APPUNTI 1 SU: DISTRIBUZIONI CONGIUNTE, COVARIANZA E RETTA DI REGRESSIONE 1 Distribuzioni congiunte Spesso nelle applicazioni si e portati a considerar
|
|
- Gilberto Salerno
- 5 anni fa
- Visualizzazioni
Transcript
1 APPUNTI 1 SU: DISTRIBUZIONI CONGIUNTE, COVARIANZA E RETTA DI REGRESSIONE 1 Dstrbuzon congunte Spesso nelle applcazon s e portat a consderare p u quantt a aleatore e a confrontarne l comportamento. C o motva l'ntroduzone della nozone d dstrbuzone congunta. Sa, al solto, (Ω; P) uno spazo d probablt a, ovvero Ω e uno spazo camponaro e P :Ω! [0; 1] e una (msura d) probablt a suω. Su Ω sano defnte due varabl aleatore (v.a.) dscrete e Y : ; Y :! Ω 7! (!);Y(!) R: Denotamo con E = fx 1 ;:::;x k g (o E = fx 1 ;x ;:::g) e con E Y = fy 1 ;:::;y m g (o E Y = fy 1 ;y ;:::g)) l'nseme de valor ammssbl per e Y rspettvamente. Rcordamo brevemente che la legge o dstrbuzone d edy sono date dalle funzon p e p Y, rspettvamente, che ad ogn valore ammssble assocano la probablt a con la quale possono verfcars: p (x) =Pf = xg p Y (y) =PfY = yg x E y E Y S consder ora l'applcazone (; Y ):Ω! R ;! 7! ((!);Y(!)): L'mmagne d tale applcazone e l'nseme delle coppe (x; y) E E Y.S defnsce legge o dstrbuzone congunta delle v.a. e Y l'applcazone p(x; y) =Pf = x; Y = yg che ad ogn coppa (ammssble) (x; y) E E Y assoca la probablt a con la quale tale coppa pu o essere assunta. Vedremo nel seguto che tale nozone s rvela estremamente mportante eche permette d rsolvere numeros problem. Osservamo dapprma che la legge congunta d e Y consente d dedurre le legg d edy, dettelegg o dstrbuzon margnal. Infatt, per la formula delle probablt a total, fssato x E,sha p (x )=Pf = x g = j Pf = x ;Y = y j g = j p(x ;y j ) (1) 1 Queste note sono la traduzone d parte delle lezon tenute da Proff. Paolo Bald e Ncole El Karou all'unverst a Perre et Mare Cure (Pars VI) nell'a.a. 1995/'9. 1
2 La legge (margnale) d n x s calcola dunque a partre dalla legge congunta, congelando" la prma varable, x, e saturando" rspetto a tutt possbl valor che pu o assumere la Y,ovvero sommando p(x ;y j ) su tutt possbl y j. Dscorso analogo rguardo l calcolo della legge (margnale) d Y : fssato y j E Y, p Y (y j )=PfY = y j g = p(x ;y j ) () Esempo 1. S consder un'urna contenente pallne numerate da 1 a ; se ne estraggano con rensermento: sano 1 e due numer ottenut. S vuole calcolare la dstrbuzone congunta d 1 e. I valor ammssbl per la coppa ( 1 ; ) sono dat dalle coppe (; j), al varare d ; j nell'nseme f1;:::;g. S tratta qund d 3 possbl valor e, poché ogn coppa e equprobable, cascuna coppa ha probablt a 1 3 d verfcars. Qund, E (1 ; ) = f1;:::;g. E possble vsualzzare la stuazone de due tr come nella Fgura 1, n cu denotano valor possbl Fgura 1 Inseme de valor ammssbl per la coppa ( 1; ). Prese sngolarmente, le due v.a. 1 e possono assumere valor nell'nseme f1;:::;g e cascun valore e assunto con probabablt a 1 (eserczo!). C o sgnfca che le dstrbuzon margnal d 1 e sono unform nell'nseme f1;:::;g. Supponamo ora che le due estrazon sano effettuate senza rensermento, e denotamo con Y 1 e Y l rsultato della prma e della seconda estrazone rspettvamente. Ivalor ammssbl per la coppa (Y 1 ;Y ) non sono p u gl stess perché, ad esempo, la coppa (1; 1) non pu o p u verfcars. Infatt, possbl rsultat sono dat dalle coppe (; j) tal che ; j f1;:::;g ma con = j. S tratta dunque d 30(= 3 possbl coppe coppe dentche)
3 valor ammssbl, tutt equprobabl, che dunque possono verfcars cascuno con probablt a 1. Qund, E 30 (Y 1 ;Y ) = f(; j) : = j; ; j f1;:::;gg. La legge congunta d Y 1 e Y equnddatada ( 1 se ; j =1;:::;e= j 30 p(; j) = 0 altrment La Fgura vsualzza tutt possbl rsultat d questo secondo espermento. Ancora una volta, smbol denotano tutt possbl valor per la coppa (Y 1 ;Y ), che possono essere assunt con probablt a Fgura Valor ammssbl per (Y 1;Y ). Usando le formule (1) e (), e possble calcolare le dstrbuzon d Y 1 e d Y come dstrbuzon margnal della loro legge congunta. La somma n (1) per x =1; ; 3; 4; 5; contene 5 termn ugual a 1. Ad esempo, per 30 x =3, p Y1 (3) = p(3; 1) + p(3; ) + p(3; 4) + p(3; 5) + p(3; ) = 1 dunque la legge d Y 1 e la legge unforme su f1;:::;g. Usando la (), s verfca faclmente (eserczo!) che anche Y ha dstrbuzone unforme su f1;:::;g. Tale rsultato non e sorprendente per Y 1 (la probablt a che alla prma estrazone s ottenga la pallna numero e ovvamente 1, per ogn =1; ; 3; 4; 5; ) ma lo e un po' meno per Y... Le legg margnal sono dunque dentche, sa che le estrazon vengano effettuate con rensermanto sa che le pallne vengano estratte senza rensermento. L'esempo precedente mostra che e possble avere due dstrbuzon congunte dverse avent le medesme dstrbuzon margnal. C o sgnfca che 3
4 non e possble, n generale, stablre quale sa l comportamento congunto d due v.a. noto l comportamento d ognuna d esse prese sngolarmente. Al contraro, la dstrbuzone congunta consente sempre d determnare le due dstrbuzon margnal, a partre dalle (1) e (). L'esempo che segue mostra un partcolare utlzzo della dstrbuzone congunta. Esempo. Da un'urna contenente pallne numerate da 1 a vengono effettuate due estrazon senza rensermento. Qual e la probablt a che rsultat delle due estrazon dfferscano al p u d? E se le estrazon fossero state effettuate con rensermento? Usando le notazon dell'esempo 1, s tratta d calcolare PfjY 1 Y j»g. Tale probablt a spu o rscrvere come Pf(Y 1 ;Y ) Ag, dove A e la regone del pano f(x 1 ;x ); jx 1 x j»g. Dunque, la probablt a rchesta e data da p(; j) (3) (;j)a dove p denota la dstrbuzone congunta d (Y 1 ;Y ), calcolata nell'esempo 1. La regone A e data dalla strsca compresa tra le rette d equazone x = y + e x = y, dsegnate nella Fgura 3. In A s trovano 18 valor ammssbl per la coppa (Y 1 ;Y ) e poché cascuna coppa ha probablt a 1 18, la somma n (3) vale = Fgura 3 L'nseme A e dato dall'ntersezone della strsca compresa tra le due rette dsegnate n fgura e l'nseme de valor ammssbl Se le estrazon fossero state effettuate con rensermento, l procedmento sopra descrtto sarebbe comunque valdo, ma n tal caso A conterrebbe 4(= 18 + ) valor possbl, cascuno verfcable con probablt a 1. C o sgnfca 3 che, sotto tale potes, la probablt a dell'evento n questone sarebbe. 3 4
5 Un'altra stuazone nella quale la nozone d dstrbuzone congunta e crucale e la seguente: se e Y denotano due v.a., d legge congunta p, qual e la legge d + Y? S ha = j Pf + Y = tg = Pf = t y j ;Y = y j g = j j Pf + Y = t; Y = y j g p(t y j ;y j )= (x ;x j ):x +y j =t p(x ;y j ) Tale formula permette d calcolare esplctamente la dstrbuzone della v.a. + Y ed ha una grande mportanza teorca perché mostra che la legge d + Y non dpende dalle margnal ma solo dalla dstrbuzone congunta: se 0 e Y 0 sono due v.a. che hanno stessa legge (congunta) p allora la dstrbuzone d 0 + Y 0 e la stessa d + Y. Covaranza e correlazone Sano e Y due v.a. S vuole determnare una formula per la varanza d + Y. S ha dove = E h( E []) + E Var( + Y )=E ( + Y ) E [ + Y ] Λ = h = E ( E[]) + (Y E [Y ]) = h h(y E [Y ]) +E ( E [])(Y E[Y ]) =Var() +Var(Y )+Cov(; Y ) = (4) Cov(; Y )=E ( E [])(Y E[Y ]) Λ (5) La quantt a Cov(; Y ) prende l nome d covaranza d e Y. Un'altra espressone per la covaranza (spesso p u utle ne calcol) e la seguente: Cov(; Y )=E ( E [])(Y E[Y ]) Λ = = E Y E [Y ] Y E [] +E[]E [Y ] Λ = = E [Y ] E[] E [Y ] () dove, rcordamo, E[Y ]= ;j x x j p(x ;x j ): Sappamo che se e Y sono ndpendent allora E[Y ] = E[]E [Y ], dunque Cov(; Y )=E[Y ] E []E[Y ]=0 (7) 5
6 In tal caso, Var( + Y ) = Var() +Var(Y ). Per l caso d m v.a. segue faclmente (eserczo!) Var( m )= m =1 ese 1 ;:::; m sono ndpendent, allora Var( )+ =j Cov( ; j ) (8) Var( m )=Var( 1 )+ +Var( m ) (9) Dunque, la varanza della somma d v.a. ndpendent e data dalla somma delle varanze. Cerchamo ora d capre l sgnfcato della covaranza d due v.a. Abbamo appena vsto che la covaranza d due v.a. ndpendent e zero. Sfortunatamente, l'nverso e falso (se cos non fosse, nfatt, s potrebbe usare tale rsultato per una verfca, tutto sommato non dffcle dal punto d vsta computazonale, dell'ndpendenza d due v.a.). Mostramo qu d seguto un controesempo. Esempo 3. Sa una v.a. dstrbuzone p (0) = ff; che pu o assumere valor f 1; 0; +1g, con p ( 1) = p (+1) = f con ff; f > 0, ff +f = 1. S not che E [] = 0. Sa ora Y defnta nel modo seguente: Y = 1 se = 0, Y = 0 se = 0. Mostramo che Cov(; Y ) = 0. Infatt, e mmedato verfcare che Y = (eserczo!), dunque E[Y ]= E [] = 0.Allora, Ma, e Y non sono ndpendent: Cov(; Y )=E [Y ] E [] E [Y ]=0: 0=P( =0;Y =1)= P( =0)P(Y =1)=ff f: Se Cov(; Y ) = 0, dremo che e Y sono non correlate. In ogn caso, c s pu o servre della covaranza per dare una msura dell'ndpendenza d due v.a.: valor della covaranza vcn a zero sgnfcano che le due v.a. sono quas ndpendent; vceversa, valor grand (n valore assoluto) della covaranza ndcano la presenza d una forte dpendenza tra le due v.a. Il prossmo esempo mostra la relazone che lega la covaranza postva e negatva con l concetto d dpendenza" tra due v.a. Esempo 4. (Retta d regressone) Sano e Y due v.a. sullo stesso spazo d probablt a (Ω;P). S vuole trovare la mglore approssmazone possble della Y tramte una funzone lneare della. In altre parole, s cercano due numer a; b R tal che a + b approssma Y nel mglor modo possble.
7 Un problema d questo tpo appare, ad esempo, quando s vuole stmare una quantt a Y che non e osservable drettamente. S consder, a ttolo d esempo, l caso n cu Y e un segnale e e un'osservazone dsturbata" (vale a dre, e uguale a Y p u un errore dovuto all'osservazone). Il prmo problema consste nel defnre un crtero d ottmalt a: che sgnfcato s vuole dare a mglore approssmazone possble"? Ovvamente, occorre partre dalla dstanza tra a + b e Y, ovvero da ja + b Y j. Poch e per o lavorare con modul pu o essere oneroso n termn d calcol, s prefersce consderare (a +b Y ). Ora, tale quantt a e aleatora e l problema che e stato posto e determnstco": numer a e b che s cercano non sono aleator. Per tale ragone, s consdera l valore atteso d (a + b Y ). Dunque, l crtero d ottmalt a scelto e l seguente: s voglono determnare due numer a e b tal da mnmzzare (a; b) 7! E h(a + b Y ) (va detto che esstono altr crter d ottmzzazone, che qu non saranno pres n consderazone). Denotamo, per semplct a, μ = E ();ν = E (Y ). Allora, E h(a + b Y ) = E h(a( μ)+(b + aμ) (Y ν) ν) h((a( μ) (Y ν)) + (b + aμ ν)) = E = E h(a( μ) (Y ν)) +(b + aμ ν) h +(b + aμ ν)e a( μ) (Y ν) = I 1 + I + I 3 Osservamo che l termne I 3 enullo perché h h E a( μ) (Y ν) = E a( μ) = a(e () μ) (E (Y ) ν) =0 h E Y ν Comncamo con l cercare l valore d a che mnmzza I 1 : I 1 = E h(a( μ) (Y ν)) = h = a E ( μ) ]+E h h(y ν) ae ( μ)(y ν) = a Var() acov(; Y )+Var(Y ): Il mnmo d questo trnomo e raggunto nel punto = a Λ = Cov(; Y ) Var() (10) 7
8 Cerchamo ora l valore d b che mnmzza I, calcolato sul valore d a appena trovato: b Λ = ν a Λ μ = E (Y ) a Λ E () S defnsce retta d regressone la retta d equazone y = a Λ x + b Λ dove a Λ e b Λ sono numer appena determnat. Qund, l'equazone della retta d regressone e y = Cov(; Y ) Var() (x E[]) + E[Y ]. Fgura 4 S suppone, qu e nel grafco successvo, che punt dsegnat n fgura rappresentno valor ammssbl per la coppa (; Y ), ognuno de qual pu o essere assunto con la stessa probablt a. Qu la retta d regressone ha un coeffcente angolare negatvo e la correlazone e negatva. S not che Y ha tendenza ad assumere valor p u pccol quando e grande. S not che la retta d regressone non e smmetrca", ovvero scambando ruol ad e Y camba anche la retta d regressone. Inoltre, l coeffcente angolare della retta d regressone ha lo stesso segno della covaranza (perché Var() e sempre postva). C o ndca che, se la covaranza e postva, Y tende ad assumere valor grand n corrspondenza d valor grand della. Tale propret a e detta d dpendenza postva. Al contraro, se la covaranza e negatva, Y tende ad assumere valor pccol n corrspondenza d valor grand della e n tal caso s dce che c' e dpendenza negatva tra le due v.a. Ad esempo, se s volesse creare un modello che legh la relazone tra l peso e l'altezza Y d un ndvduo preso a caso da una popolazone, c s aspetta una covaranza postva tra queste due v.a. perché ndvdu alt hanno la tendenza ad essere p u pesant (c o non togle che possano esstere ndvdu alt e legger oppure bass e molto pesant, event che, n 8
9 generale, hanno probablt a d verfcars molto bassa). C s attende una covaranza negatva quando s consderno quantt a aleatore che hanno un effetto anttetco' l'una sull'altra.. Fgura 5 Qu n corrspondenza d valor grand per s osservano valor puttosto grand anche per Y. La covaranza e postva. Abbamo appena vsto come la covaranza possa essere utlzzata per msurare la dpendenza d due v.a. In realt a c o non e del tutto vero perché la covaranza presenta un dfetto: Cov(a; by )=abcov(; Y ) C o sgnfca che la covaranza tra due v.a. e strettamente legata all'unt a d msura: la covaranza camba se s camba l'unt a d msura con la quale le v.a. e Y sono state msurate. Per tale ragone, s ntroduce la seguente quantt a: ρ ;Y = Cov(; Y ) p Var()Var(Y ) (11) ρ ;Y e detto coeffcente d correlazone d e Y e non dpende da cambament d msurazone, co e (eserczo!) ρ a;by = ρ ;Y per ogn a > 0;b > 0 (se ab < 0, l coeffcente d correlazone camba segno: eserczo!). La proposzone che segue asscura che 1» ρ ;Y» 1 9
10 Proposzone 1. Vale la seguente dsuguaglanza, detta dsuguaglanza d Cauchy-Schwartz: E [Y ]» E[ ]E [Y ] Dmostrazone. poché l valore atteso d una v.a. non negatva e sempre non negatvo, per ogn # R s ha 0» E [(# + Y ) ]=# E [ ]+#E [Y ]+E [Y ] Tale dsuguaglanza e vera per ogn # R: l trnomo #! # E [ ]+ #E [Y ]+E[Y ] non pu o assumere valor negatv e dunque l suo dscrmnante deve necessaramente essere mnore d 0, l che sgnfca E [Y ] E [ ]E [Y ]» 0 La Proposzone 1 applcata alle v.a. E[] et Y E[Y ]d a Cov(; Y ) = E ( E [])(Y E[Y ]) Λ»» E ( E[]) Λ E (Y E [Y ]) Λ =Var()Var(Y ) e qund ρ ;Y» 1. Come abbamo vsto, la condzone d non correlazone e n realt a molto p u debole d quella d ndpendenza, ma e anche p u facle da verfcare per cu e abbastanza usata nella pratca come forma debole d ndpendenza. 10
Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliEsercizi di econometria: serie 1
Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliFRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.
FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliPropagazione degli errori
Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliDinamica dei sistemi particellari
Dnamca de sstem partcellar Marco Favrett Aprl 11, 2010 1 Cnematca Sa dato un sstema d rfermento nerzale (O, e ), = 1, 2, 3 e consderamo un sstema d punt materal (sstema partcellare) S = {(OP, m )}, = 1,,
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu)
Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliRAPPRESENTAZIONE DI MISURE. carta millimetrata
carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!
DettagliContenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2
Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 017/018 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/hxl9zg Unverstà della Campana Lug Vanvtell Dpartmento d Pscologa
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE
DettagliMisure dirette utilizzate per il calcolo della misura indiretta X:
Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 12 10 novembre 2011 Teorema d Lebesgue Vtal-Generazone d msure professor Danele Rtell www.unbo.t/docent/danele.rtell
DettagliGeometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.
Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
DettagliPOLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA
POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliPropagazione delle incertezze
Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze
DettagliLe quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.
Compensazone con l metodo de mnm quadrat Introduzone Le msure geodetche e topografche, che n molt cas non rguardano solo dstanze e angol, ma anche quanttà non puramente geometrche, come ad esempo l'ntenstà
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliVariabili casuali. Variabili casuali
Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliAlgebra 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
DettagliVariabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1
Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 19: 23 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 19: 23 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/30? Teora del ortafoglo Ogn ttolo a ha un valore
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliCorsi di Laurea in Farmacia e CTF Prova di Matematica
Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 18 1 dcembre 2011 Covaranza, Varabl aleatore congunte professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19?
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
Dettagli6 Prodotti scalari e prodotti Hermitiani
6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D
FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà
DettagliIL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE
IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
Dettagliy. E' semplicemente la media calcolata mettendo
COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale
DettagliLezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali
Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
Dettagli4.6 Dualità in Programmazione Lineare
4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble
DettagliSistemi Intelligenti Stimatori e sistemi lineari - III
Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
Dettagli1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann
FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliUNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C
ELEMETI BASILARI DI TEORIA DEGLI ERRORI. VALOR MEDIO, DEVIAZIOE STADARD E VARIAZA S defnsce valor medo d un nseme d dat,,, la quanttà: () S defnsce varanza emprca dell nseme precedente la quanttà: σ ()
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliPattern Recognition. Bayes decision theory
Computer Scence Department Unversty of Verona A.A. 015-16 Pattern Recognton Bayes decson theory 1 Rev. Thomas Bayes, F.R.S 170-1761 Introduzone Approcco statstco fondamentale d classfcazone d pattern Ipotes:
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliSoluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k
(1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:
DettagliIL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni
IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliCapitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per
Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.
DettagliPrima prova di gruppo
Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA
DettagliStatistica 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:
Dettagli1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P
. Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero
DettagliLezione 20 Maggio 29
PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt
DettagliEsercizio 1. Esercitazione 14 Dicembre 2012 Sistemi trifase e potenze R 3 R 1 R 2. simmetrico L 1 L 3
serctazone 4 Dcembre 0 Sstem trfase e potenze serczo L L L 00 f 50 Hz smmetrco Fg : Sstema trfase a stella S consder l crcuto d Fg e s calcolno le tre corrent d fase e le potenze attve, reattve ed apparent
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Modelli 1 lezione novembre 2011 Media e varianza
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 17 30 novembre 2011 Meda e varanza professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? Teorema er ogn funzone
DettagliDipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 21: 25 marzo 2014
Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 21: 25 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? CCT/CCTEu S tratta d un ttolo a cedola
DettagliLa Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente
Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1
DettagliCalcolo delle Probabilità
Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliOPERAZIONI E INSIEMI NUMERICI
OPERAZIONI E INSIEMI NUMERICI Per rcordare H Un'operazone bnara n un nseme non vuoto A eá una legge ce ad ogn coppa d element a,b A assoca un elemento c A. Gl element a e b s camano operand o termn dell'operazone,
DettagliEsercitazione sulle Basi di di Definizione
Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
DettagliAnalisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986
Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane
DettagliL arcobaleno. Giovanni Mancarella. n = n = n = α( o )
Govann Mancarella L arcobaleno I(α) (a.u.) n =.3338 n =.336 39 40 4 4 43 α( o ) In questa nota utlzzeremo l termne dstrbuzone per ndcare la denstà d probabltà d una varable casuale. Il fenomeno dell arcobaleno
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo
Dettagli