I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 6 febbraio
|
|
- Mariana Costanzo
- 4 anni fa
- Visualizzazioni
Transcript
1 I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 03/4 Nome: 6 febbraio 04 Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare tutti i risultati visti a lezione (compresi quelli di cui non è stata fornita la dimostrazione). PARTE I (Esercizi,, 3) Esercizio. Se estraggo casualmente due numeri distinti dall insieme {,, 3, 4, 5, 6}, qual è la probabilità che il più grande valga 4? Più in generale, se estraggo casualmente due numeri distinti dall insieme {,..., n}, qual è la probabilità che il più grande valga k (con k n)? Soluzione. Trattiamo direttamente il caso generale. Estrarre due numeri distinti in {,..., n} equivale a estrarre un sottoinsieme di {,..., n} di cardinalità pari a due. Ci sono ( n ) tali sottoinsiemi, mentre quelli in cui k è il più grande sono tanti quanti i sottoinsiemi di un elemento di {,..., k }, ossia k. La risposta è dunque k ( n ) = (k ) n(n ).
2 Esercizio. Un urna contiene n palline bianche e k palline rosse. Pesco una pallina, ne osservo il colore, la reinserisco nell urna insieme a un altra dello stesso colore di quella estratta (ora nell urna ci sono dunque n + k + palline), dopodiché pesco una seconda pallina. Indicando con X il colore della prima pallina estratta e con Y il colore della seconda pallina estratta, possiamo descrivere X e Y come due variabili aleatorie a valori nell insieme E := {r, b}. (a) Si determini il valore di P(Y = y X = x) per ogni scelta di x, y E. (b) Si mostri che le variabili aleatorie X e Y hanno la stessa distribuzione. (c) Si determini la distribuzione del numero totale N di palline rosse estratte. (d) Le variabili aleatorie (X, Y, N) sono indipendenti? Soluzione. (a) Si ha P(Y = r X = r) = k + n + k +, P(Y = r X = b) = k n + k +, da cui segue che n P(Y = b X = r) = P(Y = r X = r) = n + k +, P(Y = b X = b) = P(Y = r X = b) = n + n + k +. (b) La densità marginale di X è data da P(X = r) = k n, P(X = b) = n + k n + k. Di conseguenza la distribuzione congiunta di (X, Y ) è data da P(X = r, Y = r) = P(X = r)p(y = r X = r) = k k + n + k n + k +, P(X = r, Y = b) = P(X = r)p(y = b X = r) = k n n + k n + k +, P(X = b, Y = r) = P(X = b)p(y = r X = b) = n k n + k n + k +, P(X = b, Y = b) = P(X = b)p(y = b X = b) = n n + n + k n + k +. La distribuzione marginale di Y si ricava facilmente: P(Y = r) = P(Y = r, X = r) + P(Y = r, X = b) = k n + k k + n + k + + P(Y = b) = P(Y = r) = Quindi X e Y hanno la stessa distribuzione. (c) Chiaramente N assume valori in {0,, } e n n n + k n + k. k n + k + = k n + k, n(n + ) P(N = 0) = P(X = b, Y = b) = (n + k)(n + k + ), k(k + ) P(N = ) = P(X = r, Y = r) = (n + k)(n + k + ), da cui P(N = ) = P(N = 0) P(N = ) = nk (n+k)(n+k+). (d) Le variabili aleatorie non sono indipendenti perché si ha P(X = r) > 0, P(Y = r) > 0, P(N = 0) > 0 ma P(X = r, Y = r, N = 0) = 0 P(X = r)p(y = r)p(n = 0).
3 3 Esercizio 3. Due particelle puntiformi, che indichiamo con le lettere α e β, si muovono lungo una retta, entrambe di moto (rettilineo) uniforme. All istante iniziale t = 0 la particella α si trova nell origine x = 0, mentre la particella β si trova nel punto x =. Le due particelle si muovono l una in direzione dell altra, con velocità rispettive U e V, dove U e V sono variabili aleatorie indipendenti con distribuzione Exp(). α U V β x = 0 x = Definiamo T come l istante in cui le due particelle si incontrano, e poniamo Y := T. (a) Si mostri che Y ha distribuzione Gamma(, ), ossia f Y (y) = y e y (0, ) (y). (b) Si deduca che T ha distribuzione assolutamente continua, con densità f T (t) = t 3 e /t (0, ) (t). (c) Si dica se T L e/o T L. Si mostri che Cov(T, Y ) è ben definita, e la si calcoli. (d) Si mostri che il vettore aleatorio (T, Y ) non è assolutamente continuo. Soluzione 3. (a) All istante t > 0 la posizione della particella A è data da Ut, mentre quella della particella B è data da V t, pertanto l istante T si ottiene dall equazione UT = V T = T = U + V, da cui Y = /T = U +V. Dato che U, V sono variabili aleatorie indipendenti con distribuzione Exp() = Gamma(, ), per un teorema visto a lezione la loro somma U + V = Y ha distribuzione Gamma(, ), ossia f Y (y) = y e y (0, ) (y). (b) La funzione di ripartizione di T è data da F T (t) = P(T t) = 0 se t 0, mentre per t > 0 F T (t) = P(T t) = P( Y = [ y e y ] t + t t) = P(Y t ) = f Y (y) dy = t e y dy = t e t + e t. t y e y dy Dato che F T ( ) è C a tratti, la variabile aleatoria T è assolutamente continua, con densità f T (t) = F T (t) = t 3 e t (0, ) (t). In alternativa, dato che ϕ(y) := y è un diffeomorfismo di (0, ) in sé, per un teorema visto a lezione si ha che T = ϕ(y ) è una variabile aleatoria assolutamente continua con densità f T (t) = f Y (ϕ (t)) (ϕ ) (t) = f Y ( t ) t = t 3 e t (0, ) (t).
4 4 (c) Per ogni p (0, ) si ha E( T p ) = E(T p ) = R t p f T (t) dt = 0 t 3 p e /t dt. La funzione t e /t è continua in (0, ) e inoltre ha limite 0 per t 0, grazie t 3 p all esponenziale. I problemi di integrabilità possono pertanto arrivare solo dal comportamento all infinito: dato che e /t per t, si ha E( T p ) <, ossia T L p, se e solo t 3 p t 3 p se 3 p >, ossia p <. In particolare, T L ma T L. Affinché Cov(T, Y ) sia ben definita, occorre verificare che: T L : questo è stato appena mostrato; Y L : questo segue dal fatto che Y Gamma(, ); T Y L : questo segue dal fatto che Y := T per definizione, e dunque Y T =. In particolare E(T Y ) =, perché Y T =, mentre E(Y ) =, perché E(Gamma(n, λ)) = n λ. Resta da calcolare [ ] E(T ) = 0 t e /t dt = e /t = 0 da cui segue che Cov(T, Y ) = E(T Y ) E(T )E(Y ) = =. (d) Dato che T Y =, introducendo il sottoinsieme A := {(t, y) R : t > 0, y = t } si ha che P((T, Y ) A) =. Se (T, Y ) avesse distribuzione assolutamente continua, si dovrebbe avere P((T, Y ) A) = f T,Y (t, y) dt dy = 0, A perché l insieme A ha misura di Lebesgue bidimensionale nulla, ottenendo una contraddizione.
5 5 PARTE II (Esercizi 4, 5, 6) Esercizio 4. Siano (X n ) n N variabili aleatorie reali i.i.d., definite su uno spazio di probabilità (Ω, A, P), la cui distribuzione è assolutamente continua con densità f(x) > 0 per ogni x R. Fissati a, b R con a < b, introduciamo gli eventi D n = D (a,b) n := {X n (a, b)} = {ω Ω : X n (ω) (a, b)}, per n N, e la variabile aleatoria N (a,b), a valori in N 0 {+ }, definita da N (ω) = N (a,b) (ω) := {n N : X n (ω) (a, b)}, dove indica la cardinalità di un insieme. In tutte le domande seguenti, i parametri a, b R con a < b sono arbitrari ma fissati. (a) Si mostri che 0 < P(D n ) <. (b) Si calcolino P ( lim sup n N D n ) e P ( lim supn N D c n). (c) Si mostri che P(N = ) =. (d) Si mostri che la successione Y n := Dn converge in legge, ma non q.c.. Definiamo infine, per ogni ω Ω, il sottoinsieme Z(ω) R ponendo Z(ω) := { X n (ω) : n N } = { X (ω), X (ω), X 3 (ω),... }. In altri termini, il sottoinsieme Z(ω) è l immagine della successione reale (X n (ω)) n N. (e) Si mostri che, per q.o. ω Ω, l insieme Z(ω) è denso in R. Soluzione 4. (a) Avendo le variabili aleatorie X n la stessa distribuzione, gli eventi D n hanno la stessa probabilità p = p (a,b) (0, ): infatti, per ogni a < b, P(D n ) = P(X n (a, b)) = µ Xn ((a, b)) = b a f(x) dx =: p (0, ), perché per ipotesi f(x) > 0 per ogni x R, quindi (a,b) f(x) dx > 0 e R\(a,b) f(x) dx > 0. (b) Per definizione di indipendenza delle variabili aleatorie X n, gli eventi D n sono indipendenti. Dato che P(D n ) = p > 0 per ogni n N, n N P(D n) = n N p =. Essendo gli eventi D n indipendenti, segue dal Lemma di Borel-Cantelli che P ( ) lim sup n N D n =. Analogamente, dato che P(Dn) c = p > 0 per ogni n N, si ha n N P(Dc n) = n N ( p) = e quindi P ( lim sup n N Dn) c = ancora per Borel-Cantelli. (c) Basta notare che l evento {N = } coincide con l evento lim sup n N D n : infatti {N = } = {ω Ω : N (ω) = } = {ω Ω : X n (ω) (a, b) per infiniti valori di n N} = {ω Ω : ω D n per infiniti valori di n N} = lim sup D n. n N Segue dunque che P(N = ) =. (d) Dato che P(D n ) = p (0, ), la variabile aleatoria Y n = Dn ha distribuzione Be(p) che non dipende da n, quindi banalmente converge in legge (verso la distribuzione Be(p)). Essa non converge q.c. perché, per i punti precedenti, q.o. ω Ω appartiene a infiniti degli eventi D n e anche a infiniti degli eventi Dn, c quindi si ha Y n (ω) = 0 per infiniti valori di n N e Y n (ω) = per infiniti valori di n N, dunque la successione (Y n (ω)) n N non ha limite. In alternativa, per la legge 0- di Kolmogorov, se Y n Y q.c. allora Y dovrebbe essere q.c. costante. Ma dato che la convergenza q.c. implica quella in legge, si dovrebbe allo stesso tempo avere Y Be(p) con p (0, ), dunque Y non può essere q.c. costante.
6 6 (e) Un insieme A R è denso se e solo se A (a, b), per ogni a < b. Mostriamo dunque che P ( ω Ω : Z(ω) (a, b) a < b ) ( ) = P {Z (a, b) } =, a,b R o equivalentemente, passando al complementare, ( ) P {Z (a, b) = } = 0. () a,b R Notiamo che, se (a, b ) (a, b), si ha A (a, b ) A (a, b); in particolare, se A (a, b) =, a maggior ragione A (a, b ) =. Vale dunque l inclusione di eventi {Z (a, b) = } {Z (a, b ) = }, se (a, b ) (a, b). Per ogni a, b R con a < b, è possibile scegliere a, b Q (razionali) con a < b tali che (a, b ) (a, b). Ciò mostra che vale l inclusione {Z (a, b) = } {Z (a, b ) = }. a,b R a,b Q a <b (Vale in realtà l uguaglianza, essendo l inclusione inversa banalmente vera.) In () è dunque sufficiente restringere l unione a valori razionali a, b Q, ossia basta mostrare che ( ) P {Z (a, b) = } = 0. a,b Q Essendoci ricondotti all unione di una famiglia numerabile di eventi, per subadditività ( ) P {Z (a, b) = } P ( Z (a, b) = ), a,b Q a,b Q e ci basta mostrare che P ( Z (a, b) = ) = 0, ossia P ( Z (a, b) ) =, per ogni a < b. Ma già sappiamo che P(N (a,b) = ) =, e chiaramente da cui la conclusione segue. {N (a,b) = } {Z (a, b) },
7 7 Esercizio 5. Nella città di Babilonia, alla fine di ogni anno, il governo distribuisce un premio in denaro (euro) ai suoi N = cittadini, con la seguente modalità: per ciascun cittadino vengono estratti tre numeri reali, i primi due uniformemente in (0, 0) e il terzo uniformemente in (0, 0); l ammontare del premio è quindi determinato sommando i primi due numeri e sottraendo il terzo. Tutti i numeri vengono estratti indipendentemente l uno dall altro. (a) Si mostri che, fissato un cittadino qualunque, il premio X da lui ricevuto è una variabile aleatoria con valor medio µ = E(X) = 5 euro. Quanto vale la varianza σ = Var(X)? (b) Un associazione di consumatori svolge un indagine, scoprendo che la somma dei premi ricevuti da tutti i cittadini ammonta a meno di euro. Osservando che tale valore è minore di quanto ci si sarebbe potuti aspettare, ossia N µ = di euro, l associazione sostiene che non è ragionevole credere alle modalità descritte dal governo per l attribuzione del premio. Il portavoce del governo ribatte che una discrepanza di soli euro è perfettamente plausibile, data la natura casuale del meccanismo di attribuzione dei premi, e dunque i sospetti di manipolazione non sono giustificati. Chi pensate che abbia ragione? [Sugg. Si usi l approssimazione normale fornita dal Teorema Limite Centrale. La tavola della distribuzione normale è riportata in fondo a questo plico.] Soluzione 5. (a) Siano U, V, W variabili aleatorie indipendenti, tali che U V U(0, 0) e W U(0, 0). Dato che il valor medio di una variabile aleatoria U(a, b) vale a+b e la sua varianza vale (b a), si ha E(U) = E(V ) = 5, E(W ) = 5, Var(U) = Var(V ) = Var(W ) = 00 = 5 3. Il premio ricevuto da un cittadino può essere espresso come X := U + V W. Per la linearità del valor medio e le proprietà della varianza (osservando che U, V e W sono variabili aleatorie indipendenti), si ha dunque µ = E(X) = E(U) + E(V ) E(W ) = 5, σ = Var(X) = Var(U) + Var(V ) + Var( W ) = Var(U) + Var(V ) + Var(W ) = 5. (b) Sia S N := X X N la somma totale dei premi ricevuti da tutti i cittadini. Calcoliamo la probabilità che si verifichi l evento osservato, ossia ( ) SN Nµ P(S N < ) = P σ < N 5 = P(Z N < 3), e applicando il Teorema Limite Centrale possiamo sostituire Z N Z N(0, ), ottenendo P(Z N < 3) P(Z < 3) = Φ( 3) = Φ(3) = = 0.3%. Essendo la probabilità in questione piuttosto bassa (poco più di una su mille), è poco verosimile che le modalità descritte per l attribuzione del premio siano state rispettate.
8 8 Esercizio 6. Paolo si accinge a salire una scalinata (infinita), in cui i gradini sono etichettati (dal basso verso l alto) con i numeri 0,,,.... A ogni istante, Paolo lancia una moneta equilibrata: se esce testa, sale di un gradino, mentre se esce croce resta sul gradino in cui si trova. Indicando con X n la posizione di Paolo nell istante n, il processo (X n ) n 0 è un opportuna catena di Markov sull insieme E = {0,,,...} (con X 0 = 0). (a) Si scriva il valore p ij della matrice di transizione della catena di Markov, per ogni i, j E. Si disegni quindi il grafo corrispondente, completando la figura seguente con frecce e numeri, e si determinino le classi di comunicazione, classificando gli stati (transitori, ricorrenti positivi, ricorrenti nulli) (b) Si determini una misura invariante. Si mostri che non esiste alcuna probabilità invariante. Quanto vale lim n (p n ) ij? Soluzione 6. (a) La matrice di transizione è data da { p ij = (δ ii + δ i i+ ) = se j = i oppure j = i + 0 altrimenti e il grafo corrispondente è, È chiaro che i j se e solo se i j, pertanto si ha i j se e solo se i = j. In altri termini, ogni singoletto T i := {i}, per i E, è una classe di comunicazione. Chiaramente nessuna di tali classi è chiusa: infatti i i + ma i + i, per ogni i E. Dato che una classe ricorrente è necessariamente chiusa, segue che tutte le classi T i sono transitorie e dunque tutti gli stati sono transitori. (b) In generale, per quanto visto a lezione, una probabilità invariante (π i ) i E è tale che π i = 0 per ogni stato i E transitorio. Dato che ogni stato è transitorio in questo caso, si dovrebbe avere π i = 0 per ogni i E, il che è chiaramente impossibile, dovendo essere i E π i =. Quindi non possono esistere probabilità invarianti. Cerchiamo ora misure invarianti (x i ) i E, ossia soluzioni del sistema x i = j E x kp ki, con x i <, per ogni i E. Per i = 0, essendo p 00 = e p k0 = 0 per k 0, otteniamo x 0 = x 0, che ha come unica soluzione x 0 = 0. Per i, essendo p i i = p ii = e p ki = 0 per k {i, i}, si ottiene x i = (x i + x i ), ossia x i = x i. Quindi (x i ) i E è una misura invariante se e solo se x i = x i per ogni i E, ossia x i = x 0 = 0 per ogni i E. L unica misura invariante è dunque quella banale identicamente nulla. Ciò fornisce un altra dimostrazione del fatto che non ci sono probabilità invarianti. [Nella precedente correzione c era un errore.] Infine lim n (p n ) ij = 0 per ogni i, j E, perché ogni j E è transitorio.
9 9 Tavola della distribuzione normale La tabella seguente riporta i valori di Φ(z) := z e x π dx, la funzione di ripartizione della distribuzione normale standard N(0, ), per 0 z 3.5. Ricordiamo che I valori di Φ(z) per z < 0 possono essere ricavati grazie alla formula Φ(z) = Φ( z). z
Calcolo delle Probabilità 2017/18 Foglio di esercizi 8
Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 7 gennaio
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 24/5 Nome: 7 gennaio 26 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2013/14 Nome: 20 febbraio
II Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 3/4 Nome: febbraio 4 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
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
DettagliIII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2018/19
III Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 8/9 Martedì luglio 9 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 30 gennaio
I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica /3 Nome: 3 gennaio 3 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliIII Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre
III Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 15 Settembre 2015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 14 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 14/15 Nome: 14 luglio 15 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 3 gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliI Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 2014/15 Nome: 23 Giugno
I Appello di Processi Stocastici Cognome: Laurea Magistrale in Matematica 014/15 Nome: 3 Giugno 015 Email: Quando non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
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
DettagliV Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2012/13 Nome: 18 ottobre
V Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 202/ Nome: 8 ottobre 20 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile usare
DettagliI Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
I Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì gennaio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliCP410: Esonero 1, 31 ottobre 2013
Dipartimento di Matematica, Roma Tre Pietro Caputo 2013-14, I semestre 31 ottobre, 2013 CP410: Esonero 1, 31 ottobre 2013 Cognome Nome Matricola Firma 1. Fare un esempio di successione di variabili aleatorie
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 25 febbraio 2013 Matricola: ESERCIZIO 1. Si mostri la seguente formula di disintegrazione per la probabilità condizionata:
DettagliCP410: Esame 2, 3 febbraio 2015
Dipartimento di Matematica, Roma Tre Pietro Caputo 2014-15, I semestre 3 febbraio, 2015 CP410: Esame 2, 3 febbraio 2015 Cognome Nome Matricola Firma 1. Sia (Ω, F, P) lo spazio di probabilità definito da
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 29-2, II semestre 25 maggio, 2 CP Probabilità: Esonero 2 Testo e soluzione . (7 pt) Siano T, T 2 variabili esponenziali indipendenti, di parametri λ =
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
Dettagli(a) Qual è la probabilità che un neonato sopravviva al primo anno?
II Appello di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 2 luglio 2009 Matricola: ESERCIZIO. Per una certa specie africana di uccelli, i neonati hanno indipendentemente l uno dal l altro
DettagliI Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. 2012/ Giugno 2013
I Sessione I Prova Scritta o Recupero Esonero di Probabilità e Statistica a.a. / 9 Giugno Recupero I esonero o prova scritta di Probabilità da 5 cfu o di Probabilità e Statistica da cfu: esercizio ; esercizio
DettagliEsame di Calcolo delle Probabilità del 11 dicembre 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del dicembre 27 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. Es. 4 Somma Voto finale Attenzione:
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
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
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
DettagliEsercizi di Calcolo delle Probabilità Foglio 3
Esercizi di Calcolo delle Probabilità Foglio David Barbato Esercizio. (6-ese- s) Sia (X, Y ) un vettore aleatorio con densità: { αy (x, y) D f (X,Y ) (x, y) (x, y) / D Dove D {(x, y) R : x
DettagliEsame di Calcolo delle Probabilità del 4 luglio 2006 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 4 luglio 26 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliESERCIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2
ESECIZI DATI A LEZIONE TPA - anno 2006 CAPITOLO 2 1. Una σ algebra è chiusa rispetto a intersezioni finite e numerabili, e rispetto a differenze e differenze simmetriche. 2. Una σ algebra è anche un algebra,
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
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ o modulo - PROVA d esame del 9/02/200 - Laurea Quadriennale in Matematica - Prof. Nappo Scrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate
DettagliCP110 Probabilità: Esame 4 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 202-3, II semestre 4 giugno, 203 CP0 Probabilità: Esame 4 giugno 203 Testo e soluzione . (6 pts) Un urna contiene inizialmente pallina rossa e 0 palline
DettagliCP410: Esonero 1, 7 novembre, 2018
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, I semestre 7 novembre, 2018 CP410: Esonero 1, 7 novembre, 2018 Cognome Nome Matricola Firma 1. Sia X una variabile aleatoria su uno spazio di
DettagliPrimo appello di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2019
Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2019 COGNOME e NOME... N. MATRICOLA... Esercizio 1. Costruire, se esiste, un esempio con le seguenti proprietà 1. {F n }
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
DettagliX n = αx n 1 + Y n. Si dimostri che. Usando la precedente relazione si dimostri che. e che. e si determini il limite di media e varianza quando n +.
Problema 1. Siano X, Y 1, Y,... variabili aleatorie indipendenti. Si supponga che X abbia media m e varianza σ e che le Y i abbiano distribuzione gaussiana con media µ e varianza σ. Dato α in (, 1, si
DettagliEsame di Calcolo delle Probabilità del 12 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del 2 dicembre 2005 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. 4 Somma Voto parziale Prima
DettagliCP110 Probabilità: Esonero 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 22-3, II semestre 23 maggio, 23 CP Probabilità: Esonero 2 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una penna
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
DettagliCorso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 2018/19 - Prova in itinere
Corso di Laurea in Ingegneria Robotica e dell Automazione Probabilità e Processi Stocastici (455AA) A.A. 208/9 - Prova in itinere 208--2 La durata della prova è di due ore e mezzo. Le risposte devono essere
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
DettagliEsercizi - Fascicolo III
Esercizi - Fascicolo III Esercizio 1 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo, indipendentemente
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
DettagliNome e cognome:... Matricola...
Nome e cognome:................................................... Matricola................. CALCOLO DELLE PROBABILITA - 0/07/008 CdS in Economia e Finanza - Cds in Informatica - Cds SIGAD Motivare dettagliatamente
DettagliIstituzioni di Probabilità - A.A
Istituzioni di Probabilità - A.A. 25-26 Prima prova di verifica intermedia - 29 aprile 25 Esercizio. Sia (X n ) n una successione di v.a. i.i.d. centrate con < X P-q.c., sia λ R ed F una v.a. integrabile
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
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
DettagliVETTORI DI VARIABILI ALEATORIE
VETTOI DI VAIABILI ALEATOIE E. DI NADO 1. Funzioni di ripartizione congiunte e marginali Definizione 1.1. Siano X 1, X 2,..., X n v.a. definite su uno stesso spazio di probabilità (Ω, F, P ). La n-pla
DettagliCP110 Probabilità: Esame 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2010-11, II semestre 30 gennaio, 2012 CP110 Probabilità: Esame 30 gennaio 2012 Testo e soluzione 1. (5 pts) Un gioco consiste in n prove ripetute, tali
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
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliDisuguaglianza di Cramér-Rao
Disuguaglianza di Cramér-Rao (Appunti per gli studenti Silvano Holzer Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche Bruno de Finetti Università degli studi di Trieste Un esperimento
DettagliAppello febbraio. Vero o falso. Es 1 Es 2 Es 3 Es 4 Tot
Es Es 2 Es 3 Es 4 Tot Appello febbraio Calcolo delle probabilità 5 febbraio 208 Studente: Matricola: Vero o falso Esercizio (0 pti). Si dica, motivando la propria risposta, se le seguenti affermazioni
DettagliCP110 Probabilità: Esame 4 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 4 luglio, 2012 CP110 Probabilità: Esame 4 luglio 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline numerate da 1
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
DettagliCorso di laurea in Ingegneria civile - ambientale - edile Esame di Analisi matematica II Prova scritta del 29 giugno 2018
Corso di laurea in Ingegneria civile - ambientale - edile Esame di Analisi matematica II Prova scritta del 29 giugno 28 Esercizio Si consideri la successione di funzioni {f n } n N + definita da f n (x)
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 23 maggio, 213 CP11 Probabilità: Esonero 2 Testo e soluzione 1. (7 punti) Una scatola contiene 1 palline, 5 bianche e 5 nere. Ne vengono
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,
DettagliTeoria delle Probabilità e Applicazioni programma 2004/05
Teoria delle Probabilità e Applicazioni programma 2004/05 Capitolo 1: esempio guida Lezioni: 8/3, 9/3 (5h) 1. Come modellizzare l esperimento infiniti lanci di una moneta equilibrata oppure l esperimento
DettagliPrimo appello prova scritta di Calcolo delle probabilità Laurea Triennale in Matematica 01/02/2016
Primo appello prova scritta di Calcolo delle probabilità Laurea Triennale in Matematica 0/0/06 COGNOME e NOME... N. MATRICOLA... Esercizio. (9 punti) Sia {S n } n N una passeggiata aleatoria standard (cioè
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 29 maggio, 2012 CP110 Probabilità: Esonero 2 Testo e soluzione 1. (8 punti) La freccia lanciata da un arco è distribuita uniformemente
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
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 28 giugno 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 8 giugno 01 Matricola: ESERCIZIO 1. Sia (A n n una successione di eventi indipendenti, tali che P (A n 1 1 n. Sia B := + n=
DettagliEsercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliEsercitazione del 21/10/2011 Calcolo delle probabilità
Esercitazione del /0/0 Calcolo delle probabilità Funzione di ripartizione Sia F X una funzione da R in R. consideriamo le seguenti condizioni: F X è non decrescente ( ) x F X (x) x F X (x) 0 F X è continua
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
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
Dettagli, B con probabilità 1 4 e C con probabilità 1 4.
Laurea triennale in MATEMATICA, Corso di PROBABILITÀ Prof. L. Bertini - G. Nappo - F. Spizzichino Esonero del 0.06.00 N.B. Scrivere le soluzioni degli esercizi su questi fogli giustificando brevemente
Dettagli1. Si scelga a caso un punto X dell intervallo [0, 2], con distribuzione uniforme di densità. f X (x) = [0,2](x)
Esercizi di Calcolo delle Probabilità della 3 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio.. Sia (X, Y ) un vettore aleatorio bidimensionale con densità uniforme
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
DettagliCognome Nome Matricola. Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale
Esame di Calcolo delle Probabilità mod. B del 9 settembre 2003 (Corso di Laurea in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
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
DettagliV.a. continue. Statistica e biometria. D. Bertacchi. Le v.a. continue. Uniforme. Normale. Indipendenza di v.a. continue
gge una v.a. V.a. continue Ricoramo: DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è una funzione che ha come dominio Ω e come codominio R. In formule: X : Ω R. DEFINIZIONE
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
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2016/17 - Prima prova in itinere
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 016/17 - Prima prova in itinere 017-01-13 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate.
DettagliPrima prova in itenere di Istituzioni di Probabilità
Prima prova in itenere di Istituzioni di Probabilità 14 novembre 2012 Esercizio 1. Un processo di Ornstein-Uhlenbec modificato (OUM) è un processo reale, con R come insieme dei tempi, con traiettorie continue,
DettagliCP110 Probabilità: Esame 27 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 27 gennaio, 213 CP11 Probabilità: Esame 27 gennaio 213 Testo e soluzione 1. (6 pts) Tre amici dispongono di 6 monete da un euro e
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
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.
DettagliEsame di Calcolo delle Probabilità del 11 gennaio 2006 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Calcolo delle Probabilità del gennaio 006 Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliPrimi elementi di Probabilità
Primi elementi di Probabilità Sergio Polidoro Dipartimento di Matematica, Università di Bologna In queste dispense vengono introdotte le nozioni di valore atteso e di varianza per variabili aleatorie discrete
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliProva d esame di Istituzioni di Calcolo delle Probabilità Laurea Triennale in Scienze Statistica. 09/09/2013
Prova d esame di Istituzioni di Calcolo delle Probabilità Laurea Triennale in Scienze Statistica. 09/09/2013 COGNOME e NOME... N. MATRICOLA... Esercizio 1. (V. 12 punti.) Supponiamo di avere due urne che
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2011/12
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 0/ Esercizio Prova scritta del 7/06/0 Siano X e Y due v.a. indipendenti, con distribuzione continua Γ(, ). Si trovino la distribuzione di X Y e di (X Y ). Esercizio
Dettagli9. Test del χ 2 e test di Smirnov-Kolmogorov. 9.1 Stimatori di massima verosimiglianza per distribuzioni con densità finita
9. Test del χ 2 e test di Smirnov-Kolmogorov 9. Stimatori di massima verosimiglianza per distribuzioni con densità finita Supponiamo di avere un campione statistico X,..., X n e di sapere che esso è relativo
DettagliCorso di Laurea in Informatica Calcolo delle Probabilità e Statistica (269AA) A.A. 2017/18 - Prova scritta
Corso di Laurea in Informatica Calcolo delle Probabilità e Statistica (69AA) A.A. 7/8 - Prova scritta 8-7-3 La durata della prova è di tre ore. Le risposte devono essere adeguatamente giustificate. Problema
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliSi dimostri che la (*) possiede un unica soluzione (u n ) limitata.
Scuola Normale Superiore, ammissione al IV anno del corso ordinario Prova scritta di Analisi Matematica per Fisica, Informatica, Matematica 26 Agosto 2 Esercizio. Siano (a n ) e (b n ) successioni di numeri
DettagliEsercizi settimana 4. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
1 Esercizi settimana Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti
DettagliCP110 Probabilità: Esame 2 settembre 2013 Testo e soluzione
Diartimento di Matematica, Roma Tre Pietro Cauto 212-13, II semestre 2 settembre, 213 CP11 Probabilità: Esame 2 settembre 213 Testo e soluzione 1. (6 ts) Abbiamo due mazzi di carte francesi, il mazzo A
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
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 PBaldi appello, 23 giugno 29 Corso di Laurea in Matematica Esercizio Per α 2 consideriamo la catena di Markov su {, 2, 3} associata alla matrice
Dettagli