Esercitazioni di Statistica
|
|
- Biaggio Grassi
- 8 anni fa
- Visualizzazioni
Transcript
1 Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda ritiene che solo l 80% dei pezzi prodotti superi il controllo di qualità. Determinare la probabilità che di 8 pezzi prodotti: a cinque pezzi superino il controllo di qualità; b tutti i pezzi superino il controllo di qualità; c almeno 2 pezzi superino il controllo di qualità. Soluzione Ogni pezzo prodotto supera il controllo di qualità indipendentemente dagli altri pertanto la distribuzione di riferimento è la binomiale Bin(8, 0.8. La probabilità che cinque pezzi superino il controllo di qualità è data da: P r(x 8 = 5 = ( 8 5 (0.8 5 ( = La probabilità che tutti i pezzi superino il controllo di qualità è data da: P r(x 8 = 8 = ( 8 8 (0.8 8 (0.2 0 = La probabilità che almeno due pezzi superino il controllo di qualità è data da: 1 P r(x 8 2 = ( P (X 8 = i = 1 i=2 (0.8 0 ( ( P (X 8 = i = i=0 ( =
2 Esercizio 2 Determinare l area sotto la curva normale standardizzata: a tra z = 0 e z = 1.2; b tra z = 0.68 e z = 0; c tra z = 0.46 e z = 2.21; d alla destra di z = Determinare inoltre il valore z tale che si lascia a destra una probabilità pari a Soluzione La tavola per calcolare il valore della funzione di ripartizione di una distribuzione normale standardizzata fornisce la seguente probabilità: zα 1 F (z α = P r(z z α = exp ( 12 2π z2 dz, per valori di z α [0, 4.09]. Il problema chiede semplicemente di determinare le seguenti probabilità: a tra z = 0 e z = 1.2 P r(0 Z 1.2 = P r(z 1.2 P r(z 0 = F (1.2 F (0 = b tra z = 0.68 e z = 0 = = ; P r( 0.68 Z 0 = P r(0 Z 0.68 = P r(z 0.68 P r(z 0 = = F (0.68 F (0 = = , dove la prima uguaglianza è giustificata dalla simmetria della normale standardizzata rispetto allo 0 (P r( a Z 0 = P r(0 Z a; c tra z = 0.46 e z = 2.21 P r( 0.46 Z 2.21 = P r( 0.46 Z 2.21 d alla destra di z = = P r( 0.46 Z 0 + P r(0 Z 2.21 = P r(0 Z P r(0 Z 2.21 = F ( F ( F (0 = = = ; P r( 1.28 Z < + = P r( 1.28 Z 0 + P r(0 Z < + = = P r(0 Z P r(0 Z < + = = P r(0 Z P r( < Z 0 = = P r( < Z 0 + P r(0 Z 1.28 = = P r( < Z 1.28 = = F (1.28 = Il valore z tale che P r(x z = 0.05 è tale che P r(0 Z z = Esaminando le tavole si ricava che il valore cercato è
3 Esercizio 3 La durata delle gomme per auto segue una distribuzione normale di media km e deviazione standard 8000 km. a Qual è la proporzione delle gomme che durano meno di 60,000 km? b La pubblicità dichiara che il 90% delle nostre gomme durano più di x km. Qual è il valore di x? Soluzione Per calcolare tale proporzione (o in termini più formali, tale probabilità dobbiamo standardizzare la distribuzione delle gomme per ricondurla alla normale standardizzata. Se X N(µ = 70000; σ = 8000 allora Z = X N(0; 1, 8000 e quindi si ha che: ( X P r(x < = P r < = ( = P r Z < = P r(z < 1.25 = Nel secondo punto dobbiamo prima trovare il percentile dalla distribuzione standardizzata e poi applicare la trasformazione inversa alla standardizzazione quindi si ha che: P r(z < q Z = 0.9 q Z 1.28 P r(z > q Z = 0.9 q Z 1.28 q Z = 1, = q X = Esercizio 4 Il tempo necessario per completare questa esercitazione segue una distribuzione normale di media 100 minuti e deviazione standard di 20 minuti. a Calcolare la percentuale di studenti che completeranno tutti gli esercizi entro 2 ore b Quanto tempo è necessario affinché il 95% degli studenti completino l esercitazione? Soluzione Se X N(µ = 100; σ = 20 allora la ( X P r(x < 120 = P r < = ( = P r Z < = P r(z < 1 = 84.13% 20 Nel secondo punto dobbiamo prima trovare il percentile dalla distribuzione standardizzata e poi applicare la trasformazione inversa alla srandardizzazione quindi si ha che: P r(z < q Z = 0.95 q Z P r(z < q Z = 0.95 = P r(z < q Z = 0.95 q Z = q X = =
4 dnorm(x, mean = 0, sd = x Esercizio 5 Data la variabile (Uniforme X definita nell intervallo (0, 10 a determinare valor medio e varianza b calcolare il valore della funzione di ripartizione in corrispondenza del valore x = 6. Soluzione a La funzione di densità della variabile aleatoria uniforme in (a, b è p(x = 1 x in (a, b. (b a L µ Risulta: V ar(x = b E(X = xf(xdx = x 2 f(xdx E(X 2 = F (6 = dx = 1 10 x 1 10 dx = 1 x = = 5 x x 3 dx 25 = = = dx = 1 10 x 6 0 = 6 10 = 0.6 4
5 F (x x Esercizio 6 (Scozzafava Un apparecchiatura contiene 2000 componenti ugualmente affidabili, con una probabilità di guastarsi, per ognuno di essi, uguale a p = Sia E i questo evento. Se anche un solo componente si guasta, l apparecchiatura si ferma: valutare la probabilità di quest ultimo evento, supponendo indipendenti i 2000 eventi E i. Soluzione Con questi valori di p e n si può utilizzare la variabile aleatoria di Poisson con λ = np = 1. Allora la probabilità che nessun componente si guasti è e 1, e quindi la probabilità che l apparecchiatura si fermi è uguale a 1 e 1 = Esercizio 7 Ad un router arrivano in media 7 pacchetti per unità di tempo. Supponendo che la variabile aleatoria X numero di pacchetti per unità di tempo si distribuisca secondo una legge di Poisson, determinare la probabilità: a che in un unità di tempo arrivino 3 pacchetti b che in un unità di tempo arrivino più di 5 pacchetti c che in tre unità di tempo arrivino esattamente 2 pacchetti. Soluzione a P (X = 7 = e ! = variabile aleatoria di Poisson di parametro 7 b P (X > 5 = 1 P (X 5 = 1 5 i=0 P (X = i = 1 5 e 7 7 i i=0 = 0.7 variabile i! aleatoria di Poisson di parametro 7 c P (X = 2 = e ! = e 21 variabile aleatoria di Poisson di parametro 21 (utilizzando la riproducibilità della distribuzione di Poisson 21 = 7 3 Esercizio 8 Un dado viene lanciato più volte fino all arrivo della faccia 1. Sapendo che sono stati già effettuati 3 lanci (senza che la faccia 1 sia uscita, calcolare la probabilità di fare al massimo altri 3 lanci. 5
6 p k Soluzione La variabile aleatoria che descrive il fenomeno è una variabile aleatoria X geometrica di parametro p = 1 con funzione di probabilità p(x = x = (1 6 px 1 p. La probabilità di fare al massimo altri 3 lanci è la probabilità che il numero 1 esca al primo, secondo o terzo lancio. I tre eventi sono incompatibili quindi si può utilizzare la legge delle probabilità totali. Per la proprietà di assenza di memoria della distribuzione geometrica l informazione che in tre precedenti lanci il numero 1 non è uscito non influisce sulla probabilità che il numero 1 esca in successivi lanci. P (X 3 = P (X = 1 + P (X = 2 + P (X = 3 = ( = p k La proprietà di assenza di memoria si dimostra nel modo che segue. 6
7 F (k = P (X k = k (1 p x 1 p = p x=1 1 (1 pk 1 (1 p = 1 (1 pk 1 F (k = P (X > k = (1 p k P (X > s/x > t = P (X > t + s P (X > t = (1 pt+s (1 p t = (1 p s = P (X > s Esercizio 9 Due componenti hanno tempi di durata T 1 e T 2 indipendenti e con funzione di densità esponenziale con valore medio 200 ore. Determinare la probabilità che un dispositivo composto da entrambi i componenti duri almeno 100 ore. Soluzione La probabilità che il dispostivo duri almeno 100 ore è la probabilità che la durata minima di funzionamento dei due componenti sia almeno 100 ore. Ricordando la proposizione 5.6 (Ross riguardante la funzione di densità del minimo di due variabili aleatorie esponenziali indipendenti e identicamente distribuite risulta: P (min(t 1, T 2 > 100 = P ((T 1, T 2 > 100 = e e = e 1. dexp(x, 1/ x Esercizio 10 Determinare la funzione generatrice dei momenti di una variabile aleatoria di Poisson di valor medio λ = 3. Soluzione ϕ(t = e 3(et 1 (per lo sviluppo si veda formula del Ross 7
8 Esercizio 11 Siano dati due lotti, L 1 contenente 2 pezzi difettosi e 3 non difettosi ed L 2 contenente 3 pezzi difettosi e 4 non difettosi. Da L 1 si effettuano 2 estrazioni con restituzione ottenendo X pezzi non difettosi; successivamente, si effettuano 3 estrazioni con restituzione da L 2 ottenendo Y pezzi non difettosi. Sia E i la variabile casuale che vale 1 se il pezzo estratto nell i-ma prova è non difettoso, i = 1,..., 5; 0 altrimenti. Calcolare la probabilità p che almeno uno dei 5 pezzi estratti sia non difettoso. Calcolare il valore atteso e la varianza di Z = X + Y Soluzione La prima cosa da notare è che le estrazioni sono con reimmissione quindi si può applicare uno schema delle prove ripetute al problema proposto. Occorre, tuttavia, distinguere le prime due estrazioni dalle successive tre. La probabilità di avere un pezzo difettoso in una delle prime due estrazioni è 2/5 mentre nelle successive tre è 3/7. Il testo dell esercizio richiede il calcolo della probabilità dell evento almeno uno dei 5 pezzi estratti sia non difettoso. Il calcolo di questa probabilità è molto laboriosa, in particolare, se confrontata con la probabilità della negazione dell evento che è data da: { 5 } ( 2 ( P r E i = 0 = = i=1 Quindi la probabilità dell evento almeno uno dei 5 pezzi estratti sia non difettoso è semplicemente = Per la risoluzione della seconda parte dell esercizio occorre notare che, essendo le estrazioni l una indipendente dall altra, le variabili aleatorie X e Y sono indipendenti. Notando inoltre che le due variabili aleatorie sono due binomiali (X Bin(2, 0.6 e Y Bin(3, 0.57 si ha che: E(X + Y = E(X + E(Y e = 2 π X + 3 π Y = = 2.91, Var(X + Y = Var(X + Var(Y = 2 π X (1 π X + 3 π Y (1 π Y = = Esercizio 12 Un prodotto si ottiene dall assemblaggio di tre componenti, le cui lunghezze si distribuiscono come segue: X 1 N(2, 0.01 X 2 N(4, 0.02 X 3 N(3, 0.02 Si assuma che le tre lunghezze siano tra loro indipendenti. Gli standard qualitativi del prodotto prevedono che la lunghezza sia compresa nell intervallo (8.75, a Si determini la probabilità che il prodotto superi gli standard qualitativi; b Qual è la probabilità che il secondo pezzo sia più lungo del terzo? 8
9 Soluzione a Sia Y = X 1 + X 2 + X 3 la lunghezza del prodotto. Per la proprietà riproduttiva della normale, Y N(µ, σ 2 E(Y = µ = E(X 1 + E(X 2 + E(X 3 = = 9 V (Y = σ 2 = V (X 1 + V (X 2 + V (X 3 + 2Cov(X 1, X 2 + 2Cov(X 1, X 3 + 2Cov(X 3, X 2 = = 0.05 Quindi la probabilità richiesta P (8.75 < Y < 9.25 = P ( < Z < = P ( 1.12 < Z < 1.12 = 1 2 P (Z > 1.12 = 1 2 (1 P (Z < 1.12 = 2 P (Z < = = b Vogliamo calcolare la probabilità che il secondo pezzo sia più lungo del terzo, ossia P (X 2 > X 3 = P (X 2 X 3 > 0. Sappiamo che Quindi X 2 X 3 N(E(X 2 E(X 3, V (X 2 + V (X 3 = N(1, 0.04 P (X 2 X 3 > 0 = P ( Z > = P (Z > 5 = P (Z < 5 1 Esercizio 13 Determinare: a il valore della t di Student di parametro 24 che si lascia a destra una probabilità pari a 0.05; b i valori della t di Student di parametro 24 al di la dei quali vi è una probabilità pari a 0.05; c la probabilità che una variabile aleatoria χ 2 di parametro 3 assuma un valore maggiore o uguale di 6; d quale valore di una variabile aleatoria χ 2 di parametro 5 si lascia a destra una probabilità pari a 0.025; e il valore della F di Fisher di parametri 4 e 12 che si lascia a destra una probabilità pari a 0.05; f la probabilità che una variabile aleatoria F di Fisher di parametri 5 e 10 assuma un valore maggiore o uguale di
10 dt(x, x dchisq(x, x Soluzione a 1.711; b e 2.064; c maggiore di 0.05 esattamente (1-pchisq(6,3; d ; e 3.26; f minore di 0.01 esattamente (1-pf(6.5,5,10. 10
11 df(x, 5, x Appendice: istruzioni di R per variabili aleatorie Discrete Bernoulli Densità dbinom(x = x, size = 1, prob = p Ripartizione pbinom(q = x, size = 1, prob = p Quantile qbinom(p = α, size = 1, prob = p Random rbinom(n, size = 1, prob = p Binomiale Densità dbinom(x = x, size = m, prob = p Ripartizione pbinom(q = x, size = m, prob = p Quantile qbinom(p = α, size = m, prob = p Random rbinom(n, size = m, prob = p Geometrica Densità dgeom(x = x, prob = p Ripartizione pgeom(q = x, prob = p Quantile qgeom(p = α, prob = p Random rgeom(n, prob = p Poisson Densità dpois(x = x, lambda = λ Ripartizione ppois(q = x, lambda = λ Quantile qpois(p = α, lambda = λ Random pois(n, lambda = λ Continue Esponenziale 11
12 Densità dexp(x = x, rate = λ Ripartizione pexp(q = x, rate = λ Quantile qexp(p = α, rate = λ Random rexp(n, rate = λ Normale Densità dnorm(x = x, mean = µ, sd = σ Ripartizione pnorm(q = x, mean = µ, sd = σ Quantile qnorm(p = α, mean = µ, sd = σ Random rnorm(n, mean = mean = µ, sd = σ Student Densità dt(x = x, df = k Ripartizione pt(q = x, df = k Quantile qt(p = α, df = k Random rt(n, df = k Chi Quadrato Densità dchisq(x = x, df = k Ripartizione pchisq(q = x, df = k Quantile qchisq(p = α, df = k Random rchisq(n, df = k Fisher Densità df(x = x, df1 = n1, df2 = n2 Ripartizione pf(q = x, df1 = n1, df2 = n2 Quantile qf(p = α, df1 = n1, df2 = n2 Random rf(n, df1 = n1, df2 = n2 Grafici variabili discrete k<-c(0:10 p<-dpois(k,2 plot(k,p,type= h Grafici variabili continue curve(dnorm(x, mean=0, sd=1,-5,5 12
Tenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione
APPENDICE I. TAVOLE STATISTICHE Si ribadisce al lettore che in questa Appendice si riportano le procedure di Excel e di R.2.12.1 che gli permettono di trovare qualsiasi valore di probabilità cercato e
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
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio
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
DettagliCalcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.
Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel
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.
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
DettagliCP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra
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
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
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
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
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
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
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
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 -
DettagliEsercitazioni di Statistica con Matlab
Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)
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
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
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
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
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
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
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. 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
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
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
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.
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
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.,
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 distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
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
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
DettagliLaboratorio di ST1 - Lezione 2. Antonietta di Salvatore. Dipartimento di Matematica Universitá degli Studi Roma Tre
Laboratorio di ST1 - Lezione 2 Antonietta di Salvatore Dipartimento di Matematica Universitá degli Studi Roma Tre Outline variabili discrete Binomiale Poisson variabili continue Normale Esponenziale Gamma
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
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
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
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero
Dettagli#################################################### # ESERCITAZIONE 1 ####################################################
#################################################### # ESERCITAZIONE 1 #################################################### # ESERCIZIO 1 # Calcolo di quantili help(qnorm) qnorm(0.95, mean = 0, sd = 1)
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
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
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
DettagliA = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.
ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore
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
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
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
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
Dettagli19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE
19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
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
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
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
DettagliPrimi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita
Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliUniversità di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015
Università di Milano Bicocca Esercitazione 6 di Matematica per la Finanza 14 Maggio 2015 Esercizio 1 Un agente presenta una funzione di utilitá u(x) = ln(1 + 6x). Egli dispone di un progetto incerto che
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,
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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
Dettagli2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011
2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliEsercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 14/02/2012 Istituzioni di Calcolo delle Probabilità David Barbato Questa raccolta comprende sia gli esercizi dell esercitazione del 14 febbraio sia gli esercizi di ricapitolazione sulle
DettagliCorso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete
Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliTest n. 7 Problemi matematici
Test n. 7 Problemi matematici ) Determinare il numero il cui doppio, aumentato di 0, è uguale a 44. A) 6 C) 7 B) 5 D) 8 ) Determinare due numeri tenendo presente che la loro somma è uguale a 8 e la loro
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
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,
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
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
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
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
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
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:
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
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
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
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
DettagliLiceo Scientifico Statale Leonardo Da Vinci
Liceo Scientifico Statale Leonardo Da Vinci Via Possidonea 14, 89125 Reggio Calabria Dirigente Scolastico:Preside Prof.essa Vincenzina Mazzuca Progetto multimediale di matematica e fisica per le terze
DettagliCalcolo delle P robabilitá. Esercizi svolti e quesiti per il CdS in Economia e Finanza
Calcolo delle P robabilitá Esercizi svolti e quesiti per il CdS in Economia e Finanza Giuseppe Sanfilippo Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Università degli Studi di Palermo
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
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
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
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
Dettagli