CAPITOLO 10. Funzione Caratteristica, Normale multivariata, convergenze
|
|
- Antonia Roberti
- 6 anni fa
- Visualizzazioni
Transcript
1 CAPITOLO 0 Fuzioe Caratteristica, Normale multivariata, covergeze 5
2 0. Fuzioe caratteristica Fuzioe caratteristica La fuzioe caratteristica è uo strumeto teorico utile sotto diversi aspetti per studiare la distribuzioe di probabilità di umeri aleatori discreti e cotiui. Dato u umero aleatorio X, discreto o cotiuo, sia Y e itx cos(tx) + ise(tx), dove i è l uità immagiaria e t è u fissato valore reale, e idichiamo co φ X (t) la previsioe di Y, che risulta essere ua fuzioe di t. La fuzioe φ X (t) si chiama fuzioe caratteristica di X. Nel caso discreto, posto P (X x h ) p h, si ha φ X (t) h p h e itx h, metre el caso cotiuo, idicado co f(x) la desità di X, si ha ovvero φ X (t) φ X (t) cos(tx)f(x)dx + i e itx f(x)dx si(tx)f(x)dx. Alcue proprietà: () φ X (0), ( h p h, f(x)dx ); () φ X (t) φ X (0), t ; Cosideriamo il caso i cui X è u umero aleatorio cotiuo. φ X (t) e itx + f(x)dx e itx f(x) dx e itx }{{} cos (tx)+si (tx) (3) Se Y ax + b, si ha f(x)dx φ Y (t) P(e ity ) P(e it(ax+b) ) e ibt P(e iatx ) e ibt φ X (at); (4) I particolare, se Y X, si ha: f(x)dx φ Y (t) φ X (t) P(e itx ) φ X ( t) φ X (t), dove il umero complesso α + iβ α iβ, ovvero il coiugato di α + iβ. Ifatti φ X (t) P(cos(tX) + i si(tx)) P(cos(tX)) + ip(si(tx)) P(cos(tX)) ip(si(tx)) φ X ( t)
3 0. Fuzioe caratteristica 54 (5) Se φ X (t) è ua fuzioe reale, si ha φ X ( t) φ X (t). Se φ X (t) è ua fuzioe reale, si ha φ X (t) φ X (t). Allora φ X (t) φ X ( t) φ X (t) e quidi φ X (t) è ua fuzioe reale pari. (6) Se X ha ua desità simmetrica rispetto all asse delle y, cioè f(x) f( x), x R, allora X e X hao la stessa desità e pertato si ha φ X (t) φ X (t), ovvero φ X (t) è reale. Esempi. a) Dato u eveto E di probabilità p, sia X E. Si ha φ X (t) φ E (t) pe it + qe it 0 pe it + q. b) Dati eveti E,..., E, idipedeti ed equiprobabili di probabilità p, cosideriamo il.a. X E + + E. Si ha X B(, p); ioltre ( ) φ X (t) P (X h)e ith p h q h e ith h h0 h0 (pe it + q). c) Sia dato u umero aleatorio X co distribuzioe di Poisso di parametro λ. Idicado co p P (X ), si ha φ X (t) + 0 p e it + 0 λ +! e λ e it e λ 0 (λe it )! e λ e λeit e λ(eit ). d) Sia dato u umero aleatorio X co distribuzioe geometrica di parametro p, ovvero p h pq h per h N. Ricordado che per u umero complesso x < si ha (serie geometrica di ragioe x) otteiamo φ X (t) h + h x h x, p h e ith + h + pe it (qe it ) h h pq h e ith peit qe it.
4 0. Fuzioe caratteristica 55 e) Se X ha ua distribuzioe ormale stadard, X N 0,, si ha φ X (t) e itx π e x dx. Poichè X ha ua desità simmetrica rispetto all asse y, per la proprietà (6), si ha che φ X (t) è ua fuzioe reale, cioè φ X (t) cos(tx) e x dx. π Cosideriamo la derivata prima di φ X (t) (come fuzioe i t). dimostrare che φ X (t) d dt cos(tx) π e x dx d[cos(tx) e x ] π dx dt dx. x si(tx) π e x Si può Risolviamo il precedete itegrale (ella variabile x) mediate itegrazioe per parti. Poiamo h(x) si(tx) d(h(x)) dx t cos(tx) d(g(x)) x dx π e x g(x) x π e x dx }{{} Si ha Quidi da cui segue φ X (t) x si(tx) π e x dx y x [si(tx) π e x ] + t cos(tx) π e x dx 0 tφ X (t) tφ X (t). ed essedo φ X (0), risulta c 0. φ X (t) φ X (t) d dt log φ X(t) t, log φ X (t) t + c, π e y dy π e x Quidi: φ X (t) e t (fuzioe reale e pari). f) Se X ha ua distribuzioe ormale di parametri m, σ, il.a. Y X m σ ha ua distribuzioe ormale stadard e si ha φ Y (t) e t. Allora, osservado che X σy + m, applicado la proprietà 3), co a σ, b m, si
5 0. Fuzioe caratteristica 56 ottiee φ X (t) e imt σ t. g) Se X ha ua distribuzioe espoeziale di parametro λ, si ha h) X G c,λ. Si ha λ φ X (t) 0 0 e (λ it)x dx e itx λe λx dx λ λ it φ X (t) itx λc e 0 Γ(c) xc e λx dx ( λ λ it) c [φy (t)] c, (Y G,λ Exp(λ)). Calcolo dei mometi. Per ogi fissato itero k,,..., la previsioe di X k, che idichiamo co m (k), si chiama mometo di ordie k di X. TEOREMA 0.. Se, per u itero positivo k è P( X k ) <, allora la derivata k esima di φ X (t) esiste per ogi t, è cotiua, e si ha X (t) (ix) k e itx f(x)dx. φ (k) Ceo sulla dimostrazioe. Ricordiamo che, dato u umero aleatorio cotiuo X, co desità f(x), si ha φ X (t) e itx f(x)dx. Nelle ipotesi del Teorema 0. derivado rispetto alla variabile t, si ha φ X(t) ixe itx f(x)dx, φ X(t) (ix) e itx f(x)dx,... φ (k) X (t) (ix) k e itx f(x)dx.... Allora, se esistoo i vari mometi di X, si ha φ X(0) i xf(x)dx im (), φ X(0) i x f(x)dx i m (),... X (0) ik x k f(x)dx i k m (k). φ (k)
6 0. Somma di umeri aleatori stocasticamete idipedeti Pertato, si ha m (k) φ(k). U ragioameto aalogo si può fare se X è i k u.a. discreto. I molti casi, dovedo calcolare m (k), coviee sfruttare tale formula azichè applicare la defiizioe X (0) m (k) el caso cotiuo, oppure x k f(x)dx, m (k) p x k, el caso discreto. ESEMPIO 0.. Sia X N 0,, si ha P(X r ) 0, r dispari P(X r ) P(X k ) (k)!, r k, k N. k k! ESERCIZIO 0.. Sia X u umero aleatorio co distribuzioe uiforme i [a, b], co a < b, verificare che { e itb e ita φ X (t), t 0 it(b a), t 0 Sia Y cx + d, co c > 0, verificare che Y ha distribuzioe uiforme i [ac + d, bc + d]. ESERCIZIO 0.. Sia X u umero aleatorio co distribuzioe uiforme i [0, ], verificare che lim t 0 φ X(t) i. ( Sfruttare il fatto che lim t 0 φ X (t) ). ESERCIZIO 0.3. Sia X u umero aleatorio co distribuzioe espoeziale di parametro λ > 0 e sia Y ax, co a > 0, verificare che Y ha distribuzioe espoeziale di parametro λ/a. 0.. Somma di umeri aleatori stocasticamete idipedeti La proprietà più importate delle fuzioi caratteristiche è la seguete: dati umeri aleatori X,..., X stocasticamete idipedeti e posto Y X + + X, si ha φ Y (t) φ X (t) φ X (t) φ X (t).
7 0. Somma di umeri aleatori stocasticamete idipedeti 58 Cosideriamo il caso. Si ha φ X +X (t) P(e it(x +X ) ) P(e itx e itx ) P(e itx )P(e itx ) φ }{{} X (t)φ X (t). X X Ad esempio, dati eveti E,..., E, idipedeti ed equiprobabili di probabilità p, e posto si ha Quidi X E,..., X E, φ X (t) φ X (t) pe it + q. φ X + +X (t) φ X (t) φ X (t) (pe it + q). Ritroviamo i questo modo la fuzioe caratteristica del umero aleatorio E + + E, che ha distribuzioe biomiale di parametri, p. Altri due aspetti teorici importati relativi alle fuzioi caratteristiche soo:. La corrispodeza tra fuzioi caratteristiche e distribuzioi di probabilità è biuivoca; quidi la fuzioe caratteristica φ X (t) determia uivocamete la distribuzioe di probabilità di X. ESEMPIO 0.. Ricordado che ad ua distribuzioe ormale di parametri m, σ corrispode la fuzioe caratteristica e imt σ t e quidi, se X N(x), si ha φ X (t) e t. Allora, se Y X + 3, si ha φ Y (t) e 3it t, e quidi Y N 3,. Altro esempio: se X N m,σ e Y N m,σ, co X, Y stocasticamete idipedeti, si ha φ X (t) e im t σ t, φ Y (t) e im t σ t. Ioltre, per il.a. Z ax + by si ha co φ Z (t) e im 3t σ 3 t, m 3 am + bm, σ 3 a σ + b σ. Pertato Z N m3,σ 3. Si oti che, voledo evitare l uso della fuzioe caratteristica, il calcolo della di- stribuzioe di Z richiederebbe u ragioameto pro- babilistico molto più complicato.
8 0. Somma di umeri aleatori stocasticamete idipedeti 59 ESEMPIO 0.3. Siao X P(λ ) e X P(λ ) si ha φ X + (t) φ X (t)φ X (t) e λ (e it ) e λ (e it ) Pertato X + X P(λ + λ ) e (λ +λ )(e it ). ESEMPIO 0.4. La fuzioe caratteristica di u.a. X co distribuzioe G α,λ, cioè co desità, è data da G α,λ (x) φ X (t) λα Γ(α) xα e λx, x > 0. ( ) α λ. λ it Pertato dati umeri aleatori X, X, rispettivamete, co distribuzioe G α,λ e G α,λ, si ha X + X G α +α,λ. ESERCIZIO 0.4. La fuzioe caratteristica di u umero aleatorio discreto X è φ X (t) 5 k. Calcolare la previsioe di X. Soluzioe. Si ha da cui segue φ X(o) e ikt 5 5 k Pertato: P(X) 3. P(X) ik 5 φ X(t) 5 k ike ikt 5 i( ) 5, 3i ip(x). ESERCIZIO 0.5. La fuzioe caratteristica di u umero aleatorio X è data da φ X (t) e it t. Posto Y X, calcolare la probabilità p dell eveto ( Y ). Risp.: p Soluzioe. φ X (t) e it t è la fuzioe caratteristica di ua distribuzioe ormale di parametri m, σ. Pertato Y X ha ua distribuzioe ormale stadard. Allora: p P ( Y ) Φ() ESERCIZIO 0.6. Le fuzioi caratteristiche di due umeri aleatori X, Y idipedeti soo rispettivamete φ X (t) e (eit ) e φ Y (t) e 3(eit ).
9 0. Somma di umeri aleatori stocasticamete idipedeti 60 Posto Z X + Y, calcolare la previsioe m di Z. Risp.: m Si ha: φ Z (t) φ X (t)φ Y (t) e (eit ) e 3(eit ) e 5(eit ), da cui ricordado che φ Z (0) im Z e osservado che φ Z(t) e 5(eit ) 5e it i, φ Z(0) 5i, segue: m Z 5. I effetti, e 5(eit ) è la fuzioe caratteristica di ua distribuzioe di Poisso di parametro λ 5.
10 0.3 Distribuzioe ormale multidimesioale - versioe provvisoria Distribuzioe ormale multidimesioale - versioe provvisoria U vettore aleatorio cotiuo (X, Y ) ha ua distribuzioe ormale bidimesioale (o doppia) se ha la seguete desità di probabilità f(x, y) πσ σ ρ e ( ρ ) [ ( x µ σ ) ρ ( )( ( ) ] x µ y µ y µ )+ σ σ σ, per ogi (x, y) R, dove µ, µ, σ, σ, ρ, soo valori reali co σ > 0, σ > 0, ρ <. Tale distribuzioe gode delle segueti proprietà: f (x) N µ,σ (x), f (y) N µ,σ (y), pertato le previsioi e gli scarti quadratici medi di X e Y soo rispettivamete µ, µ e σ, σ ; f (x y) N µ,σ (x), co µ µ + ρ σ σ (y µ ), σ σ ρ ; f (y x) N µ,σ (y), co µ µ + ρ σ (x µ ), σ σ ρ ; σ P(XY ) xyf(x, y)dxdy µ µ + ρσ σ, pertato ρ rappreseta il coefficiete di correlazioe di X e Y ; se ρ 0 risulta f(x, y) f (x)f (y), pertato se X e Y soo icorrelati, segue che soo idipedeti; ifie, se i parametri µ, µ, σ, σ soo fissati, al variare di ρ si ottegoo ifiite distribuzioi ormali bidimesioali co le stesse margiali N µ,σ (x), N µ,σ (y); il che sigifica che date le distribuzioi margiali o è possibile determiare la distribuzioe cogiuta Distribuzioi margiali. Si ha X N µ,σ e Y ( N µ,σ ). x µ Dimostriamo che X N µ,σ. Co la trasformazioe lieare u σ ( y µ e v σ ), si ha dy σ dv e lim y ± v ±. Pertato si ha, f (x) f(x, y)dy R σ πσ σ ρ R e ( ρ ) [u ρuv+v ] dv. Osservado che u ρuv + v u ρ u + (v ρu) u ( ρ ) + (v ρu)
11 0.3 Distribuzioe ormale multidimesioale - versioe provvisoria 6 f (x) si può scrivere come segue f (x) πσ ρ e [u ] πσ R R e ( ρ ) [u ( ρ )+(v ρu) ] dv. π ρ e ( v ρu ) ρ dv. }{{} ( ) e x µ σ. πσ Pertato X N µ,σ. Procededo i maiera aaloga, ma scambiado x co y, si ricava che ( ) f (y) f(x, y)dy e y µ σ πσ ovvero Y N µ,σ. Quidi si ha che R µ P(X), µ P(Y ), σ var(x), σ var(y ) Distribuzioi margiali codizioate. Calcoliamo la desità di probabilità di Y dato X x. f (y x) f(x, y) f (x) πσ ρ e πσ σ ρ e πσ ρ e ( ρ ) ( ρ ) { ( x µ σ ) ( ) x µ ρ [( ( ] } σ y µ x µ + ) )ρ σ σ ( ) πσ e x µ σ { ( ) x µ ( ρ [( ( ] } ( ρ ) σ y µ x µ )+ ) )ρ σ σ ( ) e x µ σ { [( ( ] } y µ x µ ) )ρ σ σ e πσ ρ [ y µ ρ σ σ (x µ ) σ ( ρ ) ]. Se poiamo µ µ + ρ σ σ (x µ ) e σ σ ( ρ ) si ha f (y x) [ e y µ ] σ, y R. πσ Pertato, per ogi fissato x R, si ha f (y x) N µ,σ (y), co µ µ + ρ σ σ (x µ ), σ σ ρ.
12 0.3 Distribuzioe ormale multidimesioale - versioe provvisoria 63 I maiera aaloga si dimostra che, per ogi fissato x R, si ha f (x y) N µ,σ (x), co Cocludedo si ha µ µ + ρ σ σ (y µ ), σ σ ρ. µ P(Y x) µ y (x), µ P(X y) µ x (y) cioè µ µ y (x) è proprio la fuzioe di regressioe di X su Y e µ µ x (y) è proprio la fuzioe di regressioe di Y su X. Poichè la curva di regressioe di Y su X è ua retta essa coicide co la retta di regressioe. Pertato ρ coicide co il coefficiete di correlazioe lieare di X e Y (per la dimostrazioe aalitica vedi dall Aglio pag 44). I particolare, osserviamo che se ρ 0 si ha f (y x) f (y), f (y x) f (y). Quidi, dato u vettore aleatorio (X, Y ) co distribuzioe ormale bidimesioale si ha X, Y stocasticamete idipedeti X, Y soo icorrelati Matrice delle variaze e covariaze. Osserviamo che la matrice delle variaze-covariaze del vettore (X, Y ) è data da ( ) ( ) σ σ Σ σ ρσ σ σ σ ρσ σ σ, e si ha detσ Σ σσ ( ρ ), Σ ( ) σ ρσ σ detσ ρσ σ σ. Allora, com è possibile verificare, la desità cogiuta si può rappresetare ella forma matriciale seguete dove f(x, y) π Σ e A(x µ,y µ ), ( ) x A(x µ, y µ ) (x µ, y µ ) Σ µ. y µ I geerale, dato u vettore aleatorio cotiuo X (X,..., X ), sia Σ la matrice delle variaze-covariaze di X. Si dice che X ha ua distribuzioe ormale dimesioale se la desità cogiuta è data da f(x,..., x ) e (π) A(x µ,...,x µ ), detσ
13 0.3 Distribuzioe ormale multidimesioale - versioe provvisoria 64 dove A(x µ,..., x µ ) (x µ,..., x µ ) Σ I forma matriciale e vettoriale si ha dove f(x,..., x ) Σ (π) x µ x µ e (x µ) Σ (x µ) t, x (x, x..., x ), µ (µ, µ..., µ ). La distribuzioe ormale dimesioale gode di proprietà simili a quella bidimesioale; i particolare X i N µi,σ i, i,...,. Ioltre, se per ogi i j si ha σ ij 0, la matrice delle variaze-covariaze diveta diagoale e la desità cogiuta coicide co il prodotto delle desità margiali, ovvero i umeri aleatori X,..., X soo stocasticamete idipedeti. Costruzioe di ua variabile aleatoria ormale multidimesioale.* Dati umeri aleatori X, X,..., X idipedeti e ideticamete distribuiti co distribuzioe ormale stadard (X i N 0, ) sia X (X, X,..., X ) il vettore aleatorio cogiuto. Ovviamete la desità di X è data da f X (x,..., x ) e (π) x xt. I tal caso X ha ua distribuzioe ormale multidimesioale co matrice delle variaze e covariaze la matrice Idetità. Cosideriamo ua trasformazioe lieare di X. Sia {}}{{}}{{}}{ {}}{ Y A X + µ co A ua matrice co A 0 e µ u vettore (coloa?). Si ha che le compoeti di Y soo Y a X + a X a X + µ ;. Y i a i X + a i X a i X + µ i ;. Y a X + a X a X + µ. Ioltre, essedo A ivertibile, si ha X (Y µ)a..
14 0.3 Distribuzioe ormale multidimesioale - versioe provvisoria 65 Poichè Cov(Y i, Y j ) Cov(a i X + a i X a i X, a j X + a j X a j X ) h k a iha jk cov(x h, X k ) a i a j + a i a j a i a j t a i a j si ha che la matrice variaze-covariaze di Y è Σ Y A A t. Si dimostra che Y ha ua distribuzioe ormale multivariata co desità f(y,..., y ) Σ Y (π) e (y µ) Σ Y (y µ)t ) t. ESERCIZIO 0.7. Dati umeri aleatori X, X idipedeti e ideticamete distribuiti co distribuzioe ormale stadard e defiiti Y X + X + ; Y X X determiare la desità Y e la desità di Y. Poichè X, X soo stocasticamete idipedeti si ha ( ) 0 Σ X 0 Ioltre sappiamo che (Y, Y ) ha ua distribuzioe ormale bidimesioale. Determiiamoe la desità. Poichè ( ) A e A segue che la matrice variaze-covariaze di Y è ( ) 0 Σ Y A A t 0 Quidi, Y, Y soo stocasticamete idipedeti co distribuzioe, rispettivamete, Y N, e Y N,.
15 0.4 Covergeze Covergeze Covergeza i legge o i distribuzioe. DEFINIZIONE 0. (Covergeza i legge o i distribuzioe). Ua successioe di distribuzioi co fuzioi di ripartizioe F (x), F (x),... coverge ad ua distribuzioe se esiste ua fuzioe di ripartizioe, F (x), tale che lim F (x) F (x), i ogi puto di cotiuità di F (x) Se idichiamo co X, X,... la successioe dei umeri aleatori co fuzioe di ripartizioe F (x), F (x),... e co X u umero aleatorio co fuzioe di ripartizioe F (X), se F coverge i distribuzioe a F scriveremo X L X, (X d X) e diremo che X coverge i legge (o debolmete) a X. Tale tipo di covergeza si suole dire covergeza debole. Notare che viee richiesta la covergeza delle fuzioi distribuzioi soltato ei puti di cotiuità per F. ESEMPIO 0.. Cosideriamo ua successioe di umeri aleatori X, X,..., X,... co fuzioe di ripartizioe del geerico X defiita da 0 x < ( ), F (x) x ( ). Sia X u umero aleatorio co fuzioe di ripartizioe data da 0 x < 0, F (x) x 0. Verificare se X L X. Distiguiamo tre casi. ( ) () Sia x < 0. Si ha F (x) 0. Poichè lim 0 esiste u x tale che x < ( ), > x. Allora si ha F (x) 0 F (x) per > x, cioè F (x) F (x). ( ) () Sia x > 0. Poichè lim 0 esiste u x tale che x > ( ), > x. Allora si ha F (x) F (x) per > x, cioè F (x) F (x). (3) Sia x 0. I tal caso F k (0) 0, F k+ (0) pertato F (0) o ha limite. Osserviamo che però il puto x 0 o è di cotiuità per F (x). Quidi F (x) F (x) i ogi puto di cotiuità per F (X), cioè X L X.
16 0.4 Covergeze 67 TEOREMA 0.. Idicado co ψ la fuzioe caratteristica corrispodete ad F, la successioe F,..., F,... coverge i distribuzioe ad F se e solo se la corrispodete successioe di fuzioi caratteristiche ψ,..., ψ,... coverge a ψ. I breve F (x) F (x) ψ (t) ψ(t) Tale risultato teorico permette di dimostrare il Teorema cetrale del limite Teorema cetrale del limite. Data ua successioe di umeri aleatori X,..., X,..., idipedeti ed ugualmete distribuiti, co P(X i ) m, Var(X i ) σ, si cosideri la successioe delle medie aritmetiche Y X, Y X + X, Y X + + X,..., e quella delle medie aritmetiche ridotte Z,..., Z. Ovviamete P(Y ) m, Var(Y ) σ e quidi Z Y m σ/. Idicado co F i la fuzioe di ripartizioe di Z i, la successioe F,..., F,... coverge alla fuzioe di ripartizioe (di ua distribuzioe ormale stadard) Φ 0,, ovvero si ha lim F (z) lim P (Z z) Φ(z), z R. + + Il risultato precedete si ottiee dimostrado che la successioe ψ,..., ψ,... (di fuzioi caratteristiche dei umeri aleatori Z,..., Z,...) coverge alla fuzioe caratteristica (della distribuzioe ormale stadard) ψ(t) e t. TEOREMA 0.3 (Teorema cetrale del limite). Data ua successioe di. a. X,..., X,..., idipedeti ed ugualmete distribuiti, co P(X i ) m, Var(X i ) σ < +, e posto Y X, Y X +X,..., Y X + +X,..., Z Y m σ, Z Y m σ/,..., Z Y m σ/,..., si ha z lim P (Z z) Φ(z) N(t)dt, z R ; + ovvero, la successioe Z,..., Z,... coverge i legge ad u. a. Z co distribuzioe ormale stadard. DIMOSTRAZIONE. Dim.: si ha Z Y m σ/ ( ) Xh m σ h co P(U ) 0, V ar(u ),. h U h, I. a. stadardizzati U,..., U,... soo idipedeti ed ugualmete distribuiti; idicado co ψ(t) la loro fuzioe caratteristica, si ha ψ(t) ψ(0) + ψ (0) t + ψ (0)! t + t + ;
17 0.4 Covergeze 68 ) ioltre: ψ U h (t) P (e it U h ψ ( ) t ( ) t + t + o, ψ Z (t) ψ U h (t) Π U h hψ h (t) [ ( )] [ ( ) t t ψ + ψ ] ; ricordiamo che: log( + z) ( )+ z z z quidi: log ψ Z (t) log + z + o(z) z (z 0) ; [ + ψ ( ) t ] [ ( ) ] [ ( ) ] t t log + ψ ψ t + o ( ) t ; allora: lim ψ Z (t) e lim log ψ Z (t) e t. Osservazioe. La variabile aleatoria Z, cioè la media aritmetica di X, X,..., X stadardizzata, coicide co la somma S X + X X stadardizzata, ovvero Z X +X +...+X σ m X +X +...+X m σ S P(S). V ar(s) Pertato, possiamo dire che la successioe delle somme aleatorie stadardizzate S P(S) coverge i distribuzioe ad ua variabile aleatoria co V ar(s) distribuzioe ormale stadard. I sitesi P (Z z) P ( S P(S) V ar(s) z z) π e x dx ESEMPIO 0.5 (Processo Beroulliao). Cosideriamo ua successioe di eveti E, E,..., E,... idipedeti ed equiprobabili, co probabilità P (E ) p. Sia X i E i, i N. Si ha P(X i ) p, σ (X i ) p(q p). Per ogi N poiamo S X + X + X E + E + E.
18 0.4 Covergeze 69 Si ha che S Bi(, p) e quidi P(S ) p e σ (S ) p( p). Per il teorema cetrale del limite possiamo cocludere ( ) S p P < x Φ 0,(x). p( p) Quidi, per grade, la distribuzioe del umero aleatorio (delle frequeze ridotte) S p p( p) si può approssimare co ua ormale stadard. ESERCIZIO 0.8. Da u ura coteete pallia biaca e 9 ere si effettuao 00 estrazioi co restituzioe. Sia E i l eveto la i esima pallia estratta è biaca, i {,,..., 00}. Sia S 00 il umero aleatorio di pallie biache estratte. Calcolare mediate u opportua approssimazioe P (5 S 00 5). ESEMPIO 0.. Sia X si Bi(, p), co 40, p. Calcolare, mediate u opportua approssimazioe, P (X 0). Si ha Osserviamo che P (X 0) P (9.5 < X < 0.5) P ( 0.6 < Z < 0.6) Φ 0, (0.6) 0.7. P (X 0) ( ) ESEMPIO 0.3. Siao X, X,..., X,... ua successioe di variabili aleatori idipedeti e ideticamete distribuiti co X i U([0, ]). Calcolare P ( 0 i X i > 7) mediate u opportua approssimazioe. Ricordiamo che P(X i ) e V ar(x i). Utilizzado il Teorema cetrale del limite si ha P ( 0 i X i > 7) P ( 0 i X i 5 0 > ) Φ 0, (.9)
19 0.4 Covergeze Covergeza i Probabilità. DEFINIZIONE 0.. Data ua successioe X, X,..., X,... di umeri aleatori e u umero aleatorio X diremo che X tede i probabilità a X e scriveremo (00) X P X se fissati comuque due umeri positivi ɛ, θ è possibile determiare u itero ɛ,θ, tale che per ogi > ɛ,θ risulti (0) P ( X X ɛ) < θ o, i altri termii, se (0) ɛ > 0 lim P ( X X ɛ) 0 Nel caso di vettori aleatori co dimesioi k maggiori di la disuguagliaza X X vale compoete per compoete. Sigificato geometrico per k. Dire che X P X equivale a dire che la probabilità della striscia X X < ɛ qualuque sia l ampiezza (ɛ) tede a o equivaletemete che la probabilità della parte di piao X X ɛ tede a Covergeza Quasi certa. Ua successioe di variabili aleatorie {X (ω)} rappreseta ua successioe di fuzioi misurabili da (Ω, F) i (R, B ). Per tale successioe u usuale covergeza matematica è quella putuale, cioè X (ω) X, ω Ω ovvero (se come distaza cosideriamo quella euclidea) ɛ > 0, m : X (ω) X(ω) < ɛ per > m. Ua covergeza del geere però è troppo forte per le variabili aleatorie, visto che siamo iteressati allo studio delle probabilità. Pertato la covergeza sarà sufficiete ache se o si realizza i alcui puti, purchè questi formio u isieme di misura trascurabile. DEFINIZIONE 0.3 (Covergeza quasi certa.). Data ua successioe di v.a. {X } e ua v.a. X, diremo che X coverge quasi certamete a X se l eveto X (ω) X(ω) è quasi certo, ovvero se P (X X) P ({ω Ω : X (ω) X(ω)}) I tal caso si scrive X q.c. X, oppure che X tede a X co probabilità. La covergeza q.c. di X ad ua v.a. X sigifica predere i cosiderazioe i ua prova (ipotetica) i valori assuti dalle ifiite v.a. X e vedere se questi covergoo al valore assuto dalla v.a. X: tale eveto deve avere probabilità. Caratterizzazioe della covergeza quasi certa,
20 0.4 Covergeze 7 q.c. TEOREMA 0.. X X se e solo se ɛ > 0, lim P ( X r X < ɛ) r Pertato ua defiizioe alterativa di covergeza quasi certa potrebbe essere la seguete. DEFINIZIONE 0.4. Data ua successioe di v.a. {X } e ua v.a. X, diremo che X coverge quasi certamete a X se, fissati due umeri positivi ɛ, θ, è possibile determiare u itero ɛ,θ, tale che per ogi > ɛ,θ risulti ( + ( P Xr X ɛ )) < θ. r Fissati, i altri termii, arbitrariamete ɛ e θ debboo risultare miori di θ, per > ɛ,θ, o solo le probabilità, P ( X X ɛ ), che ciascuo sigolarmete degli scarti sia o iferiore a ɛ (come richiesto dalla covergeza i probabilità), ma ache le probabilità che ache uo solo su tutti gli scarti X X da ɛ,θ i poi sia o iferiore a ɛ. Si dimostra il seguete TEOREMA 0.. Se X q.c. X allora X P X. Il viceversa o vale. Si possoo costruire alcui cotroesempi. I defiitiva la relazioe che sussiste, solo i u verso, tra le verie covergeze, è la seguete. X q.c. X X P X X L X Applicazioe - Legge dei gradi umeri. Sia X, X,..., X,... ua successioe di variabili aleatorie i.i.d, co P(X ) µ e var(x ) σ fiite. Cosideriamo la successioe delle medie aritmetiche X X i /. i Si ha P(X ) µ e var(x ) σ /. Pertato la media aritmetica avrà ua distribuzioe cetrata su µ che al tedere di all ifiito avrà ua variaza ifiitesima var(x ) σ / 0, ovvero sempre più cocetrata su µ. Osserviamo che per trovare la distribuzioe di X bisogerebbe fare covoluzioi. Proviamo che X P X la successioe X coverge i probabilità al umero aleatorio X µ. Per la disuguagliaza di Cebicev si ha P ( X µ > ɛ) var(x ) ɛ
21 0.4 Covergeze 7 ma var(x ) σ / 0 pertato si ha ɛ > 0 lim P ( X µ > ɛ) 0. Tale risultato prede il ome di Legge (debole) dei gradi umeri. Ad esempio è utile per stimare la vera misura di ua lughezza, dopo aver effettuato diverse misure, si può cosiderare come vera misura la media aritmetica. I particolare tale risultato prede ache il ome di Teorema di Beroulli, i quato ella sua prima forma fu dimostrato da Beroulli. Sia X, X,..., X,... ua successioe di variabili aleatorie beroulliae i.i.d, co P(X ) p e var(x ) p( p) fiite. Ovvero {, co P (X ) p X 0, co P (X 0) p q I tal caso la successioe delle medie aritmetiche diviee la frequeza relativa f di successo su prove e il teorema diviee ɛ > 0 lim P ( f p > ɛ) 0. Cioè la frequeza relativa di successo coverge i probabilità alla probabilità p di successo. U altro importate risultato dovuto a Beroulli, idicado co S i X i la frequeza assoluta, è il seguete k > 0 lim P ( S p > k). Cioè il umero di S p tede i probabilità all ifiito. Possiamo pertato dire che, i riferimeto al lacio di ua moeta, se si fao u umero elevati di laci la frequeze relativa di T esta sarà, co probabilità alta, vicia a /, ma la frequeza assoluta, cioè il umero di T esta, sarà probabilmete lotao da /. Se ad ogi lacio si vice se esce T esta e se esce Croce, allora dopo u umero elevato di laci la vicita (positiva o egativa) sarà lotaa da zero Covergeza i Legge e covergeza i Probabilità. TEOREMA 0.3. Se X P X allora X L X. Ioltre se X a co probabilità vale il viceversa, cioè se X L X allora X P X Il precedete teorema dimostra che la covergeza i probabilità è più forte della covergeza i legge, trae per variabili degeere. I geerale la covergeza i legge o implica la covergeza i probabilità. Vediamo u cotroesempio. ESEMPIO 0.4. Sia X, X,..., X,... ua successioe di variabili aleatorie idipedeti e uiformemete distribuite i (0, ) e sia X ua variabile
22 0.4 Covergeze 73 aleatoria co distr. uif. sempre i (0, ) Essedo tutte le variabili i gioco co stessa distribuzioe tutte avrao come fuzioe di ripartizioe la fuzioe F F defiita come F (x) 0, se x 0, x, se 0 x <,, se x. Quidi X coverge i legge a X. Proviamo che o c è covergeza i probabilità. Osserviamo che la desità margiale f(x, x) è {, se (x, x) Q f (x, x), 0, altrimeti avedo idicato co Q il quadrato uitario, Q {(x, y) : 0 x, 0 y }. Cosideriamo l eveto X X > ɛ si ha P ( X X > ɛ) ( ɛ) cioè fissato ɛ la quatità P ( X X > ɛ) rimae costate al crescere di, quidi X P X. ESERCIZIO 0.. Sia {X U(0, /), N} ua successioe di variabili aleatorie ( delta di Dirac), provare che X coverge sia i legge che i probabilità a X Covergeza i Media. Dato u umero reale r > 0, diciamo che X tede a X i media r esima, e scriviamo se X m.r. X. P( X X r ) 0. Per r si parla di covergeza i media quadratica. Ioltre tale covergeza, poichè prede i cosiderazioe i valori medi, richiede che essi siao fiiti. Ricordiamo che la disuguagliaza di Cebicev (Markov). Per r > 0, ɛ > 0, si ha P ( X > ɛ) P( X r ) ɛ r, pertato possiamo dimostrare che TEOREMA 0.4. ifatti X m.r. X X P X, ɛ, P ( X X > ɛ) P( X X r ) ɛ r 0
23 0.4 Covergeze 74 ESEMPIO 0.5. Nell ifereza statistica classica (oltre alla correttezza) si dice che uo stimatore Y è cosistete se tede i probabilità alla gradezza η da stimare. Se P(Y ) η, cioè lo stimatore è corretto, si ha P((Y η) ) P((Y P(Y )) ) var(y ) quidi se la var(y ) 0 segue che Y m.q. η. e per il Teorema 0.4 si ha Y P η cioè lo stimatore è cosistete. Pertato la media campioaria X (per variabili co mometi di ordie fiiti) è uo stimatore corretto e cosistete della media.
Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliEsercizi sulle successioni
Esercizi sulle successioi 1 Verificare, attraverso la defiizioe, che la successioe coverge a 2 3. a := 2 + 3 3 7 2 Verificare, attraverso la defiizioe, che la successioe coverge a 0. a := 4 + 3 3 5 + 7
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliRichiami sulle potenze
Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle
DettagliEsercizi svolti. 1. Calcolare i seguenti limiti: log(1 + 3x) x 2 + 2x. x 2 + 3 sin 2x. l) lim. b) lim. x 0 sin x. 1 e x2 d) lim. c) lim.
Esercizi svolti. Calcolare i segueti iti: a log + + c ± ta 5 + 5 si π e b + si si e d + f + 4 5 g + 6 4 6 h 4 + i + + + l ± + log + log 7 log 5 + 4 log m + + + o cos + si p + e q si s e ta cos e u siπ
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
Dettaglia) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k
ALCUNE FUNZIONI ELEMENTARI ( E NON) E LORO GRAFICI (*) a) la fuzioe costate k. Sia k u umero reale e cosideriamo la fuzioe che ad ogi umero reale x associa k: x R k Tale fuzioe è detta fuzioe costate k;
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliCalcolo delle Probabilità: esercitazione 3
Argometo: Probabilità codizioata e teorema di Bayes (par. 3.4 libro di testo) Esercizio Tra i partecipati ad u cocorso per giovai musicisti, il 50% suoa il piaoforte, il 30% suoa il violio ed il restate
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliInferenza Statistica (3 crediti) per la Laurea Magistrale in Informatica
Uiversità di Roma Tor Vergata Facoltà di Scieze Matematiche Fisiche e Naturali Dipartimeto di Matematica Apputi di Ifereza Statistica 3 crediti) per la Laurea Magistrale i Iformatica Claudio Macci Ao Accademico
Dettagli15 - Successioni Numeriche e di Funzioni
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 15 - Successioi Numeriche e di Fuzioi Ao Accademico 2013/2014 M Tummiello, V Lacagia,
DettagliIngegneria Elettronica, Informatica e delle Telecomunicazioni Prova scritta di ANALISI B - 23/06/2006
Igegeria Elettroica, Iformatica e delle Telecomuicazioi Prova scritta di ANALISI B - 23/06/2006 CORSO DI STUDI IN INGEGNERIA... NOME E COGNOME:... NUMERO DI MATRICOLA:... (scrivere ome e cogome ache su
Dettagli= Pertanto. Per la formula di Navier ( σ = ), gli sforzi normali σ più elevati nella sezione varranno: di compressione);
La sezioe di trave di figura è soggetta ad u mometo flettete pari a 000 knmm e ed u azioe di taglio pari a 5 kn, etrambe ageti su u piao verticale passate per l asse s-s. Calcolare gli sforzi σ e τ massimi
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
DettagliLezioni di Topografia
progetto didattica i rete getto Dipartimeto di Georisorse e Territorio Politecico di Torio, dicembre 000 didattica i ret Lezioi di Topografia Parte II - Il trattameto statistico delle misure A. Mazio otto
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliI appello - 29 Giugno 2007
Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (
Dettagli3.4 Tecniche per valutare uno stimatore
3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla
Dettagli5. Le serie numeriche
5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliSolidi e volumi Percorso: Il problema della misura
Solidi e volumi Percorso: Il problema della misura Abilità Coosceze Nuclei Collegameti esteri Calcolare perimetri e aree Equivaleza el piao ed Spazio e figure Fisica di poligoi. equiscompoibilità tra Disego
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliStatistica descrittiva
Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa
DettagliCapitolo 6 Teoremi limite classici
Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia
Dettagli2. PROBLEMI ISOPERIMETRICI
. ROBLEMI IOERIMETRICI (OLUZIONI roblema isoperimetrico classico : Tra le figure piae di perimetro fissato trovare quella di area massima. ROBLEMA IOERIMETRICO ER I RETTANGOLI: (itra tutti i rettagoli
DettagliC a p i t o l o s e t t i m o. Trasmissione del calore per radiazione
C a p i t o l o s e t t i m o Trasmissioe del calore per radiazioe Problema. Si cosideri u corpo ero i uo spazio o assorbete le radiazioi elettromagetiche; se il corpo viee mateuto alla temperatura di
DettagliUNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba
UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimeto di Ecoomia Variabili Casuali Giulio Palomba Variabili casuali Idice Itroduzioe 5 Variabili casuali discrete 7. Variabile casuale degeere....................
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliStatistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni
Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste
DettagliSommario lezioni di Probabilità versione abbreviata
Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliQual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliLa base naturale dell esponenziale
La base aturale dell espoeziale Beiamio Bortelli 7 aprile 007 Il problema I matematica, ci è stato detto, la base aturale della fuzioe espoeziale è il umero irrazioale: e =, 7888... Restao, però, da chiarire
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliCampi vettoriali conservativi e solenoidali
Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile
Dettagli1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6
SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti
DettagliPolitecnico di Milano Appunti delle lezioni del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009. Teoria della stima puntuale
Politecico di Milao Apputi delle lezioi del corso di Statistica (2L) per gli allievi INF e TEL, AA 2008/2009 Teoria della stima putuale Ileia Epifai 9 marzo 2009 Il coteuto di queste dispese è protetto
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
Dettagli1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -
ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si
Dettagli8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo
ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache;
DettagliSerie numeriche: esercizi svolti
Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliSERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.
Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.
DettagliCORSO DI STATISTICA I (Prof.ssa S. Terzi)
CORSO DI STATISTICA I (Prof.ssa S. Terzi) STUDIO DELLE DISTRIBUZIONI SEMPLICI Esercitazioe. Data la segete distribzioe di freqeza: X 0- -2 2-3 3-5 5-0 0-5 5-25 N 44 35 22 58 60 06 02 a) calcolare le freqeze
DettagliElementi di Probabilità e Statistica
Elemeti di Probabilità e Statistica Maurizio Pratelli Ao Accademico 2013-14 Cotets 1 Nozioi fodametali 5 1.1 Prime defiizioi.......................... 5 1.2 Calcolo combiatorio....................... 9
DettagliANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.
ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliCorso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015
Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
Dettagli1. Variabili casuali discrete
Le variabili casuali discrete A cura di Claudio Cereda - dicembre 2005 pag. 1 1. Variabili casuali discrete 1.1 defiizioi 1.1.1 variabile casuale def Ua variabile casuale è ua gradezza X che può assumere
DettagliAppunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15
Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio
Dettagli1 Metodo della massima verosimiglianza
Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che
DettagliParte V La descrizione dei fenomeni attraverso la statistica
64 Parte V La descrizioe dei feomei attraverso la statistica Dai capitoli presedeti è stato possibile verificare l importaza odale che il sistema iformativo detiee elle scelte di piaificazioe territoriale.
DettagliL'ALGORITMO DI STURM Michele Impedovo, Simone Pavanelli
L'ALGORITMO DI STURM Michele Impedovo, Simoe Pavaelli Lettera P.RI.ST.EM, 10, dicembre 1993 Questo lavoro asce dalla collaborazioe tra u isegate e uo studete; lo studete ha curato iteramete la costruzioe
DettagliINTEGRAZIONE NUMERICA
INTEGRAZIONE NUMERICA ANALISI SPERIMENTALE DEGLI ERRORI Prof. Michele Impedovo 1. Itroduzioe Il lavoro seguete è stato svolto i ua quita classe di liceo scietifico tradizioale. Sia data ua fuzioe ƒ cotiua
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliCAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE
CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.
DettagliANALISI STATISTICA DEI DATI
AALISI STATISTICA DEI DATI STATISTICA E PROBABILITA' Misura di ua gradezza fisica Errori dovuti a: Strumeti di misura Parametri o cotrollabili da sperimetatore da valore vero gradezza varia da misura a
DettagliV Tutorato 6 Novembre 2014
1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe
DettagliCapitolo Decimo SERIE DI FUNZIONI
Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi
DettagliRisposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere
Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
DettagliSerie numeriche e serie di potenze
Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi
DettagliTeorema 13. Se una sere converge assolutamente, allora converge:
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e
DettagliSUCCESSIONI E SERIE NUMERICHE
SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua
DettagliDistribuzioni per unità
Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa ota si occupa dell illustrazioe
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:
DettagliPARTE QUARTA Teoria algebrica dei numeri
Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
Dettagliq V C dipende solo dalla geometria dei piatti e ci dice quanta carica serve ad un dato condensatore per portarlo ad una DV fissata.
I codesatori codesatore è u dispositivo i grado di immagazziare eergia, sottoforma di eergia poteziale, i u campo elettrico Ogi volta che abbiamo a che fare co due coduttori di forma arbitraria detti piatti
DettagliSERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n
SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado
DettagliDistribuzioni di probabilità Unità 79
Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo
DettagliStatica e Sismica. delle Costruzioni Murarie. Cerchio di Mohr
Uiversità degli Studi di Messia Facoltà di Igegeria A.A. 006/007 Statica e Sisica delle Costruzioi Murarie Docete: Ig. Alessadro Paleri Lezioe. 3: Circofereze di Mohr τ t P Sia P u puto geerico del cotiuo
DettagliAnno 5 Successioni numeriche
Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai
DettagliLA DERIVATA DI UNA FUNZIONE
LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:
DettagliElementi di Calcolo Combinatorio
Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale
Dettagli