* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Размер: px
Начинать показ со страницы:

Download "* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *"

Транскрипт

1 * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che gl event possono essere nterpretat come sottonsem dello spazo camponaro e abbamo defnto la funzone d probabltà come funzone che assegna agl event un numero reale compreso fra e. In analoga a quanto abbamo vsto per la rlevazone d dat spermental, ntroducamo la nozone d varable aleatora (o varable casuale), quella d denstà d probabltà (o d dstrbuzone) d una varable aleatora e d funzone d dstrbuzone cumulata. Useremo le varabl aleatore per descrvere gl event e le denstà d probabltà per fornre le probabltà degl event n termn d varabl aleatore. Dato un espermento casuale, una varable aleatora è una funzone che fa corrspondere un numero reale a ogn esto dell espermento. : Ω E IR Se l nseme de valor assunt dalla varable aleatora è fnto o numerable, la varable aleatora s dce dscreta, altrment s dce contnua. Consderamo nzalmente e per semplctà varabl aleatore dscrete. ESEMPIO. Consderamo l'espermento del lanco d una moneta. In questo caso Ω= testa, croce. Consderamo la varable aleatora così defnta: { } ({ testa} ) = e ({ croce} ) = Qund: : { testa,croce} {,} Che cosa è cambato? Samo passat da un nseme non numerco a un nseme numerco. Qual è l vantaggo? Lancamo volte la moneta. Indchamo con,,...,,..., le varabl aleatore corrspondent a lanc. Se voglamo sapere l numero d uscte d testa ne lanc possamo sommare valor delle varabl aleatore. Qund la varable aleatora = ovvero = rappresenta l numero d uscte d testa n lanc. =. La denstà d probabltà e la funzone d dstrbuzone cumulata d una varable aleatora La denstà d probabltà costruto a partre da : f d una varable aleatora dscreta fornsce la probabltà d ogn evento f ( x) = P( = x). Rcordamo che, come n statstca descrttva, usamo le lettere mauscole per ndcare le varabl aleatore e le lettere mnuscole per ndcare valor assunt. In seguto modelleremo spesso l'espermento medante assunzon su una varable casuale e la sua funzone d denstà d probabltà tralascando la descrzone dello spazo camponaro, degl event e delle probabltà degl event.

2 ESEMPIO. Consderamo l lanco d tre monete non truccate e ndchamo con la varable aleatora che ndca l numero totale d teste. La varable assume valor,, e 3 e la denstà d probabltà f è f () =/8, f () =3/8, f () =3/8, f (3) =/8, f ( ) = per ogn altro valore d La denstà d probabltà s può rappresentare con una scrttura che rchama le tabelle utlzzate n statstca descrttva dove sulla prma rga rportavamo dat osservat e sulla seconda le frequenze: x x x 3 x 4 f (x) p p p 3 p 4 Tabella. Denstà d probabltà. Ovvero P( = x) = p con la propretà che p = e p. Notamo che nella defnzone d varable aleatora non s specfca come s possano assegnare le probabltà agl event su cu assume valor la varable; come abbamo gà detto, le condzon sono che tal probabltà sano numer compres fra e, che la loro somma sa e che la probabltà dell unone d due event dsgunt sa la somma delle probabltà de due event. D altra parte l assegnazone delle probabltà non può essere del tutto arbtrara. Se voglamo che la denstà d probabltà d una varable aleatora consenta prevson effcac, è opportuno assegnare agl event probabltà ragonevol e cò è tanto pù possble quanto pù s conosce l fenomeno studato. Come abbamo gà detto, n alcun cas, queste nformazon possono essere ottenute osservando pù volte l fenomeno nelle stesse condzon. In analoga con lo studo delle varabl n statstca defnamo la funzone d dstrbuzone cumulata (o funzone d rpartzone) d una varable aleatora, ndcata con F (o solo con F se è charo a quale varable c s rfersce), la funzone defnta sulla retta reale tale che s verfch l evento x. F ( x) = P( x) Anche n questo caso possamo utlzzare una rappresentazone tramte tabella: F ( x ) concda con la probabltà che x x x 3 x 4 F (x) p p +p p +p +p 3 p +p +p 3 +p 4 Tabella. Funzone d dstrbuzone cumulata. La funzone d dstrbuzone cumulata soddsfa tutte le propretà gà vste n statstca descrttva per le varabl che modellano rlevazon d dat spermental:. F è una funzone crescente o costante;. n corrspondenza d ogn punto d dscontnutà la funzone assume l valore a snstra. 3. la funzone vale per ogn valore mnore all osservazone mnma e vale per ogn valore maggore o uguale all osservazone massma. ESEMPIO 3. Consderamo l lanco d due dad e ndchamo con e l rsultato de due lanc n cu s ha: P (x) /6 /6 /6 /6 /6 /6 F (x) /6 /6 3/6 4/6 / P (x)..... F (x) Il prmo è un dado equlbrato mentre l secondo è truccato.

3 Qu sotto sono rportat grafc delle denstà d probabltà e delle funzon d dstrbuzone cumulata de due dad La varable aletora prmo lanco n cu esce testa Lancamo una moneta e chedamoc dopo quant lanc esce testa. È pù probable che testa esca per la prma volta al prmo lanco, al secondo, al decmo? Possble esperenza (descrtta n fondo alla scheda) E. La prma volta che esce testa. Consderamo la varable aletora T che descrve l prmo lanco n cu esce testa. Qual valor può assumere?,, 3... ma anche,,..., coè un qualsas numero naturale. Pur partendo da una espermento che ha due possbl rsultat, abbamo costruto una varable aleatora che può assumere una nfntà numerable d valor. Cerchamo d costrure la denstà d probabltà d T. Se p è la probabltà che esca testa n cascun lanco, la probabltà che testa esca per la prma volta: - al prmo lanco è p: PT ( = ) = p - al secondo lanco: è la probabltà d: uscta d croce al prmo e uscta d testa al secondo con due event ndpendent; qund: PT ( = ) = (- pp ) - al terzo lanco: è la probabltà d: uscta d croce al prmo e uscta d croce al secondo e uscta d testa al terzo con tre event ndpendent; qund: PT ( = 3) = (- p) p - al -esmo lanco: PT ( ) (- p) = = p f (x) p (-p)p... ( - p) p... Tabella. Denstà d probabltà del prmo lanco. 3

4 Osservamo che cascuna probabltà è compresa fra e e s dmostra che PT ( = ) =. Qu sotto sono rportat grafc delle denstà d probabltà e la funzone d dstrbuzone cumulata d T per una moneta equlbrata e per una con probabltà d uscta d testa uguale a.. Osservamo che ntutvamente s può capre che la somma delle lunghezze delle barrette ne due grafc è uguale, e deve essere uguale a. E la funzone d dtrbuzone cumulata n entramb cas arrva vcnssmo a. = p=. p= p=. p= Trasformazone d una varable aleatora dscreta ESEMPI Consderamo la varable aleatora che assume valor,, con probabltà rspettvamente,.,.. La varable aleatora = assume valor,, 4 con probabltà rspettvamente.,,.. Infatt, ad esempo, assume valore solamente se assume valore e con la probabltà con cu è. f ( x ) [ P ( = x ) ] = f ( y ) [ P ( g ( x )) = ] ESEMPI 6 Consderamo la varable casuale che assume valor,,, con probabltà rspettvamente,.,.,.3. La varable aleatora = assume valor,, 4 con probabltà.,. (=+.),.3. f ( x ) f ( y ) f ( y ) 4

5 ( = ) ] [ P ( = g ( x )) ] [ P ( g ( x )) [ P x = ] In generale, ndchamo con una varable aleatora dscreta che assume valor x,x,,x n, e con f la funzone d denstà assocata a. Se g è una funzone defnta sull nseme de valor assunt da, la varable aleatora =g() assume valor y,..., y n con y =g(x ), y =g(x ),, y n =g(x n ) e ha come funzone d denstà f la funzone tale che f ( y) = f ( x ) x g( x ) = y dove la somma è fatta su tutt gl x che, trasformat tramte la funzone g, hanno come valore y f ( x ) f ( y ) [ P ( = x ) ] [ P ( = g ( x )) ] x f (x ) g(x ) f (x ) x f (x ) g(x ) f (x ) x n f (x n ) g(x n ) f (x n ) Tabella 3. Denstà d probabltà d una varable aleatora trasformata. E. Esperenza: la prma volta che esce testa. Smulate per volte lanc d una moneta equlbrata. Per cascuna smulazone controllate a quale lanco è uscta per la prma volta testa e fate un stogramma d quest valor. È pù probable che testa esca per la prma volta al prmo lanco, al secondo, al decmo?. Smulate per volte lanc d una moneta con probabltà d uscta d testa uguale a.. Per cascuna smulazone controllate a quale lanco è uscta per la prma volta testa e fate un stogramma d quest valor. È pù probable che testa esca per la prma volta al prmo lanco, al secondo, al decmo? 3. Quale formula può descrvere la denstà d probabltà della varable aletatora T prmo lanco n cu esce testa.

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Подробнее

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Подробнее

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Подробнее

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Подробнее

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Подробнее

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Подробнее

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Подробнее

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Подробнее

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Подробнее

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Подробнее

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Подробнее

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Подробнее

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Подробнее

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Подробнее

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Подробнее

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Подробнее

V n. =, e se esiste, il lim An

V n. =, e se esiste, il lim An Parttore resstvo con nfnte squadre n cascata. ITIS Archmede CT La Fg. rappresenta un parttore resstvo, formato da squadre d restor tutt ugual ad, conness n cascata, e l cu numero n s fa tendere ad nfnto.

Подробнее

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Подробнее

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Подробнее

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Подробнее

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Подробнее

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1

Подробнее

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Подробнее

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Подробнее

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio [email protected]. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo [email protected] Ing. Ganluca Chappn [email protected] http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Подробнее

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Подробнее

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Подробнее

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Подробнее

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Подробнее

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Подробнее

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Подробнее

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Подробнее

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Подробнее

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Подробнее

Il traffico è un gioco?

Il traffico è un gioco? Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: [email protected] Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo

Подробнее

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Подробнее

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA TEORIA DELLA STIMA E DELLA DESCISIOE STATISTICA STIMA A MASSIMA VEROSIMIGLIAZA Per determnare la stma a massma verosmglanza d un parametro θ, partendo da un campone d dat X, bsogna scrvere la denstà d

Подробнее

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Подробнее

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: [email protected] Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Подробнее

Fondamenti di meccanica classica: simmetrie e leggi di conservazione

Fondamenti di meccanica classica: simmetrie e leggi di conservazione Fondament d meccanca classca: smmetre e legg d conservazone d Marco Tulu A. A. 2005/2006 1 Introduzone Un corpo s dce omogeneo se ha n ogn suo punto ugual propretà fsche e chmche, ed è sotropo se n ogn

Подробнее

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Подробнее

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Подробнее

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1; Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone

Подробнее

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese [email protected] Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Подробнее

Laboratorio di Strumentazione e Misura. Cesare Bini

Laboratorio di Strumentazione e Misura. Cesare Bini Laboratoro d Strumentazone e Msura Cesare Bn Corso d laurea n Fsca Anno Accademco 006-007 Quest appunt sono basat sulle lezon del modulo d Laboratoro d Strumentazone e Msura del prmo anno delle lauree

Подробнее

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Подробнее

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz ([email protected])

Подробнее

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione UNIVERSITA DEL SALENTO CORSO DI LAUREA IN FISICA (a.a. 007/008) Corso d Laboratoro II (Prof. Antono D INNOCENZO) ESERCITAZIONE DI STATISTICA * Lo scopo d questa eserctazone è quello d comncare ad utlzzare

Подробнее

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Подробнее

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Подробнее