Richiami di TEORIA DELLE PROBABILITÀ
|
|
- Arnaldo Di Stefano
- 4 anni fa
- Visualizzazioni
Transcript
1 corso di Teoria dei Sistemi di Trasporto Sostenibili 6 CFU A.A Richiami di TEORIA DELLE PROBABILITÀ Prof. Ing. Umberto Crisalli Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma.it
2 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 SPAZIO DELLE PROVE: l insieme di tutti i possibili risultati di un esperimento Definizione frequentista della probabilità p(i) = lim n ni n Definizione assiomatica della probabilità Assiomi fondamentali: Detto A un qualsiasi evento dello spazio delle prove Ω: 1. 0 P(A) 1. P( Ω ) = 1 3. P(A B) = P(A) + P(B) Proprietà U essendo A e B eventi disgiunti 1. P( A) = 1 P(A). P(0 / ) = 0 3. P(A U B) = P(A) + P(B) -P(A IB)
3 Richiami di Teoria della probabilità (II) Probabilità condizionata Siano A e B eventi non disgiunti la probabilita di A condizionata a B è: P(A IB) P(A B) = P(B) Probabilità composta Siano A e B eventi non disgiunti la probabilita dell evento P(A I B) = P(A B) P(B) Indipendenza stocastica Gli eventi A e B si dicono indipendenti se: P( A B) = P(A) o equivalentemente P( B A) = P(B) ne deriva che se A e B sono indipendenti, risulta: P(A I B) = P(A) P(B) A I B è: 3
4 Richiami sulle variabili aleatorie Ω 1 E (E) P[(E)] 0 Variabile aleatoria (E): funzione che associa ad un evento E dello spazio delle prove un numero reale. Ad ogni valore della v.a. è associata una probabilità P[(E)] che è la probabilità che si verifichi l evento E, P(E). R 4
5 Variabili aleatorie discrete Una v.a. discreta assume un numero finito o un infinità numerabile di valori. Funzione di probabilità P () = Prob( = ) P () Funzione distribuzione di probabilità t R :F (t) = Prob( t) = t P () 5
6 Esempio di variabili aleatorie discrete 1. Esperimento: lancio di tre monete Risultati Y Z TTT 3 0 TTC 1 1 TCT 0 1 CTT 1 1 TCC 1 0 CTC 1 0 CCT 1 0 CCC Esempi di v.a. definite sullo stesso spazio delle prove = numero di teste uscite ; assume i valori: 0,1,,3 Y= numero di coppie consecutive di teste ; assume i valori: 0,1, Z= numero di croci uscite ; assume i valori: 0,1,,3 3. Probabilità : P[0] = 1 ;P[1] = 3 ;P[] = 3 ;P[3] = Y : P[0] = 5 ;P[1] = ;P[] = Z : P[0] = 1 ;P[1] = 3 ;P[] = 3 ;P[3] =
7 Variabili aleatorie continue Una v.a. continua assume un numero infinito di valori. Si verifica che: P () = Prob( = ) = 0 Funzione densità di probabilità f() f() = P[ lim Δ 0 + Δ] Δ Funzione distribuzione di probabilità È una funzione reale che ad ogni t R associa: F (t 0 ) = Prob[ t 0 ] = t 0 f()d Si verifica facilmente che: P(a b) = F (b) F (a) P(a ) = 1 F (a) 7
8 Valori caratteristici di una variabile aleatoria Valore atteso v.a. discrete: E [ ] μ = = i i p(i) + v.a. continue: E[ ] f() d E un operatore lineare: E = [ a + by] = a E[ ] + be[ Y] Varianza di una variabile aleatoria v.a. discrete: Var v.a. continue: Var [ ] σ = E[( μ ) ] = [ μ ] = i i p(i + = [ ] E[( μ ) ] = [ μ ] f() d ) Deviazione standard σ = σ Coefficiente di variazione σ Cv = μ 8
9 v.a binomiale: Esempi di Variabili aleatorie Consideriamo prove ripetute ed indipendenti di un esperimento con due esiti (successo ed insuccesso) p= probabilità di successo q=1-p= probabilità di insuccesso La probabilità di ottenere k successi in n prove ripetute è data da: b(k; n, p)= n p k k q n k Se n e p sono costanti allora P(k) = b(k; n, p) distribuzione binomiale μ = E[] = n p σ = n p q σ = n p q 9
10 Esempi di Variabili aleatorie v.a normale: risulta: R E [ f ( ) = ] = μ Var[ ] σ = σ 1 ep π 1 μ σ 10
11 v.a. di Poisson: Esempi di Variabili aleatorie λ λ e P( = ) = = 0, 1,,...! 0 altrove risulta: E [ ] = λ Var[ ] = λ Distribuzione di Poisson al variare del parametro λ 11
12 v.a. esponenziale: Esempi di Variabili aleatorie risulta: f ( ) E [ θ θe > 0 = 0 altrove 1 ] = Var[ ] = θ 1 θ 1
13 Variabili aleatorie doppie Due variabili aleatorie definite sullo stesso spazio delle prove. v.a. discrete Funzione di probabilità congiunta: P Y (,) = Prob[ = ;Y = ] Funzione di distribuzione congiunta: F,Y(t) = Prob[ t;y t] = t t i i P( i, i) v.a. continue Funzione densità di probabilità: f lim P[ + Δ; Δ Δ,Y = Δ 0 Δ 0 Funzione di distribuzione congiunta: Y + Δ] t t F, Y(t) = Prob[ t;y t] = f,y(, ) 13
14 Variabili aleatorie doppie: esempio 1. Esperimento: lancio di tre monete (vedi esempio precedente) Risultati Y Z TTT 3 0 TTC 1 1 TCT 0 1 CTT 1 1 TCC 1 0 CTC 1 0 CCT 1 0 CCC Esempio di v.a. doppia discreta: (Z,Y) Z= numero di croci uscite ; assume i valori: 0,1,,3 Y= numero di coppie consecutive di teste ; assume i valori: 0,1, Y=0 Y=1 Y= Z=0 (0,0) (0,1) (0,) Z=1 (1,0) (1,1) (1,) Z= (,0) (,1) (,) Z=3 (3,0) (3,1) (3,) 3. Funzione probabilità: P ZY (z,) Y=0 Y=1 Y= Z= /8 Z=1 1/8 /8 0 Z= 3/8 0 0 Z=3 1/
15 Variabili aleatorie doppie: Funzioni di distribuzione marginale v.a. discrete: () = P P(,) e P () = P(,) v.a. continue: f () = + f(,)d e f Y () = + f(, )d Esempio v.a. discrete: P Z(z) = P(z, ) e P Y() = P(z, ) Y z Y=0 Y=1 Y= P Z (z) Z= /8 1/8 Z=1 1/8 /8 0 3/8 Z= 3/ /8 Z=3 1/ /8 P Y () 5/8 /8 1/8 15
16 Variabili aleatorie doppie: Funzioni di distribuzione condizionata v.a. discrete: P Y ( ) v.a. continue: f Y ( ) P(,) P () = e Y f(,) f () = e Y P f Y Y ( ) = ( ) = P(,) P () f(,) f () Esempio v.a. discrete: P P(z,) P () P(z,) (z) Z Y(z ) = e PY Z( z) = Y PZ P Z Y (z ) Y=0 Y=1 Y= Z= Z=1 1/5 1 0 Z= 3/5 0 0 Z=3 1/ P Y Z ( z) Y=0 Y=1 Y= Z= Z=1 1/3 /3 0 1 Z= Z=
17 Variabili aleatorie doppie: proprietà Variabili aleatorie indipendenti f Y ( ) = f () o equivalentemente f ( ) = f () Y Y da cui deriva che f Y (,) = f () f Y () Variabili aleatorie identiche: f () = f Y () Covarianza Cov(, Y) = σy = E[( μ )(Y μ )] si verifica immediatamente che risulta: infatti: Cov(, Y) Cov(,Y) = E[Y = E[Y] μ μ μ Yμ + μ μ )] Cov(,Y) = E[Y] E[ μ ] E[ Yμ ] + E[ μ Cov(, Y) Cov(, Y) = E[Y] μ E[ ] μ E[ Y] + μ = E[Y] μ μ μ μ + μ μ μ ] μ 17
Richiami 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
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.
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
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 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
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.
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
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
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
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
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)
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
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
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
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
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,
DettagliProbabilità e Statistica Esercizi
Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero
DettagliVariabili casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
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
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.
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
DettagliRichiami di probabilità e statistica
Richiami di probabilità e statistica Una variabile casuale (o aleatoria) X codifica gli eventi con entità numeriche x ed è caratterizzata dalla funzione di distribuzione di probabilità P(x) : P(x)=Pr ob[x
Dettagli10. VARIABILI CASUALI MULTIPLE
. 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
Dettagli5. Distribuzioni. Corso di Simulazione. Anno accademico 2009/10
Anno accademico 2009/10 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
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
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliSTATISTICA CARLO FILIPPUCCI
STATISTICA CARLO FILIPPUCCI STATISTICA, INFERENZA E PROBABILITA E la metodologia della conoscenza scientifica, un complesso di metodi and tecniche che permettono alla scienza di operare. Siamo autorizzati
DettagliV. c. multidimensionali e distribuzioni di funzioni di v.c.
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
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 =
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
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
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
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
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
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
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=
DettagliE (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente
DettagliStatistica. Capitolo 5. Variabili Aleatorie Discrete e Distribuzioni di Probabilità. Chap 5-1
Statistica Capitolo 5 Variabili Aleatorie Discrete e Distribuzioni di Probabilità Statistics for Business and Economics, 6e 007 Pearson Education, Inc. Chap 5-1 Obiettivi del Capitolo Dopo aver completato
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliAnalisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la
a.a. 0/0 giuseppe.espa@economia.unitn.it 046/857 robabilità (prima parte) erchè la Statistica resentare e descrivere i dati Inferire su una sulla base di dati da C Migliorare i processi revedere variabili
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
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.
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2013/2014 www.mat.uniroma2.it/~caramell/did 1314/ps.htm 04/03/2014 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliCP210 Introduzione alla Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 218-19, II semestre 4 giugno, 219 CP21 Introduzione alla Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
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
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
DettagliUniversità di Pavia Econometria. Richiami di teoria delle distribuzioni statistiche. Eduardo Rossi
Università di Pavia Econometria Richiami di teoria delle distribuzioni statistiche Eduardo Rossi Università di Pavia Distribuzione di Bernoulli La variabile casuale discreta Y f Y (y; θ) = 0 θ 1, dove
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 16 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 013/14 Nome: 16 luglio 014 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliSessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.
Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio
DettagliRICHIAMI di CALCOLO delle PROBABILITA
Facoltà di Ingegneria - Università di Bologna Anno Accademico: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marino Lui RICHIAMI di CALCOLO delle PROBABILITA PROBABILITA Ci sono fenomeni che non si osso
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
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
DettagliVariabili aleatorie multiple. X = (X 1,..., X n ) vettore aleatorio
Variabili aleatorie multiple X = (X 1,..., X n ) vettore aleatorio F X (x 1,..., x n ) = P(X 1 x 1,..., X n x n ) caso particolare n = 2 (variabile doppia) F X,Y (x, y) = P(X x, Y y) V.a. discreta: (X,
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
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
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
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
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2012/2013 www.mat.uniroma2.it/~caramell/did 1213/ps.htm 05/03/2013 - Lezioni 1, 2, 3 Breve introduzione al corso. Fenomeni deterministici
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliRegistro dell'insegnamento
Registro dell'insegnamento Anno accademico 2014/2015 Prof. MARCO SPADINI Settore inquadramento MAT/05 - ANALISI MATEMATICA Scuola Ingegneria Dipartimento Matematica e Informatica 'Ulisse Dini' Insegnamento
DettagliCalcolo delle Probabilità e Statistica. Test di verifica - 05/04/2005
Corso di Laurea in Informatica - a.a. 2004/05 Calcolo delle Probabilità e Statistica Test di verifica - 05/04/2005 Il candidato risolva due (e solo due) problemi tra i seguenti, motivando le proprie risposte.
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
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
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 =
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
DettagliNozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3
Indice Nozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3 1 Spazi di probabilità discreti: teoria... 7 1.1 Modelli probabilistici discreti..... 7 1.1.1 Considerazioni
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
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
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:
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
DettagliINTRODUZIONE ALLE COPPIE DI VARIABILI ALEATORIE
INTRODUZIONE ALLE COPPIE DI VARIABILI ALEATORIE Esperimento: lancio di due dadi Frequenze Assolute osservate delle coppie di valori su 100000 Prove Dad1/Dado 2 1 2 3 4 5 6 1 2813 2760 2725 2814 2859 2829
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
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
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,
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,
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
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
DettagliCalcolo di Probabilità e Processi Stocastici, Laurea magistrale in Ing. Robotica e dell Automazione, a.a. 2011/12 Registro delle lezioni
Calcolo di Probabilità e Processi Stocastici, Laurea magistrale in Ing. Robotica e dell Automazione, a.a. 2011/12 Registro delle lezioni Lezione 1 (26/9). Introduzione al corso; materiale e comunicazioni
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
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
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
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
DettagliLEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
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
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
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
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
DettagliEsercizi: fascicolo 4
Esercizi: fascicolo 4 Esercizio 1 Dimostrare le seguenti proprietà (1), (2) e (3): (1) X 1 = 0 X 0; (2) X L 1 (Ω, P ), λ R λx 1 = λ X 1 ; (3) X, Y L 1 (Ω, P ) X + Y 1 X 1 + Y 1. Esercizio 2 Si estraggono
DettagliDistribuzione Binomiale
Statistica e analisi dei dati Data: 2 Maggio 2016 Distribuzione Binomiale Docente: Prof. Giuseppe Boccignone Scriba: Nicoló Pisaroni 1 Conteggi e tempi di attesa Consideriamo il seguente schema, facendo
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
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
DettagliStudente: Matricola: Soluzione. V usando la disuguaglianza di Chebyschev, per n sucientemente grande segue,
Es Es 2 Es 3 Es 4 Tot Secondo appello luglio Calcolo delle probabilità 2 luglio 29 Studente: Matricola: Vero o falso Esercizio ( pti). Si dica, motivando la propria risposta, se le seguenti aermazioni
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
DettagliVariabile aleatoria vettoriale
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Variabile aleatoria vettoriale Sommario della lezione 4 Esperimenti combinati VA vettoriali La Gaussiana multidimensionale Medie e
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
DettagliSecondo appello di Istituzioni di probabilità Laurea Triennale in scienze statistiche Matr pari 17/06/2019
Secondo appello di Istituzioni di probabilità Laurea Triennale in scienze statistiche Matr pari 17/6/219 COGNOME e NOME... N. MATRICOLA... Esercizio 1. Un forno produce rosette di pane. Il peso di una
DettagliLa funzione di ripartizione caratterizza la v.a. Ad ogni funzione di ripartizione corrisponde una ed una sola distribuzione.
Funzione di ripartizione X v.a. a valori in IR F X (x) = P (X x), x IR Indice X omesso quando chiaro Proprietà funzione di ripartizione F (i) F X (x) ; x (ii) è non decrescente Sia a < b P (a < X b) =
Dettagli