Matematica Applicata L-A Definizioni e teoremi
|
|
- Anna Maria Baldini
- 7 anni fa
- Visualizzazioni
Transcript
1 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 tenute dalla prof. Nibbi, raccolte da Francesco Conti
2 Probabilità Definizione 1 - Spazio campionario ed evento Lo spazio campionario di un esperimento è l insieme di ogni possibile risultato, un evento è un qualunque suo sottoinsieme. Definizione 2 - σ-algebra di eventi Chiamiamo σ-algebra di eventi χ una famiglia di eventi sottoinsieme dello spazio campionario S tale che (i), S χ (ii) A χ A χ (iii) A, B χ A + B χ Definizione 3 - Probabilità Sia S uno spazio campionario, χ una σ-algebra di eventi su S. Definiamo probabilità un applicazione P : χ R + che associa A P (A) (dove A χ) tale che (i) P (A) 0, A χ (ii) P (S) = 1 (iii) P ( A i ) = P (A i ) se A i A j =, i j. Definizione 4 - Spazio di probabilità Si definisce spazio di probabilità una terna (S, χ, P ) dove S è uno spazio campionario, χ una σ-algebra di eventi, P una probabilità. Teorema 1 - Proprietà della probabilità (i) P (A) = 1 P (A) (ii) P (A) P (B) (iii) P (A + B) = P (A) + P (B) P (AB) (iv) P (A + B) P (A) + P (B) (v) Disuguaglianza di Bonferroni: P (AB) P (A) + P (B) 1 Francesco Conti 1
3 Definizione 5 - Probabilità di eventi equiprobabili Se gli eventi elementari sono equiprobabili con probabilità p, sono n e l evento A ha cardinalità K, P (A) = K n Definizione 6 - Probabilità condizionata Sia (S, χ, P ) uno spazio di probabilità, A, B due eventi con P (B) > 0. Si definisce probabilità condizionata dell evento A dato B P (A B) = P (AB) P (B) Teorema 2 - Regola di moltiplicazione P (A 1 A 2 A n ) = P (A 1 )P (A 2 A 1 ) P (A n A 1 A n 1 ) Teorema 3 - Teorema della probabilità totale Sia (S, χ, P ) uno spazio di probabilità e {A i } una partizione nello spazio campionario S con P (A i ) > 0, i. Allora per ogni evento B, P (B) = i P (B A i )P (A i ) Dimostrazione. Infatti B = BS = B( i A i) = i BA i con (BA i )(BA j ) = i j. Dunque P (B) = P ( BA i ) = P (B A i )P (A i ) per la regola di moltiplicazione. Teorema 4 - Formula di Bayes Siano A, B eventi con P (A) > 0, P (B) > 0. Allora P (A B) = P (B A)P (A) P (A) Teorema 5 - Teorema di Bayes Sia (S, χ, P ) uno spazio di probabilità e {A i } una partizione dello spazio campionario S con P (A i ) > 0, i. Allora, per ogni evento B con P (B) > 0, P (A k B) = P (B A k)p (A k ) i P (B A i)p (A i ) Francesco Conti 2
4 Dimostrazione. Infatti per la formula di Bayes e per il teorema della probabilità totale (rispettivamente) P (A k B) = P (B A k)p (A k ) P (B) = P (B A k)p (A k ) P (B Ai )P (A i ) Definizione 7 - Eventi indipendenti Siano A, B due eventi. A e B si dicono indipendenti se P (AB) = P (A)P (B) Francesco Conti 3
5 Variabili aleatorie Definizione 8 - Variabile aleatoria Sia (S, χ, P ) uno spazio di probabilità, s S. Diciamo variabile aleatoria un applicazione X : S R, X : s X(s) R, tale che x R, {s S : X(s) x} χ. Se lo spazio campionario è discreto, ogni applicazione è una variabile aleatoria. Definizione 9 - Funzione di probabilità discreta { P ({X x P X (x) = k } k = 1,..., n Definizione 10 - Funzione di distribuzione o di ripartizione F X (x) = P ({X x}) Teorema 6 - Proprietà della funzione di distribuzione 0 F X (x) 1 x 1 < x 2 F X (x 1 ) F X (x 2 ) P ({X > x}) = 1 F X (x) P ({a < X b}) = F X (b) F X (a) lim F X(x) = 0 x lim F X(x) = 1 x + F (x) è continua a destra P ({X = x}) = F X ( x) F X ( x ) Definizione 11 - Funzione di densità + x f X 0 f X (t) dt = 1 f X (t) dt = F X (x) Francesco Conti 4
6 Teorema 7 - Proprietà della funzione di densità F X(x) = f X (x) Definizione 12 - Media o speranza matematica E[X] = i x i P X (x i ) (caso discreto) E[X] = + xf X (x) dx (caso continuo) Teorema 8 - Proprietà dell operatore media E[aX + B] = ae[x] + b E[λ 1 g 1 (X) + λ 2 g 2 (X)] = λ 1 E[g 1 (X)] + λ 2 E[g 2 (X)] g(x) 0 E[g(X)] 0 h(x) g(x) E[h(X)] E[g(X)] Definizione 13 - Varianza Var(X) = E[(X E[X]) 2 ] Var(X) = i (x i E[X]) 2 P X (x i ) (caso discreto) Var(X) = + (x E[X]) 2 f X (x) dx (caso discreto) Teorema 9 - Definizione alternativa di varianza Var(X) = E[X 2 ] E[X] 2 Teorema 10 - Disuguaglianza di Chebyshev ({ P X E[X] }) η Var(X) η 2, η > 0 ({ X }) P E[X] < η 1 Var(X) η 2, η > 0 Francesco Conti 5
7 Teorema 11 - Proprietà della varianza Var(aX + b) = a 2 Var(X) Teorema 12 - Disuguaglianza di Markov ({ }) P X η E[X] η, η > 0 Definizione 14 - Distribuzione binomiale X B(n, p) Modello di un esperimento con n prove indipendenti di probabilità p con lo schema successo - insuccesso. ( ) n p k (1 p) n k k = 0, 1,... p X (k) = k E[X] = np Var(X) = np(1 p) Definizione 15 - Distribuzione di Poisson X Poiss(λ) Approssimazione della binomiale per n grande e p piccolo. λ λk e k = 0, 1,... p X (k) = k! E[X] = λ Var(X) = λ È una buona approssimazione quando n 20 e p 0, 05, oppure n 100 e np 10. Definizione 16 - Distribuzione binomiale negativa X Bneg(p, l) Modello di esperimenti indipendenti con schema successo/insuccesso e probabilità p; la v.a. indica il numero di prove per ottenere l successi ( ) k 1 p l (1 p) k l k > l p X (k) = l 1 Francesco Conti 6
8 Definizione 17 - Distribuzione ipergeometrica X Ig(N, L, n) Modello successo-insuccesso con n prove su N elementi senza reimmissione, L è il numero di elementi con successo. ( L N L ) K)( n k ( p X (k) = N 0 k L, 0 n k N L n) E[X] = n L N = np Definizione 18 - Distribuzione uniforme X U(a, b) 1 a x b f X (x) = b a E[X] = a + b 2 (b a)2 Var(X) = 12 0 x < a x a F X (x) = a x b b a 1 x < b Definizione 19 - Distribuzione esponenziale X Exp(λ) { λe λx x > 0 f X (x) = 0 x 0 E[X] = 1 λ F X (x) = Var(X) = 1 λ 2 { 1 e λx x > 0 0 x 0 Se e solo se X è esponenziale, gode della proprietà di assenza di memoria: P (X > t + s X > t) = P (X > s) Francesco Conti 7
9 Definizione 20 - Distribuzione normale X N(µ, σ 2 ) f X (x) = 1 e (x µ)2 2σ 2 2πσ E[X] = µ Var(X) = σ 2 F X (x) = x Φ (x) = 1 2π x 1 e (y µ)2 2σ 2 dy 2πσ e y2 2 F X (x) = Φ ( x µ σ ) dy Teorema 13 - Teorema di De Moivre - Laplace Per n +, ( ) P (X x) Φ x np np(1 p) È una buona approssimazione per np(1 p) 10 o np 5 e n(1 p) 5. Definizione 21 - Distribuzione log-normale X LogN(λ, ξ) (log x λ) f X (x) = 2πξ x e 2ξ 2 x > 0 0 x 0 E[X] = e ξ2 +2λ 2 Var(X) = e 2λ+ξ2 (e ξ2 1) Francesco Conti 8
Statistica 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
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
Dettagli4.1 Variabili casuali discrete e continue, e loro distribuzioni
4 Variabili casuali 4.1 Variabili casuali discrete e continue, e loro distribuzioni Nel Capitolo di Statistica Descrittiva abbiamo chiamato variabile una quantità numerica che vegna rilevata o misurata.
DettagliCorsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre Gennaio 2001
Corsi di Laurea in Ingegneria Civile e Edile Analisi Matematica II e Probabilita Lezioni A.A. 2000/01, prof. G. Stefani 9 Ottobre 2000-28 Gennaio 2001 1 Nona settimana 76. Lun. 4 Dic. Generalita. Spazi
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
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
DettagliNozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3
Indice Nozioni preliminari... 1 Notazioni... 1 Alcunirichiamidianalisimatematica... 3 Sommeinfinite... 3 1 Spazi di probabilità discreti: teoria... 7 1.1 Modelli probabilistici discreti..... 7 1.1.1 Considerazioni
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 11, Probabilità
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliEsame di AM2 & EAP (270/04) a.a. 2009/10
Quarto appello del 16 Luglio 2010 1. Un urna contiene delle palline numerate e distribuite in seguente maniera: Vengono estratte due palline senza rimpiazzo e siano X e Y rispettivamente il numero della
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
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
Dettagli1 Eventi. Operazioni tra eventi. Insiemi ed eventi. Insieme dei casi elementari. Definizione di probabilità.
Quella che segue e la versione compatta delle slides usate a lezioni. NON sono appunti. Come testo di riferimento si può leggere Elementi di calcolo delle probabilità e statistica Rita Giuliano. Ed ETS
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 12, Modelli Probabilistici
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliARGOMENTI TRATTATI NEL CORSO DI ANALISI II
ARGOMENTI TRATTATI NEL CORSO DI ANALISI II ANALISI Limiti Curve Convergenza di una successione di punti Definizione di limite Condizione necessaria e condizione sufficiente all esistenza del limite in
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliAlCOlO ~ Of llf PRO~A~lllTA. f UlllONf ITAllANA A C~RA APCISEO. UI MARCO f f RRANH f ~ARlO MARICON~A INV: ~;~... I.2.~~9... ~...
AlCOlO ~ Of llf PRO~A~lllTA f UlllONf ITAllANA A C~RA UI MARCO f f RRANH f ~ARlO MARICON~A ISTITUTO UNIVERSITARIO ARCHITETTURA VENEZIA - IAEA SERYlZl BIBLIOGRAFICI E DOCUMENI~I INV: ~;~... I.2.~~9....
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
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
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliIntroduzione generale. Cenni storici. 1 Problema di de Mèrè e soluzione. martedì 27 febbraio 2007
Corso di Calcolo delle probabilità - SIGAD -A.A. 2007/2008 Registro provvisorio delle Lezioni tenute da: Giuseppe Sanfilippo Settimana Giorno Lezione Lez N. Argomento Effettuata =SI Introduzione generale.
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
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,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliDistribuzione Gaussiana o Normale. 1 Distribuzione Normale come limite della Binomiale
Statistica e analisi dei dati Data: 6 Maggio 26 Distribuzione Gaussiana o Normale Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi Distribuzione Normale come limite della Binomiale Data una distribuzione
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 4
X N(m ; s ) f X x 1 e π σ xμ σ σ 0 m F X x x 1 π σ e tμ σ dt 1 0.5 EX μ VarX σ m La distribuzione normale permette di modellizzare moltissimi fenomeni aleatori (ad esempio misure di ogni genere), serve
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 5 maggio 007 Varabili aleatorie continue, distribuzioni continue e funzione generatrice di momenti. Esercizio Dimostrare la mancanza di memoria della
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
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
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
DettagliCENNI SULLE VARIABILI ALEATORIE INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ
CENNI SULLE VARIABILI ALEATORIE... 1 INTRODUZIONE ALLA TEORIA DELLE PROBABILITÀ... APPROFONDIMENTO SULLA TEORIA DELLE PROBABILITÀ... 3.1 Teorema della probabilità dell evento complementare... 3. Teorema
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 =
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliDisuguaglianza di Cramér-Rao
Disuguaglianza di Cramér-Rao (Appunti per gli studenti Silvano Holzer Dipartimento di Scienze Economiche, Aziendali, Matematiche e Statistiche Bruno de Finetti Università degli studi di Trieste Un esperimento
DettagliUniversità di Siena. Corso di STATISTICA. Parte prima: Probabilità e variabili aleatorie. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti
Università di Siena Corso di STATISTICA Parte prima: Probabilità e variabili aleatorie Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Master E 2 C Centro per lo Studio dei Sistemi Complessi Università
DettagliMetodi Matematici Probabilità e Statistica. Correzione Compitino del
Metodi Matematici Probabilità e Statistica Correzione Compitino del.4.04 nota: Una sola risposta è esatta. 4 punti per una risposta esatta, -2 per una sbagliata, 0 per una non data. Gli esercizi sono divisi
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliVariabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia
Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2
DettagliCapitolo 5. Variabili casuali discrete
Capitolo 5 Variabili casuali discrete Come già anticipato nel paragrafo 3, nella teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable) può essere
DettagliVedi: 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
DettagliSESSIONE SUPPLETIVA QUESTIONARIO QUESITO 1
www.matefilia.it SESSIONE SUPPLETIVA 015 - QUESTIONARIO x QUESITO 1 Data la funzione integrale ln(t) dt, determinare per quali valori di x il suo grafico 1 incontra la retta di equazione y = x + 1. Calcoliamo
DettagliTeoria dei Segnali 1
Formulario di Teoria dei Segnali 1 Parte 2: Teoria della Probabilità 1 This documentation was prepared with LATEX by Massimo Barbagallo formulario di teoria dei segnali 1 Teoria della probabilità Denizioni
DettagliCalcolo delle probabilità e statistica
Grazia Vicario Raffaello Levi Calcolo delle probabilità e statistica per 1ngegner1 - GO... PROGenO 00 LeoNARDO BOLOGNA r r, ) - Universi!a' IU~V Venezia DEPCIA w 1852 BIBLIOTECA G.ASTENGO G. Vicario~ R.
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliSTATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 1 29.01.2014 Dott.ssa Antonella Costanzo Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa)
Dettaglilancio di una moneta, possibilità di testa o croce lancio di un dado, possibilità di ottenere una delle 6 facce del dado
1 La probabilità Prima di dare una definizione di probabilità vediamo che cosa intendiamo con evento casuale. Quando parliamo di caso? Nelle situazioni, osservazioni, esperimenti, nelle quali non si ha
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliEsame di Probabilità e Statistica del 17 giugno 2010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 17 giugno 010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliCalcolo delle Probabilità A.A. 09/10 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo
Calcolo delle Probabilità A.A. 09/10 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente G. Sanfilippo http://www.unipa.it/~sanfilippo sanfilippo@unipa.it 20 maggio
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliDistribuzione esponenziale. f(x) = 0 x < 0
Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1
DettagliDistribuzioni di Probabilità e Statistica Inferenziale
Distribuzioni di Probabilità e Statistica Inferenziale Massimiliano Ferrara, Francesco Strati massimiliano.ferrara@unirc.it - francesco.strati@unirc.it a.a. 2016/2017 ii Indice 1 RICHIAMI SULLE VARIABILI
Dettagli7.6. Distribuzione Esponenziale. Un n.a. continuo X con densità di probabilità
7.6 Distribuzione Esponenziale. 111 7.6. Distribuzione Esponenziale. Un n.a. continuo X con densità di probabilità { λe λx se x, (76) f(x) = se x
Dettaglib = 1 2σ 3. La lunghezza di una barra è un numero aleatorio X con densità della forma 0, x 0, 0 < x 1 a = 1 F (x) = 2 2x 1 x2
CALCOLO DELLE PROBABILITÀ E STATISTICA - 0 gennaio 2002 Informatica (N.O.) (Canali 4) esercizi -4 Vecchio Ordinamento esercizi -6. Da un lotto contenente 4 pezzi buoni e 2 difettosi si estraggono senza
DettagliDistribuzione di Probabilità
Distribuzione di Probabilità Sia X variabile con valori discreti X 1, X 2,..., X N aventi probabilità p 1, p 2,..., p N ( i p i = 1) (X variabile discreta aleatoria, o stocastica, o casuale, random) Funzione
DettagliModelli lineari generalizzati
Modelli lineari generalizzati Estensione del modello lineare generale Servono allo studio della dipendenza in media di una variabile risposta da una o più variabili antecedenti Vengono attenuate alcune
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
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
Dettagli1 Valore atteso o media
1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è
DettagliRichiami di calcolo delle probabilità
Appunti di Inferenza Statistica Richiami di calcolo delle probabilità Roberta Pappadà Nicola Torelli Università degli Studi di Trieste DEAMS Corso di laurea in Statistica e Informatica per l Azienda, la
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
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.
DettagliL assegnazione è coerente? SÌ NO. A e B sono stocasticamente indipendenti? SÌ NO
CALCOLO DELLE PROBABILITÀ - gennaio 00 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati Nuovo Ordinamento esercizi -4. Vecchio Ordinamento esercizi -6..
DettagliFacoltà di AGRARIA anno accademico 2009/10
Facoltà di AGRARIA anno accademico 2009/10 Attività didattica MATEMATICA E STATISTICA [AG0233], MATEMATICA E STATISTICA [AG0233] Periodo di svolgimento: Primo Semestre Docente titolare del corso: FREDDI
Dettagli4.4. DEVIAZIONI DALLA MEDIA 41
4.4. DEVIAZIONI DALLA MEDIA 4 4.4. Deviazioni dalla media Il valore atteso E(X) di una variabile aleatoria X dà un idea di quanto ci possiamo aspettare, ma abbiamo già visto che non è esattamente il valore
DettagliStatistica descrittiva I. La frequenza
Statistica descrittiva I. La frequenza Supponiamo di ripetere n volte un esperimento che può dare esito 0 o 1, il numero di uni su n ripetizioni è detto frequenza di 1: f 1,n = #{esperimenti con esito
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
DettagliElementi di calcolo delle probabilità
Capitolo 5 Elementi di calcolo delle probabilità Come si è visto nel capitolo 3 la misura di una grandezza fisica è sempre affetta da errori il cui valore è, entro certi limiti, inconoscibile ovvero c
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 88 La variabile aleatoria Nello
DettagliDistribuzione di Poisson
Distribuzione di Poisson Si dice che un numero aelatorio X ha una distribuzione di Poisson 9 di parametro 2 R +,esiindica X P( ), se valgono le seguenti condizioni, con ) X 2 N 0 = {0,, 2, 3,...,n,...};
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
Dettaglii=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E
2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2015/2016 www.mat.uniroma2.it/~caramell/did 1516/ps.htm 01/03/2016 - Lezioni 1, 2 [Caramellino] Breve introduzione al corso. Fenomeni
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliPROGRAMMA DI CALCOLO DELLE PROBABILITÀ(1 o modulo) periodo: I Semestre, A. A. 2002/03 docente: Giovanna Nappo, (ufficio n.109, tel.
PROGRAMMA DI CALCOLO DELLE PROBABILITÀ(1 o modulo) periodo: I Semestre, A. A. 2002/03 docente: Giovanna Nappo, (ufficio n.109, tel. 49913262, e-mail: nappo@mat.uniroma1.it) Prerequisiti: Nozioni di base
Dettagli0 z < z < 2. 0 z < z 3
CALCOLO DELLE PROBABILITÀ o - 7 gennaio 004. Elettronica : 4; Nettuno: 3.. Data un urna di composizione incognita con palline bianche e nere, sia K = il numero di palline bianche nell urna è il doppio
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliCAPITOLO 9. Vettori Aleatori
CAPITOLO 9 Vettori Aleatori 9 9 Vettori Aleatori 3 9 Vettori Aleatori In molti esperimenti aleatori, indicando con Ω l insieme dei possibili risultati, al generico risultato dell esperimento, ω Ω, sono
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliCalcolo delle Probabilità Soluzioni 1. Spazio campionario ed eventi
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliScheda n. 11: preliminari su variabili esponenziali e di Poisson
Scheda n. 11: preliminari su variabili esponenziali e di Poisson January 3, 2009 1 Premessa: variabili di Bernoulli e binomiali Definition 1 Dato p [0, 1], una v.a. discreta X che assume solo i valori
DettagliIntroduzione all inferenza statistica, II lezione
T (X) è sufficiente? (2) Introduzione all inferenza statistica, II lezione Carla Rampichini Dipartimento di Statistica Giuseppe Parenti - Firenze - Italia carla@ds.unifi.it - www.ds.unifi.it/rampi/ TEOREMA
Dettagli