=0,7 d colpr l bersaglo: che probabltà ha d colpre almeo ua volta 3 tr? S suppoga che gl evet colpsce al 1 tro, colpsce al secodo, eccetera sao dpedet I Metodo: detta q la probabltà d o colpre (p+q=1 q= 1-0,7 = 03), s ha P(almeo ua volta su 3) = (pqq+qpq+qqp)+(ppq+pqp+qpp)+(ppp) = 3(pq )+3(p q)+p 3 =0,973 II Metodo: P(almeo ua volta su 3) = 1 P(essua volta) = 1- (0,3) 3 = 0,973 (Meglo l secodo metodo!) Quat tr occorroo perché la probabltà d colpre l bersaglo almeo ua volta super l 90%? Esempo bs Il tratore spara al bersaglo fché lo colpsce La probabltà che cò accada all tetatvo è P =p+qp+q p+ +q -1 p=p(1-q )/(1-q)=1-q Se tra a oltraza, P 1 (tutvo) Esempo3 Lacado due dad rsultat vao da (=1+1) a 1 (=6+6) La somma 7 è la pù probable: come ma? Il prmo a dare ua gustfcazoe fu Galle (S tede, dad o truccat) Nel goco della Zara (rcordato da Date el VI cato del Purgatoro) s lacao tre dad: qual soo le somme pù probabl? Esempo4 Due amc ugualmete brav a brscola (o scopa) putao somme ugual co l accordo che vce l tera posta ch per prmo arrva a 5 vttore Le mogl però l terrompoo quado l prmo ha vto 4 partte e l secodo 3 Come devoo dvders la posta? (Problema proposto dal cavalere de Mèray a Pascal) Suggermeto: l prmo vce l toreo se mpedsce al secodo d vcere due partte cosecutve: P(prmo) = p+qp, P(secodo) = qq Sccome p=q=1/, P(prmo) =3/4 e P(secodo) = ¼, percò la posta va dvsa ella proporzoe d 3 ad 1 e

3 Esempo5 Qual è la probabltà d fare ambo alla ruota d Napol? I umer soo 90 e se e estraggoo 5 percò lo spazo degl evet è C90,5 I cas favorevol soo dat da quelle cque che cotegoo umer putat, tolt qual gl altr 3 possoo essere qualuque, C duque cas favorevol soo 88, P(ambo)= Eserczo Calcolare le probabltà P(tero), P(quatera), P(cqua) Esempo6 Totocalco Suppoedo d trascurare l fattore campo e la forza delle squadre, sccome og partta ha 3 rsultat : 1, x,, la probabltà d azzeccare u rsultato è p=1/3 e d sbaglarlo è 13 percò q= /3 La probabltà d mbroccare rsultat su 13 sarà P( su 13)= (1/ 3) ( / 3) 13 Verfcare che (1/ 3) ( / 3) 13 1 Qual è la probabltà d fare almeo u puto sulla scheda? E d fare meo d 3 put? E pù probable fare 0 put o 13 put? Esempo7 Lacado ua moeta 10 volte (è lo stesso che 10 moete ua volta), qual è la probabltà d otteere esattamete 3 teste? E quella d otteere almeo 3 Teste? E pù probable otteere 10 Teste su 10 lac, oppure 5 Teste segute da 5 Croc? Qual è la probabltà d otteere 5 Teste e 5 Croc, se s prescde dall orde? Esempo8 S estraggoo successvamete da u sacchetto coteete a palle azzurre ed r palle rosse due palle La palla estratta o vee rmessa el sacchetto S cosderao gl evet 1 a A=Prma estratta è azzurra, a A=Secoda estratta è azzurra, e così va Le vare probabltà soo: a a P(1 A) a r, a a a a a a a1 P(1 A A) P( A/1 A) P(1 A), a r a r 1 a a a a a a r1 P(1 A R) P( R /1 A) P(1 A), a r a r 1 a a a a a a a a 1 r a 1 a 1 P( A) P( A/1 A) P(1 A) P( A/1 R) a r a r 1 a r a r 1 a r 1 rsultato a cu s poteva arrvare drettamete Il calcolo delle probabltà è ato da goch d azzardo, ma ha applcazo sere statstca, ecooma, aals matematca, fsca D u applcazoe aals matematca, al calcolo d u tegrale (d u area ), parleremo pù avat (Metod Mote Carlo); qu darò u assaggo delle applcazo alla meccaca statstca Suppoamo d avere due partcelle: molecole, foto, elettro, e tre celle (stat quatc) cu s possoo dsporre Se le partcelle soo dstgubl, come molecole a b (marcabl co u ucleo radoattvo), ho 9 possbl dstrbuzo: le dsposzo co rpetzoe d 3 elemet (le celle) a a (le partcelle); cò coduce alla statstca che mpegaroo Boltzma e Maxwell per terpretare la termodamca term statstc ( prcpo, etropa, ecc) Se però le partcelle soo dstgubl lea d prcpo, come foto o ucle d elo, (b=a), le dstr- e 3

4 buzo soo solo 6: le combazo co rpetzoe; questa statstca, deata dall dao Bose, fu applcata da Este per rtrovare la legge d Pla Se fe le partcelle soo dstgubl e pù obbedscoo al prcpo d Paul ( ua cella può stare ua sola partcella), le dstrbuzo s rducoo a 3: le combazo semplc d 3 oggett a a Questa statstca fu deata da Ferm e da lu applcata per studare le propretà del legame metallco Drac trovò po l legame tra sp e statstca ( boso hao sp tero, fermo sp sem-tero) c) Msure cotue Se S è l tervallo [a,b] dell asse reale, ed E l tervallo [α,β] [a,b], la probabltà che u umero scelto a caso S cada E è pe ( ) (dstrbuzoe uforme d b a probabltà) Stamo assumedo come msura la lughezza de segmet S ot che se β=α, m(e)=0 e qud p(e)=0 L eveto E s rduce a u puto, duque o è vuoto, percò o è mpossble, tuttava la sua probabltà è zero Aalogamete se E=]a,b[, tervallo aperto, la sua msura è b-a e p(e)=1, tuttava l eveto E o è certo, fatt potrebbe captare che l umero scelto a caso sa u estremo dell tervallo [a,b] Cò può accadere se la msura è u umero reale S bad che la dstrbuzoe uforme o è applcable se lo spazo degl evet è fto; tal caso s usa ua msura come quella gaussaa, che assega msura fta allo spazo I due dmeso, sa S u rettagolo [a,b]x[m,m] del pao cartesao La msura sa u area Se E è ua fgura coteuta S, p(e) = area(e)/area(s) Aalogamete s procede per volum d) Valore medo e varaza Ua gradezza X s chama varable aleatora, v a, se può assumere valor X 1, X, X co le probabltà p 1, p, p E charo che deve essere 1 p 1 Se la varable aleatora X può assumere u ftà umerable d valor, la somma delle probabltà s trasforma u sere che deve covergere a 1 S chama valore medo d X l umero E( X ) X p X Esempo9 Ua v a X assuma valor 1, 7, 5 co probabltà uforma 1/3 E(X)=33/3=11 Ua secoda v a assuma valor 10, 11, 1 co probabltà uforme 1/3 Ache E(Y)=11 Le due v a hao lo stesso valore medo, però presetao ua dspersoe dversa Se s tratta d msure d ua gradezza fsca, l valore 11 trovato co la secoda sere d msure m dà pù affdameto Quatfchamo questa dea d affdabltà medate l cocetto d varaza La varaza d X, Var(X), è defta come valore medo de quadrat degl scart d X dal suo valore medo: 1 Var( X ) E[( X X ) ] p ( X X ) S verfch che Var( X ) E( X ) X (valor medo del quadrato meo quadrato del valor medo S chama po Scarto quadratco medo d X la radce quadrata(postva) d Var(X): Var( X ) X (Stadard devato glese) msura lo sparpaglameto de dat; pù è pccolo, pù dat s rtegoo affdabl S dmostrao le seguet propretà: 1) E(λX) = λe(x); E(X+Y) = E(X)+E(Y); ) Var(λX)=λ Var(X); se X e Y soo v a dpedet, Var(X+Y)=Var(X)+Var(Y) Esempo10 Lacado u dado s vce u euro se esce l 1, 6 euro se esce l 6 Il valore medo della vcta è (1++ +6)/6=7/=3,5; la varaza è 1/6[(1-7/) +(-7/) +(3-7/) ]=1/3[5/4+9/4+1/4]=35/1 e σ=1,71 1 X 4

5 Ho usato ua dstrbuzoe uforme d probabltà (p=1/6 ad og laco) Cò è possble perché l seme S de cas possbl è fto Se S cotee elemet, la dstrbuzoe uforme mplca p=1/ Eserczo Geeralzzare l esempo10 mmagado u dado co facce e) La legge de grad umer Sa X ua v a co valor medo X e varaza E]( X X ) ] ( X X ) p Cosdero ora solo valor X che dstao dal valor medo pù d u prefssato ε>0; s avrà ( X X ) p p P( X X ); X X X X X d altra parte X P X X X p Var( X ) Cofrotado, avremo X o ache P X X 1 Le dsuguaglaze precedet soo dovute a Cebcev ( ) U caso mportate Sa X la v a che regstra l successo co probabltà p Per esempo, se esce u umero prmo lacado u dado 1, probabltà p X 0, probabltà q 1 p X 1 p 0 q p, Var( X ) E[( X p) ] (1 p) p (0 p) q q p p q pq Sa ora Y la v a X 1 +X + +X dove le X hao tutte la stessa legge d probabltà d X e soo dpedet Y cota quate volte s ha successo prove: E(Y)=p, Var(Y)=σ =pq La v a Z = Y/ msura la frequeza relatva ν (la percetuale) de success prove e s ha: E(ν ) = p, σ = pq/ pq = pq/ e fe Applcado la dsuguaglaza d Cebcev, s otte- e la legge de grad umer: LmP p Lm pq 1 1 Cò sgfca che, comuque s fss u umero postvo ε, la probabltà che la frequeza relatva dst dalla probabltà dell eveto meo d ε s avvca arbtraramete ad 1, al crescere del umero delle prove Cò o sgfca che al dvergere d la frequeza relatva teda alla probabltà, ma che è sempre meo probable uo scarto maggore d ε tra ν e p, per quato pccolo s fss tale ε Esempo11 Lacado ua moeta u gra umero d volte, c aspettamo che la dstaza tra la frequeza relatva e l valore medo p=1/ sa pccola, el seso precso del teorema d Cebcev: pq 1 P p Se laco la moeta 100 volte ed ε=0,05 ho P 1 1=0; Cebcev o è d auto Se, co lo stesso ε=0,05, laco la moeta 00 volte, P 0,5 Se voglamo che la frequeza relatva soddsf la dsuguaglaza P(0,45 ν 0,55) 90% (ho preso ε=0,05), quate volte devo lacare la moeta? Deve essere 5

6 ,9 1 0,9 1 0,9 0, (Almeo 1000 lac) C soo metod pù strget per garatre rsultat come questo, coè metod che rchedoo u valore d more del precedete, a partà d ε Quest metod rchedoo l calcolo tegrale e la dstrbuzoe ormale d Gauss, ma o tratteremo tale argometo f) Metod Mote Carlo Il calcolo delle probabltà e partcolare la legge de grad umer, può essere applcato per valutare l area d ua fgura del pao cartesao, partcolare d u trapezode (Itegrale defto), che come è oto può essere terpretata come u area, u volume, ua lughezza, u lavoro eccetera Il metodo Mote Carlo pù semplce, detto Ht or mss (colpto o macato) cosste el crcoscrvere al trapezode u rettagolo avete come base l tervallo [a,b] del trapezode e altezza par alla dffereza tra l massmo e l mmo della fuzoe f(x) [a,b] Qud s geerao due sequeze radom (pseudo casual) d umer real:{x } tra a e b e {y } tra m e max d f(x); se y < f(x ) ua varable tera, zalzzata co 0, s cremeta d 1 (successo) Per abbastaza (?) grade s può accettare co u certo grado d affdabltà che l area del trapezode sa uguale a (/)(b-a)max-m) Lo scarto quadratco medo σ dà u dcazoe della botà del rsultato g) La formula d Bayes Imparare dall espereza Nella logca formale s applca lo schema ferezale d deduzoe, detto Modus poes: [A, AB]: B (A è vera e vale A mplca B: allora B è vera) S applca ache lo schema d Reduzo o modus tolles, dmostrazoe per assurdo e logcamete equvalete al modus poes: [AB, -B]: -A (Vale A mplca B e B è falsa: allora A è falsa) Nelle sceze spermetal vece pare che o s possa fare a meo del ragoameto duttvo, logcamete o valdo, rappresetato dallo schema [AB, B]: A Cosderamo l seguete esempo: Suppoamo d accettare l mplcazoe Se c è fuoco allora c è calore ; tal caso soo scuro che quado c è fuoco soo scuro che c è calore; ma quado c è calore o è certo che c sa fuoco, è solo probable ( ua trbù d pellerossa sarebbe altamete plausble I geerale, l attedbltà della verfca d u potes scetfca dpede ache dal cotesto storco o, come s dce, dal paradgma quel perodo accettato dalla comutà scetfca) Abbamo percò bsogo del cocettos probabltà codzoata Suppoamo p(a)>0 e p(>0 Allora p(a/ = e p(b/a)=, da cu p( A p( A pb ( ) pa ( ) [1] p( A/ p( p( B / A) p( A)( A) p( A Sa ora {A 1, A, A} ua partzoe dello spazo degl evet S Cò sgfca che gl A soo o vuot, a due a due dsgut e la loro uoe è S, pertato la somma delle loro probabltà è 1 S osserv ache che B B S ( B A1) ( B A) ( B A ) e dalla [1] segue p( B / A ) p( A ) p( B / A ) p( A ) p A / B [] pb ( ) [ p( B / A ) p( A )] 1 Questa è la famosa formula d Bayes (pubblcata postuma l 1763) Esempo1 Ua dtta ha tre stablmet A 1, A, A 3 che producoo, poamo, automobl: l prmo e produce l 40%, l secodo l 7% e l terzo l rmaete 33% La percetuale d macche dfettose che escoo da A 1 è l %, da A l 3% e da A 3 l 1% Quale è la probabltà che ua maccha provega da A 1 sapedo che è dfettosa? (B è l eveto maccha dfettosa) Aalogamete per gl altr due stablmet A e A 3 S ottegoo seguet rsultat: 6

7 p( A / 0,414 (41,4%) Aalogamete p ( A / B ) 0, (41,75%) e fe p 33 ( A 3 / B ) 33/194 0, (17,01%) Esempo13 U medco rscotra u pazete de stom che gl fao dagostcare tre possbl malatte; A 1, A, A 3 alle qual assega le probabltà p(a 1 )=0%, p(a )=30%, p(a 3 )=50% Egl propede per la malatta A 3, ma per scurezza orda u aals che base a test scetfc dà rsultato postvo B co le seguet probabltà: p(b/a 1 )=15%, p(b/a )=5%, p(b/a 3 )=80% La formula d Bayes forsce allora p( A1 / 5,94% p( A / 14,85% p( A3 / 79,1% Il test clco coferma la dagos, perché la probabltà a pror del 50% stmata dal medco è salta a posteror quas all80% 7

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Analisi di dati vettoriali. Direzioni e orientazioni

Analisi di dati vettoriali. Direzioni e orientazioni Aals d dat vettoral Drezo e oretazo I tal caso, dat soo msurat term d agol e spesso soo rfert al ord geografco (statstca crcolare) Soo rappresetat su ua crcofereza Dat d drezoe: flusso ua specfca drezoe,

Dettagli

Elementi di Statistica descrittiva Parte III

Elementi di Statistica descrittiva Parte III Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA COSIDERAZIOI PRELIMIARI SULLA STATISTICA La Statstca trae suo rsultat dall osservazoe de feome che c crcodao. Gl stess feome per essere oggetto d statstca devoo essere adeguatamete umeros modo tale che

Dettagli

Lezione 1. I numeri complessi

Lezione 1. I numeri complessi Lezoe Prerequst: Numer real: assom ed operazo. Pao cartesao. Fuzo trgoometrche. I umer compless Nell'attuale teora de umer compless cofluscoo due fodametal dee, ua artmetca, l'altra geometrca. La prma,

Dettagli

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014 Modell d Flusso e Applcazo: Adrea Scozzar a.a. 203-204 2 Il modello d Flusso d Costo Mmo: Problem d Flusso A u l V b c P S A ), ( m ) ( ) ( ), ( Problem rcoducbl a problem d Flusso Il problema del trasporto

Dettagli

«MANLIO ROSSI-DORIA»

«MANLIO ROSSI-DORIA» «MANLIO ROSSI-DORIA» Collaa a cura del Cetro per la Formazoe Ecooma e Poltca dello Svluppo Rurale e del Dpartmeto d Ecooma e Poltca Agrara dell Uverstà d Napol Federco II 6 Nella stessa collaa:. Qualtà

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

I PARTE: CALCOLO DELLE PROBABILITÀ

I PARTE: CALCOLO DELLE PROBABILITÀ rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I ARTE: CALCOLO DELLE ROBABILITÀ I. Evet ed Est Cosderamo l espermeto d gettare u dado. Gettamo l dado, aspettamo che s ferm e osservamo l

Dettagli

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Algoritmi e Strutture Dati. Alberi Binari di Ricerca Algortm e Strutture Dat Alber Bar d Rcerca Alber bar d rcerca Motvazo gestoe e rcerche grosse quattà d dat lste, array e alber o soo adeguat perché effcet tempo O) o spazo Esemp: Matemeto d archv DataBase)

Dettagli

ammontare del carattere posseduto dalle i unità più povere.

ammontare del carattere posseduto dalle i unità più povere. Eserctazoe VII: La cocetrazoe Eserczo Determare l rapporto d cocetrazoe d G del fatturato medo (espresso. d euro) d 8 mprese e rappresetare la curva d Lorez: 97 35 39 52 24 72 66 87 Eserczo apporto d cocetrazoe

Dettagli

CORSO STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI

CORSO STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI CORSO DI STATISTICA MATEMATICA LUCIO BERTOLI BARSOTTI Idce I PARTE Sezoe I... Probabltà classca. Il problema d Galleo della somma del puteggo d tre dad... 3. Aagramm d parole co lettere rpetute o meo.

Dettagli

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo Studo della dpedeza replogo Abbamo vsto due msure d assocazoe tra caratter: ) msure d assocazoe basate sull dpedeza dstrbuzoe ( χ, V d Cramer) possoo essere applcate a coppe d caratter qualuque (ache etrambe

Dettagli

Statistica degli estremi

Statistica degli estremi Statstca degl estrem Rcham d probabltà e statstca Il calcolo della probabltà d u eveto è drettamete coesso co: - la COOSCEZA ICOMPLETA dell eveto stesso; - l assuzoe d u RISCHIO, calcolato come la probabltà

Dettagli

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA)

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA) UI CEI EV 3005 (GUIDA ALL ESPRESSIOE DELL ICERTEZZA DI MISURA Uverstà degl Stud d Bresca Corso d Fodamet della Msurazoe A.A. 00-03 Apput a cura d Gorgo Cor 3835 UI CEI EV 3005 0. ITRODUZIOE 0. COCETTO

Dettagli

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo COMPLEMENTI DI STATISTICA L. Greco, S. Naddeo INDICE. GENERALITA SULLA VERIFICA DI IPOTESI. Itroduzoe 4. I test d sgfcatvtà 5.3 Gl tervall d cofdeza 7.4 Le potes alteratve.5 La poteza del test 5.6 Il test

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 11 marzo 2015 Apput d ddattca della Matematca fazara Redte, ammortamet

Dettagli

Attualizzazione. Attualizzazione

Attualizzazione. Attualizzazione Attualzzazoe Il problema erso alla captalzzazoe prede l ome d attualzzazoe Abbamo ua operazoe fazara elemetare e dato l motate M dobbamo determare l corrspodete captale zale C L'attualzzazoe è la operazoe

Dettagli

I PARTE: CALCOLO DELLE PROBABILITÀ

I PARTE: CALCOLO DELLE PROBABILITÀ rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I ARTE: CALCOLO DELLE ROBABILITÀ I. Evet ed Est Cosderamo l espermeto d gettare u dado. Gettamo l dado, aspettamo che s ferm e osservamo l

Dettagli

17. FATICA AD AMPIEZZA VARIABILE

17. FATICA AD AMPIEZZA VARIABILE 7. FIC D MPIEZZ VRIBILE G. Petrucc Lezo d Costruzoe d Macche Spesso compoet struttural soo soggett a store d carco elle qual ccl d fatca hao ampezza varable (fg.), ad esempo ccl co tesoe alterata a (o

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 18 marzo 2015 Apput d ddattca della Matematca fazara Redte, costtuzoe d

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI Uverstà degl Stud d Mlao Bcocca CdS ECOAMM Corso d Metod Statstc per l Ammstrazoe delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI 1. Carta d cotrollo per frazoe d o coform (carta U resposable d produzoe,

Dettagli

Esercizi di Statistica per gli studenti di Scienze Politiche, Università di Firenze

Esercizi di Statistica per gli studenti di Scienze Politiche, Università di Firenze Esercz d Statstca per gl studet d Sceze Poltche, Uverstà d Freze Esercz svolt da ua selezoe d compt degl Esam scrtt d Statstca del 999 e del 000 VERSIONE PROVVISORIA APRILE 00 A cura d L. Matroe F.Meall

Dettagli

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura Damca Modello damco ello spazo de gut: relazoe tra le coppe d attuazoe a gut ed l moto della struttura smulazoe del moto aals e progettazoe delle traettore progettazoe del sstema d cotrollo progetto de

Dettagli

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi. 7. Redte I questo captolo edremo solamete u caso d redta, che useremo po per geeralzzare le redte e dedurre tutt gl altr cas. S defsce redta ua successoe d captal (rate) tutte da pagare, o tutte da rscuotere,

Dettagli

MINICORSO: Controllo Statistico di Processo (parte 2/5) di Andrea Saviano

MINICORSO: Controllo Statistico di Processo (parte 2/5) di Andrea Saviano Parte 2 Mcorso Cotrollo Statstco d Processo d Adrea Savao Walter Adrew Shewhart, ch era costu, premessa Ache le matematco, che combazoe! Probabltà... seza mprevst Il 7 e ½ e altr goch d carte No poamo

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORO DI LAUREA IN ECONOMIA AZIENDALE Metod tatstc per le decso d mpresa (Note ddattche) Bruo Chadotto 7. Teora del test delle potes I questo captolo s affrota l problema della verfca d potes statstche

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

Leasing: aspetti finanziari e valutazione dei costi

Leasing: aspetti finanziari e valutazione dei costi Leasg: aspett fazar e valutazoe de cost Descrzoe Il leasg è u cotratto medate l quale ua parte (locatore), cede ad u altro soggetto (locataro), per u perodo d tempo prefssato, uo o pù be, sao ess mobl

Dettagli

Marco Riani - Analisi delle statistiche di vendita 1

Marco Riani - Analisi delle statistiche di vendita 1 ORARIO LEZIONI ANALISI DELLE STATISTICHE DI VENDITA Marco Ra mra@upr.t http://www.ra.t Mercoledì 3 aula Lauree Mercoledì 4 6 aula Lauree Govedì 3 Eserctazoe Semar? LIBRI DI TESTO Teora Ra M., Laur F. 8,

Dettagli

per il controllo qualità in campo tessile ing. Piero Di Girolamo

per il controllo qualità in campo tessile ing. Piero Di Girolamo edtg project M.R. Oofro ELEMENTI DI STATISTICA per l cotrollo qualtà campo tessle g. Pero D Grolamo prefazoe PREFAZIONE I l cotrollo d qualtà el tessle-abbglameto, u sstema ecoomco globalzzato, che da

Dettagli

La volatilità storica, le misure di rischio asimmetrico e la tracking error volatility

La volatilità storica, le misure di rischio asimmetrico e la tracking error volatility Ecooma degl termedar fazar Lors Nadott, Claudo Porzo, Daele Prevat Copyrght 00 The McGraw-Hll Compaes srl Approfodmeto 4.3w La msurazoe del rscho (a cura d Atoo Meles Uverstà Partheope) La volatltà storca,

Dettagli

Modelli di Schedulazione

Modelli di Schedulazione EW Modell d Schedulazoe Idce Maccha Sgola Tepo d Copletaeto Totale Tepo d Copletaeto Totale Pesato Tepo d Rtardo Totale Maespa co set-up dpedete dalla sequeza Tepo d Copletaeto Totale co vcolo d precedeza

Dettagli

Capitolo 5: Fattorizzazione di interi

Capitolo 5: Fattorizzazione di interi Captolo 5: Fattorzzazoe d ter Trovare fattor d u umero tero grade è ua mpresa assa ardua, e può essere mpossble co le rsorse ogg dspobl. No s cooscoo metod polomal per la fattorzzazoe, come vece accade

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Incertezza di misura

Incertezza di misura Icertezza d msura Itroduzoe e rcham Come gà detto rsultat umerc ottebl dalle msurazo soo trsecamete caratterzzat da aleatoretà è duque sempre ecessaro stmare ua fasca d valor attrbubl come msura al msurado;

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Appunti: elementi di Statistica

Appunti: elementi di Statistica Uverstà d Ude, Facoltà d Sceze della Forazoe Corso d Laurea Sceze e Tecologe Multedal Corso d Mateatca e Statstca (Gorgo T. Bag) Apput: eleet d Statstca. INTENSITÀ, FREQUENZA ASSOLUTA E RELATIVA.. L aals

Dettagli

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1 Elemet d Matematca Fazara Redte e ammortamet Uverstà Partheope 1 S chama redta ua successoe d captal da rscuotere (o da pagare) a scadeze determate S chamao rate della redta sgol captal da rscuotere (o

Dettagli

ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA

ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA The last step of reaso s to ackowledge that there s a fty of thgs that go beyod t. B. Pascal La Statstca ha come scopo la coosceza quattatva de feome collettv.

Dettagli

Problema della Ricerca

Problema della Ricerca Problema della Rcerca Pag. /59 Problema della Rcerca U dzoaro rappreseta u seme d formazo suddvso per elemet ad oguo de qual è assocata ua chave. Esempo d dzoaro è l eleco telefoco dove la chave è costtuta

Dettagli

Lezione 19. Elementi interi ed estensioni intere.

Lezione 19. Elementi interi ed estensioni intere. Lezoe 9 Peequst: Modul ftamete geeat Elemet algebc Elemet te ed esteso tee Sa A u aello commutatvo utao sa B u suo sottoaello Tutt sottoaell cosdeat coteao l utà moltplcatva d A Defzoe 9 U elemeto α A

Dettagli

Possibilità e limiti delle previsioni! Concetto di previsione! Concetto di previsione/2! Concetto di previsione/3!

Possibilità e limiti delle previsioni! Concetto di previsione! Concetto di previsione/2! Concetto di previsione/3! Cocetto d prevsoe Possbltà e lmt delle prevso Immago l sstema degl evet, passat e futur, come ua ragatela. Dstguamo gl evet due tp Se la s tocca u puto c sarao reazo moltplcatve tutt fl Facta Futura FACTA

Dettagli

Le 7 fasi dell AMD (PAG.6 M.Fraire-Metodi di AMD CISU, Roma 1994)

Le 7 fasi dell AMD (PAG.6 M.Fraire-Metodi di AMD CISU, Roma 1994) !(Breve rchamo alle lezo ) " I passato l applcazoe ua tecca statstca multvarata cossteva stetcamete tabella e at potes moello e tecca statstca multvarata output e rsultat Ogg l amplars e camp applcazoe

Dettagli

SCHEDA DIDATTICA N 5

SCHEDA DIDATTICA N 5 FACOLTA DI INGEGNEIA COSO DI LAUEA IN INGEGNEIA CIVILE COSO DI IDOLOGIA POF. PASQUALE VESACE SCHEDA DIDATTICA N 5 MOMENTI DELLE VAIABILI CASUALI E STIMA DEI PAAMETI A.A. 0-3 Momet delle varabl casual La

Dettagli

Qual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?

Qual 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

Dettagli

Probabilità e Statistica I

Probabilità e Statistica I Probabilità e Statistica I Elvira Di Nardo (Dipartimeto di Matematica) Uiversità degli Studi della Basilicata e-mail:diardo@uibas.it http://www.uibas.it/uteti/diardo/home.html Tel:097/05890 Prerequisiti:

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORSO DI LAUREA I ECOOMIA AZIEDALE Metod Statstc per le decso d mpresa (ote ddattche) Bruo Chadotto 4 STATISTICA DESCRITTIVA I questo captolo s rtrovao espost, ua prospettva emprca, molt de cocett trodott

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI 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

Dettagli

Analisi economica e valutazione delle alternative

Analisi economica e valutazione delle alternative Aals ecoomca e valutazoe delle alteratve Ig. Lug Cucca (Ph.D.) Producto Egeerg Research WorkGROUP Dpartmeto d Tecologa Meccaca, Produzoe e Igegera Gestoale Uverstà d Palermo Ageda Elemet d calcolo ecoomco

Dettagli

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti Orgazzazoe del corso Elemet d Iformatca Prof. Alberto Brogg Dp. d Igegera dell Iformazoe Uverstà d Parma Teora: archtettura del calcolatore, elemet d formatca, algortm, lguagg, sstem operatv Laboratoro:

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Lezioni del Corso di Fondamenti di Metrologia

Lezioni del Corso di Fondamenti di Metrologia Uverstà degl Std d Casso Facoltà d Igegera Lezo del Corso d Fodamet d Metrologa 3. L Icertezza d Msra Uverstà degl Std d Casso Corso d Fodamet d Metrologa Idce. Icertezza d Msra. Propagazoe delle Icertezze

Dettagli

Autori. Versione 2.0. Giorgio Della Rocca (*) Marco Di Zio (*) Orietta Luzi (*) Giorgia Simeoni (*) (*) ISTAT - Servizio MTS (**) ISTAT - Servizio PSM

Autori. Versione 2.0. Giorgio Della Rocca (*) Marco Di Zio (*) Orietta Luzi (*) Giorgia Simeoni (*) (*) ISTAT - Servizio MTS (**) ISTAT - Servizio PSM IDEA (Idces for Data Edtg Assessmet) - Sstema per la valutazoe degl effett d procedure d cotrollo e correzoe de dat e per l calcolo degl dcator SIDI Versoe 2.0 Autor Gorgo Della Rocca (*) Marco D Zo (*)

Dettagli

Disposizioni semplici. Disposizioni semplici esercizi

Disposizioni semplici. Disposizioni semplici esercizi Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati

Dettagli

Le variabili casuali semplici

Le variabili casuali semplici 573 7 Le varabl casual semplc Nel captolo precedete s è prvlegato l eveto e la sua probabltà seza dugare sulle faltà dell espermeto e sulle attvtà coesse alle sue mafestazo. charo però che l espermeto

Dettagli

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue:

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue: Procedura aperta per l affdameto de servz tegrat, gestoal, operatv e d mautezoe multservzo tecologco da esegurs presso gl mmobl d propretà o uso alle Asl ed alle azede ospedalere della regoe Campaa ERRATA

Dettagli

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA Apput d STATISTICA corso d recupero Docete Scacchtao ANTONIA MARIA Gl error e le machevolezze d quest apput restao a mo carco.soo grata a coloro che vorrao farm pervere,ella prospettva d ua sstemazoe pù

Dettagli

RENDITE. Le singole rate possono essere corrisposte all inizio o alla fine di ciascun periodo e precisamente si ha:

RENDITE. Le singole rate possono essere corrisposte all inizio o alla fine di ciascun periodo e precisamente si ha: RENDITE. Pagamet rateal S defsce redta ua sere qualsas d somme rscuotbl (o pagabl a scadeze dverse, o, pù esattamete, u seme d captal co dspobltà scagloata el tempo. Tal captal soo dett rate della redta

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

METODOLOGIA SPERIMENTALE IN AGRICOLTURA

METODOLOGIA SPERIMENTALE IN AGRICOLTURA METODOLOGIA SPERIMENTALE IN AGRICOLTURA LABORATORIO DI BIOMETRIA CON R (http://www.r-project.org/) APPUNTI DALLE LEZIONI (bozze Settembre 005) DOCENTE Adrea Oofr Dpartmeto d Sceze Agroambetal e della Produzoe

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA 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

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA aratoetta Rugger Dpartmeto d Sceze statstche e matematche S.Vaell Uverstà degl stud d Palermo Prefazoe Questa dspesa è stata creata per gl studet della Facoltà d Ecooma d Palermo

Dettagli

Premessa... 1. Equazioni i differenziali lineari

Premessa... 1. Equazioni i differenziali lineari Apput d Cotroll Autoatc Captolo 3 parte I Sste dac lear Preessa... Equazo dfferezal lear... Evoluzoe lbera ed evoluzoe forzata... Uso della trasforazoe d Laplace... 3 Esepo... 7 Osservazo sulla rsposta

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA 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

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni 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:

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

13 Valutazione dei modelli di simulazione

13 Valutazione dei modelli di simulazione 3 Valutazoe de modell d smulazoe I modell d smulazoe o sosttuscoo la coosceza, ma soo puttosto u mezzo per orgazzarla. Quado l modello è utlzzato per aalzzare u sstema attuado smulazo, è mportate capre

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica 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

Dettagli

Vantaggi della stratificazione

Vantaggi della stratificazione Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Vata della stratfcaze I prcpal vata del campamet stratfcat s: mlramet ell effceza del stmatre del ttale e della meda; pssbltà d stmare

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. ESEMPIO 3 I uer dc de prezz e delle produzo Da geao a dcebre prezz de quattro prodott soo auetat del: (,48 ) 4,8% assuedo che le quattà vedute sao quelle d dcebre. I due dc (Laspeyres e Paasche) dao luogo

Dettagli

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione Obettv Statstca Itroduzoe Scopo d quest lucd è d forre cocett base d statstca utl azeda per: la raccolta de dat, la progettazoe degl espermet, l terpretazoe de rsultat. Spazo d probabltà Spazo d probabltà:

Dettagli

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari Tol obblgazoar Bod U obblgazoe è u olo d debo emesso da ua soceà da uo sao o da u ee pubblco che dà dro al suo possessore al rmborso del capale presao alla scadeza e al pagameo d eress cedole. La emssoe

Dettagli

CALCOLO ECONOMICO E FINANZIARIO

CALCOLO ECONOMICO E FINANZIARIO CALCOLO ECONOMICO E FINANZIARIO 1. Iteresse e scoto La postcpazoe d ua dspobltà fazara rchede ua certa rcompesa (teresse), vceversa la sua atcpazoe comporta ua dmuzoe dell'mporto orgaro (scoto). Il rsparmatore,

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova 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

Dettagli

Elementi di Calcolo delle probabilità

Elementi di Calcolo delle probabilità Elemet d Clcolo delle probbltà PERCHÉ I TUDIA IL CALCOLO DELLE PROAILITÀ? Clcolo delle probbltà tto d certezz I cu s formo le decso Espermeto csule - prov U espermeto csule è u feomeo del modo rele per

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

Lezione 3. Funzione di trasferimento

Lezione 3. Funzione di trasferimento Lezoe 3 Fuzoe d trasfermeto Calcolo della rsposta d u sstema damco leare Per l calcolo della rsposta (uscta) d u sstema damco leare soggetto ad gress assegat, s possoo segure due strade Calcolo el domo

Dettagli

Limiti di successioni

Limiti di successioni Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe

Dettagli

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5 Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

RISOLUZIONE ENO 10/2005 GUIDA PRATICA PER LA CONVALIDA, IL CONTROLLO QUALITÀ, E LA STIMA DELL INCERTEZZA DI UN METODO ALTERNATIVO DI ANALISI ENOLOGICA

RISOLUZIONE ENO 10/2005 GUIDA PRATICA PER LA CONVALIDA, IL CONTROLLO QUALITÀ, E LA STIMA DELL INCERTEZZA DI UN METODO ALTERNATIVO DI ANALISI ENOLOGICA RISOLUZIONE ENO 0/005 GUIDA PRATICA PER LA CONVALIDA, IL CONTROLLO QUALITÀ, E LA STIMA DELL INCERTEZZA DI UN METODO ALTERNATIVO DI ANALISI ENOLOGICA L ASSEMBLEA GENERALE, Vsto l artcolo paragrafo v dell

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli