Bayes, PDF, CDF. Renato Mainetti
|
|
- Arnoldo Riccardi
- 5 anni fa
- Visualizzazioni
Transcript
1 Bayes, PDF, CDF Renato Mainetti
2 Importiamo i dati di un esperimento Censimento volatili isola di Nim: 100 volatili vivono su quest isola 30 piccioni marroni (classe 1) 20 piccioni bianchi (classe 2) 10 gabbiani marroni(classe 3) 40 gabbiani bianchi (classe 4) 28/04/2016 Bayes e Data Cleaning - Lezione 8 2
3 Esperimento: Carichiamo il file isola.txt e contiamo quanti volatili ci sono per tipo: >> isola = load('isola.txt') >> hist(isola) >> volatili = hist(isola, [ ]) oppure >> volatili = hist(isola, unique(isola)) 28/04/2016 Bayes e Data Cleaning - Lezione 8 3
4 Statistiche volatili: Marroni Bianchi Piccioni 30% 20% Gabbiani 10% 40% 28/04/2016 Bayes e Data Cleaning - Lezione 8 4
5 Statistiche volatili: Marroni Bianchi Marginale specie (somma elementi riga) Piccioni 30% 20% 50% Gabbiani 10% 40% 50% Marginale colore (somma elementi colonna) 40% 60% 28/04/2016 Bayes e Data Cleaning - Lezione 8 5
6 Probabilità condizionata e congiunta: (inferenza di Bayes) P(a b) = P(a AND b) / P(b) P(a AND b) è probabilità congiunta Vediamo un volatile di un colore ma non sappiamo riconoscere la specie cosa facciamo? Inferiamo probabilità di specie dato il colore : Marroni Bianchi P(S G C M ) = (P(C M S G )*P(S G )) / P(C M ) Piccioni 75% 33% Gabbiani 25% 67% 28/04/2016 Bayes e Data Cleaning - Lezione 8 6
7 Probabilità condizionata e congiunta: (inferenza di Bayes) P(a b) = P(a AND b) / P(b) P(a AND b) è probabilità congiunta Vediamo un volatile di una specie ma non sappiamo riconoscere il colore cosa facciamo? Inferiamo probabilità di colore data la specie : P(C M S G ) = (P(S G C M ) * P(C M )) / P(S G ) Marroni Bianchi Piccioni 60% 40% Gabbiani 20% 80% 28/04/2016 Bayes e Data Cleaning - Lezione 8 7
8 Esempio Malattia dei puntini calcolare la probabilità di avere la malattia dati i puntini % likelihood = prob di avere puntini data la malattia smallpox pspotsgsmallpox = 0.9; % conoscenza a priori = prob di avere la malattia smallpox psmallpox = 0.001; % likelihood = prob di avere puntini sulla popolazione pspots = 0.081; 28/04/2016 Bayes e Data Cleaning - Lezione 8 8
9 Esempio Malattia dei puntini calcolare la probabilità di avere la malattia dati i puntini % likelihood = prob di avere puntini data la malattia chickenpox pspotsgchickenpox = 0.8; % conoscenza a priori = prob di avere la malattia chickenpox pchickenpox = 0.1; % likelihood = prob di avere puntini sulla popolazione pspots = 0.081; 28/04/2016 Bayes e Data Cleaning - Lezione 8 9
10 Risultati possibili test binario: P(O 1 S 1 ) = True Positive P(O 1 S 0 ) = False Positive P(O 0 S 1 ) = False Negative P(O 0 S 0 ) = True Negative Il test perfetto, che non fallisce mai, avrebbe : (true positive) e (true negative) uguale a =? 28/04/2016 Bayes e Data Cleaning - Lezione 8 10
11 Distribuzione di probabilità: (probability distribution function) Ci permette di descrivere in termini probabilistici un fenomeno aleatorio nel tempo, cioè che sia caratterizzato da una variabile aleatoria. (wiki) Per prima cosa iniziamo a distinguere il caso discreto dal caso continuo. Variabile aleatoria discreta -> moneta, dadi, etc. Variabile aleatoria continua -> altezza persone, dimensione pesce, etc. 28/04/2016 Bayes e Data Cleaning - Lezione 8 11
12 Variabile aleatoria discreta L insieme dei possibili valori(esito) è finito, numerabile, discreto. Nel lancio della moneta ho due eventi possibili (T/C) Pt = ½; Pc = ½; Nel lancio dei dadi ho 6 eventi possibili (1,2,3,4,5,6) Pn = 1/6; 28/04/2016 Bayes e Data Cleaning - Lezione 8 12
13 Funzione di ripartizione (cumulative distribution function) Ci aiuta a studiare le distribuzioni di probabilità Esempio del dado: F(X 1 ) = 1/6 F(X 2 ) = 1/6 + 1/6 = 2/6 F(X 3 ) = 1/6 + 1/6 + 1/6 = 3/6 F(X 4 ) = 1/6 + 1/6 + 1/6 + 1/6 = 4/6 F(X 5 ) = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 5/6 F(X 6 ) = 1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 6/6 Somma dei valori precedenti o uguali a un dato valore associato ad un blocco della partizione. (Somma totale = 1) 28/04/2016 Bayes e Data Cleaning - Lezione 8 13
14 Passiamo ora al caso continuo: (variabile aleatoria continua) Abbiamo un numero infinito di probabilità per tutti i valori compresi in un intervallo. 28/04/2016 Bayes e Data Cleaning - Lezione 8 14
15 Funzione di Ripartizione Nel caso continuo la funzione di ripartizione assume un significato ancora più importante. E la somma di tutte le probabilità precedenti una probabilità data. Poi vediamo qualche esempio anche in matlab 28/04/2016 Bayes e Data Cleaning - Lezione 8 15
16 Distribuzione uniforme (pdf) Consideriamo la variabile casuale X che assume tutti i valori nell intervallo [a;b] con funzione di densità f(x) = k La probabilità totale di X su: [a;b] è uguale a 1 Calcoliamo il valore di k: a b k dx = 1 Area rettangolo? B * H Base = b-a Altezza = 1/(b-a) 28/04/2016 Bayes e Data Cleaning - Lezione 8 16
17 Distribuzione uniforme (cdf) 28/04/2016 Bayes e Data Cleaning - Lezione 8 17
18 Altra distribuzione di esempio (pdf) h Quanto abbiamo detto che deve valere l area sottesa? Che valore deve assumere h? Provate a calcolarlo 28/04/2016 Bayes e Data Cleaning - Lezione 8 18
19 Altra distribuzione di esempio (pdf) ½ h Variabile casuale G, non uniforme, i possibili valori sono tutti tra 1 e 5. La somma totale delle probabilità abbiamo detto che deve essere uguale a 1! Area triangolo = (b*h) / 2 ½ * 4 * h = 1 2h = 1 h = ½ Cosi possiamo dire di aver costruito una distribuzione di probabilità legittima per la nostra variabile casuale G! 28/04/2016 Bayes e Data Cleaning - Lezione 8 19
20 Calcoliamo la probabilità di un intervallo: Vogliamo ad esempio calcolare: P(2 G 3) =? Idee su come possiamo calcolarla? ½ h /04/2016 Bayes e Data Cleaning - Lezione 8 20
21 Calcoliamo la probabilità di un intervallo: Vogliamo ad esempio calcolare: P(2 G 3) =? Area del trapezio : ((B+b)*altezza)/2 O più semplicemente area rettangolo più area triangolo. Quanto misura f(g) in 2? Misura ¼, infatti saliamo su due intervalli equidistanti (1->2->3) di ½, quindi su un intervallo (1->2) saliamo di ¼. Calcoliamo area: ((½ + ¼) * 1) /2 = (¾) /2 = ¾ * ½ = 3/8 ½ ¼ h /04/2016 Bayes e Data Cleaning - Lezione 8 21
22 Calcoliamo la probabilità di un intervallo: Vogliamo ad esempio calcolare: P(g=3) =? Idee su come possiamo calcolarla? ½ h /04/2016 Bayes e Data Cleaning - Lezione 8 22
23 Calcoliamo la probabilità di un intervallo: Vogliamo ad esempio calcolare: P(g=3) =? Questa probabilità è = 0 (area nulla) ½ h /04/2016 Bayes e Data Cleaning - Lezione 8 23
24 Media e Varianza(intuitivamente) Il valore medio di una variabile aleatoria rappresenta la previsione teorica del valore che mediamente tale variabile assumerà nell ipotesi di eseguire un elevato numero di prove. Es. dado: m = M(X) = 1 1/ / / / / /6 = 21/6 = 7/2 = 3,5 Ovvero tirando il dando molte volte e facendo la media dei valori usciti troverò 3,5 Varianza: Indice che misura quanto il valore medio si discosta dai dati, ovvero misura la dispersione dei valori intorno al valore medio. 28/04/2016 Bayes e Data Cleaning - Lezione 8 24
25 Distribuzioni di probabilità in matlab: Proviamo ad eseguire il comando: >> disttool Possiamo vedere le varie distribuzioni di probabilità che matlab ci mette a disposizione, con le rispettive funzioni di ripartizione. 28/04/2016 Bayes e Data Cleaning - Lezione 8 25
26 Calcoliamo probabilità con matlab di distribuzione Normale/Gaussiana %creiamo vettore uniforme tra -4 e 4 con passo 0.01 >> x = -4:0.01:4; %creiamo la pdf con il comando normpdf, media 0 varianza 1 >>y = normpdf(x,0,1) %plot della gaussiana >>plot(x,y) 28/04/2016 Bayes e Data Cleaning - Lezione 8 26
27 Calcoliamo probabilità con matlab di distribuzione Normale/Gaussiana %creiamo vettore che contiene intervallo >> z = [-1 1]; %calcoliamo la cdf(cumulative) in quei valori per una gaussiana con media 0 e varianza 1 >>F = normcdf(z,0,1) %calcolo probabilità eseguendo differenza tra i due valori ricavati >> prob = F(2) F(1) 28/04/2016 Bayes e Data Cleaning - Lezione 8 27
Data Import e Probabilità. Renato Mainetti
Data Import e Probabilità Renato Mainetti Importare dati in Matlab: Abbiamo visto come sia possibile generare array e matrici di dati. Per ora abbiamo sempre inserito i dati manualmente o utilizzando metodi
DettagliData Import pulizia dati e Probabilità. Renato Mainetti
Data Import pulizia dati e Probabilità Renato Mainetti Importare dati in Matlab: Abbiamo visto come sia possibile generare array e matrici di dati. Per ora abbiamo sempre inserito i dati manualmente o
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliCorso di Istituzioni di Matematiche con Elementi di Statistica. anno accademico 2015/2016 corso A-L (G. Gaeta & N. Bressan)
Corso di Istituzioni di Matematiche con Elementi di Statistica anno accademico 215/216 corso A-L (G. Gaeta & N. Bressan) Esercizi Foglio 9 (Funzioni aleatorie; distribuzioni di probabilita ) Esercizio
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliMODELLI STATISTICI, RICHIAMI
MODELLI STATISTICI, RICHIAMI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 11 Aprile 2006 Francesca Mazzia (Univ. Bari) MODELLI STATISTICI,
DettagliVariabili aleatorie: parte 1. 1 Definizione di variabile aleatoria e misurabilitá
Statistica e analisi dei dati Data: 11 Aprile 2016 Variabili aleatorie: parte 1 Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori 1 Definizione di variabile aleatoria e misurabilitá Informalmente,
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliStatistica Corso di laurea in Biotecnologie I esonero - 19 aprile 2010
Statistica Corso di laurea in Biotecnologie I esonero - 9 aprile 00 Esercizio Determinare, a P X ; b PX < /; c il terzo quartile della distribuzione, nei casi ix N, ; iix variabile aleatoria continua con
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliFunzioni di probabilità con Matlab
Funzioni densità di probabilità e distribuzioni cumulative - Introduzione: Riepilogo Concetti Teoria - Distribuzioni densità di probabilità con - Distribuzioni cumulative - Inverse distribuzioni cumulative
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliMisure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliCalcolo delle Probabilità e Statistica Matematica previsioni 2003/04
Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 25 febbraio 2016 (9.00/13.00)
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Elementi di calcolo delle probabilità CdL Infermieristica Pediatrica ed
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
DettagliVariabili aleatorie scalari
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Variabili aleatorie scalari Sommario della Introduzione CDF e PDF: definizione CDF e PDF: proprietà Distribuzioni uniforme e Gaussiana
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliIntroduzione alla probabilità. Renato Mainetti
Introduzione alla probabilità Renato Mainetti Esperimenti sulla probabilità: Vedremo come utilizzare semplici funzioni di matlab per avvicinarci al mondo della probabilità, iniziando così ad introdurre
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di Gauss) CdL Area Tecnica -
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
DettagliCALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica. Leggere attentamente le seguenti note
CALCOLO DELLE PROBABILITÀ I. a.a. 2016/2017. Informatica Leggere attentamente le seguenti note Modalità d esame. L esame consta di uno scritto con esercizi (bisogna prenotarsi su infostud). Chi passa questo
DettagliMetodi di Monte Carlo: un'applicazione
Metodi di Monte Carlo: un'applicazione Metodi di Monte Carlo: definizione Brevi richiami sui concetti base utilizzati Variabile casuale Valore di aspettazione Varianza Densità di probabilità Funzione cumulativa
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliComputazione per l interazione naturale: fondamenti probabilistici
Computazione per l interazione naturale: fondamenti probabilistici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliVariabili casuali multidimensionali
Variabili casuali multidimensionali Variabili casuali multidimensionali: k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità X = (X 1,..., X k ) Funzione di
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliVariabili aleatorie parte 2. 1 Definizione di funzione di ripartizione o funzione cumulativa (CDF)
Statistica e analisi dei dati Data: 11 aprile 2016 Variabili aleatorie parte 2 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Definizione di funzione di ripartizione o funzione cumulativa
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliUtilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi
La variabile standardizzata Utilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi X'= X Media(X ) DS(X ) Visto l ampio uso in statistica di questa procedura, la
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliEsercizi di Probabilità
Esercizi di Probabilità Grazia Corvaia, Patrizio Lattanzio, Alessandra Nardi February 0, 09 L urna colorata In un urna si trovano 0 palline, 5 viola e 5 arancioni. Calcolare la probabilità che, in due
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliCP110 Probabilità: esame del 4 febbraio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 20-2, II semestre 4 febbraio, 203 CP0 Probabilità: esame del 4 febbraio 203 Testo e soluzione . (6 pts) In un triangolo rettangolo i cateti X e Y sono
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliIdraulica e Idrologia: Lezione 6
Idraulica e Idrologia: Lezione 6 Agenda del giorno - Eventi estremi in idrologia: legame fra magnitudo e probabilità; - Statistica e probabilità in idrologia; - Tempo di ritorno. 1 Analisi statistica di
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 17-18, I semestre Settembre 18 Scritto del - 9-18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliEsercitazione del 21/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/0 Istituzioni di Calcolo delle Probabilità David Barbato Funzione di ripartizione Sia F X una funzione da in. consideriamo le seguenti condizioni: F X è non decrescente lim ( ) x F
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Igiene Dentale. Corso di Statistica per la ricerca sperimentale e tecnologica
Università del Piemonte Orientale Corso di Laurea in Igiene Dentale Corso di Statistica per la ricerca sperimentale e tecnologica Elementi di calcolo delle probabilità CdL di Igiene Dentale - Corso di
DettagliComputazione per l interazione naturale: fondamenti probabilistici
Computazione per l interazione naturale: fondamenti probabilistici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliV.a. continue. Statistica e biometria. D. Bertacchi. Le v.a. continue. Uniforme. Normale. Indipendenza di v.a. continue
gge una v.a. V.a. continue Ricoramo: DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è una funzione che ha come dominio Ω e come codominio R. In formule: X : Ω R. DEFINIZIONE
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
Dettagli