Esercizi settimana 5. Esercizi applicati. Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 2 3
|
|
- Irma Cavallaro
- 6 anni fa
- Visualizzazioni
Transcript
1 1 Esercizi settimana 5 Esercizi applicati Esercizio 1. Si considerino tre monete truccate, ognuna con probabilità 3 di ottenere testa. Se scegliete la prima moneta vincete 10 punti se esce testa e punti se esce croce. Se scegliete la seconda vincete punti sia che esca testa che croce. Se scegliete la terza vincete 3 punti se esce testa e 0 punti se esce croce. Voi e un avversario dovete scegliere una moneta e non potete scegliere la stessa moneta, ognuno lancerà la propria moneta e la persona che avrà ottenuto il punteggio più alto (in accordo con i punteggi precedenti) vincerà il montepremi. Preferite che sia il vostro avversario a scegliere per primo la moneta o che siate voi i primi a scegliere? Esercizio. Un moneta con probabilità di ottenere testa data da p (0, 1) viene lanciata ripetutamente. Siano m e n N due numeri fissati. A vince se esce testa almeno m volte prima che croce esca n volte; si calcoli la probabilità che A vinca. Esercizio 3. (i) Si consideri un urna contente 6 palline numerate e se ne estraggano con rimpiazzo. Sia X 1 la prima estrazione e X la seconda. Si calcoli la distribuzione di X 1, X e la distribuzione congiunta (X 1, X ) dell estrazione di palline con rimpiazzo. (ii) Si consideri la stessa urna del punto (i) contente 6 palline numerate e se ne estraggano questa volta senza rimpiazzo. Sia Y 1 la prima estrazione e Y la seconda. Si calcoli la distribuzione di Y 1, Y e la distribuzione congiunta (Y 1, Y ) dell estrazione di palline senza rimpiazzo. Soluzione. (i) I possibili valori di X 1 sono i numeri da 1 a 6. Lo stesso vale per la variabile aleatoria X. Chiaramente abbiamo che X 1 U(1,..., 6) e X U(1,..., 6), dove abbiamo indicato con U la distribuzione uniforme di valore 1 6. I possibili esiti del vettore X : (X 1, X ) sono invece tutte le coppie (i, j), i 1,,..., 6 e j 1,,..., 6. Le possibili combinazioni sono dunque 36 e siccome sono equiprobabili abbiamo che X (X 1, X ) U(1,..., 36). (ii) Come nel punto (i) avremo Y 1 U(1,..., 6) e Y U(1,..., 6), cambia però la densità congiunta della coppia (Y 1, Y ). Infatti abbiamo che ora risultati del tipo (i, i) non sono più possibili in quanto l estrazione avviene senza rimpiazzo. Dunque i possibili esiti ora sono le coppie (i, j), i, j 1,,..., 6, i j. In totale abbiamo quindi 30 esiti equiprobabili, la densità congiunta avrà dunque la seguente forma { 1 p (Y1,Y )(i, j) : 30 se i j, 0 se i j,.
2 (a) Densità X 1 U(1,..., 6) e X U(1,..., 6) 6 (b) Densità X (X 1, X ) U(1,..., 36) (c) Densità Y (Y 1, Y ) Esercizio. Si considerino due v.a. discrete X e Y tali per cui la loro densità congiunta sia data da {c ln µ m ν nm p (X,Y ) (n, m) n! m!, l, µ > 0, 0 < ν 1 se n, m 0,, (0.1) 0 altrimenti, e c è una costante reale tale per cui (0.1) è una densità di probabilità (i.e. n,m 0 p (X,Y ) 1). (i) Si calcolino le densità marginali. (ii) Si calcoli P (X n Y m), è una legge nota? (iii) Si dimostri che gli eventi {X n} e {Y m} sono indipendenti sse ν 1. Soluzione. (i) Siccome abbiamo la densità congiunta possiamo ricavare le densità marginale (si ricordi che non è in generale vero il viceversa!). In particolare abbiamo che, n 0, p X (n) m 0 p (X,Y ) (n, m) m 0 c ln µ m ν nm n! m! c ln n n! eµν, dove abbiamo sfruttato l espansione in serie dell esponenziale, ovvero e x n 0 x n n!.
3 3 In maniera analoga abbiamo che, m 0, p Y (m) n 0 p (X,Y ) (n, m) n 0 c ln µ m ν nm n! m! c µm m m! elν. (0.) (ii) Abbiamo che la densità di X sapendo Y è data da, n, m 0, p X Y (n, m) : P (X n Y m) p (X,Y )(n, m) p Y (m), (0.3) abbiamo dunque tutti gli elementi necessari a calcolare esplicitamente (0.3), ovvero unendo (0.1) e (0.) abbiamo che, n, m 0, p X Y (n, m) p (X,Y )(n, m) p Y (m) c l n µ m ν nm m n! m! (lν m ) n e lν c µm elνm n! m! Si può notare come la legge di X condizionata a Y m, m 0, corrisponda ad una legge Poisson di parametro lν m. (iii) Nel caso particolare di m n 0 abbiamo che, se X e Y fossero indipendenti, dovrebbe valere p (X,Y ) (0, 0) c p X (0) p Y (0) c e µ+l, ovvero In generale, per un m qualsiasi abbiamo che c e (µ+l). (0.) p (X,Y ) (0, m) c µm m! p X(0)p Y (m) ce µ c µm m m! elν. (0.5). Unendo ora (0.) e (0.5) abbiamo che sono valide { c e (µ+l) ;, µ m ν m! c e µ µm m!, elνm ν 1. Viceversa, se ν 1, tenendo conto di (0.), abbiamo che,, n, m 0, p (X,Y ) (n, m) e (µ+l) ln µ m ν n! m! µ ln µm e e l n! m! p X(n)p Y (m).
4 (a) Densità p (X,Y ) (b) Densità p X Y (c) Densità p X (d) Densità p Y Figura : l 1, µ 1, ν 1, c e 3 e m Esercizio 5. Si considerino dadi e X e Y due v.a. discrete. Sia X il numero di lanci necessari del dado 1 per ottenere la faccia 1 e sia Y il numero di lanci necessari del dado per ottenere la faccia 5 o la faccia 6. Si determinino le leggi di Z : max(x, Y ) e di W : min(x, Y ). Soluzione. Abbiamo che X Ge( 1 6 ) e Y Ge( 1 3 ), dove abbiamo indicato con Ge la distribuzione geometrica. Abbiamo inoltre che X e Y sono indipendenti. Calcoliamo prima la legge di Z. Indichiamo con F Z la funzione di ripartizione di Z, dunque abbiamo che per ogni n 1 F Z (n) P (Z n) P (X n, Y n) P (X n) P (Y n) F X (n)f Y (n). (0.6) Siccome X e Y sono v.a. geometriche abbiamo che la loro funzione di ripartizione è data da F X (n) 1 (1 1 6 )n, F Y (n) 1 (1 1 3 )n. Dunque abbiamo che l equazione (0.6) diventa F Z (n) F X (n)f Y (n) (1 (1 1 6 )n )(1 (1 1 3 )n ) Possiamo dunque calcolare, n 1, p Z (n) P (n 1 < Z n) F Z (n) F Z (n 1) ( 1 5 n ) ( 1 n ) ( n 1 ) ( 1 3 ( 1 5 n ) ( 1 n ). (0.7) 6 3 n 1 ) 1 n n n 1.
5 5 Per quanto riguarda W possiamo sfruttare il fatto che, n 1, F W (n) P (W n) P (min(x, Y ) n) 1 P (min(x, Y ) > n) 1 P (X > n) P (Y > n) 1 (1 F X (n)) (1 F Y (n)) 1 (1 1 6 )n (1 1 3 )n Procedendo come prima abbiamo ora che Si noti che W Ge( 9 ). p W (n) P (n 1 < W n) F W (n) F W (n 1) n n n 1. n (a) Densità X Ge( 1 ) (b) Densità Y Ge( 1 ) (c) Densità Z (d) Densità W Ge( 9 ) Esercizio 6. Siano X e Y due v.a. discrete indipendenti tali che X B(1, 1 ) e Y B(1, 1 ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii) Si dica se le due v.a. X + Y e X + Y sono indipendenti.
6 6 Soluzione. (i) Abbiamo che essendo X B(1, 1 ) la sua densità discreta sarà della forma p X (0) 1, p X(1) 1, e lo stesso vale per Y (si ricordi che p X (k) : P(X k)). Abbiamo dunque che, siccome X e Y possono assumere solo valori {0, 1}, p X+Y (0) 1, p X+Y (1) 1, p X+Y () 1, dove abbiamo implicitamente sottinteso che p X+Y (k) 0 per k 0, 1,. Si può immediatamente vedere che X + Y B(, 1 ). (ii) Ancora per il fatto che X e Y assumono valori {0, 1}, anche X Y può assumere solo valori {0, 1}, procedendo in maniera analoga al punto precedente abbiamo che p X Y (0) P(X 0)P(Y 0) + P(X 1)P(Y 1) 1, p X Y (1) P(X 0)P(Y 1) + P(X 0)P(Y 1) 1, dunque abbiamo dimostrato che X Y B(1, 1 ). (iii) possiamo dimostrare che le v.a. non siano indipendenti, infatti 0 P(X + Y 0, X Y 1) P(X + Y 0)P( X Y 1) 1 1. Esercizio 7. Si lanci ripetutamente una moneta equilibrata, si indichi con X i l esito dell i esimo lancio. Sia inoltre T n il numero di teste e C n in numero di croci ottenute in n lanci. Si mostri che { n! n P(T n t, C n c) t!c!, t 0,..., n, c 0,..., n, t + c n, 0 altrimenti. Si dica se T n e C n siano indipendenti. Supponiamo ora di fermarci ad un istante S P o(λ). Si indichi ora con T il numero di teste e con C il numero di croci ottenute prima dell istante S, si calcoli p (T,C). Sono indipendenti? Soluzione. La variabile aleatoria X i può assumere valore 0 (croce) con probabilità 1 e valore 1 (testa) sempre con probabilità 1. Abbiamo quindi che T n da cui segue che T n + C n n e quindi n X i, C n i1 n 1 X i, i1 P(T n t, C n c) 0, t + c n.
7 7 Inoltre abbiamo che T n B(n, 1 ) e che C n B(n, 1 ). Possiamo infine notare che richiedere che T n t e che C n c, sotto l ipotesi aggiuntiva che t+c n, è uguale a richiedere solamente T n t, quindi {( n 1 n P(T n t, C n c) P(T n t) t) n! t!c! n, t 0,..., n, c 0,..., n, t + c n, 0 altrimenti. Abbiamo chiaramente che T n e C n non sono indipendenti, infatti per un qualsiasi n 1 abbiamo che 0 P(T n n, C n n) P(T n n)p(c n n) > 0. Sia ora S P o(λ), quindi abbiamo che P((T t, C c) S n) P((T n t, C n c) S n) P(T n t, C n c), da cui possiamo calcolare la probabilità totale P(T t, C c) n 0 P(T t, C c S n)p(s n) ( ) t+c P(T t+c t, C t+c c)p(s t + c) e λ λ t! c! ( (λ ) ) ( t (λ e ) ) λ c e λ P(T t)p(c c), t! c! dove possiamo riconoscere nell ultima espressione il prodotto di due densità P o( λ ) da cui segue l indipendenza di T e C. Esercizi teorici Esercizio 8. Sia X una v.a. discreta, si calcoli la legge delle seguenti v.a. X, X : max{x, 0} min{x, 0}. Esercizio 9. Siano X e Y due v.a. discrete e sia p X Y la densità di X condizionata a Y, si dimostri che p X Y p una densità discreta. Esercizio 10. Siano X e Y due v.a. discrete indipendenti di distribuzione geometrica con parametro p [0, 1]. (i) Si calcoli la legge di X + Y, è una legge nota? (ii) Si calcoli la legge di X sapendo che X + Y m, è una legge nota? Soluzione. (i) Si ricordi che in generale abbiamo che, k 0, p X+Y (k) : P (X + Y k) P (X n) P (Y k n) p X (n)p Y (k n).
8 8 Ricordando che, essendo X e Y v.a. geometriche discrete abbiamo che la loro densità discreta è data da { p(1 p) k se k 0, p X (k) p Y (k) 0 altrimenti,. Abbiamo dunque che, k 0, p X+Y (k) p X (n)p Y (k n) (ii) La legge condizionale vale, m > k 0, p (1 p) k (k + 1)p (1 p) k. p X X+Y (k m) : P (X k X + Y m) P (X k, X + Y m) P (X + Y m). (0.8) Il denominatore nell equazione (0.8) l abbiamo calcolato nel punto (i), rimane dunque da calcolare il numeratore in (0.8). In particolare abbiamo che per m > k 0 P (X k, X + Y m) P (X k, Y m k) p X (k)p Y (m k) Dunque abbiamo che l equazione (0.8) diventa p X X+Y (k m) p(1 p) k p(1 p) m k p (1 p) m. p (1 p) m (m + 1)p (1 p) m 1 m + 1. Si noti che la legge di X condizionata a X+Y m è una variabile uniforme su {0, 1,,..., m 1, m}.
9 (a) Densità X G( 1 ) (b) Densità X + Y con p (c) Densità X X + Y U(1,..., 5) Esercizio 11. Siano X P o(λ 1 ) e Y P o(λ ), λ 1, λ > 0, v.a. discrete indipendenti, trovare la legge di X + Y. Soluzione. Si ricordi che una v.a. discreta X P o(λ) ha densità discreta (si ricordi che una v.a. discreta ammette una densità degenere che per analogia con il caso continuo viene denominata densità discreta, in seguito, per comodità, verrà usato solamente il termine densità senza specificare che si tratta di una densità discreta) λ λk {e p X (k) : P (X k) k! se k 0, 0 altrimenti,. Abbiamo quindi che, k 0, ( k ) p X+Y (k) : P (X + Y k) P {X n, Y k n} p X (n)p Y (k n) e (λ1+λ) λ n 1 n! e λ1 λk 1 k! (k n)! k! e (λ1+λ) k! λ k n Usando ora il binomio di Newton abbiamo che P (X n) P (Y k n) λ k n k! e λ (k n)! e (λ1+λ) λ n 1 λ k n n! (k n)! k! n!(k n)! λn 1 λ k n e (λ1+λ) k! p X+Y (k) : P (X + Y k) e (λ1+λ) (λ 1 + λ ) k. k! ( ) k λ n 1 λ k n. n
10 (a) Densità X P o(10) (b) Densità Y P o(5) (c) Densità X + Y P o(15) Quindi abbiamo dimostrato che X + Y P o(λ 1 + λ ). Esercizio 1. Siano X U(1,..., n) e Y U(1,..., m), n, m N. Supponiamo che siano indipendenti, si calcoli la legge di X + Y e se ne dia una rappresentazione grafica. Soluzione. Utilizzando la formula per la densità della somma di v.a. insieme alla densità per v.a. uniformi, otteniamo Si veda la figura 6. p X+Y (k) : P (X + Y k) P (X i) P (Y k i) i k 1 nm k min{n, m}, min{n,m} nm min{n, m} < k max{n, m}, n+m+1 k nm max{n, m} < k m + n. Esercizio 13. Siano X e Y due variabili aleatorie i.i.d. con densità p X (1) p X ( 1) p Y (1) p Y ( 1) 1, p X(k) p Y (k) 0 se k 1, 1. Sia Z XY. Si dimostri che X, Y e Z sono a due a due indipendenti. Sono indipendenti?
11 11 n,m6 n,m Figura 6: Densità X + Y Soluzione. Sappiamo dalle ipotesi che X e Y sono indipendenti. Dimostriamo ora che X e Z sono indipendenti. Siccome X può assumere solo i valori 1 e 1 otteniamo che P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1), P (X 1, Z 1) P (X 1, Y 1) P (X 1) P (Y 1) 1 P (X 1) P (Z 1). Conti analoghi mostrano che anche Y e Z sono indipendenti. Possiamo invece dimostrare che X, Y e Z non sono globalmente indipendenti, infatti abbiamo che P (X 1, Y 1, Z 1) 1 P (X 1) P (Y 1) P (Z 1). 8 Esercizio 1. Siano X e Y due variabili aleatorie i.i.d. con densità p X (k) p Y (k) k, k 1,,....
12 1 Si calcoli: (i) P(min{X, Y } k); (ii) P(X > Y ); (iii) P(X Y ); (iv) P(X > CY ), C N; (v) P(X KY ), K R; Esercizio 15. Siano X e Y due variabili aleatorie discrete con densità congiunta Si calcoli: p (X,Y ) (x, y) (i) la costante C affinché p sia una densità discreta; (ii) le densità marginali p X e p Y ; (iii) si calcoli la legge di X + Y e di X Y. C (x + y 1)(x + y)(x + y + 1), x, y 1. Soluzione. (i)+(ii) calcoliamo prima la densità marginale p X. Abbiamo che C p X (x) P (X x, Y y) (x + y 1)(x + y)(x + y + 1) y1 y1 La densità marginale p Y ( C C x(x + 1) C y1 ) (x + y)(x + y + 1) ). 1 (x + y 1)(x + y) 1 ( 1 x 1 x + 1 si calcola con conti analoghi. Sommando ora per x 1, e impostando tale somma uguale a 1, otteniamo 1 P (X x) P (X x, Y y) x1 da cui segue C. (iii) Sia z, allora abbiamo che x1 y1 p X+Y (z) P (X + Y z) k1 x1 ( C 1 x 1 ) C x + 1, P (X k, Y z k) z(z + 1).
13 13 Sia ora invece z 0, calcoliamo la densità di X Y come somma delle v.a. X e Y usando la formula della convoluzione discreta. Otteniamo p X Y (z) P (X Y z) P (X k, Y z k) P (X k + z, Y k) k1 k1 1 (k + k + z 1)(k + k + z)(k + k + z + 1) k1 ( ) 1 (k + z 1)(k + z 1 (k + z)(k + z + 1) k1 ( 1) k+1 (k + z)(k + z + 1). k1 Per simmetria, se z 0, otteniamo P (X Y z) P (X Y z) P (X Y z ). 0 Legenda: : esercizio da sapere all esame; : esercizio difficile
1 Esercizi tutorato 1/4
Esercizi tutorato 1/ 1 1 Esercizi tutorato 1/ Esercizio 11 Siano X e Y due va discrete indipendenti di distribuzione geometrica con parametro p [0, 1] (i) Si calcoli la legge di X + Y, è una legge nota?
Dettagli) la sua densità discreta sarà della forma. p X (0) = 1 2, p X(1) = 1 2,
Esercizi settimana 6 Esercizi applicati Esercizio. Siano X e Y due v.a. discrete indipendenti tali che X B(, ) e Y B(, ), n 0. (i) Si calcoli la legge di X + Y ; (ii) Si calcoli la legge di X Y ; (iii)
DettagliP(X > 0) = P(X 1 = 1) + P(X 1 = 1, X 2 = 1, X 3 = 1) =
1 Esercizi settimana 3 Esercizio 1. Un urna contiene 8 palline bianche, 4 nere e rosse. Si assuma di vincere e ogni volta che si estragga una pallina nera, si perda 1e per ogni pallina bianca e non succeda
DettagliVARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliEsame di AM2 & EAP (270/04) a.a. 2009/10
Quarto appello del 16 Luglio 2010 1. Un urna contiene delle palline numerate e distribuite in seguente maniera: Vengono estratte due palline senza rimpiazzo e siano X e Y rispettivamente il numero della
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
DettagliESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI
Variabili bidimensionali ESERCIZI DI CALCOLO PROBABILITÀ DISTRIBUZIONI DOPPIE E NOTEVOLI 1) Siano X 1 e X 2 due variabili casuali indipendenti che possono assumere valori 0, 1 e 3 rispettivamente con probabilità
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliPROBLEMI DI PROBABILITÀ
PROBLEMI DI PROBABILITÀ 1. Si dispongono a caso su uno scaffale sette libri, dei quali tre trattano di matematica. Qual è la probabilità che i tre libri di matematica si vengano a trovare l uno accanto
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliX (o equivalentemente rispetto a X n ) è la
Esercizi di Calcolo delle Probabilità della 5 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizio 1. Siano (X n ) n i.i.d. di Bernoulli di parametro p e definiamo per
Dettaglie n n xn ( 1) n ( 1) n n + 1 2e n x n 3n [ln x]n 1 n + 1 2e n 1
1) Studiare la seguente serie di funzioni en ( 1) n n x n 2) Studiare la seguente serie di funzioni ( 1) n n + 1 2e n xn 3) Studiare la seguente serie di funzioni 3n [ln x]n 1 2n 4) Studiare la seguente
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliSoluzione esercizi (quarta settimana)
Soluzione esercizi (quarta settimana) Marco Riani Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? 1 Esempio Gioco la schedina mettendo a caso i segni (1 X
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliVariabili aleatorie discrete
Capitolo 3 Variabili aleatorie discrete Esercizio 60 In una procedura di controllo di produzione, n processori prodotti da un processo industriale vengono sottoposti a controllo. Si assuma che ogni pezzo,
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliEsame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 30 marzo 2009 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliCENTRO SALESIANO DON BOSCO TREVIGLIO Corso di Informatica
) Un urna contiene 0 palline numerate da a 0. Si calcoli la probabilità che: a) estraendo successivamente palline, rimettendo ogni volta la pallina estratta nell urna, si abbiano due numeri primi; b) estraendo
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
DettagliEsercitazione del 07/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 07/0/0 Istituzioni di Calcolo delle Probabilità David Barbato Esercizio Vengono lanciati due dadi a 6 facce regolari. Calcolare le seguenti probabilità. (a) Qual è la probabilità che
Dettagli0 se y c 1 (y)) se c < y < d. 1 se y d
Capitolo. Parte IX Exercise.. Sia X una variabile aleatoria reale assolutamente continua e sia (a,b) un intervallo aperto (limitato o illimitato) di R, tale che P(X (a,b)) =. Sia ϕ : (a,b) R una funzione
DettagliEsercizi su variabili discrete: binomiali e ipergeometriche
CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su variabili discrete: binomiali e ipergeometriche Es1 Due squadre di rugby si sfidano giocando fra loro varie partite La squadra che vince 4 partite
Dettagli1 Eventi. Operazioni tra eventi. Insiemi ed eventi. Insieme dei casi elementari. Definizione di probabilità.
Quella che segue e la versione compatta delle slides usate a lezioni. NON sono appunti. Come testo di riferimento si può leggere Elementi di calcolo delle probabilità e statistica Rita Giuliano. Ed ETS
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliCalcolo delle Probabilità e Statistica
Calcolo delle Probabilità e Statistica Alcuni esercizi Laura Poggiolini Dipartimento di Matematica Applicata Giovanni Sansone Università di Firenze 2 Indice 1 Probabilità: esercizi vari 1 1.1 Combinatorica
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliOperazioni tra matrici e n-uple
CAPITOLO Operazioni tra matrici e n-uple Esercizio.. Date le matrici 0 4 e dati λ = 5, µ =, si calcoli AB, BA, A+B, B A, λa+µb. Esercizio.. Per ognuna delle seguenti coppie di matrici A, B e scalari λ,
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliCALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.
Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliUNIVERSITA` di ROMA TOR VERGATA
UNIVERSITA` di ROMA TOR VERGATA Corso di PS2-Probabilità 2 P.Baldi appello, 7 giugno 200 Corso di Laurea in Matematica Esercizio Siano X, Y v.a. indipendenti di legge Ŵ(2, λ). Calcolare densità e la media
DettagliLEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
DettagliCAPITOLO 9. Vettori Aleatori
CAPITOLO 9 Vettori Aleatori 9 9 Vettori Aleatori 3 9 Vettori Aleatori In molti esperimenti aleatori, indicando con Ω l insieme dei possibili risultati, al generico risultato dell esperimento, ω Ω, sono
DettagliEsame di Probabilità e Statistica del 23 agosto 2010 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 3 agosto 00 Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliP(A B C) = P(A)+P(B)+P(C) P(A B) P(A C) P(C B)+P(A B C). (E.2)
QUALCHE ESERCIZIO di PROBABILITÀ E 1 Dimostrare che: P(A B) = P(A) + P(B) P(A B) (E.1) P(A B C) = P(A)+P(B)+P(C) P(A B) P(A C) P(C B)+P(A B C). (E.2) E 2 Dati due eventi A e B tali che P(A) = 3/4 e P(B)
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
Corso di Laurea Triennale in Matematica Corso di Calcolo delle Probabilità 1 A. A. 4/5 a prova in itinere 8/6/5docenti G. Nappo, F. Spizzichino La prova scritta consiste nello svolgimento degli Esercizi
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliCP110 Probabilità: Esonero 1
Dipartimento di Matematica, Roma Tre Pietro Caputo 2016-17, II semestre 11 aprile, 2017 CP110 Probabilità: Esonero 1 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante l esame
Dettagli, mentre Y è una variabile geometrica di costante q = 1 2. (1 q) n = q (1 q) 3 1 q = (1 2 )3 = 1 8. n=0
SOLUZIONI DEGLI ESERCIZI SULLE VARIABILI ALEATORIE DISCRETE Esercizio. Sono date due urne denominate rispettivamente A e B. A contiene palline bianche e 6 palline rosse, B contiene 8 palline bianche e
DettagliPROCESSI STOCASTICI 1: ESERCIZI
PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono
DettagliDistribuzioni di probabilità. Un po' di teoria
Distribuzioni di probabilità Un po' di teoria Distribuzione di Poisson Considera un centralino telefonico. Tale centralino riceve in media 3600 telefonate al giorno. Vogliamo calcolare la probabilità
DettagliVerifica delle ipotesi: Binomiale
Verifica delle ipotesi: Binomiale Esercizio Nel collegio elettorale di una città, alle ultime elezioni il candidato A ha ottenuto il 4% delle preferenze mentre il candidato B il 6%. Nella nuova tornata
DettagliLezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi
Lezioni da Matematica I Calcolo differenziale, Algebra lineare, Probabilità e statistica G. Aletti & G. Naldi & L. Pareschi http://www.ateneonline.it/naldi matematica McGraw-Hill Capitolo 12, Modelli Probabilistici
DettagliStatistica Matematica Prova scritta del 06/07/05 1. Risposte Domande x se 0 x 2, f(x) = 0 altrove;
Statistica Matematica Prova scritta del 06/07/05 1 COGNOME: NOME: TEST Scrivere il numero della risposta sopra alla corrispondente domanda. Risposte Domande 1 2 3 4 5 6 7 8 9 10 1 Sia data una variabile
DettagliEsercitazione N. 1 (11 ottobre 2016)
Esercitazione N. 1 (11 ottobre 2016) Un'urna contiene elementi. Vengono estratti di seguito elementi, ogni elemento una volta estratto è riposto nell'urna. Calcolare la probabilità dell evento: Problema
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
Dettaglib = 1 2σ 3. La lunghezza di una barra è un numero aleatorio X con densità della forma 0, x 0, 0 < x 1 a = 1 F (x) = 2 2x 1 x2
CALCOLO DELLE PROBABILITÀ E STATISTICA - 0 gennaio 2002 Informatica (N.O.) (Canali 4) esercizi -4 Vecchio Ordinamento esercizi -6. Da un lotto contenente 4 pezzi buoni e 2 difettosi si estraggono senza
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
DettagliPROBLEMI DI PROBABILITÀ 2
PROBLEMI DI PROBABILITÀ 2. Si sceglie a caso un numero X nell intervallo (0, ). (a) Qual è la probabilità che la usa prima cifra decimale sia? (b) Qual è la probabilità che la seconda cifra decimale sia
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2010/11
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 00/ Prova scritta del /0/0 Esercizio Due variabili aleatorie indipendenti, X e Y, verificano la relazione X Y. ) Si provi che F Y (x) F X (x) per ogni numero
DettagliLezione 2. La probabilità oggettiva : definizione classica e frequentistica e loro problemi
Lezione 2 La probabilità oggettiva : definizione classica e frequentistica e loro problemi La definizione classica Definizione classica: La probabilità di un evento E è il rapporto tra il numero dei casi
DettagliESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE
ESERCITAZIONE 20 : VARIABILI ALEATORIE DISCRETE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 30 Aprile 2013 Esercizio
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof.ssa L.Morato) Esercizi Parte I: probabilità classica e probabilità combinatoria,
DettagliESERCIZIO 1 Lanciamo tre volte una moneta regolare e consideriamo equiprobabili i possibili
ESERCIZIO 1 Lanciamo tre volte una moneta regolare e consideriamo equiprobabili i possibili risultati. Dimostrare che per i 3 eventi A 1 = Almeno due teste A 2 = Un numero pari di teste A 3 = Croce al
DettagliLICEO SCIENTIFICO QUESTIONARIO QUESITO 1
www.matefilia.it LICEO SCIENTIFICO 7 - QUESTIONARIO QUESITO Definito il numero E come: E = e d, dimostrare che risulta: e d = e E esprimere e d in termini di e ed E. Cerchiamo una primitiva di e integrando
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliESERCIZI HLAFO ALFIE MIMUN
ESERCIZI HLAFO ALFIE MIMUN December, 27. Testo degli esercizi Risolvere i seguenti problemi: () Siano X, X 2, X 3 variabili aleatorie i.i.d. bernulliane di media.5 e siano Y, Y 2, Y 3, Y 4 variabili aleatorie
DettagliLeggi congiunte di variabili aleatorie
eggi congiunte di variabili aleatorie CAPIT 6 6. FUNZINI DI DISTRIBUZINE CNGIUNTE Fino a ora abbiamo considerato unicamente le leggi di singole variabili aleatorie. Tuttavia, siamo spesso interessati a
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliESERCIZI DI MATEMATICA DISCRETA E PROBABILITÀ
ESERCIZI DI MATEMATICA DISCRETA E PROBABILITÀ Esercizi del 28/09/2016 (1) In quanti modo posso scegliere 2 persone tra 10? Quante sono le sequenze date da due cifre decimali? (2) Quanti sono i sottoinsiemi
Dettaglinon solo otteniamo il valore cercato per la validità della (1.4), ma anche che tale valore non dipende da
NOTE INTEGRATIVE PER IL CORSO DI ANALISI MATEMATICA 2 ANNO ACCADEMICO 2012/13 NOTE SULLA CONTINUITÀ UNIFORME D.BARTOLUCCI, D.GUIDO Sia f(x) = x 3, x [ 1, 1]. Si ha 1. La continuità uniforme x 3 y 3 = x
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
DettagliCorso di Fondamenti di TLC Esercizi di Probabilitá
Corso di Fondamenti di TLC Esercizi di Probabilitá Exercise 0.1 Unurna contiene 2 biglie bianche e 5 nere. Estraiamo una prima biglia: se nera la rimettiamo dentro con altre due dello stesso colore, se
DettagliCalcolo delle Probabilità
Esercitazione 6 maggio 04 Calcolo delle Probabilità Davide Petturiti e-mail: davide.petturiti@sbai.uniroma.it web: https://sites.google.com/site/davidepetturiti Esercizio. Siano X e Y due variabili aleatorie
DettagliCOMPITO n. 1. a) Determinare la distribuzione del numero X di palline nere presenti nell urna.
Università di Siena a.a. 28/9 Docente D. Papini COMPITO n. 1 a) Un dado non truccato viene lanciato due volte. Quant è la probabilità dell evento: al primo lancio esce un numero minore o uguale a 2 ed
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliEsercizi di Calcolo delle Probabilità e Statistica
Esercizi di Calcolo delle Probabilità e Statistica Master E C Andrea Garulli, Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato 3 volte. Qual è la probabilità
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliCOMUNICAZIONE OPZIONE SPORTIVA QUESTIONARIO QUESITO 1
www.matefilia.it COMUNICAZIONE OPZIONE SPORTIVA 7 - QUESTIONARIO QUESITO Definito il numero E come: E = xe x dx, dimostrare che risulta: x e x dx = e E esprimere x e x dx in termini di e ed E. Cerchiamo
DettagliPROBABILITA. Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano.
Nella costruzione dello spazio degli eventi la difficoltà aumenta notevolmente laddove sia necessario fare uso del prodotto cartesiano. La costruzione dello spazio cartesiano richiede un grado di astrazione
DettagliDefinizione 1. Una k-colorazione dei vertici di un grafo G consiste nell assegnazione di k colori 1, 2,..., k ai vertici di G in modo tale che a due
Definizione 1. Una k-colorazione dei vertici di un grafo G consiste nell assegnazione di k colori 1, 2,..., k ai vertici di G in modo tale che a due vertici adiacenti non sia assegnato lo stesso colore.
DettagliCalcolo delle Probabilità 2013/14 Foglio di esercizi 3
Calcolo delle Probabilità 203/4 Foglio di esercizi 3 Probabilità condizionale e indipendenza. Esercizio. Per rilevare la presenza di una certa malattia, si effettua un test. Se la persona sottoposta al
Dettagli