10. VARIABILI CASUALI MULTIPLE
|
|
- Gianluigi Leonardi
- 4 anni fa
- Visualizzazioni
Transcript
1 . VARIABILI CASUALI MULTIPLE.. Introduzione La definizione di v.c. può essere facilmente estesa al caso in cui a ciascun evento elementare che costituisce è associata una coppia di numeri reali così come schematizzato nella successiva figura. Figura.. Definizione di variaile casuale doppia Considerato lo spazio di proailità ( A P) costituito dallo spazio fondamentale dalla classe degli eventi A e dalla misura di proailità P una v.c. doppia Y è una funzione definita su che associa a ciascuno degli N eventi elementari i (i= N) una coppia di valori reali [( i) Y( i)] = ( l) che rappresenta una determinazione della v.c. Y. Il ricorso a una v.c. doppia è del tutto naturale quando sulle n unità statistiche vengono rilevate contemporaneamente due variaili (come per esempio: reddito e consumi peso e altezza numero dei componenti delle famiglie e numero di mezzi di trasporto posseduti) ma risulta utile anche quando si 97
2 considera un esperimento che consiste nel lancio di due monete o di due dadi oppure nell estrazione di due palline da un urna. In questo caso infatti la v.c. può semplicemente rappresentare il risultato ottenuto nella prima prova mentre la Y può rappresentare il risultato ottenuto nella seconda. L uso di una v.c. doppia può risultare utile in situazioni diverse come per esempio considerato un esperimento che consiste nel lancio di tre monete si può utilizzare una v.c. per contare il numero di teste ottenute e una v.c. Y per contare il numero di variazioni nella sequenza ossia il numero di volte in cui si passa dalla faccia testa alla faccia croce o viceversa. La taella successiva riporta nella prima colonna i =8 possiili eventi connessi con questa particolare prova (in cui la lettera T indica testa e la lettera C indica croce ) mentre nella seconda e terza colonna sono riportati i corrispondenti valori delle due v.c. Taella.. Esempio di v.c. doppia = TTT = TTC = TCT = CTT 5 = CCT 6 = CTC 7 = TCC 8 = CCC In questo caso quindi al primo evento è associata la coppia di valori ( ) della v.c. Y al secondo evento la coppia ( ) all ultimo evento la coppia ( ). Ovviamente il discorso può essere generalizzato dal caso ivariato al caso multivariato per comprendere le situazioni in cui il numero di v.c. prese in esame è maggiore di due come quando si analizzano le risposte fornite da un certo numero di intervistati a un questionario oppure quando si replica più volte un esperimento che consiste nel lancio di un dado o di una moneta o nell estrazione di più palline da un urna. Come nei casi esaminati per le variaili statistiche anche le v.c. multiple considerate in occasione di un esperimento casuale possono essere dello stesso tipo (tutte discrete o tutte continue) oppure di tipo diverso in relazione alla situazione in esame. Nelle prossime pagine è considerato il caso ivariato (sia per v.c. discrete sia per v.c. continue) che verrà poi generalizzato al caso multivariato. 98
3 . Variaili casuali doppie discrete Date due v.c. discrete e Y e indicati con e i loro campi di variazione il campo di variazione della v.c. doppia Y è pari al prodotto mentre la proailità che in una prova si osservi la coppia di determinazioni ( l) di Y corrisponde a P(= Y= l) = p( l) ( l).. L espressione.. che costituisce la funzione di proailità congiunta della v.c. doppia Y consente di ottenere la proailità associata a qualsiasi sottoinsieme B semplicemente come somma delle proailità associate alle singole coppie di valori che costituiscono B P YB p l B.. l Per esempio se si considera l esempio riportato nella taella.. la distriuzione di proailità della v.c. Y si ottiene facilmente dalle proailità associate gli eventi i tutti equiproaili se la moneta è equilirata. Utilizzando una taella a doppia entrata in cui la prima colonna riporta i valori della v.c. e la prima riga riporta i valori della v.c. Y la distriuzione di proailità congiunta di Y assume la forma riportata nella taella successiva. Taella.. Distriuzione di proailità della v.c. Y definita nella taella.. \Y /8 /8 /8 /8 /8 /8 /8 /8 /8 /8 /8 /8 /8. Questa distriuzione di proailità congiunta si ottiene mediante lo stesso procedimento utilizzato per determinare la distriuzione di frequenza congiunta di due variaili statistiche. In generale una distriuzione di proailità ivariata di una v.c. Y in cui la assume valori diversi e Y assume h valori diversi può essere rappresentata mediante una taella analoga alla.. all interno 99
4 della quale il simolo p( l) posto all'incrocio fra la riga e la colonna l (per = e l = h) indica la proailità associata alla coppia ( l) della v.c. doppia Y per cui risulta l p l. Taella.. Esempio di distriuzione di proailità ivariata \Y l h p( ) p( ) p( l) p( h) p( ) p( ) p( ) p( l) p( h) p( ) p( ) p( ) p( l) p( h) p( ) p( ) p( ) p( l) p( h) p( ) p( ) p( ) p( l) p( h) Talvolta specie se il numero di associazioni dei valori di e Y che presentano una proailità pari a zero è elevato la distriuzione di proailità congiunta viene espressa indicando le sole proailità che risultano maggiori di zero per cui per esempio la distriuzione indicata nella taella.. può essere espressa anche mediante la notazione seguente p( ) = /8 p( ) = /8 p( ) = /8 p( ) = /8 p( ) = /8 p( ) = /8. Analogamente a quanto visto per il caso univariato e come si vede chiaramente dalle taelle.. e.. dalla distriuzione di proailità congiunta è possiile determinare le due distriuzioni di proailità marginali di e di Y che corrispondono rispettivamente a p l per P l l p l per l P Y. In analogia a quanto descritto a proposito di due variaili statistiche anche le due variaili casuali e Y risultano indipendenti quando la funzione di proailità congiunta corrisponde al prodotto delle distriuzioni di proailità marginali ossia quando
5 P( = Y = l) = P( = ) P(Y = l) per. l Nel caso della taella.. quindi le variaili e Y non risultano indipendenti fra loro.
6 . Variaili casuali doppie continue Se le v.c. e Y sono di tipo continuo e definite rispettivamente su = (a ) e su = (c d) il campo di variazione della v.c. doppia Y è sempre dato da che in questo caso corrisponde al prodotto (a ) (c d). In analogia a quanto visto a proposito del caso univariato la proailità viene assegnata a intervalli del tipo ( ] ( ] mediante la f.r. congiunta F(). Anche in questo caso questa funzione risulta definita per qualsiasi coppia di valori ( ) di Y e assume valori compresi nell intervallo [ ]. Dalla f.r. si ottiene la proailità che la Y sia compresa in qualsiasi intervallo infinitesimo del tipo ( +] ( +] e facendo tendere a zero sia sia si ottiene la f.d. congiunta P Y f ().. che associa ad ogni coppia di valori delle due v.c. la densità di proailità corrispondente. Dalla f.d. congiunta.. è possiile ottenere la f.d. marginale f () della integrando la funzione nel campo di variazione di Y d c f f d a < < e la f.d. marginale di Y mediante l integrale a f f d c < < d. Considerata per esempio la v.c. doppia Y con f.d. congiunta f() = + < < < < la f.d. marginale della corrisponde a
7 d d d f mentre la f.d. marginale della Y corrisponde a d d d f. Analogamente a quanto visto per due v.c. discrete se le due v.c. continue e Y sono indipendenti la loro f.d. congiunta corrisponde al prodotto delle due f.d. marginali f() = f () f () a < < c < < d. Considerata per esempio la v.c. doppia Y con f.d. congiunta f la f.d. marginale della corrisponde a per d d f mentre la f.d. marginale della Y è per d d d f
8 In questo caso il prodotto delle due f.d. marginali corrisponde alla f.d. congiunta per cui le due v.c. e Y sono indipendenti fra loro. Esempio.. Data una v.c. doppia Y con f.d. f() = (-) per < < < < si ottengano le due f.d. marginali e si verifichi se le due v.c. sono indipendenti fra loro Risulta f f d d per d d d per per cui e Y sono indipendenti. Esempio.. Data una v.c. doppia Y con f.d. si verifichi se e Y sono indipendenti f() = + per < < < < Le due f.d. marginali sono f d d d f d d d per per Le due v.c. non sono indipendenti fra loro
9 . Valori caratteristici Data la distriuzione di proailità congiunta della v.c. doppia Y i valori degli indici di posizione di variailità e di forma delle due variaili e Y singolarmente considerate possono essere determinati sulla ase delle distriuzioni di proailità marginali e assumono forme diverse a seconda che le variaili siano di tipo discreto oppure continuo analogamente a quanto visto nel capitolo precedente relativo alle v.c. semplici. Inoltre se le due v.c. non sono indipendenti fra loro è possiile verificare se fra e Y esiste un legame di tipo lineare diretto o inverso mediante il calcolo della covarianza = E[( )(Y )]. Anche in questo caso la covarianza corrisponde alla differenza fra il valore atteso del prodotto delle due v.c. meno il prodotto dei loro valori attesi = E(Y) E()E(Y) dove Y l p l E l se le due v.c. sono entrame discrete mentre se sono invece continue corrisponde a d Y f E dd. a c Per esempio considerata la v.c. doppia riportata nella taella successiva Taella.. Distriuzione di proailità ivariata \Y
10 si ottengono i seguenti risultati E() = = =.75 E(Y) = = =.5 E(Y) = =.75 = E(Y) E()E(Y) = = da cui risulta che fra le due variaili esiste un legame lineare di tipo inverso. Nota Va osservato che se i valori assegnati alle v.c. sono frutto di una scelta aritraria come accade quando si attriuiscono dei valori numerici ai giudizi espressi dagli individui in relazione a un certo prodotto o a un servizio non ha alcun senso calcolare la covarianza fra variaili in quanto l attriuzione di valori diversi ai vari giudizi espressi porteree a risultati differenti. Esempio.. Calcolare la covarianza per la seguente distriuzione ivariata \Y Risulta E() = E(Y) =.5 E(Y) =.8 = -. 6
11 .5 Variaili casuali multiple I concetti esposti nei paragrafi precedenti possono essere estesi ai casi in cui a ciascun evento elementare che costituisce è associato un vettore di numeri reali a dimensioni con > come quando sulle n unità statistiche vengono rilevate contemporaneamente variaili o come quando l esperimento casuale consiste in repliche (estrazione di palline da un urna lancio di monete o di dadi) per cui la v.c. rappresenta il risultato ottenuto nella prima replica rappresenta il risultato ottenuto nella seconda replica rappresenta il risultato ottenuto nella -esima replica. Considerato lo spazio di proailità ( A P) costituito dallo spazio fondamentale dalla classe degli eventi A e dalla misura di proailità P un vettore casuale ( ) è una funzione definita su che associa a ciascuno degli N eventi elementari i (i= N) valori reali [ ( i) ( i) ( i)] che rappresenta una determinazione della v.c. -variata. Quale che sia la natura delle variaili casuali considerate il campo di variazione della v.c. multipla corrisponde sempre al prodotto dei singoli campi di variazione delle v.c ( = ). Se le v.c. sono tutte discrete la loro funzione di proailità congiunta ossia la proailità che in una prova si osservi il vettore di determinazioni ( ) corrisponde a P( = = = ) = p( ) ( ) e come nel caso ivariato questa funzione di proailità congiunta consente di ottenere la proailità associata a qualsiasi sottoinsieme B pari alla somma delle proailità associate ai vettori di valori che costituiscono B. Se le variaili casuali risultano tutte indipendenti fra loro la funzione di proailità congiunta corrisponde anche in questo caso al prodotto delle singole distriuzioni di proailità marginali P( = = = )=P( = ) P( = ) P( = ) ( ). Se invece le v.c. sono continue la loro funzione di densità di proailità congiunta f
12 associa ad ogni vettore di valori delle v.c. la densità di proailità corrispondente. Se le v.c. sono tutte indipendenti fra loro questa funzione corrisponde al prodotto delle funzioni di proailità marginali delle variaili f( ) = f ( ) f ( ) f ( ) ( ) Anche nel caso multivariato è possiile determinare il valore atteso e la varianza di ogni singola v.c. sulla ase della sua f.d. marginale così come è possiile calcolare la covarianza per ogni coppia di variaili..6 Cominazioni lineari di variaili casuali In alcune situazioni reali si può essere interessati a determinare le caratteristiche non di singole variaili casuali ma di una loro cominazione lineare. Si consideri per esempio il caso di un investitore che ha destinato un quarto delle sue risorse a un fondo azionario e i restanti tre quarti a un fondo oligazionario. Indicata con la v.c. rendimento del fondo azionario avente valore atteso E( ) = e deviazione standard = con la v.c. rendimento del fondo oligazionario avente valore atteso E( ) =.5 e deviazione standard = si avrà interesse a determinare il valore atteso e la deviazione standard della cominazione lineare Z = In generale date due v.c. e di valore atteso rispettivamente pari a e e di varianza rispettivamente pari a e si indichi con la loro covarianza e con P( ) la loro funzione di proailità congiunta. Ogni cominazione lineare delle due variaili Z = a è ancora una v.c. il cui valore atteso corrisponde a 8
13 9 a P P a P P P a P a E a z E Z mentre la sua varianza è invece pari a P P P P P P a a z E Z Z V z Nel caso in cui le due v.c. e fossero indipendenti fra loro la varianza della.6. risulteree pari a z in quanto la covarianza fra e risulteree pari a zero. Sulla ase dei risultati appena ottenuti la v.c. definita nella.6. ha un valore atteso pari a E(Z) = z = =.875 mentre se si ipotizza che la covarianza fra i due tipi di fondo sia pari a.5 la sua varianza è data da z = (.5) + (.75) =.6875 In generale date v.c. ogni loro cominazione lineare del tipo Z = a
14 è ancora una v.c. il cui valore atteso risulta pari a E Z z a.6. mentre la sua varianza è data da V Z z l l l l l l Anche in questo caso se le variaili sono tutte indipendenti fra di loro la varianza della cominazione.6. risulta semplicemente pari a V Z z.6.5 in quanto ogni covarianza è nulla. Come caso particolare della.6. si consideri la variaile T = corrispondente alla somma di v.c. ( = ) di valore atteso e varianza e tutte indipendenti fra loro. Dalle.6. e.6.5 risulta immediatamente che il valore atteso e la varianza di T sono date rispettivamente da E T.6.7 V T.6.8 Se si considera invece la variaile
15 corrispondente alla media di v.c. ( = ) di valore atteso e varianza e tutte indipendenti fra loro il valore atteso e la varianza di sono E V Esempio.6. Si vuole calcolare il valore atteso e la deviazione standard della v.c. Z costo unitario di un prodotto sapendo che: - la realizzazione di un unità di prodotto ha un costo fisso C pari a euro e che in media richiede ore di lavoro e grammi di materia prima; - la v.c. L costo di un'ora di lavoro ha un valore atteso pari a euro con una deviazione standard di euro; - la v.c. M costo delle materie prime ha un valore atteso di euro per grammo con una deviazione standard di euro. In questo caso la cominazione lineare assume la forma Z = L + M + C e il suo valore atteso corrisponde a E(Z) = E(L) + E(M) + C = + + = 55 mentre la sua varianza è V(Z) = V(L) + V(M) = 9 + = 96 per cui la deviazione standard di Z è z = 96
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
DettagliRisultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1
Esercizio 1 Determinare la distribuzione di probabilità e la funzione di ripartizione della v.c. discreta X = numero di croci in 3 lanci di una moneta. Calcolare F(-1), F(1.5), F(300). Risultati X P(X)
DettagliStatistica. Congiunte. Capitolo 5. Distribuzioni di Probabilità. Chap 5-1. Statistics for Business and Economics, 6e 2007 Pearson Education, Inc.
Statistica Capitolo 5 Distribuzioni di Probabilità Congiunte Statistics for Business and Economics, 6e 2007 Pearson Education, Inc. Chap 5-1 Distribuzione di Probabilità Congiunta Una variabile casuale
DettagliMateriale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quinta esercitazione SOLUZIONI Claudia Furlan Anno Accademico 006-007 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte e
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliRichiami di TEORIA DELLE PROBABILITÀ
corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A. 015-016 Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
Dettaglif(1, C) = 1; f(2, C) = 1; f(3, C) = 3; f(4, C) = 2; f(5, C) = 5; f(6, C) = V ar(x) = E[X 2 ] (E[X]) 2 =
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Si lanciano un dado equilibrato a sei facce e una moneta equilibrata. Se esce testa e il valore del dado è pari oppure croce e il
DettagliRichiami di Teoria della probabilità (I)
Richiami di Teoria della probabilità (I) ESPERIMENTO: ogni operazione il cui risultato non può essere predetto con certezza EVENTO: è il risultato di un esperimento Eventi semplici e composti Eventi disgiunti
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
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
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliSoluzione esercizi (quarta settimana)
Soluzione esercizi (quarta settimana) Marco Riani Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? 1 Esempio Gioco la schedina mettendo a caso i segni (1 X
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
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
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
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
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
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
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità
Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@u niroma1.it Probabilità Esercizio 1. Un esperimento casuale consiste nel lanciare tre volte una moneta. Si determini lo spazio campionario
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.
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliEsercitazione 1 del corso di Statistica (parte 2)
Esercitazione del corso di Statistica (parte Dott.ssa Paola Costantini 8 Gennaio 0 Esercizio n Compro due cassette contenenti 0 piante di rosa che ancora devono sbocciare. Nella prima cassetta ci sono
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,
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
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
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
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
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
Dettagli, mentre Y è una variabile geometrica di costante q = 1 2. (1 q) n = q (1 q) 3 1 q = (1 2 )3 = 1 8. n=0
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Sono date due urne denominate rispettivamente A e B. A contiene palline bianche e 6 palline rosse, B contiene 8 palline bianche e
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
DettagliProbabilità III. Variabile casuale continua: osservazioni. Variabile casuale continua X. Densità di probabilità: proprietà
Variaile casuale continua: osservazioni Proailità III Variaili casuali continue Definizioni principali. Valore atteso e Varianza. V.C. Notevoli: uniforme, gaussiana, Χ Teorema del limite centrale. Principio
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità (docenti G. Nappo, F. Spizzichino prova scritta giugno 5 (tempo a disposizione: ore La prova scritta consiste nello svolgimento
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,
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
DettagliEsame di AM2 & EAP (270/04) a.a. 2009/10
Quarto appello del 16 Luglio 2010 1. Un urna contiene delle palline numerate e distribuite in seguente maniera: Vengono estratte due palline senza rimpiazzo e siano X e Y rispettivamente il numero della
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali multidimensionali Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2/29 Marco Pietro Longhi Prob. e Stat.
DettagliMateriale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI Claudia Furlan 1 Anno Accademico 2006-2007 1 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte
DettagliCALCOLO DELLE PROBABILITA'
STATISTICA Esercitazione 5 Dott.ssa Vera Gurtovaya 9//05 CALCOLO DELLE POBABILITA' Elemen del calcolo delle probabilità:. Esperimento: fenomeno cui sono interessato, il cui esito è caraerizzato da incertezza
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
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
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
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
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
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliNote di Teoria della Probabilità.
Note di Teoria della Probabilità. In queste brevi note, si richiameranno alcuni risultati di Teoria della Probabilità, riguardanti le conseguenze elementari delle definizioni di probabilità e σ-algebra.
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 2 aprile 200 Funzioni di v.a., Media e Varianza Esercizio Calcolare la media delle distribuzioni binomiale, e quella di Poisson. Di quest ultima calcolare
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
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
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliEsercizi. 2. [Conteggio diretto] Due dadi vengono lanciati in successione. a) Qual è la probabilità che la somma dei due risultati faccia 7?
1 E. Vitali Matematica (Scienze Naturali) Esercizi 1. [Conteggio diretto] Quattro ragazzi, A, B, C e D, dispongono di due biglietti per il teatro e decidono di tirare a sorte chi ne usufruirà. a) Qual
DettagliCalcolo delle Probabilità: esercitazione 11
Argomento: Distribuzioni bivariate discrete (pag. 44 e seguenti) e covarianza (pag 45 e seguenti). Distribuzione bivariate assolutamente continue (pag. 48 e seguenti del libro di testo). La v.c. trinomiale
DettagliLaurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio FOGLIO RISPOSTE
Laurea triennale in INFORMATICA, Corso di CALCOLO DELLE PROBABILITÀ COMPITO - 2 luglio 202 - FOGLIO RISPOSTE NOME e COGNOME SOLUZIONI CANALE: G. Nappo VOTO: N.B. Scrivere le risposte dei vari punti degli
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
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
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
Dettagli11. MODELLI PROBABILISTICI DI USO COMUNE
. MODELLI PROBABILISTICI DI USO COMUNE. Introduzione I modelli probabilistici vengono impiegati in molti ambiti diversi per descrivere o per interpretare fenomeni casuali sulla base dei valori dei parametri
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Medie Prof. Livia De Giovanni ldegiovanni@luiss.it Dott. Flaminia Musella fmusella@uniroma3.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliV.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.
V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempi Lancio di una moneta 3 volte Spazio degli eventi? Ω={TTT, TTC, TCT, CTT, CCT, CTC, TCC, CCC} Probabilità degli eventi: A=
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
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
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
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
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
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
DettagliCompito di Probabilità e Statistica
Compito di Probabilità e Statistica Tempo: 180 Minuti 23 Giugno 2017, 10:00-13:00 Corso di Laurea in Informatica Docente: Marco Formentin Nome: Cognome: Numero di matricola: Esercizio 1 2 3 4 5 6 Punti
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliVariabili Casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 27/2 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili Casuali multidimensionali Marco Pietro Longhi Probabilità e Statistica
DettagliEquidistribuzione su un insieme finito
su un insieme finito È la distribuzione che abbiamo già visto per il lancio del dado. Se {x 1, x 2,..., x n } sono gli n diversi valori che una variabile aleatoria X può assumere e tali valori sono equiprobabili,
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliFacoltà di ECONOMIA Università di Pavia 20 Aprile 2004 Prova scritta di Analisi dei dati MODALITÀ A
MODALITÀ A Riportare sul foglio nome, cognome, numero di matricola e modalità del testo d esame. Problema 1 (8 PUNTI) Su un collettivo di 10 clienti iscritti al programma frequent flyer di una nota compagnia
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X, X 2,,X s. Si
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
DettagliStatistica. V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali
Elementi di Inferenza Statistica Variabili casuali V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali Soriano nel Cimino (VT), 6 Ottobre 2009 Pier
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliEventi numerici e variabili aleatorie
Capitolo Eventi numerici e variabili aleatorie. Probabilità di eventi numerici Nel capitolo precedente si sono considerate le nozioni di esperimento, risultato, evento. Un evento è individuato dai risultati
DettagliProva di recupero di Probabilità e Statistica - A * 21/04/2006
Prova di recupero di Probabilità e Statistica - A * /04/006 (NB: saranno prese in considerazione solo le risposte adeguatamente motivate) tempo di lavoro: Due ore. Per conseguire la patente di guida, un
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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili
DettagliProbabilità 1, laurea triennale in Matematica II prova di valutazione in itinere a.a. 2008/09
robabilità, laurea triennale in Matematica II prova di valutazione in itinere a.a. 008/09. Francesco lancia ripetutamente due dadi non truccati: sia T il numero di lanci necessario ad ottenere per la prima
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliAnalisi Multivariata Prova intermedia del 20 aprile 2011
Analisi Multivariata Prova intermedia del 20 aprile 20 Esercizio A Sia X N 3 (µ, Σ) con µ = [ 3,, 4] e 2 0 Σ = 2 5 0 0 0 2 Quali delle seguenti variabili casuali è indipendente? Motivare la risposta. A.
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
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
DettagliIl modello di Bernoulli
Il modello di in funzione DEFINIZIONE DI V.A. B(p) Una v.a. di arametro p è una v.a. che può assumere solo i valori 0 e 1, e per cui la probabilità di assumere il valore 1 è pari a p, e quella di assumere
Dettagli3. rappresentare mediante i grafici ritenuti più idonei le distribuzioni di frequenze assolute dei diversi caratteri;
Esercizio 1 Il corso di Statistica è frequentato da 10 studenti che presentano le seguenti caratteristiche Studente Sesso Colore Occhi Voto Soddisfazione Età Stefano M Nero 18 Per niente 21 Francesca F
Dettagli