Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
|
|
- Agnella Mari
- 4 anni fa
- Visualizzazioni
Transcript
1 Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più risultati possibili Il risultato non può essere predetto con certezza Esempi: Lancio di una moneta Lancio di un dado Misura della resistenza di un resistore 2 1
2 Spazio campione È l insieme di tutti i risultati possibili di un esperimento casuale e si indica con S Esempi: Lancio di una moneta: S = {testa, croce} = {T, C}, S = 2 Lancio di un dado: S = {1, 2, 3, 4, 5, 6}, S = 6 Misura della resistenza: In questo caso, si parla di spazio campione continuo 3 Evento Ogni sottoinsieme dello spazio campione è detto evento Esempi: Lancio di una moneta: l evento è uscito testa è indicato con {testa} o {T} Lancio di un dado: l evento uscita di un numero dispari è E = {1, 3, 5}. 4 2
3 Probabilità di un evento Ad ogni evento si associa una probabilità, valore in [0, 1], in modo da soddisfare i seguenti assiomi: Assioma I: Assioma II: Assioma III: se A e B sono incompatibili ( ) 5 Corollari La probabilità dell evento impossibile è La probabilità che non si verifichi A è Siano A e B due eventi qualsiasi: 6 3
4 Probabilità congiunta L evento corrisponde all occorrenza congiunta degli eventi A e B. La probabilità congiunta dei due eventi si indica con 7 Eventi statisticamente indipendenti Quando il verificarsi dell evento A non influisce sul verificarsi dell evento B, si dice che i due eventi sono statisticamente indipendenti. In questo caso, vale il seguente risultato: 8 4
5 Probabilità condizionata È la probabilità dell evento A condizionata al verificarsi dell evento B. È definita nel seguente modo: Se A e B sono statisticamente indipendenti: 9 Teorema della probabilità totale Sia A 1,, A N una partizione dello spazio campione La probabilità di un qualsiasi evento B vale: 10 5
6 Teorema di Bayes Vale la seguente relazione: Se A e B sono eventi statisticamente indipendenti, allora è immediato verificare che 11 Esercizio 1 Calcolare la probabilità che esca il numero 53 su una ruota del lotto. Calcolare la probabilità che esca il numero 53 su almeno una ruota del lotto. 12 6
7 Esercizio 1 (cont.) Considerando una sola ruota, lo spazio campione S consiste di tutte le possibili quintuple non ordinate di valori interi compresi tra 1 e 90: Il numero di quintuple non contenenti il numero 53 è Quindi, la probabilità che non esca il 53 è 13 Esercizio 1 (cont.) Infine, la probabilità che esca il 53 è 14 7
8 Esercizio 1 (cont.) La probabilità che non esca il 53 su alcuna delle 10 ruote vale Quindi la probbailità che il 53 venga estratto su almeno una ruota vale 15 Esercizio 2 In una biblioteca sono contenuti n I = 5 libri in italiano, n F = 7 in francese e n E = 10 in inglese. Calcolare la probabilità che, estraendo due libri a caso, siano in due lingue diverse. Suggerimento: 16 8
9 Esercizio 2 (cont.) Lo spazio campione S consiste di tutte le possibili coppie di libri. Di tutte le possibili coppie di libri consistono di entrambi i libri in italiano consistono di entrambi i libri in francese consistono di entrambi i libri in inglese. 17 Esercizio 2 (cont.) La probabilità di scegliere due libri scritti nella stessa lingua vale dunque Infine: 18 9
10 Esercizio 3 In un gruppo di r persone, qual è la probabilità che almeno due persone festeggino il compleanno lo stesso giorno? Supporre che tutti gli anni siano di 365 giorni. 19 Esercizio 3 (cont.) La probabilità che tutte le r persone compiano gli anni in giorni diversi è La probabilità che almeno due persone compiano gli anni lo stesso giorno è 20 10
11 Esercizio 4 Una sequenza di n simboli binari (bit) è trasmessa su un canale. Per ogni bit trasmesso, il canale commette errore con probabilità p. Gli eventi {errore sul bit i-esimo} e {errore sul bit j-esimo} sono indipendenti. X 1-p p p 1-p Tale modello è comunemente chiamato canale binario simmetrico. 0 Y 21 Esercizio 4 (cont.) Analiticamente, si descrive il canale nel seguente modo Calcolare la probabilità che il canale introduca più di k errori nella trasmissione
12 Esercizio 4 (cont.) La trasmissione di n bit equivale all esecuzione ripetuta di n esperimenti casuali di Bernoulli indipendenti con probabilità di successo 1-p. La probabilità di avere esattamente i errori vale dove è il numero di sequenze binarie con esattamente i errori e p i (1-p) n-i è la probabilità che si verifichi una sequenza con i errori. 23 Esercizio 4 (cont.) Poiché, se i j, si ha La probabilità di avere k o più errori vale infine 24 12
13 Esercizio 5 Un codice a ripetizione di rate 1/3 consiste nel ripetere ciascun bit d ingresso 3 di volte. Ogni blocco di 3 bit viene trasmesso su un canale binario simmetrico con probabilità di errore p = Il decodificatore decide a maggioranza. Calcolare la probabilità di errore del sistema di trasmissione. 25 Esercizio 5 (cont.) Si ha errore quando, in un blocco di 3 bit, 2 bit sono affetti da errore, oppure tutti i bit sono affetti da errore: 26 13
14 Variabile casuale È una funzione reale definita sullo spazio campione: a ciascun punto s S corrisponde un valore reale = ξ(s). Per ogni numero reale, l insieme {s: ξ(s) = } è un evento. Per ogni intervallo ( 1, 2 ), l insieme {s: ξ(s) ( 1, 2 )} è un evento. 27 Variabile casuale (cont.) Esempio 1: lancio di una moneta. Si può associare l evento {testa} ({T}) al valore 0 e l evento {croce} ({C}) al valore 1. Si ottiene una variabile casuale binaria
15 Variabile casuale (cont.) Esempio 2: lancio di un dado. Si può associare al punto s i ={è uscito il numero i} il valore = ξ(s i ) = i. Si ottiene una variabile casuale discreta. 29 Variabile casuale (cont.) Esempio 3: misura di resitenza. Si può associare l evento {il risultato della misura è r} al valore = ξ(r) = r. Si ottiene una variabile casuale continua
16 Distribuzione cumulativa È una funzione reale definita nel seguente modo: Proprietà: Estremi: F è monotona non decrescente: 31 Distribuzione cumulativa (cont.) Esempio 1 (cont.): lancio di una moneta. P{T} = ½ P{C} = ½ 1 F ξ ()
17 Distribuzione cumulativa (cont.) Esempio 2 (cont.): lancio di un dado. P{è uscita la faccia i} = 1/6 1 F ξ () Distribuzione cumulativa (cont.) Esempio 3 (cont.): misura di resistenza. La distribuzione cumulativa è una funzione continua. R 0 : valore nominale della resistenza 1 F ξ () 0 R
18 Densità di probabilità È una funzione reale definita nel seguente modo: Significato: è la probabilità dell evento 35 Densità di probabilità (cont.) Proprietà: Non negativa: Legami con la distribuzione cumulativa: 36 18
19 Densità di probabilità (cont.) Esempio 1 (cont.): lancio di una moneta. P{T} = ½ P{C} = ½ ½ f ξ () Densità di probabilità (cont.) Esempio 2 (cont.): lancio di un dado. P{è uscita la faccia i} = 1/6 f ξ () 1 /
20 Densità di probabilità (cont.) Esempio 3 (cont.): misura di resistenza. La densità di probabilità è una funzione continua. R 0 : valore nominale della resistenza f ξ () 0 R 0 39 Densità di probabilità (cont.) Data una VC con densità di probabilita f ξ (), la probabilità dell evento {a < ξ < b} vale f ξ () 0 a b 40 20
21 Valor medio Il valor medio (o valore atteso) di una VC è definito nei seguenti modi VC discreta cha assume i valori i : VC continua con densità di probabilità f ξ (): 41 Valor medio (cont.) Esempio 1 (cont.): lancio di una moneta. P{T} = ½ P{C} = ½ ½ f ξ ()
22 Valor medio (cont.) Esempio 2 (cont.): lancio di un dado. P{è uscita la faccia i} = 1/6 f ξ () 1 / Valor medio (cont.) Esempio 3 (cont.): misura di resistenza. È necessario conoscere l espressione analitica della densità di probabilità Se f ξ (R 0 + ) = f ξ (R 0 ), R +, il valor medio è R 0. 1 f ξ () 0 R
23 Varianza La varianza di una VC è definita nel seguente modo: Fornisce informazioni su quanto la funzione densità di probabilità è concentrata intorno al valor medio. La grandezza è il valor quadratico medio, e coincide con la varianza per VC con valore atteso nullo. 45 Varianza (cont.) VC discreta cha assume i valori i : VC continua con densità di probabilità f ξ (): 46 23
24 Varianza (cont.) Esempio 1 (cont.): lancio di una moneta. P{T} = ½ P{C} = ½ ½ f ξ () Varianza (cont.) Esempio 2 (cont.): lancio di un dado. P{è uscita la faccia i} = 1/6 f ξ () 1 /
25 Varianza (cont.) Esempio 3 (cont.): misura di resistenza. È necessario conoscere l espressione analitica della densità di probabilità e il valor medio di ξ. f ξ () 0 R 0 49 Densità uniforme Densità di probabilità uniforme in [a,b] f ξ () 1 / (b-a) 1 a F ξ () b a b 50 25
26 Densità uniforme (cont.) Valor medio: Varianza 51 Densità uniforme - esempi Variabile casuale ξ distribuita uniformemente in [5, 12]: 52 26
27 Densità di Bernoulli Un esperimento ha probabilità di successo p e probabilità di insuccesso 1 p Tipicamente, si associa all evento {successo} il valore 1 all evento {insuccesso} il valore 0 Le funzioni distribuzione cumulativa e denstià di probabilità valgono 53 Densità binomiale Eseguendo n esperimenti di Bernoulli indipendenti con probabilità di successo p, la probabilità di ottenere esattamente k successi vale Definendo la VC ξ come il numero di successi, si ottiene 54 27
28 Densità Gaussiana Densità di probabilità Gaussiana (o normale) N(µ, σ 2 ) La funzione erf() è chiamata funzione errore. 55 Densità Gaussiana (cont.) Esempio: densità Gaussiana (o normale) µ: valor medio σ : deviazione standard σ 2 : varianza f ξ () σ = 0.5 σ = 1 σ = 2 µ 56 28
29 Densità Gaussiana (cont.) Data una VC ξ Gaussiana con media µ e deviazione standard σ, la probabilità dell evento {ξ > a} è data da La funzione erfc() = 1 erf() è la funzione errore complementare 1 0 F ξ () µ a 57 Distribuzione cumulativa congiunta di due VC Date due VC ξ 1 e ξ 2, si definisce la funzione reale dove 58 29
30 Distribuzione cumulativa congiunta di due VC (cont.) Proprietà: Osservando che {ξ 2 < } è l evento certo, si ha Analogamente Inoltre 59 Densità di probabilità congiunta di due VC Date due VC ξ 1 e ξ 2, si definisce la funzione reale La densità di probabilità marginale rispetto a ξ 1 è ottenibile integrando la congiunta rispetto a 2 : 60 30
31 Distribuzione cumulativa e densità condizionate Data una VC ξ, si definisce la distribuzione cumulativa di ξ condizionata all evento A come La corrispondente densità di probabilità condizionata vale 61 Distribuzione cumulativa e densità condizionate (cont.) Esempio: se A è l evento {ξ a}, si ottiene F ξ ( ξ a) f ξ ( ξ a) 1 0 a 0 a 62 31
32 Esercizio 6 Una VC ξ ha la seguente densità di probailità: Verificare che f ξ () è una densità di probabilità. Calcolare la funzione distribuzione cumulativa. Calcolare inoltre la probabilità dei seguenti eventi: 63 Esercizio 6 (cont.) Una funzione densità di probabilità deve soddisfare la seguente proprietà: Nel nostro caso: 64 32
33 Esercizio 6 (cont.) La distribuzione cumulativa può essere calcolata come 65 Esercizio 6 (cont.) 66 33
34 Esercizio 7 Una VC ξ ha la seguente densità di probailità: Calcolare la probabilità dei seguenti eventi: Calcolare inoltre 67 Esercizio 7 (cont.) (1) (2) (3) Infine: 68 34
35 Riferimenti bibliografici [P] [G] G. Prati, Videocorso Teoria dei Segnali R. Gaudino, Appunti sulle esercitazioni relative alla Teoria dei Segnali, Comunicaz_elettr_richiami.pdf [BB] S. Benedetto, E. Biglieri, Teoria della Probabilità e Variabili Casuali, Bollati Boringhieri, Torino,
Corso 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
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
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliTeoria della probabilità Assiomi e teoremi
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento
DettagliTeoria dell informazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliModello di sistema di comunicazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria dell informazione A.A. 2006-07 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliRichiami sul calcolo delle probabilità
robabilità Richiami sul calcolo delle probabilità TEORIA DEI SEGNALI LAUREA IN INGEGNERIA DELL INFORMAZIONE Modello matematico Sommario Assiomi del calcolo delle probabilità robabilità di un evento robabilità
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
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Modulazione A.A Alberto Perotti
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Modulazione A.A. 8-9 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di sistema di comunicazione
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
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
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,
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 13/1/2017
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 13/1/2017 NOME: COGNOME: MATRICOLA: Esercizio 1 Quattro arcieri
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
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
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
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
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
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
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
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
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
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliTeoria dei Segnali Un esempio di processo stocastico: il rumore termico
Teoria dei Segnali Un esempio di processo stocastico: il rumore termico Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Il rumore
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
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
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliESERCITAZIONE 5: PROBABILITÀ DISCRETA
ESERCITAZIONE 5: PROBABILITÀ DISCRETA e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: Martedi 16-18 Dipartimento di Matematica, piano terra, studio 126 6 Novembre 2012 Esercizi 1-2
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
DettagliModello di sistema di comunicazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Modulazione A.A. 24-5 Alberto Perotti DELEN-DAUIN Modello di sistema di comunicazione Il modello di sistema di comunicazione
DettagliBasi matematiche per il Machine Learning
Basi matematiche per il Machine Learning Corso di AA, anno 2017/18, Padova Fabio Aiolli 04 Ottobre 2017 Fabio Aiolli Basi matematiche per il Machine Learning 04 Ottobre 2017 1 / 14 Probabilità Un esperimento
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
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:
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
Dettagli1! 4! = 5. Quindi la probabilità di ottenere 1 successo su 5 lanci sarà 5 2 = 5! 2! 3! = 10
Note sulla Distribuzione Binomiale La distribuzione binomiale è relativa ad una variabile aleatoria discreta, che descrive i possibili risultati di un esperimento composto da n prove. In particolare, definisce
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 =
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
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
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
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
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
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
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
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliProbabilità. Spazi di probabilità
Probabilità Paolo Montanari Appunti di Matematica Probabilità 1 Spazi di probabilità Un esperimento si dice casuale quando esso può essere ripetuto quante volte si vuole, ed il risultato di ogni esecuzione
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
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
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,
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) (discrete) variabile casuale
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
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
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
Dettagli01CXGBN Trasmissione numerica. parte 6: calcolo delle probabilità I
01CXGBN Trasmissione numerica parte 6: calcolo delle probabilità I 1 Probabilità di errore BER e SER Per rappresentare la bontà di un sistema di trasmissione numerica in termini di probabilità di errore
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
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliMatematica Canale A-D- Farmacia a.a.2017/2018. x a x b = x a+b x a y a = (x y) a x a x b = xa b = 1. y a = y. (x a ) b = x a b = (x b ) a.
1 Matematica Canale A-D- Farmacia a.a.2017/2018 Proprietà delle potenze. naturali; si ha Siano: x, y, sono numeri reali positivi; a, b numeri reali; m e n numeri x a x b x a+b x a y a (x y) a x a x b xa
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
DettagliEs.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci X\Y 0 1 2 0 1/8 1/8 0 1/4 1 1/8 1/4 1/8 1/2 2 0 1/8 1/8 1/4 1/4 1/2 1/4 1 X e Y non sono indip. Se
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)
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
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
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
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
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
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
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
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliStatistica A. Corsi di Laurea afferenti alla IV Facoltà Prova del Cognome e Nome...
Compito A Statistica A Corsi di Laurea afferenti alla IV Facoltà Prova del 12-07-2007 Cognome e Nome...... N 0 di Matricola ISTRUZIONI: Copiare in modo chiaro e leggibile lo svolgimento di ciascun esercizio
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
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
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
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
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
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
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 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
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
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
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
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
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 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
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
Dettagli