Esperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018"

Transcript

1 Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018

2 Esp-1 Prova in Itinere n. - - Page of 6 1/06/ (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento di misura diretta del volume di un corpo solido è costante e vale δ = 0. cm 3. Questa incertezza è dovuta alla determinazione dello zero della scala dello strumento. Con questo strumento si eseguono due misurazioni i cui risultati sono V 1 = 3.5 cm 3 e V = 35.6 cm 3. Trascurando gli altri eventuali contributi all incertezza delle misurazioni, si calcoli l incertezza sulla grandezza R = V 1 /V. Soluzione. [unc040] Le due misurazioni di volume si esprimono come: Il valore del rapporto R è: V 1 = (3.5 ± 0.) cm 3, V = (35.6 ± 0.) cm 3 R = V 1 V = = Poiché l incertezza è dovuta alla determinazione dello zero e le misure sono eseguite con lo stesso strumento è ragionevole assumere che le due misure siano correlate con coefficiente di correlazione prossimo a 1. Applicando la formula della propagazione delle incertezze si ottiene: ( ) ( ) R R u R = δ + δ + ρ R ( R R δ = δ + R ) (ρ = 1) V 1 V V 1 V V 1 V Tenendo conto che Si ottiene infine: In conclusione si ha: u R = ( ) R V 1 δ ( V V 1 V = 1 ( ) R V V ) = 0. R = ± = V 1 V = (1 Punti) Quesito. Nell esperimento in cui si misurano le caratteristiche di una molla con il metodo dinamico si confrontano i dati sperimentali con il modello matematico: T = 4π k (m + m eq) (1) dove m è la massa applicata alla molla e T il relativo periodo di oscillazione del sistema massa più molla. Il parametro m eq tiene conto della parziale partecipazione della massa della molla al moto oscillatorio. Nell esperimento sono stati acquisiti un certo numero di coppie di dati (T i, m i ). Alle coppie (T i, m i) si adatta tramite il metodo dei minimi quadrati la funzione lineare y = a + bx, con y = T e x = m. Le sommatorie del metodo dei minimi quadrati (con la notazione adottata nel corso) risultano avere i seguenti valori: S 0 = s 4, S x = kg s 4, S xx = kg s 4 Calcolare k e m eq con le loro incertezze. S y = s, S xy = kg s

3 Esp-1 Prova in Itinere n. - - Page 3 of 6 1/06/018 Soluzione. [unc039] La stima dei parametri a e b data dal metodo dei minimi quadrati si ottiene risolvendo il sistema: { S 0 a + S x b = S y S x a + S xx b = S xy Utilizzando la forma matriciale si ottiene: ( ) â = ˆb ( S0 S x S x S xx ) 1 ( Sy S xy ) = 1 ( Sxx S x S x S 0 ) ( Sy S xy ) dove = S 0 S xx (S x ) = è il determinante della matrice dei coefficienti delle incognite. Numericamente: ( ) ( ) ( ) ( ) â = ˆb = Da cui si ottiene: k = 4π = kg s, m eq = â = kg ˆb ˆb Dalla matrice di covarianza dei parametri, data dalla matrice inversa dei coefficienti, si calcolano le incertezze su k e m eq : ( ) ( ) 1 Var[a] Cov[a, b] S0 S = x Cov[b, a] Var[b] S x S xx per cui: e u meq in conclusione: =m eq (ua a = kg u k = k u b b = = kg s 1.98 ) + ( ua a ) + Cov[ab] = ab k = (0.6 ± 0.019) kg s, m eq = (0.008 ± ) kg 3. (1 Punti) Quesito. Le misure di una grandezza fisica x sono distribuite secondo una Breit-Wigner: f(x) = Γ Γ + (x x o ) Date due misure x 1, x della grandezza x, calcolare la stima di massima verosimiglianza del parametro Γ, supponendo noto il parametro x o. Per semplificare la notazione utilizzare le posizioni y 1 = x 1 x o, y = x x o.= Soluzione. [lkl005] La stima di massima verosimiglianza si ottiene massimizzando la funzione di verosimiglianza che nel caso in esame dipende da un unico parametro Γ. Ponendo come suggerito y 1 = x 1 x o e y = x x o, la funzione di verosimiglianza in questo caso si scrive: ( ) Γ Γ L(Γ) = ln Γ + y1 Γ + y = ln(γ + y1) ln(γ + y) + ln Γ

4 Esp-1 Prova in Itinere n. - - Page 4 of 6 1/06/018 Annullando la derivata rispetto a Γ si ha: d dγ L = Γ Γ + y1 Γ Γ + y + Γ = 0 da cui Γ [Γ + y 1 + Γ + y ] =(Γ + y 1)(Γ + y ) Γ 4 + Γ (y 1 + y ) =Γ 4 + Γ (y 1 + y ) + y 1y Γ = y 1 y = x 1 x o x x o 4. (1 Punti) Quesito. Si vuole verificare se due distinte sorgenti radioattive indicate con A e B abbiano la stessa attività. La sorgente A posta di fronte ad un contatore fa registrare 390 conteggi in 15 s. La sorgente B posta di fronte allo stesso contatore fa registrare 1187 conteggi in 45 s. Considerare verificata l ipotesi (le sorgenti hanno la stessa attività) se la differenza tra le attività misurate è contenuta nell intervallo di confidenza che contiene il livello di confidenza del 90%. Soluzione. [chi015] L attività dell sorgente A è: λ A = = 6.0 Cont./s Poiché i decadimenti radioattivi seguono la statistica di Poisson l incertezza dell attività della sorgente A è 390 u A = = Cont./s 15 Inoltre si può assumere che la distribuzione di λ A sia gaussiana per il limite della distribuzione di Poisson. Riassumendo per la sorgente A si ha: Per la sorgente B si ottiene in modo analogo: λ A = (6.0 ± 1.3) Cont.s/s λ B = = 6.37 Cont./s L incertezza dell attività della sorgente B è 1187 u B = = Cont./s 45 A maggior ragione si può assumere che la distribuzione di λ B sia gaussiana per il limite della distribuzione di Poisson. Riassumendo per la sorgente B si ha: λ B = (6.37 ± 0.77) Cont.s/s La differenza λ = λ A λ B tra le due attività, nell ipotesi che le due attività siano uguali, è una gaussiana con valore medio nullo e deviazione standard u A + u B = 1.5Cont./s. La variabile standardizzata z calcolata per i valori misurati è quindi: z = λ u A + u B = = Ricordando che l intervallo di confidenza in z che corrisponde ad un livello di confidenza del 90% è 1.96, si può ritenere verificata l ipotesi di uguaglianza dell attività delle due sorgenti.

5 Esp-1 Prova in Itinere n. - - Page 5 of 6 1/06/ (6 Punti) Quesito. Il risultato di un esperimento in cui la grandezza y è stata misurata in funzione della grandezza x è riportato nella figura assieme ad un fit quadratico a tre parametri (curva continua). Le incertezze delle misure non sono note ma si suppone che siano sono tutte uguali fra loro. Il fit del tipo y = a + bx + cx, è stato eseguito in modo non pesato (ovvero tutti i pesi sono stati presi uguali a 1) e sono stati stimati i tre parametri (a, b e c) della parabola. Nella tabella sono riportati i valori delle misure e i rispettivi valori attesi ottenuti da l fit. Stimare l incertezza delle misure y i, esplicitando sotto quali condizioni la stima è valida y y fit x y exp fit x Soluzione. [chi016] Indicando con u l incertezza, non nota, di ognuna delle misurazioni delle y i e ipotizzando inoltre che tali misure siano distribuite in modo normale si può scrivere il χ del fit ottenuto come: χ = 5 [y i y th (x i )] i=1 = 1.98 u u = 1 u [ ( ) + ( ) + ( ) + ( ) + ( ) ] = Con le ipotesi fatte, il valore atteso del χ è dato dal numero dei gradi di libertà che nel caso in esame è ν = 5 3 =. Quindi per la stima di u si può usare l equazione da cui: χ = 1.98 u = 1.98 u = = (6 Punti) Quesito. Enunciare e dimostrare la legge dei grandi numeri (nota anche come teorema di Bernulli).

6 Esp-1 Prova in Itinere n. - - Page 6 of 6 1/06/018 Soluzione. [prb006] Vedi il paragrafo 6.. degli appunti in rete. 7. (6 Punti) Quesito. La vita media di una lampadina è distribuita in modo normale con una deviazione standard σ = 5. ore Da un campione di 6 lampadine prese a caso è stata ottenuta una durata media di 1014 ore. Stimare l intervallo di confidenza del valore medio della popolazione di riferimento con il 99% di livello di confidenza. Soluzione. [coin003] Poiché è noto che la vita media delle lampadine esaminate è gaussiana con una deviazione standard σ = 5 h, l intervallo di confidenza relativo al campione di dimensione 6 si ottiene utilizzando la variabile normale standardizzata z definita come: z = d / 6 = d dove d indica la variabile aleatoria che descrive la durata di vita di una lampadina e 5/ 6 = 3.17 h è la deviazione standard della stima della media (1014 h). Dalle tabelle si ricava che l ampiezza in z dell intervallo che contiene il 99% di livello di confidenza è.581, quindi l intervallo cercato è: (µ µ ) = ( )h 8. (6 Punti) Quesito. La prova di funzionamento di un campione di 00 esemplari di un componente elettronico mostra che 19 di essi sono difettosi. Determinare l intervallo di confidenza con il 95% di livello di confidenza della frazione difettosa dell intera produzione del componente (molte decine di migliaia di pezzi). Soluzione. [coin004] L esito della prova del funzionamento dei 00 componenti è descritto da una distribuzione binomiale con stima di probabilità di successo ˆp = 19/00 = 0.095, stima del valore medio ˆµ = np = 19 e stima della varianza s = npq = 00(19/00)(181/00) = 17. (deviazione standard s = s = 4.1). La deviazione standard della stima ˆp è: s npq n = = 0.01 n Data la dimensione del campione si può assumere che la distribuzione della probabilità di trovare un componente difettoso sia normale con valore medio e deviazione standard Il livello di confidenza del 95% per una distribuzione normale standardizzata è contenuto nell intervallo di confidenza di ampiezza 1.96 in z. Nel caso in esame l intervallo di confidenza cercato è: ( ) = ( )

Esperimentazioni di Fisica 1. Prova in itinere del 16 giugno 2017 SOLUZIONI

Esperimentazioni di Fisica 1. Prova in itinere del 16 giugno 2017 SOLUZIONI Esperimentazioni di Fisica Prova in itinere del 6 giugno 07 SOLUZIONI Esp- Prova in Itinere n. - - Page of 7 6/06/07. Punti Quesito. Una livella di precisione digitale ha una risoluzione di 0.0. Nel manuale

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 9 luglio 2015 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 9 luglio 2015 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 9 luglio 2015 SOLUZIONI Esp-1 Prova di Esame Secondo appello - Page 2 of 8 09/07/2015 1. (12 Punti) Quesito. La grandezza y è aspettata dipendere in modo

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione

Dettagli

Stima dei Parametri. Capitolo 8

Stima dei Parametri. Capitolo 8 Capitolo 8 Stima dei Parametri Lo scopo dello studio dei fenomeni fisici è quello di scoprire le leggi che legano le grandezze oggetto di indagine e di misurare il valore delle costanti che compaiono della

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 5 luglio 2016 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 5 luglio 2016 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 5 luglio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 6 10/09/2015 1. 12 Punti) Quesito. Nella misura della costante di una molla con il

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 18 febbraio 2019 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 18 febbraio 2019 SOLUZIONI Esperimentazioni di Fisica 1 Prova d esame del 18 febbraio 2019 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 8 1. (12 Punti) Quesito. La misurazione della massa di una certa quantità di una sostanza liquida

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 8 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,

Dettagli

Corso di probabilità e statistica

Corso 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,

Dettagli

Un sistema massa-molla viene fatta oscillare su un piano orizzontale privo di attrito.

Un sistema massa-molla viene fatta oscillare su un piano orizzontale privo di attrito. ESPERIMENTAZIONI DI FISICA I - Appello d esame del 04/07/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Un sistema massa-molla viene fatta oscillare su un piano orizzontale

Dettagli

Esperimentazioni di Fisica 1. Prova in itinere del 15 febbraio 2017 SOLUZIONI

Esperimentazioni di Fisica 1. Prova in itinere del 15 febbraio 2017 SOLUZIONI Esperimentazioni di Fisica 1 Prova in itinere del 15 febbraio 2017 SOLUZIONI 64.4 mm Esp-1 Prova in Itinere - - Page 2 of 7 15/02/2017 1. (12 Punti) Quesito. Le misurazioni delle grandezze X e Y hanno

Dettagli

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta

L analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 9 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,

Dettagli

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

Distribuzione normale

Distribuzione normale Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata

Dettagli

Statistica Applicata all edilizia: Stime e stimatori

Statistica 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

Dettagli

Metodo dei Minimi Quadrati. Dott. Claudio Verona

Metodo dei Minimi Quadrati. Dott. Claudio Verona Metodo dei Minimi Quadrati Dott. Claudio Verona E in generale interessante studiare l andamento di una variabile in funzione di un altra e capire se c è una funzione matematica che le lega. Viceversa è

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016

Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,

Dettagli

Gli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana

Gli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un

Dettagli

Esperimentazioni di Fisica 1. Prova d esame del 22 gennaio 2019 SOLUZIONI

Esperimentazioni di Fisica 1. Prova d esame del 22 gennaio 2019 SOLUZIONI Esperimentazioni i Fisica 1 Prova esame el 22 gennaio 2019 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 7 22/06/2018 1. (12 Punti) Quesito. Una misura ell accelerazione i gravità in un certo luogo è eseguita

Dettagli

Distribuzione Normale

Distribuzione Normale Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di

Dettagli

Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità

Calcolo 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

Dettagli

Incertezza nelle misure indirette

Incertezza nelle misure indirette Capitolo 7 Incertezza nelle misure indirette 7.1 Propagazione delle incertezze Nel capitolo 3 abbiamo studiato come valutare l incertezza di una grandezza in una misurazione diretta, tuttavia raramente

Dettagli

Vedi: Probabilità e cenni di statistica

Vedi:  Probabilità e cenni di statistica Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità

Dettagli

Con questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo:

Con questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo: ESPERIMENTAZIONI DI FISICA I - Appello d esame del 1/09/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Si vuole fare una verifica sperimentale del valore numerico di π

Dettagli

Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche

Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in

Dettagli

UNIVERSITÀ 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 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,

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016

Tutorato 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,

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso

Dettagli

Ulteriori Conoscenze di Informatica e Statistica

Ulteriori 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

Dettagli

I appello di calcolo delle probabilità e statistica

I 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

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si

Dettagli

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009

MATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009 MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor

Dettagli

UNIVERSITÀ 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. 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,

Dettagli

Calcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)

Calcolo 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

Dettagli

Statistica Applicata all edilizia: il modello di regressione

Statistica Applicata all edilizia: il modello di regressione Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione

Dettagli

SCHEDA DIDATTICA N 7

SCHEDA DIDATTICA N 7 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

STATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I

STATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I STATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I Esercizio A. Indicando gli eventi D i ={l i-esimo pezzo estratto è difettoso} e D i ={l i-esimo pezzo estratto è buono}, le probabilità

Dettagli

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:

Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza

Dettagli

Dipartimento 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 ) 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

Dettagli

Introduzione al modello Uniforme

Introduzione 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

Dettagli

Note sulla probabilità

Note sulla probabilità Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )

Teoria 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

Dettagli

1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati.

1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. 1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. Per comprendere dei fenomeni fisici, non basta raccogliere buoni dati sperimentali, occorre anche interpretarli. Molto spesso lo scopo

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

Dettagli

Esercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 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

Dettagli

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi) CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON

Dettagli

Propagazione delle varianze, conosciuta come propagazione degli errori.

Propagazione delle varianze, conosciuta come propagazione degli errori. Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo

Dettagli

I conteggi in fisica. Appendice D. D.1 Urti di particelle

I conteggi in fisica. Appendice D. D.1 Urti di particelle Appendice D I conteggi in fisica Il conteggio di eventi è un importante modalità di indagine delle leggi che governano alcuni fenomeni fisici. In un esperimento di conteggio si raccolgono e analizzano

Dettagli

Stima puntuale di parametri

Stima 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 -

Dettagli

Facoltà 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 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

Dettagli

Esercitazione: La distribuzione NORMALE

Esercitazione: La distribuzione NORMALE Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle

Dettagli

Ulteriori Conoscenze di Informatica e Statistica

Ulteriori 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

Dettagli

7 - Distribuzione Poissoniana

7 - Distribuzione Poissoniana 7 - Distribuzione Poissoniana Probabilita' (poissoniana) o densita' di probabilita' (gaussiana) 0.7 Poisson, λ=0.5 Gaussiana, µ=λ=0.5, σ= 0.6 0.5 0.4 0.3 0.2 0.1 0 0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 n = numero

Dettagli

Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1

Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1 Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994

Dettagli

Esercizio 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: 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

Dettagli

Esercizi di statistica inferenziale

Esercizi di statistica inferenziale Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti

Dettagli

deve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).

deve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1). Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n

Dettagli

Elementi di. Statistica

Elementi di. Statistica Elementi di Statistica 1... diamo un senso cosa e la Fisica delle Particelle Elementari? Spiega il complesso mediante il semplice nel mondo dell infinitamente piccolo all attacco!!! applicando la ben nota

Dettagli

Lezione n. 1 (a cura di Irene Tibidò)

Lezione n. 1 (a cura di Irene Tibidò) Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di

Dettagli

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)

5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) 5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità

Dettagli

ESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito:

ESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito: ESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito: f(x) = K () dalla proprietà di chiusura: f x dx = 1 *) segue f(x)

Dettagli

Laboratorio di Fisica I Anno Accademico

Laboratorio di Fisica I Anno Accademico Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico

Dettagli

Il metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:

Il metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente

Dettagli

Statistica Metodologica

Statistica 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

Dettagli

Variabili 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 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

Dettagli

Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r

Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r 1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione

Dettagli

3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96.

3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96. Problema A Un pendolo e costituito da una massa di dimensioni trascurabili appesa a un filo considerato in estensibile, di massa trascurabile, lunghezza L, e fissato a un estremo. L Il periodo di oscillazione

Dettagli

APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD

APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentrazione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3

CORSO 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

Dettagli

Stima puntuale di parametri

Stima 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

Dettagli

PROBABILITÀ 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 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

Dettagli

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.

o Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata. Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono

Dettagli

ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE

ESERCITAZIONE 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

Dettagli

Analisi della correlazione canonica

Analisi della correlazione canonica Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di

Dettagli

UNIVERSITÀ DEGLI STUDI DI PERUGIA

UNIVERSITÀ 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

Dettagli

Esercitazione del

Esercitazione del Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36

Dettagli

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i

Dettagli

Teorema del Limite Centrale

Teorema del Limite Centrale Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione

Dettagli

Stima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.

Stima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c. Stima dei parametri Sia il carattere X rappresentato da una variabile casuale (v.c.) che si distribuisce secondo la funzione di probabilità f(x). Per investigare su tale carattere si estrae un campione

Dettagli

Statistica Inferenziale

Statistica 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

Dettagli

RICHIAMI DI CALCOLO DELLE PROBABILITÀ

RICHIAMI DI CALCOLO DELLE PROBABILITÀ UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due

Dettagli

STATISTICA E MODELLI DI DATI SPERIMENTALI

STATISTICA E MODELLI DI DATI SPERIMENTALI Problema 36 La variabile aleatoria X (di Laplace) è definita mediante la densità di probabilità: f x = Ae x, A R A > 0 a) Si calcoli il valore del parametro A affinché f x sia normalizzata. b) Si determini

Dettagli

Esercizi. 1. Sia X una variabile aleatoria normale N(3.2, 1.44). Calcolare

Esercizi. 1. Sia X una variabile aleatoria normale N(3.2, 1.44). Calcolare 1 E. Vitali Matematica (Scienze aturali) Esercizi 1. Sia X una variabile aleatoria normale (3.2, 1.44). Calcolare P (X 4.94), P (1 X 4). [0.9265, 0.715] 2. Sia X la variabile aleatoria che rappresenta

Dettagli

Nel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.

Nel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0. Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive

Dettagli

con distribuzione gaussiana standard e si ponga

con 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

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla

Dettagli

Variabili aleatorie n-dim

Variabili aleatorie n-dim Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice

Dettagli

MODELLI PROBABILISTICI E STATISTICI

MODELLI PROBABILISTICI E STATISTICI Prime due lettere del cognome: Nome e Cognome: MODELLI PROBABILISTICI E STATISTICI Prova di esame del 22 Luglio 2002 Consegnare solo questo foglio e assicurarsi che la logica delle risposte sia ben indicata,

Dettagli

Appunti di statistica ed analisi dei dati

Appunti di statistica ed analisi dei dati Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3

Dettagli

Laboratorio di Fisica I- Modulo I Anno Accademico 2018/2019 Esperienza di laboratorio n 3

Laboratorio di Fisica I- Modulo I Anno Accademico 2018/2019 Esperienza di laboratorio n 3 Laboratorio di Fisica I- Modulo I Anno Accademico 018/019 Esperienza di laboratorio n 3 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice GRUPPO

Dettagli

Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1

Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,

Dettagli

Calcolo 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 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

Statistica Corso di laurea in Biotecnologie I esonero - 23 aprile 2009

Statistica Corso di laurea in Biotecnologie I esonero - 23 aprile 2009 Statistica Corso di laurea in Biotecnologie I esonero - aprile 00 Esercizio Con riferimento a due fenomeni X e Y sono state annotate le seguenti osservazioni: X 5 Y 7 8 a) determinare il grado di correlazione

Dettagli

STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE

STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione

Dettagli