DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i
|
|
- Dario Barbieri
- 8 anni fa
- Visualizzazioni
Transcript
1 DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..; E n le cui robabilità sono: ; ;..; n tali che Σ i = eventi incomatibili: il verificarsi di uno di essi esclude il verificarsi contemoraneo di qualsiasi altro evento comlementari: uno di essi deve necessariamente verificarsi VALORE MEDIO DI UNA VARIABILE CASUALE M + n n ( X) = = + + n n i Il valore medio (o seranza matematica*, o valore atteso, o valore serato) di una variabile casuale è dato dalla somma dei rodotti dei valori che la variabile uò assumere er le risettive robabilità e quindi è la media onderata dei ossibili valori di. E. Calcolare il valore medio ottenibile nel lancio di un dado. = ; = ; = ; 4 = 4; 5 = 5; = M ( X) = = =, 5 7 * Il termine seranza matematica è storicamente legato ai giochi d azzardo. Un gioco si dice equo se la seranza matematica di ogni giocatore è nulla. E. Giocando alla roulette, untiamo una certa somma S su un numero e saiamo che, se il numero esce ritiriamo 5 volte la somma che abbiamo imegnato, se il numero non esce erdiamo quello che abbiamo untato. Qual è il valore atteso di questo gioco? /
2 I numeri della roulette sono 7, quindi ognuno di essi ha robabilità /7 di uscire e /7 di non uscire. Se il numero esce vinciamo una somma ari a 5S e se non esce erdiamo S. Il valore atteso = del guadagno che abbiamo giocando alla roulette è M( X) 5S S = S Si ha dunque un guadagno medio negativo; non aare allora conveniente giocare alla roulette untando su un numero ieno. SCARTO LINEARE DI UNA VARIABILE CASUALE Detto M(X) = m si definisce scarto (o scostamento o deviazione) la nuova variabile Y = X - m tale che M(Y) = M(X-m)= M(X) M(m)= m - m = 0. E: Calcolare lo scarto riferito all esercizio recedente e verificare la media dello scarto. y 7 = = 5 ; 7 y = = ; 7 y = = ; 7 y 4 = 4 = ; 7 y 5 = 5 = ; 7 = = 5 y ; M ( Y) = = VARIANZA: SCARTO AL QUADRATO scarti. Per evitare che gli scarti negativi annullino gli scarti ositivi si considerano i quadrati degli Si dice variabile casuale scarto al quadrato ( X m) la variabile casuale che assume i valori ( ) m ; ( ) m,.., ( m) n Si dice varianza della variabile casuale X il valore medio dello scarto quadrato ( X m) var [ ] ( X) = M( X m) = M( X ) M( X) La varianza è uguale alla differenza fra il valore medio della variabile casuale quadrato e il quadrato del valore medio. /
3 SCARTO QUADRATICO MEDIO DI UNA VARIABILE CASUALE Lo scarto quadratico medio (o scostamento, o deviazione quadratica media) è dato dalla radice quadrata del valore medio dei quadrati degli scarti lineari. σ = M [( X m) ] la conoscenza di σ è molto utile er revedere l amiezza dei valori dello scarto X-m E. Calcolare la media aritmetica, lo scarto lineare, lo scarto quadratico medio e la varianza con i seguenti dati:, 7, e 0 con robabilità 0,0; 0,5; 0, e 0,4 k k k k k -M ( k -M ) k ( k -M ) k ( k -M ) σ 0,0 0,90 -,7 8,07 -,85,4 7 0,5,75 -,7 4,7-0,54,8 0,,7,8 8,0 0,88,48 0 0,4,80 0,8 7,9,5,4 Totali,00 9,7 0,00,50 5, M M var Σ 9,7 i i ( X) = = = 9, 7 Σ ( X m) =Σ ( M) = 0 i i ( X ) = M( X m) = M( X ) M( X) σ = M m [( X ) ] = 5, [ ] =, 50 VALORE MEDIO NELLE PROVE RIPETUTE Se un evento E ha la robabilità costante di verificarsi in ogni rova, e di conseguenza l evento contrario ha robabilità q =, effettuando n rove nelle medesime condizioni, il /
4 numero delle volte l evento E si verifica costituisce una variabile casuale X, che uò assumere differenti valori ciascuno con una revista robabilità. M ( X) = n Quindi se un evento, su n rove effettuate nelle medesime condizioni, ha la robabilità costante in ogni rova, il valor medio del numero delle volte che l evento richiesto si verifica è dato dal rodotto del numero delle rove effettuate er la robabilità costante dell evento in ogni rova. E. Viene rietuto il lancio del dado er 00 volte, il numero delle volte che si resenterà il vale è M quindi su 00 rove effettuate il valore in media si resenterà 00 dado da ( ) = 00 = 00 volte. SCARTO NELLE PROVE RIPETUTE Se si rietono n rove, ciascuna di robabilità costante in ogni rova e l evento si resenta ν (frequenza) volte, si definisce scarto assoluto la differenza fra il numero ν delle volte che l evento si è resentato favorevole ed il numero medio M ( X) n = delle volte che l evento avrebbe teoricamente resentarsi. Indicando con s lo scarto assoluto si ha: s = ν - n Ricordiamo che il valore medio dello scarto assoluto è nullo cioè M(s) = 0. Il raorto fra lo scarto assoluto ed il numero delle rove effettuate si definisce scarto relativo ed è dato da: s n ν n = n ν = = n f ossia lo scarto relativo è dato dalla differenza fra la frequenza relativa con cui l evento si è resentato e la robabilità costante dell evento in ciascuna rova. Al crescere del numero n delle rove, f si avvicina ad un valore circa uguale a quello della s n robabilità a riori del verificarsi dell avvenimento. M = M( f ) = 0 4/
5 SCARTO QUADRATICO MEDIO NELLE PROVE RIPETUTE: σ = nq = n( ) VARIANZA NELLE PROVE RIPETUTE: var ( X ) = nq Continuando l esercizio recedente: Viene rietuto il lancio del dado er 00 volte, il numero delle volte che si resenterà il vale è dado da ( ) = 00 = 00 M quindi su 00 rove effettuate il valore in media si resenterà 00 volte, lo scarto quadratico medio sarà σ = n ( ) = 00 9, VARIABILI CASUALI CONTINUE Variabile casuale continua è qualsiasi variabile casuale che assume tutti i valori reali comresi in un dato intervallo limitato o illimitato. Diamo alcune definizioni: Funzione di riartizione: la funzione di riartizione F() della variabile casuale X esrime la robabilità che la variabile casuale assuma un valore non sueriore a. Cioè, si ha F( ) = Pr( X ) e valgono le medesime rorietà viste er le variabili casuali discrete, cioè: La funzione di riartizione è definita er qualsiasi valore (reale) di La funzione di riartizione assume valori comresi fra zero e essendo: F ( ) = 0 er a (valore minimo) F ( ) = er b (valore massimo) 5/
6 La funzione di riartizione è monotona non decrescente. F() 0 a b E. Consideriamo la variabile casuale X, continua, che assume tutti i valori reali aartenenti all intervallo [0; 0] e la cui funzione di densità è f() = 0,00. Con riferimento a questa variabile casuale calcoliamo la robabilità che essa assuma valore:. non sueriore a. sueriore a. non sueriore a 4. comreso fra 4 e 7 verifichiamo er rima cosa la condizione che la somma delle robabilità arziale è uguale alla 0 0 certezza: f ( ) d 0,00 d= 0,00 = 0,00 0 = Pr Pr Pr = 0 0 ( X ) = 0,00 d= 0 0 ( X > ) = 0,00 d= ( X ) = 0,00 d= 0 0,00 0,999 0, /
7 Pr 7 ( 4< X 7) = 0,00 d= 4 0,079 PARTICOLARI DISTRIBUZIONI DI PROBABILITA La distribuzione uniforme Si dice che la variabile aleatoria X ha distribuzione di robabilità uniforme se assume i valori,,,., n con robabilità,,., n tutte uguali fra loro. La distribuzione binomiale Si dice rova di Bernuilli un eserimento aleatorio che uò avere solo due esiti ossibili, convenzionalmente chiamati successo e insuccesso aventi robabilità di successo e q=- di insuccesso. Si dice rocesso di Bernouilli una sequenza di rove di Bernouilli tutte di uguale arametro e tra loro indiendenti. La robabilità k P( X = k) = che in un rocesso bernouilliano si verifichino k successi è data da k k n k = 0 q con k = 0,,,.., n E. Una moneta viene lanciata 0 volte e viene registrato il numero delle volte che esce testa. Tale numero è una variabile aleatoria discreta che uò assumere tutti i valori comresi tra 0 e 0; infatti su 0 lanci, l evento testa uò verificarsi 0 volte, volta,., 0 volte. La distribuzione di robabilità di questa variabile aleatoria si determina calcolando la robabilità che su 0 lanci esca testa 0 volte, volta,., 0 volte; se indichiamo con la robabilità che esca volte si ha 0 = 0 con 0 = 0!! ( 0 )! ,00 0,00 0,044 0,7 0,05 0,4 0,05 0,7 0,044 0,00 0,00 7/
8 con = grafico La funzione distribuzione di robabilità della variabile aleatoria X uò quindi essere descritta in forma analitica nel seguente modo: f n 0... altrove n ( ) = ( X = ) = q... er. = 0,,..., n e. La robabilità che su 0 estrazioni di una carta da un mazzo di 40 esca er tre volte un asso è: 0 4 = ,057 E. La robabilità che un tiratore non colisca il bersaglio è 0,08. Calcolare la robabilità che, su 0 tiri, ne fallisca 0,,,.., 0. La variabile aleatoria X è, in questo caso, il numero di tiri non andati a segno sui 0 fatti. = 0,08; q = 0, ( 0) = ( 0,08) ( 0,9) = 0, ( ) = ( 0,08)( 0,9) = 0, ( 5) = ( 0,08) ( 0,9) = 0, ( 0) = ( 0,08) ( 0,9) =,07 0 Il valore atteso è M(X) = 0 0,08 = 0,8 8/
9 La varianza è V(X) = 0 0,08 0,9 = 0,7 questo significa che mediamente ci si asetta che il tiratore sbagli al massimo un tiro su 0 fatti, con uno scarto da questo valore iuttosto basso. LA DISTRIBUZIONE DI POISSON Vedendo gli esemi recedenti se n è grande, la valutazione della robabilità binomiale richiede calcoli di una certa entità. In questi casi se è molto iccolo e se n tende ad infinito si uò ricorrere ad un altra distribuzione che rende il nome di distribuzione di Poisson. In tale distribuzione, la variabile X assume i valori 0,,,. La funzione distribuzione di robabilità di X assume la forma f( ) m m e... er. = 0,,,... =! 0... altrove Dove m è una costante ositiva che raresenta il arametro della distribuzione. Nel caso in cui questa distribuzione venga usata come arossimazione di quella binomiale, quindi er n molto grande e molto iccolo, il arametro m è dato dal valore atteso cioè dal rodotto n. Oltre che come arossimazione della distribuzione binomiale er n grande e iccolo, la distribuzione di Poisson regola molti fenomeni naturali a atto che questi risettino le seguenti condizioni: la robabilità che un evento si verifichi in un fissato intervallo di temo cresca con l amiezza dell intervallo. La robabilità che un evento si verifichi due volte nello stesso intervallo sia trascurabile risetto alla robabilità che si verifichi una sola volta. Il numero di eventi in intervalli disgiunti siano indiendenti. E. Vogliamo calcolare la robabilità che, lanciando due dadi insieme er volte, l evento esce un doio si verifichi 0,,,. volte. 9/
10 Sia X la variabile aleatoria che registra il numero di doia uscita del. La robabilità che in un lancio dei due dadi si verifichi un doio due è /, la robabilità che non si verifichi è 5/ ed inoltre n =. Se calcoliamo i valori di robabilità con la discussione binomiale (funzione di robabilità f ( ) = 5 ottiene er = n= = ) e con la distribuzione di Poisson (funzione di robabilità che si!! m, cioè f ( ) = e ) otteniamo Distrib. binomiale Distrib. Di Poisson 0 0, 0,8 0,7 0,8 0,87 0,84 0,00 0,0 4 0,04 0,05 5 0,00 0,00 0,000 0,00 Come si uò vedere la differenza fra la robabilità calcolata con la distribuzione binomiale e quella di Poisson diventa trascurabile al crescere dei valori assunti da X. E. In un ufficio ostale transitano, er un certo sortello mediamente 90 ersone ogni ora. Se l oeratore si deve allontanare 5 minuti, qual è la robabilità che non arrivino ersone in quei 5 minuti? Qual è la robabilità che arrivino ersone? Se allo sortello si resentano 90 ersone ogni ora, in 5 minuti si resentano mediamente = 7,5 ersone. 0/
11 Il numero di ersone che si resentano effettivamente in quei 5 minuti è una variabile aleatoria discreta che uò assumere i valori 0,,,. Tale variabile segue una distribuzione di Poisson in cui il arametro m vale 7,5; quindi la robabilità che non si resentino ersone allo sortello è ( 0) 0 ( 7,5) 7,5 4 f = ( X = 0) = e = 5,5 0 (robabilità molto bassa) 0! f ( ) = ( X = ) = ( 7,5)! e 7,5 = 0,04 VARIABILE CASUALE CON DISTRIBUZIONE GAUSSIANA Si tratta della variabile casuale continua che assume qualsiasi valore reale (da la cui funzione di densità, che indichiamo con il simbolo (), è definita come segue: ( ) = σ ( m) σ e π Dove m è il valore medio; σ è la varianza e σ è lo scarto quadratico medio. Essa diende dai due valori m e σ. a + ) e Dallo studio della funzione di densità ( ) della variabile casuale gaussiana si deduce che essa ha le seguenti caratteristiche: è simmetrica risetto alla retta =m assume il massimo valore uguale a in corrisondenza della media m ; σ π resenta due unti di flesso in corrisondenza di m σ ed m + σ ; è asintotica risetto all asse delle ascisse; l area sottesa dalla curva e delimitata dall asse ha valore ; il valore atteso e la deviazione standard sono rorio i arametri m e σ /
12 () andamento della funzione di densità () 0 m-σ m m+σ La sua tiica forma a camana è iù o meno concentrata risetto all asse = m, cioè er σ iccoli cresce il valore massimo e quindi la curva è iù alta e iù addensata all asse = m mentre er alti valori di σ la curva è iù bassa e distribuita. La robabilità che la variabile aleatoria assuma un valore che è comreso tra due articolari valori a e b è data dall area della regione di iano racchiusa dalla curva, dall asse delle ascisse e dalle rette =a e =b. Esemio: consideriamo la variabile aleatoria che raresenta il diametro delle sfere di acciaio rodotte da una macchina utensile e suoniamo di saere che le caratteristiche della macchina facciano ottenere sfere con un diametro di valor medio 0,5 cm e deviazione standard 0,0 cm; la curva teorica di robabilità ha in questo caso equazione f ( ) = 0,0 e π ( 0,5) ( 0,0) er valutare la robabilità che una sfera resa a caso dalla distribuzione abbia diametro comreso fra 0,475 cm 0,55cm, dobbiamo calcolare l area della arte di iano racchiusa dalla curva, dall asse delle ascisse e dalle rette di equazioni =0,475 e =0,55. Variabile casuale gaussiana standardizzata: con m = 0 e σ = la formula della distribuzione diventa Questa funzione π ( ) = e 0,9894 e assume il valore massimo in corrisondenza di = m = 0 e vale ; π resenta i due unti di flesso in corrisondenza di - e + () 0 /
CBM a.s. 2012/2013 PROBLEMA DELL UTILE DEL CONSUMATORE CON IL VINCOLO DEL BILANCIO
CM a.s. /3 PROLEMA DELL TILE DEL CONSMATORE CON IL VINCOLO DEL ILANCIO Il consumatore è colui che acquista beni er destinarli al rorio consumo. Linsieme dei beni che il consumatore acquista rende il nome
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliI punteggi zeta e la distribuzione normale
QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliProbabilità discreta
Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
DettagliSTATISTICA E PROBABILITá
STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliEsercizio 1. Svolgimento
Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliSessione live #2 Settimana dal 24 al 30 marzo. Statistica Descrittiva (II): Analisi congiunta, Regressione lineare Quantili.
Sessione lie # Settimana dal 4 al 30 marzo Statistica Descrittia (II): Analisi congiunta, Regressione lineare Quantili Lezioni CD: 3 4-5 Analisi congiunta Da un camione di 40 studenti sono stati rileati
DettagliTUTORIAL PORTAFOGLIO MANAGEMENT. Parte 1 Rischio e Rendimento
TUTORIAL PORTAFOGLIO MANAGEMENT Parte Rischio e Rendimento Quando si tratta di investire del denaro ci si rosettano diverse combinazioni di rischio e rendimento. Maggiore è il rischio cui ci si esone,
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliCOMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica
COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliE chiaro allora che, rappresentando l evento impossibile e quello certo le due situazioni limite, per un qualunque evento si avrà:
CORSO ELEMENTARE SULLA PROBABILITA Eserimento aleatorio: ogni fenomeno del mondo reale il cui svolgimento è accomagnato da un certo grado di incertezza. rova (tentativo) singola esecuzione di un ben determinato
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCosa dobbiamo già conoscere?
Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire
DettagliVademecum studio funzione
Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliProbabilità e statistica
Indice generale.probabilità ed eventi aleatori....come si può definire una probabilità....eventi equiprobabili....eventi indipendenti, eventi dipendenti....eventi incompatibili....eventi compatibili....probabilità
DettagliUna proposizione è una affermazione di cui si possa stabilire con certezza il valore di verità
Logica 1. Le roosizioni 1.1 Cosa studia la logica? La logica studia le forme del ragionamento. Si occua cioè di stabilire delle regole che ermettano di assare da un'affermazione vera ad un'altra affermazione
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliCapitolo Ventitrè. Offerta nel breve. Offerta dell industria. Offerta di un industria concorrenziale Offerta impresa 1 Offerta impresa 2 p
Caitolo Ventitrè Offerta dell industria Offerta dell industria concorrenziale Come si combinano le decisioni di offerta di molte imrese singole in un industria concorrenziale er costituire l offerta di
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliRipasso di microeconomia ECONOMIA E FINANZA PUBBLICA. Teoria del consumatore. Lezione n. 1. Teoria del consumatore. Le preferenze.
Università degli Studi di erugia Corso di Laurea Magistrale in Scienze della olitica e dell'mministrazione Lezione n. Riasso di microeconomia CONOMI FINNZ ULIC nza Caruso Le referenze Come i consumatori
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliTrigonometria (tratto dal sito Compito in classe di Matematica di Gilberto Mao)
Trigonometria (tratto dal sito Comito in classe di Matematica di Gilberto Mao) Teoria in sintesi Radiante: angolo al centro di una circonferenza che sottende un arco di lunghezza rettificata uguale al
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliPROBLEMI DI SCELTA. Problemi di. Scelta. Modello Matematico. Effetti Differiti. A Carattere Continuo. A più variabili d azione (Programmazione
1 PROBLEMI DI SCELTA Problemi di Scelta Campo di Scelta Funzione Obiettivo Modello Matematico Scelte in condizioni di Certezza Scelte in condizioni di Incertezza Effetti Immediati Effetti Differiti Effetti
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
DettagliMATEMATICA 5 PERIODI
BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliUlteriori problemi di fisica e matematica
Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso
DettagliFondamenti e didattica di Matematica Finanziaria
Fondamenti e didattica di Matematica Finanziaria Silvana Stefani Piazza dell Ateneo Nuovo 1-20126 MILANO U6-368 silvana.stefani@unimib.it 1 Unità 9 Contenuti della lezione Operazioni finanziarie, criterio
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
Dettagli(concetto classico di probabilità)
Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi
DettagliI NUMERI INDICI. Numeri indici indici (misurano il livello di variabilità, concentrazione, dipendenza o interdipendenza, ecc.)
NUMER NDC Numeri indici indici (misurano il livello di variabilità, concentrazione, diendenza o interdiendenza, ecc.) si utilizzano er confrontare grandezze nel temo e nello sazio e sono dati dal raorto
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliPunto 1 Dopo aver scelto come unità di misura (dm), dai dati si ricava che la curva deve passare per i punti, B C e D
Problema 1: Il porta scarpe da viaggio Risoluzione Punto 1 Dopo aver scelto come unità di misura (dm), dai dati si ricava che la curva deve passare per i punti, B C e D a) L' equazione è da scartare perchè
DettagliIndicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:
PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando
DettagliIl prodotto di tre numeri in progressione aritmetica è 16640, il più piccolo è 20. Calcolare i tre numeri.
Scrivi i primi termini delle seguenti successioni: =1; =; = + Individua la legge che genera ognuna delle seguenti successioni: -1,, -, 4, -5, In una progressione aritmetica la somma del primo, quarto,
DettagliLe funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1
Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato
DettagliDistribuzioni discrete
Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione
DettagliStudio grafico analitico delle funzioni reali a variabile reale y = f(x)
Studio grafico analitico delle funzioni reali a variabile reale y = f() 1 Ecco i passi utili allo studio di una funzione reale: Determinare il dominio della funzione Ricercare l eventuale intersezione
DettagliLA STATISTICA E IL CALCOLO DELLE PROBABILITÀ
LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e
Dettaglia) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1
LE FUNZIONI EALI DI VAIABILE EALE Soluzioni di quesiti e problemi estratti dal Corso Base Blu di Matematica volume 5 Q[] Sono date le due funzioni: ) = e g() = - se - se = - Determina il campo di esistenza
DettagliApplicazioni del calcolo differenziale allo studio delle funzioni
Capitolo 9 9.1 Crescenza e decrescenza in piccolo; massimi e minimi relativi Sia y = f(x) una funzione definita nell intervallo A; su di essa non facciamo, per ora, alcuna particolare ipotesi (né di continuità,
DettagliLe variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliPROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI
statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore
DettagliPer poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.
Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo
DettagliFunzione reale di variabile reale
Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
DettagliLEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.
7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliSe si insiste non si vince
Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
Dettagli