Stima puntuale di parametri
|
|
- Maria Teresa Valentino
- 4 anni fa
- Visualizzazioni
Transcript
1 Probabilità e Statistica Esercitazioni a.a. 017/018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Marco Pietro Longhi Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 1
2 Esercizi Esercizio 1. [Tratto dal tema d esame del 05/07/016-C6] Si consideri perϑ > 0 la funzione definita da 4 ϑ x se0 x ϑ 4 f (x;ϑ) = ϑ (ϑ x) se ϑ < x ϑ 0 altrimenti 1. Verificare che per ogniϑ > 0,f ( ;ϑ) rappresenta una funzione di densità di probabilità.. SiaX 1,X,,X n un campione casuale estratto dalla popolazione di densitàf(,ϑ), n stabilire set = n X i è uno stimatore corretto diϑ. Risoluzione. Disegniamo il grafico della funzione di densità di probabilità data ϑ ϑ ϑ Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p.
3 1. Risulta + f (x;ϑ)dx = 1 ϑ ϑ = 1 quindi f ( ; ϑ) rappresenta una funzione di densità di probabilità per ogni ϑ > 0. T è uno stimatore corretto o non distorto di ϑ se E[T] = ϑ. Nel nostro caso E[X] = 1 ϑ e [ ] n E[T] = E X i = n E[X i ] = n n = n ne[x i] = n n1 ϑ = ϑ = lo stimatore è corretto Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 3
4 Esercizio. Sia X la variabile casuale di Poisson di parametro λ, 1. determinare uno stimatore con il metodo dei momenti;. verificare la correttezza dello stimatore trovato; 3. calcolare l errore quadratico medio; 4. supponendo poi di avere i seguenti dati campionati, 3,, 4, 3, 5, 4,, 3,, 3, 4,, 3, 4, 3,, 3, 4, 5, 4, 3, 3, 4 calcolare il valore stimato di λ. Risoluzione. X ha funzione di densità di probabilità f X (x;λ) = { λ x x! e λ se x N 0 altrove Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 4
5 Determiniamo uno stimatore con il metodo dei momenti. Ricordiamo che con M r = 1 n X r n i, µ r = E[X r ] si indica, rispettivamente, il momento campionario assoluto di ordine r e il momento di ordine r della variabile casuale X. Il metodo dei momenti consiste nel risolvere il sistema nelle incognite ϑ 1,,ϑ k di k, numero dei parametri incogniti, equazioni µ 1 = M 1 µ = M µ k = M k Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 5
6 Nel nostro caso abbiamo solo un parametro da stimare, λ, quindi calcoliamo Posto µ 1 = M 1, risulta Λ = 1 n µ 1 = E[X] = λ, e M 1 = 1 n n X i. Per determinare se lo stimatore è non distorto calcoliamo ] E[ Λ(X1,X,,X n ) = E [ [ ] n ] 1 X n = n E X i = 1 ne[x] = E[X] n Essendo X v.c. di Poisson di parametro λ, si ha E[X] = λ, quindi ] E[ Λ(X1,X,,X n ) = λ = Λ stimatore non distorto n X i Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 6
7 Chiamiamo errore quadratico medio di uno stimatore T = t(x 1,,X ), la funzione di ϑ data da: MSE[T](ϑ) := E [(T τ(ϑ)) ] con τ(ϑ) funzione del parametro da stimare. Ma MSE[T](ϑ) := var[t]+[d[t](ϑ)], D[T](ϑ) := τ(ϑ) E[T] ] ] Nel nostro caso E[ Λ = λ = D[ Λ = 0, quindi ] MSE[ Λ ] = var[ Λ = var [ ] X n = }{{} X i ind. 1 n n var[x i ] = 1 n nλ = λ n Troviamo λ mediante i dati campionari λ = = ,083 Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 7
8 Esercizio 3. SiaX 1, X...X n un campione casuale di ampiezzanestratto da una popolazione con distribuzione uniforme nell intervallo[a b, a + b]. Determinare gli stimatori diaebcon il metodo dei momenti. Risoluzione. L intervallo ha ampiezza a+b (a b) = b, ne segue che la funzione di densità di probabilità della v.c. X è f (x;a,b) = { 1 b se a b x a+b 0 altrove Per determinare gli stimatori di a, b con il metodo dei momenti, bisogna risolvere il sistema { µ 1 = M 1 µ 1 = X n µ = M = n µ = 1 n Xi Calcoliamo µ 1 = a+b+a b = a e Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 8
9 µ = var[x]+(µ 1) = [(a+b) (a b)] 1 Sostituendo a = X n n b 3 +a = 1 n Xi +a = b 3 +a ed eseguendo alcuni passaggi algebrici, ne segue che gli stimatori cercati sono â = 1 ( n X i e n b n = 3 Xi n 3 n ) n X i Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 9
10 Esercizio 4. [Tratto dal tema d esame del 9/08/016-C6] Si supponga chex 1,X, X 3 sia un campione casuale di ampiezza3estratto da una distribuzione esponenziale di media λ. Si considerino i seguenti stimatori del parametro λ: Λ 1 = X 1, Λ = X 1 +X 1. Indicare quali sono gli stimatori non distorti di λ., Λ 3 = X 1 +X 3. Individuare tra gli stimatori non distorti quello con MSE minimo., Λ 4 = X 3 Risoluzione. Sia X una v.c. esponenziale di media λ, si ha f (x;λ) = { 1 λ e x λ se x 0 0 altrove con E[X] = λ e var[x] = λ. Calcoliamo il valore atteso degli stimatori dati E[Λ 1 ] = E[X 1 ] = λ Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 10
11 [ ] X1 +X E[Λ ] = E = 1 (E[X 1]+E[X ]) = 1 λ = λ [ ] X1 +X E[Λ 3 ] = E = (E[X 1]+E[X ]) = 1 3 (λ+λ) = λ E[Λ 4 ] = E [ X 3 ] = λ Tutti gli stimatori dati sono non distorti, per individuare il preferibile, calcoliamo la varianza di ciascuno: var[λ 1 ] = var[x 1 ] = λ [ ] X1 +X var[λ ] = var = 1 4 (var[x 1]+var[X ]+cov[x 1,X ]) = = 1 4 λ = 1 λ (X 1 e X sono indipendenti) [ ] X1 +X var[λ 3 ] = var = (var[x 1]+4var[X ]) = 1 (λ +4λ ) = λ Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 11
12 var[λ 4 ] = var [ X 3 ] = 1 3 λ Lo stimatore non distorto con varianza minima è la media campionaria. Esercizio 5. Il numero di interruzioni (crash) di un personal computer segue una distribuzione di Poisson di parametroλ. SiaX 1, X...X n un campione casuale di ampiezza n estratto dalla distribuzione di Poisson data. Se il costo di riparazione è dato da Y n = 3X n +X n dovex n è la media campionaria suncrash, calcolaree[y ]. Risoluzione. Sia X una v.c. di Poisson di parametro λ, si ha f (x;λ) = { λ x x! e λ se x = 0,1,, altrove con E[X] = λ e var[x] = λ. Calcoliamo il valore atteso dello stimatore dato [ ] E[Y n ] = E 3X n +X n = 3E [ ] [ ] [ ] X n +E X n = 3λ+E X n Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 1
13 Ma quindi E [ ] X n E [ X n ] = var [ Xn ], var [ Xn ] = var[x] n = λ n, E[Y n ] = 3λ+ λ n +λ e passando al limite per n si ha E[Y ] = 3λ+λ Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 13
14 Esercizio 6. Per un corso la prova d accertamento del profitto è costituita da una batteria di 30 quesiti con risposta dicotomica. Si può ipotizzare che chi risponde a caso ad un quesito abbia probabilità 1 di indovinare la risposta esatta. Supponiamo che ogni risposta esatta sia valutata 1 30, si dica qual è per una persona perfettamente ignorante: 1. la probabilità di ottenere la sufficienza in una prova d esame;. il numero medio di prove necessarie per superare l esame. SiaX la variabile casuale che conteggia il numero di risposte esatte in una prova. È ragionevole pensare chex = S +I doves indica la variabile casuale che conteggia il numero dei quesiti di cui il candidato sa la risposta esatta, mentrei è la variabile casuale che conteggia il numero di risposte indovinate. SiaS la v.c. binomiale di parametrin = 30 epesiai/s = s la v.c. binomiale di parametrin = 30 sep = 1. Si determini la funzione di densità di probabilità congiunta dis ei,p S,I (s,i). Si mostri chep X (x) = x p S,I (s,x s) conx = 0,, 30 e dunquex è una s=0 variabile casuale binomiale di parametrin = 30 e 1+p. Si determini uno stimatore non distorto dip. Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 14
15 Risoluzione. Per ipotesi X è la v.c. che conteggia il numero di risposte esatte, ha distribuzione Bi ( 30, ) 1 con ( ) 30 p X (x) = p x (1 p) 30 x x = 0,,30 x Nel caso ricerchiamo la probabilità di ottenere appena la sufficienza si ha ( ) (1 ) 18 ( ) p = p X (18) = Se invece vogliamo almeno la sufficienza, dobbiamo calcolare P [X 18]. Dato che { np = 30 1 nq = 30 1 = 15 5 = X ha distribuzione appr. N = 15 5 ( 15, 15 ) Quindi P [X 18] = P [X 17.5] = p con l interpolazione, facendo invece " la media aritmetica" p = Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 15
16 T denota il numero di prove di 30 domande ciascuna. Quando si avrà il superamento della prova con esattamente la sufficienza T è una v.c. di Pascal di parametro p = , quindi E[T] = 1 p , per passare la prova con esattamente la sufficienza bisogna fare mediamente l esame dalle 1 alle 13 volte. Se invece si avrà il superamento della prova con almeno la sufficienza T è una v.c. di Pascal di parametro p = = E[T] p = = E[T] Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 16
17 Sia 0 s 30 e 0 i 30 s allora ( ) 30 p S,I (s,i) = p s (1 p) 30 s s = ( 30 s ) ( 30 s i ( ) 30 s i ) (1 p s [ 1 (1 p) ] 30 s ) i ( ) 30 s i 1 = Scelto 0 s 30 e 0 i 30 s risulta p X (x) = = (s,i): s+i=x ( x s=0 30 x p S,I (s,i) = ) ( x s ) (s,i): i=x s [ ] 30 s 1 p p s = p S,I (s,x s) = Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 17
18 = ( 30 s ) s=0 ( ) 30 x x ( 1 p Ricordando il binomio di Newton ( ) x ( x 1 p p s s s=0 x s ) x s = ) ( ) x s 1 p p s. ( 1+p ) x si ha p X (x) = ( 30 x ) (1 p ) (30 x) ( ) x 1+p, con x = 0,1,..., 30. Pertanto X è una binomiale di parametri 30 e 1+p, di media E[X] = 30 1+p = 15(1+p). Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 18
19 Determiniamo, inoltre, uno stimatore di p con il metodo dei momenti: Calcoliamo E[ p] quindi p è corretto. X n = 15(1+p) = p = X n 15 E[ p] = stimatore di p. 15(1+p) 1 = p, Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 19
20 Esercizio 7. X 1, X...X n un campione casuale proveniente da una distribuzione rettangolare nell intervallo[0, ϑ] con ϑ > Si determini lo stimatore diϑcon il metodo dei momenti.. Si verifichi se tale stimatore è consistente. Risoluzione. L intervallo ha ampiezza ϑ 0 = ϑ, ne segue che la funzione di densità di probabilità della v.c. rettangolare X è f (x;ϑ) = { 1 ϑ se 0 x ϑ 0 altrove Per determinare lo stimatore di ϑ con il metodo dei momenti, bisogna risolvere l equazione µ 1 = M 1 = µ 1 = X n, rispetto a ϑ. Calcoliamo µ 1 = 0+ϑ = ϑ, sostituendo nell equazione precedente risulta X n uno stimatore di ϑ. Essendo E [ ] X n = ϑ, lo stimatore è non distorto. Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 0
21 Calcoliamo var [ X n ] = }{{} X i indip. 1 n n var[x i ] = 1 ϑ n n 3 = ϑ 3n. Ne segue quindi lo stimatore è consistente. [ (Xn lim E ϑ ) ] = lim n + n + ϑ 3n = 0, Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 1
22 Esercizio 8 (Tema d esame del 10/01/006 - E). SiaX 1, X...X n un campione casuale di ampiezzanestratto da una popolazione con densità di probabilità conϑ > 0. { ( ) f X (x,ϑ) = ϑ 1 x ϑ se0 x ϑ 0 altrove 1. Determinare uno stimatoret diϑcon il metodo dei momenti.. Stabilire se T è distorto e calcolarne l errore quadratico medio. Risoluzione. Individuiamo lo stimatore T del parametro ϑ, risolvendo rispetto a ϑ X n = E[X]. Calcoliamo quindi E[X] = ϑ 0 (1 ϑ x x ) dx = 1 ϑ 3 ϑ Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p.
23 X n = 1 3 ϑ = T = 3X n. Lo stimatore è non distorto, infatti, E [ 3X n ] = 3E [ Xn ] = 3 ϑ 3 = ϑ Calcoliamo, infine, l errore quadratico medio MSE[T] = var[t] = var [ ] var[x] 3X n = 9. n E [ X ] = ϑ Ne segue MSE[T] = ϑ n. 0 ϑ x( 1 x )dx = ϑ ϑ 6 = var[x] = ϑ 6 ϑ 9 = ϑ 18. Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 3
24 Esercizio 9 (Tratto dal tema d esame del 1/01/016-C6). SiaX 1,...,X n un campione casuale, di dimensionen, estratto da una distribuzione rettangolare uniforme sull intervallo[a, a]. 1. Determinare uno stimatoret 1 diacon il metodo dei momenti. Verificare se lo stimatore T 1 è distorto e calcolarne l errore quadratico mediomse[t 1 ].. Considerato poi lo stimatoret = 1 X X, verificare set è distorto e calcolarne l errore quadratico mediomse[t ]. 3. Supposton = 3, quale dei due stimatorit 1 et diaèpreferibile (giustificare la risposta)? T 1 = 3 X n T 1 non distorto MSE[T 1 ] = a 7n T non distorto MSE[T ] = 5a 16 T 1 preferibile Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 4
25 Esercizio 10. [Tema d esame del 04/07/006 - E1] SiaX 1,...,X 8 un campione aleatorio, di dimensione8, estratto da una distribuzione rettangolare uniforme sull intervallo[ 1, b], con b > 1. Si chiede: 1. determinare uno stimatoret 1 dibcon il metodo dei momenti;. determinare se lo stimatoret 1 sia distorto; 3. calcolare l errore quadratico mediomse[t 1 ]; 4. considerato poi lo stimatoret = 4X 8 X 3 X 5 +1, calcolarne l errore quadratico mediomse[t ]; 5. determinare quale dei due stimatorit 1 et dibsia preferibile, giustificando la risposta. T 1 = X n + 1 T 1 non distorto MSE[T 1 ] = (b+1) 4 MSE[T ] = (b+1) 3 T 1 preferibile Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 5
26 Esercizio 11. SiaX una variabile casuale normale con mediaµevarianzaσ. SianoX 1,X,X 3 le variabili casuali indipendenti descritte dalle tre determinazionix 1,x,x 3 di un campione casuale estratto da essa. Per stimare il parametro µ si considerano i due seguenti stimatori: X 3 = X 1 +X +X 3 3, T = 1 5 X X X Dire sex 3 et sono stimatori non distorti diµemotivare la risposta.. CalcolareMSE[X 3 ] emse[t] e stabilire quale tra i due stimatorix 3 et diµsia preferibile, motivando la risposta. X 3 non distorto T non distorto MSE[X 3 ] = σ 3 MSE[T] = 11σ 5 X 3 preferibile Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 6
27 Esercizio 1. [Tema d esame del 09/06/015 - C7] SiaX 1,...,X n un campione casuale di ampiezzan, estratto da una distribuzione continua uniforme nell intervallo[a,a+3] cona > 1. Determinare uno stimatore dia con il metodo dei momenti. [ T = X n 1 3 ] Esercizio 13. [Tema d esame del 3/06/014 - C3] SiaX 1,...,X n,n, un campione casuale estratto dalla funzione di densità di probabilità 3 f(x;θ) = 4θ x 0 < x < θ, θ 0 altrove, θ > 0. Determinare uno stimatoret diθ con il metodo dei momenti. [ T = 5 ] 6 X n Probabilità e Statistica - Esercitazioni - a.a. 017/018 Stima puntuale di parametri - Marco Pietro Longhi - p. 7
Probabilità e Statistica
Probabilità e Statistica Stima puntuale di parametri Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 018/019 Marco Pietro Longhi Prob. e Stat.
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 006/007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Ines Campa Probabilità e Statistica -
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
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
DettagliProbabilità e Statistica
Probabilità e Statistica - 05.12.2006 Cognome e Nome............................................................................... C. d. L.: AMBL CIVL CIVLS GESL INFL Anno di Corso: 1 2 3 altro Matricola...................................Firma...................................
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
DettagliProbabilità e Statistica Esercitazioni. a.a. 2017/2018. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Campionamento Marco Pietro Longhi Probabilità e Statistica - Esercitazioni
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliIntervalli di confidenza
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
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
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
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza
DettagliProbabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica
Probabilità e Statistica Esercitazioni a.a. 2009/200 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili casuali I Ines Campa Probabilità e Statistica - Esercitazioni
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 26 Giugno 2018 Scritto del 26-6 -18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliEsercitazione del 28/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 8/0/01 Istituzioni di Calcolo delle Probabilità David Barbato barbato@math.unipd.it Esercizio 1. Sia X una v.a. aleatoria assolutamente continua con densità f X data da { 0 x < 0 f X
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliProbabilità e Statistica Esercitazioni. a.a. 2017/2018. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica
Probabilità e Statistica Esercitazioni a.a. 207/208 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili casuali I Marco Pietro Longhi Probabilità e Statistica - Esercitazioni
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliEsercitazione del 19/02/2013 Istituzioni di Calcolo delle Probabilità
Esercitazione del 19/0/013 Istituzioni di Calcolo delle Probabilità David Barbato Variabili aleatorie esponenziali. Minimo di v.a. esponenziali indipendenti. Ricordiamo innanzitutto che due variabili aleatorie
DettagliProbabilità e Statistica
Probabilità e Statistica - 12.01.2016 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliStima puntuale. Stimare: attribuire un valore plausibile ad una grandezza. (parametro) non misurabile esattamente.
Stima puntuale Stimare: attribuire un valore plausibile ad una grandezza (parametro) non misurabile esattamente. Stimatore del parametro θ: ogni statistica T = t(x 1, X 2,..., X n ) utilizzata per stimare
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
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
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
DettagliStatistica 2. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo
Statistica 2 Esercitazioni Dott. L 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
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
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali Approssimazioni Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob.
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.
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliProbabilità e Statistica
Probabilità e Statistica - 11.06.2015 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliProbabilità e Statistica
Probabilità e Statistica - 21.03.2016 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
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 =
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
DettagliProbabilità e Statistica
Probabilità e Statistica - 10.12.2008 Cognome e Nome............................................................................... C. d. L.: AMBL CIVL CIVLS GESL INFL PPING Anno di Corso: 1 2 3 altro
Dettagli4. Stime & Test. Corso di Simulazione. Anno accademico 2008/09
Anno accademico 2008/09 Media campionaria X 1, X 2,..., X n v.c. indipendenti con distribuzione F, e: E[X i ] = µ Var[X i ] = σ 2, i = 1,..., n Media campionaria: X n è uno stimatore di µ. È uno stimatore
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
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 v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliStima Puntuale e per Intervallo. Stimatore e stima. Pietro Coretto Università degli Studi di Salerno
Stima Puntuale e per Intervallo Pietro Coretto pcoretto@unisa.it Università degli Studi di Salerno Corso di Statistica (01700010) CDL in Economia e Management Curriculum in Management e Informatica a.a.
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
DettagliX Vincita (in euro) Tabella 1: Vincite
Cognome e Nome:....................................... Matricola............. CdS............. CALCOLO DELLE PROBABILITA - 9 Giugno 1 CdS in STAD, SIGAD - docente: G. Sanfilippo Motivare dettagliatamente
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliStatistica Matematica A Docente: Dott. F. Zucca. II prova in itinere
Candidato Statistica Matematica A Docente: Dott. F. Zucca II prova in itinere Lecco 31/1/2005 Tempo a disposizione: 2h30 Cognome:......................... Nome:......................... Corso di Laurea:...................................................
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
DettagliModelli di Variabili Casuali Approssimazioni
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Modelli di Variabili Casuali Approssimazioni Marco Pietro Longhi Probabilità
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
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
DettagliPROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati
PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2017/2018 Probabilità e Statistica - Prova pratica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2017/201 Probabilità e Statistica - Prova pratica Nome... N. Matricola... Ancona, 1 febbraio 201 1. ( punti) Un azienda che produce relè elettrici
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
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
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 6 Abbiamo visto: Definizione di popolazione, di campione e di spazio campionario Distribuzione
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
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,
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
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,
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,
DettagliUniversità di Siena. Corso di STATISTICA. Parte seconda: Teoria della stima. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti
Università di Siena Corso di STATISTICA Parte seconda: Teoria della stima Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Master E 2 C Centro per lo Studio dei Sistemi Complessi Università di
DettagliIdentificazione dei Modelli e Analisi dei Dati 6/5/1993
Identificazione dei Modelli e Analisi dei Dati 6/5/1993 3. Siano date due V.C. X e Y, di cui è supposta nota la ddp congiunta. Sia Xˆ (Y) uno stimatore di X basato sull'osservazione di Y. Ci si prefigge
DettagliStatistica-UBG Statistica. Prof. Alessandro Fassò. ingegneria.unibg.it/fasso. CdL: Ing.Informatica emeccanica aa 2003/04
Statistica Prof. Alessandro Fassò ingegneria.unibg.it/fasso CdL: Ing.Informatica emeccanica aa 2003/04 2 a parte Inferenza Statistica Parte 2a -Stima p.1 Inferenza ecampionamento Popolazione: finita/infinita,
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2016/2017 Appello A - 27 Gennaio 2017 1 2 3 4 5 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliUniversità di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A
Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
DettagliEsercitazione Maggio 2019
Esercitazione 6 9 Maggio 019 Esercizio 1 E noto che la durata di un determinato tipo di Hard Disk per Server segue la legge esponenziale con media pari a 8 anni. a) Calcolare la probabilità che un Hard
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
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliPROVA SCRITTA DI STATISTICA. CLEA/CLEFIN/CLEMIT (cod. 5047/4038/371/377) 3 Novembre 2004 MOD. A
PROVA SCRITTA DI STATISTICA CLEA/CLEFIN/CLEMIT (cod. 547/438/37/377) 3 Novembre 4 MOD. A Esercizio N. (3 punti). Data la v.s. X avente funzione di densità: / x < 9/4 x < 3 f(x) = / 3 x < 7 / 7 x < 9 altrove
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
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
Dettagli