Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
|
|
- Virginio Barbato
- 8 anni fa
- Visualizzazioni
Transcript
1 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 (x+1) F X (x) = 0 x < x 1 (a) X è continua? (b) Calcolare P (X = 0). (c) Calcolare P ( 4 < X 1 2 ). 3. Sia X una variabile aleatoria tale che: 0 x < 1 F X (x) = 1 a exp( λ(x + 1)) x 1 (a) Per quali valori di a, F X è una funzione di distribuzione? (b) Calcolare P (X = 0), P (X = 1), P (X 0) e P ( 2 < x 2) 4. Sia X una variabile aleatoria continua a valori in IR, la cui funzione di distribuzione F è strettamente crescente. (a) Definendo Y = F (X), determinare la legge di Y. Di che variabile aleatoria si tratta? (b) Sia U una variabile aleatoria uniforme in [0, 1]. Determinare la legge della variabile aleatoria Z = F 1 (U). (c) ( ) Sia U una variabile aleatoria uniforme in [0, 1] e X una variabile aleatoria esponenziale di parametro λ. Determinare una trasformazione h tale che X = h(u). 5. Sia X n una variabile aleatoria discreta tale che P (X n = k) = p(1 p) k con k = 0, 1,..., 0 < p < 1 e Y n = Xn. Calcolare il limite di F n Y n (x) per n + nel caso in cui p = λ con λ > 0. n 6. Sia Z N(0, 1) e X = Z 2. Determinare la densità di X e dire a quale famiglia di variabili aleatorie appartiene. 7. Sia Z N(0, 1) e X = σz + µ, con σ > 0 e µ IR. Determinare la densità di X. 1
2 8. Sia f(x) = (λ+1) x > r 0 x r con r > 0, λ > 0. Determinare c tale che f(x) risulti una densità e scrivere la corrispondente F X (x). Determinare quindi la legge di Y = log X r. 9. Siano X,Y variabili aleatorie uniformi in Q = (x, y) IR 2 1 x 1, 1 y 1}: 0 (x, y) / Q f (X,Y ) (x, y) = 1 (x, y) Q. 4 Dire se X e Y sono indipendenti. 10. Siano X e Y variabili uniformi in D = (x, y) IR x 2 + y 2 1}: Dire se X e Y sono indipendenti. 0 (x, y) / D f (X,Y ) (x, y) = 1 (x, y) D. π 11. Sia X exp(λ), con λ > 0. Dimostrare che P (X < s + t X < s) = P (X < t), s, t < Siano X e Y variabili aleatori e indipendenti. Calcolare la funzione di distribuzione di U = min(x, Y ) e V = max(x, Y ) 13. Il tempo di vita di un componente elettronico dipende dalla concentrazione di silicio nel materiale di cui è fatto: piú precisamente esso ha legge esponenziale di parametro λ, dove λ è appunto il valore di tale concentrazione. Una macchina produce questi componenti, ma nel processo produttivo non è possibile controllare la concentrazione di silicio che pertanto si puó considerare una variabile aleatoria, che indicheremo con Λ, uniformemente distribuita su [0, 1]. Indichiamo con Y il tempo di vita del componente prodotto. Qual è la legge di Y? 14. Il numero di richieste di accesso ad un server segue la legge di Poisson, X Poisson (Θ), con Θ variabile aleatoria, Θ exp(λ)), λ > 0. (a) Determinare la densità marginale di X. (b) Determinare la densità di Θ condizionata a X=k, cioè f Θ X (θ k) 15. Siano X, Y exp(λ) variabili aleatorie indipendenti. (a) Determinare la densità di X + Y. (b) Estendere al caso di n variabili esponenziali di parametro λ indipendenti. 2
3 16. Sia U variabile aleatoria uniforme nell intervallo ( π, π ). Determinare la funzione 2 2 di distribuzione e la densità della variabile aleatoria Y = tan(u). Esiste la media di Y? 17. Sia X N(0, 1). Determinare la funzione di distribuzione e la densità della variabile aleatoria Y = exp(x). 18. Sia (a) X Uniforme [a, b] (b) X exp(λ) (c) X N(µ, σ 2 ). Calcolare IE[X] e var(x). 19. Sia X n } n 1 una successione di variabili aleatorie indipendenti di legge esponenziale di parametro λ = 1, X n exp(1). Sia e Y n = maxx 1,..., X n } Z n = Y n log n. Determinare la funzione di distribuzione di Z n ed il limite (se esiste) per n Si consideri la funzione seguente: F (x) = 0 x 0 1 e ( x b )c x > 0 per fissati parametri b, c > 0. Verificare che si tratta di una funzione di distribuzione e determinarne la densità. Indicando con X la corrisponedente variabile aleatoria, calcolare P (X b). Cosa rappresenta b? [N.B. Si tratta di una distribuzione (o legge) di Weibull] 21. Sia X una variabile aleatoria di densità 0 x < a f X (x) = x a c ac x c+1 c > 0. Determinare la funzione di distribuzione e calcolare P (X a). Calcolare IE[X] e var[x]. Data una variabile uniforme U in [0,1], determinare una trasformazione h : [0, 1] IR tale che X = h(u). 22. Sia X una variabile aleatoria positiva, ovvero tale che P (X 0) = 0 e sia µ = IE[X]. Si dimostri che P (X 2µ) 1 2 3
4 23. Siano X 1, X 2,..., X n variabili aleatorie indipendenti ed identicamente distribuite con media µ e varianza σ 2 finita. Sia S n = 1 n ni=1 X i, con i = 1,..., n: (a) determinare n in modo tale che la probabilità che S n differisca dalla sua media al piú η sia almeno il 95%. (b) determinare un intervallo [l, d] di ampiezza η in modo tale che µ [l, d] con una probabilità del 95%. 24. Data la variabile aleatoria X, di definisce funzione generatrice dei momenti la funzione M X (t) = IE[exp(tx)] = IR exp(tx)f X(x)dx, per ogni t in IR tale che IE[exp(tx)] < +. (a) Dimostrare che M (0) = d dt M(t) t=0 = IE[X] e M (0) = IE[X 2 ] e quindi var(x) = M (0) (M (0)) 2 (b) Date X, Y variabili aleatorie indipendenti, dimostrare che M X+Y (t) = M X (t)m Y (t) (c) Determinare la funzione generatrice dei momenti di una variabile gaussiana X N(µ, σ 2 ) e di una gamma X Γ(α, λ). Parte II - Stime Puntuali 1. Sia X 1, X 2,..., X n un campione di densità: f(x; θ) = (θ+1) x 1 0 altrimenti, dove θ > 0. Determinare la stima di massima verosimiglianza ˆθ per il parametro θ. Cosa si può dire del limite di ˆθ(X 1,..., X n ) per n +? 2. Dato un campione X 1, X 2,..., X n con densita f(x) = θ x 2 1I [θ,+ (x), θ > 0, si determini lo stimatore di massima verosimiglianza per il parametro θ. 3. Sia U 1, U 2,..., U n un campione di variabili aleatorie uniformi sull intervallo [0, θ]. (a) Determinare lo stimatore di massima verosimiglianza ˆθ del parametro θ. (b) Calcolare il valore atteso di ˆθ. 4. Sia X N (µ, σ 2 ), Y = exp(x) e sia Y 1,..., Y n un campione dalla densità f Y. Supponendo σ 2 noto (p.e. σ 2 = 1), determinare lo stimatore di massima verosimiglianza per il parametro µ. 4
5 5. Data X una variabile aleatoria di densità f(x) = (λ+1) x > r 0 x r λ > 0, r > 0, sia Y = log(x/r). Determinare uno stimatore di max-verosimiglianza per il parametro λ, basato su un campione Y 1, Y 2,..., Y n. 5
1 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,
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
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
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
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
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliEsercitazione 5 Soluzioni
Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio
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
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
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
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
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST 1 Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: analisi
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti
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
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
Dettagli1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
.5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo
DettagliAFFIDABILITA DEI SISTEMI
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento
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.
DettagliRISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?
Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
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
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013
Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato
DettagliEsercizi riassuntivi di probabilità
Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.
DettagliCORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO
CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
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 -
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
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:
DettagliR - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre
R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliPROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.
PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliIngegneria Elettronica, Informatica e delle Telecomunicazioni Prova scritta di ANALISI B - 06/04/2006
Ingegneria Elettronica, Informatica e delle Telecomunicazioni Prova scritta di ANALISI B - 06/04/2006 CORSO DI STUDI IN INGEGNERIA... NOME E COGNOME:... NUMERO DI MATRICOLA:... (scrivere nome e cognome
DettagliRegressione Logistica: un Modello per Variabili Risposta Categoriali
: un Modello per Variabili Risposta Categoriali Nicola Tedesco (Statistica Sociale) Regressione Logistica: un Modello per Variabili Risposta Categoriali 1 / 54 Introduzione Premessa I modelli di regressione
DettagliAppunti relativi a Lab4
Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)
DettagliStefano Invernizzi Anno accademico 2010-2011
POLITECNICO DI MILANO Statistica Appunti Stefano Invernizzi Anno accademico 2010-2011 Corso della prof. Ilenia Epifani Sommario Introduzione al corso... 5 La statistica... 5 Schema tipico di raccolta
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliMisurare il rischio finanziario con l Extreme Value Theory
Misurare il rischio finanziario con l Extreme Value Theory M. Bee Dipartimento di Economia, Università di Trento MatFinTN 2012, Trento, 24 gennaio 2012 Outline Introduzione Extreme Value Theory EVT e rischio
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di rasmissione Numerica docente: Prof. Vito Pascazio 18 a Lezione: 13/1/4 19 a Lezione: 14/1/4 Sommario rasmissione di segnali PM numerici su
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliSulla monotonia delle funzioni reali di una variabile reale
Liceo G. B. Vico - Napoli Sulla monotonia delle funzioni reali di una variabile reale Prof. Giuseppe Caputo Premetto due teoremi come prerequisiti necessari per la comprensione di quanto verrà esposto
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,
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
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliSEQUENZE DI NUMERI PSEUDO- CASUALI
SEQUENZE DI NUMERI PSEUDO- CASUALI Test Statistici sulle Sequenze Pseudo Casuali E di fondamentale importanza per una buona riuscita della SIMULAZIONE ( affidabilità dei risultati), che le sequenze pseudo
DettagliEntropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...
Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliSTATISTICA PER L INNOVAZIONE
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 TRASFORMAZIONI DI VARIABILI ALEATORIE TVE: Gumel dei valori minimi
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
Dettaglix ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno),
6 - Grafici di funzioni Soluzioni Esercizio. Studiare il grafico della funzione f(x) = x x + 3. ) La funzione è definita per x 3. ) La funzione non è né pari, né dispari, né periodica. 3) La funzione è
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliSTATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua
STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata
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
Dettaglimetodi matematici per l ingegneria prove scritte d esame 1 Indice
metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola
DettagliControllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni
Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione
DettagliEsercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
Dettagli1 di 6. Usando un modello di probabilità
Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti
Dettaglii=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.
Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliPROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati
PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono
DettagliSistemi di Servizio e Simulazione
Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:
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
Dettagli2.4.1 Generazione di numeri pseudocasuali con distribuzione uniforme
GENERAZIONE DI OSSERVAZIONI CASUALI 157 2.4 GENERAZIONE DI OSSERVAZIONI CASUALI Una volta determinate le distribuzioni di input, la simulazione dovrà generare durante ogni esecuzione osservazioni casuali
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
DettagliI tre concetti si possono descrivere in modo unitario dicendo che f e iniettiva, suriettiva, biiettiva se e solo se per ogni b B l equazione
Lezioni del 29 settembre e 1 ottobre. 1. Funzioni iniettive, suriettive, biiettive. Sia f : A B una funzione da un insieme A ad un insieme B. Sia a A e sia b = f (a) B l elemento che f associa ad a, allora
DettagliProva parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8. Cognome:... Nome:... Matricola:...
Prova parziale di Geometria e Topologia I - 5 mag 2008 (U1-03, 13:30 16:30) 1/8 Cognome:................ Nome:................ Matricola:................ (Dare una dimostrazione esauriente di tutte le
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliEsercitazione del 19/02/2013 Istituzioni di Calcolo delle Probabilità
Esercitazione del 19/0/013 Istituzioni di Calcolo delle Probabilità David Barbato Variabili aleatorie esponenziali. Minimo di v.a. esponenziali indipendenti. Ricordiamo innanzitutto che due variabili aleatorie
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
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
DettagliSTATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliLimiti e continuità di funzioni reali di una variabile
di funzioni reali di una variabile Corso di Analisi Matematica - capitolo VI Facoltà di Economia, UER Maria Caterina Bramati Université Libre de Bruxelles ECARES 22 Novembre 2006 Intuizione di ite di funzione
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliEsercitazione del 16/04/2019 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/04/09 Istituzioni di Calcolo delle Probabilità David Barbato Nozioni di riepilogo con esercizi Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile
DettagliLa Funzione Caratteristica di una Variabile Aleatoria
La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione
Dettagli