1 Variabili aleatorie in casi più generali: indipendenza, LGN e TCL.
|
|
- Giacinto Carli
- 6 anni fa
- Visualizzazioni
Transcript
1 versioe Variabili aleatorie i casi più geerali: idipedeza, LGN e TCL.. Variabili aleatorie idipedeti Molte delle defiizioi e delle proprietà delle variabili aleatorie i spazi fiiti valgoo ache per le variabili aleatorie geerali. Ad esempio si ha acora che il valore atteso della somma di variabili aleatorie è la somma dei valori attesi e la regola per il calcolo della variaza della somma rimae idetica. I questo paragrafo ci chiediamo come si deve defiire l idipedeza per due variabili aleatorie X ed Y, el caso geerale, e daremo ache u ulteriore defiizioe di idipedeza globale o completa per più di due variabili aleatorie. Tra le varie caratterizzazioi di idipedeza, sicuramete o possiamo geeralizzare quella per cui P (X = x, Y = y = P (X = xp (Y = y, i quato, ad esempio, per le variabili aleatorie co fuzioe di distribuzioe cotiua, la precedete relazioe sarebbe solo ua baalità: ifatti si ridurrebbe alla relazioe 2 0 = 0. Possiamo ivece geeralizzare quella data i Proposizioe della Lezioe 8, el seguete modo. Defiizioe. (Idipedeza di due variabili aleatorie. Due variabili aleatorie X ed Y si dicoo idipedeti se e solo se comuque scelti due itervalli I e J, limitati o illimitati, P (X I, Y J = P (X I P (Y J. Come el caso discreto, ache el caso geerale vale il risultato che l idipedeza di due variabili aleatorie implica 3 la o correlazioe, metre o è vero il viceversa. Strettamete collegata alla precedete defiizioe, c è la seguete Defiizioe.2 (idipedeza a due a due di variabili aleatorie. Siao X, X 2,..., X variabili aleatorie defiite tutte sullo stesso spazio di probabilità (Ω, F, P. Esse si dicoo idipedeti a due a due se comuque scelti i j, co i, j {, 2,..., }, le due variabili aleatorie X i ed X j soo idipedeti, ovvero comuque scelti I, J, itervalli (limitati o illimitati di R, si ha: P (X i I, X j J = P (X i I P (X j J. Ua codizioe più forte dell idipedeza a due a due è l idipedeza globale U caso particolarmete iteressate è quello i cui le variabili aleatorie X i soo idipedeti (globalmete o completamete tra loro, ovvero Defiizioe.3 (idipedeza di variabili aleatorie. Siao X, X 2,..., X variabili aleatorie defiite tutte sullo stesso spazio di probabilità (Ω, F, P. Esse si dicoo idipedeti tra loro se comuque scelti J, J 2,..., J, itervalli (limitati o illimitati di R, si ha: P (X J, X 2 J 2,..., X J = P (X J P (X 2 J 2... P (X J. La precedete defiizioe implica l idipedeza a due a due. Proposizioe Se le variabili aleatorie X, X 2,..., X soo idipedeti (globalmete o completamete fra loro, allora lo soo ache a due a due. Tuttavia el caso delle variabili aleatorie discrete questa caratterizzazioe rimae valida, ifatti le dimostrazioi della equivaleza delle caratterizzazioi rimagoo sostazialmete ivariate, pur di sostituire a somme fiite somme ifiite, per cui ad esempio due variabili aleatorie X ed Y co X(Ω = {x, x 2,...} ed Y (Ω = {y, y 2,...} soo idipedeti se e solo se P (X = x h, Y = y k = P (X = x k P (Y = y h per ogi h e k. 2 Se P (X = x = 0 per ogi x R, allora ache P (X = x, Y = y = 0, i quato {X = x, Y = y} {X = x}. 3 Ovviamete è ecessario che le variabili aleatorie ammettao valore atteso fiito.
2 versioe Dimostrazioe Per semplicità di otazioe mostriamo solamete che X ed X 2 soo idipedeti, ma la dimostrazioe è essezialmete la stessa el caso geerale di X i ed X j. Il puto esseziale da osservare è che R è u itervallo, e che gli eveti del tipo {X k R} coicidoo co l eveto certo, di cosegueza e quidi {X J, X 2 J 2 } = {X J, X 2 J 2, X 3 R,..., X R} P (X J, X 2 J 2 = P (X J, X 2 J 2, X 3 R..., X R = P (X J P (X 2 J 2 P (X 3 R... P (X R = P (X J P (X 2 J 2. Quato visto per le variabili aleatorie discrete vale ache per le variabili aleatorie i geerale, I particolare se le variabili aleatorie soo idipedeti a due a due, allora la variaza della somma è la somma delle variaze. Alla luce della precedete proposizioe, lo stesso vale el caso i cui le variabili aleatorie soo (globalmete o completamete idipedeti tra loro... Legge dei Gradi Numeri Il risultato più importate di questa Lezioe è oto come la Legge debole dei gradi umeri. Tale risultato è euciato alla fie (Proposizioe 2 e riguarda le successioi di variabili aleatorie idipedeti a due a due. Prima di arrivare ad euciare e dimostrare la legge debole dei gradi umeri, riprediamo quato visto utilizzado la diseguagliaza di Chebyshev ella Proposizioe 9 della Lezioe 0, ma allargado u poco la prospettiva. Prima di tutto va detto che la diseguagliaza di Chebyshev cotiua a valere ache el caso di variabili aleatorie geerali, co l uica accortezza che el caso geerale bisoga ipotizzare che esistao fiiti valore atteso e variaza 4 della variabile aleatoria X. Per cui, idicado come al solito µ = E(X e σ 2 = V ar(x si ha P ({ X µ > ε} σ2 ε 2. Se X, X 2,..., X soo variabili aleatorie idipedeti a due a due, e co la stessa distribuzioe, ell Osservazioe 6 della Lezioe 0 abbiamo visto come trovare il umero di prove per cui la probabilità dell eveto il valore atteso µ e la media aritmetica Y = (X + X X differiscoo meo di ua quatità prefissata ε sia almeo δ, e ell Esempio 0.6 ciò è stato applicato al caso di variabili biarie. Ache qui la Proposizioe 9 cotiua a valere, pur di assumere che esistao fiiti valore atteso E(X i e variaza V ar(x i, che come al solito poiamo uguali rispettivamete a µ e σ 2. I questi casi sappiamo che, se σ2 δ ε 2 ( allora P ({ Y µ > ε} σ 2 ε 2 δ P ({ ε Y µ ε} δ. Nel caso particolare i cui le variabili X i siao variabili biarie, co P (X i = = θ e P (X i = 0 = θ, allora µ = θ, σ 2 = θ( θ e basta predere θ( θ per otteere δ ε 2 che la probabilità del eveto la frequeza relativa dei successi 5 Y differisce dalla probabilità di 4 Sappiamo che possoo esistere variabili aleatorie per le quali valore atteso e/o variaza o esistoo, o valgoo ifiito. Questo problema o si poe el caso fiito i quato i quel caso il calcolo del valore atteso e della variaza si riduce ad ua somma fiita e o preseta quidi essu tipo di problema. 5 Successo all i-esima prova sigifica X i =.
3 versioe successo θ meo di ε sia maggiore di δ. Ovvero θ( θ δ ε 2 P ({ ε Y θ ε} δ. (2 Nelle applicazioi si usa la frequeza relativa per stimare la probabilità θ: ovvero possiamo cosiderare il caso i cui possiamo osservare gli esiti di diversi esperimeti di uo stesso feomeo, gli esperimeti soo codotti elle stesse codizioi, per cui la probabilità di successo dell esperimeto è la stessa i tutte le prove, e ifie si assume che le prove siao stocasticamete idipedeti tra loro, tuttavia o si assume che sia oto esattamete il valore della probabilità di successo θ. I questo cotesto la misura di probabilità dipede dal parametro θ ed è quidi più opportuo idicarla co P θ, ivece che co P. Riprededo quato detto ell Osservazioe 6 della Lezioe 0 i questo cotesto possiamo riscrivere P θ ({θ ε Y θ + ε} θ( θ ε 2, ma ache P θ ({Y ε θ Y + ε} θ( θ ε 2. Questa secodo modo di scrivere è più iteressate, i quato, i questo cotesto, metre possiamo osservare Y, ivece o coosciamo affatto θ. L idea è che vorremmo poter valutare la probabilità θ co Y, co u errore al più di ε. Ovviamete i essu caso, facedo degli esperimeti, avremo la garazia che la frequeza relativa Y e la probabilità di successo θ differiscao meo di ε, tuttavia la disuguagliaza di Chebyshev ci permette di affermare che ciò accade co probabilità elevata, e permette ache di trovare delle limitazioi iferiori a tale probabilità. A prima vista però sorge ua difficoltà: sembra che per adoperare la disuguagliaza di Chebyshev sia ecessario cooscere θ. Ma a questo problema si può ovviare osservado che la fuzioe h(x = x( x vale al massimo 6 4 e quidi si ha P θ ( Y θ > ε} θ( θ ε 2 4 ε 2, P θ ({Y ε θ Y + ε} θ( θ ε 2 4 ε 2. Ciò permette di affermare che, qualuque sia la probabilità di successo θ, la probabilità che θ e la frequeza relativa Y differiscao meo di ε vale almeo 4 ε 2. Più iteressate acora, dal puto di vista operativo, è tuttavia il fatto che siamo i grado di rispodere alla domada: 6 La fuzioe h(x = x( x ha il suo puto di massimo i x = 2 come si vede subito, e quidi h(x h( 2 = 4.
4 versioe Quate prove si devoo effettuare, ovvero quato si deve predere grade, affiché, co probabilità almeo δ, la frequeza relativa differisca dalla probabilità di successo meo di ε? La risposta alla precedete domada è molto semplice: è sufficiete predere 7 i altre parole 4 δ ε 2, 4 δ ε 2 P ({ ε Y θ ε} δ. (3 Ifatti i tale caso δ 4 ε 2 e quidi, qualuque sia θ P θ ( Y θ > ε} θ( θ ε 2 4 ε 2 δ, P θ ({Y ε θ Y + ε} θ( θ ε 2 4 ε 2 δ. Esempio.. Sia Y la frequeza relativa dei successi i uo schema di Beroulli di parametro θ. Si determii u i modo che, qualuque sia il valore di θ, l errore assoluto tra Y e θ sia miore di 0., co probabilita almeo Soluzioe Siamo el caso precedete co ε = 0. = 0 e co δ = 0.99, ovvero δ = 00. Quidi se 4 ( 2 = 0000 = 2500, allora P ( ε Y θ ε 0.99 E quidi, qualuque sia il valore di θ, è sufficiete predere = Esempio.2. Calcolare il miimo valore di per il quale, i uo schema di Beroulli di co probabilità θ, i base alla disuguagliaza di Chebyshev, si possa scrivere ({ S P θ > } 30 0, qualuque sia il valore di θ. dove 7 Si deve predere (ε, δ (ε, δ :=, 4 ε 2 δ cioè la parte itera superiore di. Si ricordi che la parte itera superiore di u umero reale a è l itero k tale 4 ε 2 δ che k < a k, ed è idicata apputo co a.
5 versioe Soluzioe Si può procedere cosiderado che ({ S P θ > } θ( θ 30 ( = oppure direttamete utilizzado la formula (3 4 ( 30 = 2250, 2 = , 4 ε 2 δ = 4 ( = = = Si suggerisce di cofrotare il risultato co quello dell Esempio 0.6 i cui ivece il valore di θ era calcolabile, e quidi si era otteuto, sempre utilizzado la disuguagliaza di Chebyshev 8, che bastava predere = Osservazioe Si faccia attezioe al fatto che queste limitazioi iferiori soo date i base alla disuguagliaza di Chebyshev. I valori otteuti per soo sicuramete validi, ma soo eccessivamete gradi ed i geere piu elevati del ecessario. I realtà bastao valori di più piccoli (daremo u idea del motivo per cui i valori trovati soo eccessivi ella Lezioe sul Teorema cetrale del limite. Osservazioe 2 (Errore relativo Va ache sottolieato che fiora abbiamo valutato solo l errore assoluto, tra Y e θ, metre avrebbe più iteresse l errore relativo, ovvero Y θ θ : ifatti se θ fosse dell ordie di u cetesimo, stimare θ co u errore assoluto dell ordie di u decimo o sarebbe molto ragioevole 9. I questo caso la maggiorazioe della disuguagliaza di Chebyshev permette di affermare che, per ogi θ ( Y θ P θ θ > ε} = P θ ( Y θ > εθ} θ( θ (θε 2 = θ θ ε 2 δ, per cui θ θ δ ε 2 P θ ( Y θ θ > ε} δ Purtroppo, se θ o è oto, questa limitazioe iferiore o è molto utile i quato la fuzioe h (x = x x = x coverge ad ifiito per x 0+, ed è quidi impossibile 0 trovare u valore di che sia valido qualuque sia θ. Ifie, el formulare la domada co la richiesta di scegliere, c è u puto che abbiamo volutamete trascurato fi qui. La possibilita di scegliere presuppoe di avere a disposizioe u umero di eveti idipedeti potezialmete grade a piacere. 8 I realtà ell Esempio citato si è utilizzata la (2. 9 Se el misurare la distaza fra due città si commette u errore dell ordie di u metro, ci possiamo dichiarare completamete soddisfatti, metre certamete o lo saremmo se l errore dell ordie di u metro riguardasse la misura di u tavolo da mettere i cucia!!! 0 Diverso è il caso i cui, pur o cooscedo esattamete θ si sappia che θ θ 0 co θ 0 > 0: allora basterà predere θ 0 θ 0. δ ε 2 Si potrebbe ovviare al problema suppoedo di avere ua successioe di spazi di probabilità (Ω, P(Ω, P ( e su ciascuo spazio eveti E (, E ( 2,..., E ( che formao uo schema di Beroulli co probabilità θ ( = θ per ogi.
6 versioe Dal puto di vista matematico è più comodo poter affermare direttamete di avere a disposizioe ua successioe di eveti idipedeti e tutti co la stessa probabilità θ. Ciò presuppoe uo spazio di probabilità Ω ifiito, e quidi solo dopo aver itrodotto gli spazi di probabilità geerali e la ozioe di successioi di variabili aleatorie, riformuliamo la Proposizioe 9 per successioi di variabili aleatorie. Tale formulazioe è ota co il ome di Legge Debole dei Gradi Numeri. Proposizioe 2 (Legge Debole dei Gradi Numeri Sia {X i, i } ua successioe di v.a. idipedeti a due a due ed ideticamete distribuite 2, per le quali esistao fiiti valore atteso e variaza. Posto E(X i = µ e V ar(x i = σ 2, S = i= X i e Y = S, si ha, qualuque sia ε > 0 ( lim P S µ > ε = lim P ( Y µ > ε = 0 Dimostrazioe. Basta osservare che 0 P ( Y µ > ε σ 2 ε 2, madare all ifiito ed usare il Teorema del cofroto per le successioi umeriche: 0 lim P ( Y σ 2 µ > ε lim ε 2 = 0. Osservazioe?? Dalla Proposizioe appare immediato che se {X i, i } è ua successioe di variabili aleatorie completamete idipedeti, allora la Legge Debole dei Gradi Numeri cotiua a valere. Sotto questa ulteriore ipotesi vale ache il così detto Teorema cetrale del limite che è oggetto del prossimo paragrafo. Nel prossimo paragrafo vedremo ache alcue relazioi tra questi due importatissimi risultati..2 Teorema cetrale del limite Come abbiamo detto la disuguagliaza di Chebyshev permette di trovare delle limitazioi iferiori alle probabilità del tipo ( S P µ ε che a loro volta permettoo di dedurre la legge dei gradi umeri. Tuttavia se si cooscesse la fuzioe di distribuzioe F S (x della variabile aleatoria S, tale probabilità si potrebbe calcolare esattamete come ( S P µ ε ( = P ((µ ε S (µ + ε = F S ((µ ε F S ((µ ε = F S ((µ ε F S ( (µ ε + P ( {S = (µ ε} Appare quidi chiaro che calcolare la distribuzioe della somma di variabili aleatorie S = X + X X sia u problema iteressate è, oltre che di per sé, ache per le coessioi co la legge dei gradi umeri e delle relazioi tra media aritmetica e valore atteso. Sappiamo calcolare esattamete la distribuzioe della somma di variabili aleatorie i alcui casi specifici. Ad esempio quado le X i soo le idicatrici di eveti E i che formao uo schema di Beroulli di parametro θ, sappiamo che la distribuzioe della somma è la distribuzioe biomiale b(; θ. 2 Poiché le variabili aleatorie X hao tutte la stessa distribuzioe, si ha che se esistoo fiiti valore atteso e variaza di X, allora esistoo fiiti valore atteso e variaza di X i e coicidoo co quelli di X.
7 versioe Esempio.3. Acora sappiamo che se due variabili aleatorie X ed X 2 soo idipedeti e hao distribuzioe biomiale di parametri i e θ (attezioe può essere diverso da 2, ma θ è lo stesso per i =, 2, allora la somma X + X 2 ha distribuzioe biomiale di parametri + 2 e θ (cofrotare lo svolgimeto dell Esercizio 8.4. Questo risultato si estede ache al caso di variabili aleatorie (globalmete idipedeti tra loro: i particolare se le variabili aleatorie X i hao tutte la stessa distribuzioe bi(m; θ allora S ha distribuzioe bi( m; θ. Esempio.4. Siao X ed X 2 variabili aleatorie di Poisso di parametro λ (> 0 e λ 2 (> 0 rispettivamete, ovvero P (X i = k = λk i, k = 0,, 2,... k! Si assuma che le variabili siao idipedeti, ovvero che P (X = h, X 2 = k = P (X = hp (X 2 = k, per ogi h, k {0,...} Si vede facilmete che la variabile aleatoria X + X 2 ha distribuzioe di Poisso di parametro λ + λ 2, ovvero che Ifatti, per m = 0,,... l eveto {X + X 2 = m} = P (X + X 2 = m = (λ + λ 2 m, m = 0,, 2,... m! {X = k, X 2 = m k} = m {X = k, X 2 = m k}, i quato {X 2 = m k} = per k = m +, m + 2,.... Per cui P (X + X 2 = m = = m P (X = k, X 2 = m k = m λ k k! λ (m k 2 (m k! = m! m m! k! dalla formula della poteza del biomio si ottiee la tesi: m! m ( m λ k λ (m k 2 = (λ + λ 2 m, m = 0,, 2,... k m! m P (X = kp (X 2 = m k (m k! λk λ (m k 2 Più complesso risulta il caso della somma per altre variabili aleatorie, tuttavia si puo iazi tutto osservare come calcolare la fuzioe di distribuzioe di S sia equivalete a calcolare la distribuzioe di ua sua trasformata ovvero: se a e b soo umeri reali, co b > 0, allora 3 { S a {S x} = b x a } b Ua scelta aturale per a e per b è quella che trasforma S i ua variabile aleatoria stadard, ovvero quella di predere a = E(S e b = V ar(s. 3 Ifatti ω {S x} S (ω x S (ω a b x a b S a ω b x a b
8 versioe I questo modo ifatti, per la disuguagliaza di Chebyshev, sappiamo che P ( α S E(S V ar(s α α. Alla luce della seguete Proposizioe 3, ota come Teorema Cetrale del Limite (o ache Teorema del Limite Cetrale, si può dimostrare che se le variabili aleatorie soo (globalmete o completamete idipedeti, hao la stessa distribuzioe, valore atteso fiito µ, variaza fiita σ 2 e o ulla, per cui E(S = µ e V ar(s = σ 2 > 0, allora F S (x = P (S x = P ( S µ σ 2 x µ ( x µ Φ, (4 σ 2 σ 2 dove Φ(x è la fuzioe di distribuzioe di ua variabile aleatoria gaussiaa stadard. La dimostrazioe della precedete affermazioe si basa sul seguete risultato basilare e che svolge u ruolo cetrale el Calcolo delle Probabilità. Proposizioe 3 (Teorema Cetrale del Limite Sia {X i, i } ua successioe di v.a. idipedeti ed ideticamete distribuite, per le quali esistao fiiti valore atteso e variaza. Posto E(X i = µ e V ar(x i = σ 2, si assuma che σ 2 > 0. Allora idicado co S variabile aleatoria stadardizzata di S, si ha S = S E(S V ar(s = S µ σ 2, (5 e, idicado co F S (x la fuzioe di distribuzioe di S, si ha lim F S (x = lim P ( S E(S V ar(s x = Φ(x, (6 dove Φ è la fuzioe di distribuzioe di ua variabile aleatoria Gaussiaa stadard: i altre parole ( lim P S µ x x = e y2 2 dy. (7 σ 2 2 π Ioltre il limite è uiforme per x R, ovvero ( lim P S µ x σ 2 sup x R x 2 π e y2 2 dy = 0. (8 No diamo la dimostrazioe di questo risultato, ma otiamo solo che la (5 si dimostra teedo coto che E(S = i= E(X i = µ e che per l idipedeza dalle variabili aleatorie X i, si ha V ar(s = V ar( i= X i = i= V ar(x i = σ 2. La precedete relazioe sarebbe valida ache el caso i cui le variabili aleatorie fossero solo idipedeti a due a due(o addirittura solo o correlate, ma sottolieiamo il fatto che, metre la Legge Debole dei Gradi Numeri, vale sotto l ipotesi di idipedeza a due a due, e o è ecessario supporre σ 2 > 0, ivece per il Teorema Cetrale del Limite, serve la codizioe di idipedeza globale e ovviamete è ecessario supporre σ 2 > 0, altrimeti o si potrebbe emmeo formulare la tesi.
9 versioe Fodametale per dimostrare l approssimazioe (4 della fuzioe di distribuzioe della somma S è il fatto che la covergeza sia uiforme: ifatti, posto E (x = F S (x Φ(x, e x = x µ, σ 2 si ha ( S µ F S (x = P (S x = P x µ = F S σ 2 σ 2 (x = Φ (x + E (x, per cui F S (x Φ (x = E (x sup x R E (x. Basta solo osservare che (7 garatisce che sup x R E (x coverge a zero 4 all ifiito. per che tede Si osservi che il Teorema Cetrale del Limite implica che lim P (a < S µ b = Φ(b Φ(a, σ 2 come si vede subito applicado la proprietà che per ogi variabile aleatoria X, co fuzioe di distribuzioe F (x, si ha P (a < X b = F (b F (a. Il Teorema Cetrale del Limite implica ache che lim P ( a S µ b σ 2 = Φ(b Φ(a, ifatti, come si vede facilmete 5, ( lim P S µ = a = 0. σ 2 Dopo questa osservazioe possiamo torare idietro alle relazioi tra Legge dei Gradi Numeri e Teorema Cetrale del Limite. Idicado, come al solito, co Y la media aritmetica S, si ha Y µ = S µ, 4 Pur essedo assolutamete al di fuori dell ambito di u corso elemetare di probabilità, vale la pea di ricordare che esistoo delle maggiorazioi per sup x R E (x, el caso i cui si suppoga che il valore atteso E( X 3 esista e sia fiito. I particolare è stato dimostrato che sup x R E(x C E( X 3 σ 3, co C costate. Il valore di C o è oto esattamete ma è oto che C , i particolare quidi vale sup x R E (x E( X 3, σ 3 I primi a forire maggiorazioi i questa direzioe soo stati Berry ed Eesse all iizio degli ai 40 dello scorso XX secolo. 5 Si osservi che P S µ σ 2 = a P a S µ a = Φ(a Φ(a σ 2 0
10 versioe e quidi { Y µ ε} = S µ σ 2 = S µ σ 2 { ε S } { µ ε = σ 2 ε S } µ σ 2 σ 2 ε. Di cosegueza P ({ Y µ ε} = P ( ε S µ ( Φ σ 2 ε Φ ( ( ε = P σ 2 ε = 2Φ σ 2 ε S µ σ 2 ( σ 2 ε. σ 2 ε Esempio.5. Sia X ua variabile aleatoria che può assumere i valori 0, 2,, 3 2 e co p X (0 = P (X = 0 = 0, p X ( 2 = P (X = 2 = 0, p X ( = P (X = = 4 0, p X ( 3 2 = P (X = 3 2 = 4 0. Si poga il valore atteso di X uguale a µ e la sua variaza uguale a σ 2. Siao X, X 2, X 3,..., X 00 delle variabili aleatorie P co la stessa distribuzioe di X e 00 j= (globalmete idipedeti tra loro e si poga Y 00 X j 00. Utilizzado il Teorema Cetrale del Limite, approssimare la probabilità ({ P µ 0 Y 00 µ + }, 0 Soluzioe Iazi tutto come si trova facilmete si ha µ = 2 20 e σ2 = Quidi la probabilita cercata è approssimata co ( 00 P = 2Φ ({ µ 0 Y 00 µ + } ( 2Φ 0 σ 2 ε ( 400 = 2Φ 89 = 2Φ( Φ(2, =, 9652 = Suppoiamo ora di voler rispodere i modo approssimato alla domada: sia fissato, per quale valore di ε = ε(, δ posso affermare che P ({ Y µ ε} δ? Il seguete procedimeto o è del tutto rigoroso, perché trascura l errore di approssimazioe E tra F S e Φ. Tuttavia permette di dare ua buoa valutazioe del tipo di comportameto di ε: (trascurado E adiamo a mostrare che ε = ε(, δ è u ifiitesimo dell ordie di. Prima di tutto ivece di valutare P ({ Y µ ε} δ
11 versioe cosiderado che, per sufficietemete grade, cerchiamo ivece P ({ Y µ ε} 2Φ ( σ 2 ε ( 2Φ( σ 2 ε = δ Φ σ 2 ε = 2 δ 2 Sicuramete esiste u valore x delta/2 per cui Φ ( x delta/2 = δ 2 ; = δ 2 Ioltre possiamo trovarer u valore approssimato di x delta/2 utilizzado le tavole della gaussiaa. A questo puto basta porre σ σ 2 ε = x 2 δ/2 ε = ε(, δ = x δ/2 = x δ/2 σ, per otteere il risultato desiderato. Suppoiamo ora di voler rispodere i modo approssimato alla domada: per quali posso affermare che P ({ Y µ ε} δ? Ache il seguete procedimeto o è del tutto rigoroso, perché trascura l errore di approssimazioe E tra F S e Φ. Tuttavia permette di dare ua buoa valutazioe del tipo di richiesta vada fatta su per otteere la limitazioe iferiore richiesta. Ache i questo problema, ivece di cercare ua limitazioe iferiore esatta P ({ Y µ ε} δ sempre cosiderado che, per sufficietemete grade, ( P ({ Y µ ε} 2Φ σ 2 ε cerchiamo ivece ua limitazioe iferiore ( 2Φ( σ 2 ε δ Φ σ 2 ε 2 δ 2 Come el caso precedete possiamo trovare u valore x δ/2 per cui Φ ( x δ/2 = δ 2. Si osservi che, essedo Φ ua fuzioe o decrescete 6, = δ 2 Φ (x Φ ( x δ/2 = δ 2, per ogi x x δ/2, 6 I realta basta trovare sulla tavola della gaussiaa stadard u valore x δ/2 tale che Φ x δ/2 δ 2. Il ragioameto fatto co x δ/2 si può ripetere mettedo x δ/2 al posto di x δ/2.
12 versioe A questo puto basta imporre che σ 2 ε x δ/2 x δ/2 σ 2 ε per otteere il risultato desiderato. T CL (ε, δ := x2 δ/2 σ2 ε 2 (9 Osservazioe?? Si cofrotio tra loro ( e (9: come si vede ( e (9 soo molto simili, la secoda si ottiee sostituedo al posto di δ, il valore x2 δ/2. Quidi a parità di valori di varepsilo e σ 2 si ottiee che la limitazioe iferiore co la disuguagliaza di Chebyshev, pur essedo esatta, chiede Ch (ε, δ = x2 δ/2 T CL (ε, δ δ Per capire quidi la differeza si osservi che se δ = 0.0, allora δ = 00, metre, essedo x δ/2 = x = x = (come si può trovare dalle tavole si ha che x 2 δ/2 = I questo caso Ch (ε, δ = δ x 2 T CL (ε, δ = δ/ T CL(ε, δ T CL (ε, δ. Se ivece δ = 0.00, allora δ = 000, metre, essedo x δ/2 = x = x = 3.29 (come si può trovare dalle tavole si ha che x 2 δ/2 = 0, I questo caso Ch (ε, δ = x2 δ/2 T CL (ε, δ = δ , T CL(ε, δ 92, 3302 T CL (ε, δ.
Algoritmi 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
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
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
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
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
DettagliProbabilità 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,
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
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
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
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
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
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
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
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
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
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
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,
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.
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
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
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
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
DettagliLaboratorio di onde II anno CdL in Fisica
Laboratorio di ode II ao CdL i Fisica Itroduzioe Oda stazioaria di spostameto Quado u oda soora stazioaria si stabilisce i u tubo a fodo chiuso i cui la lughezza del tubo è molto maggiore del suo diametro,
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
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
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
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
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:
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
Dettagli3. Calcolo dei limiti e confronti asintotici
Lezioi di Aalisi Matematica per Iformatici a.a. 009/00) Capitolo 3 Prof. Paolo Caldiroli 3. Calcolo dei iti e cofroti asitotici 3. Itroduzioe La teoria delle serie umeriche sviluppata el capitolo ci forisce
DettagliTeoria degli insiemi : alcuni problemi combinatorici.
Teoria degli isiemi : alcui problemi combiatorici. Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota l ordie. Questo può dar luogo ad iteressati e utili applicazioi. Premettiamo
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
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
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
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
DettagliSuccessioni. Capitolo 2. 2.1 Definizione
Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo
Dettagli1. I numeri naturali. 2. Confronto degli interi naturali. 3. Il sistema di numerazione decimale
umeri aturali Scrivere il precedete e il successivo dei segueti umeri Milleciquecetoovatacique ottomilasettecetoottatuo Diecimilioisettecetoottatuomilaciquecetoveti Zero umiliardosettecetomilioiciquecetomila
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;
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
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
DettagliNumeri reali. Funzioni e loro grafici
Argometo 1 Numeri reali. Fuzioi e loro grafici Parte A - Numeri reali Operazioi e ordiameto i R Idichiamo co R l isieme dei umeri reali, ossia l isieme di umeri che soo esprimibili i forma decimale, ad
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
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.
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
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
DettagliScelte finanziarie SCELTE FINANZIARIE
Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra
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
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
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
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
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
DettagliEsercizi riguardanti limiti di successioni
Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse
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
DettagliMole e Numero di Avogadro
Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero
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?
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
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.
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
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:
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
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
DettagliLA RADICE QUADRATA NELLA SCUOLA MEDIA E.BARONE
LA RADICE QUADRATA NELLA SCUOLA MEDIA E.BARONE 1. Itroduzioe. La radice quadrata di solito e' itrodotta gia'ella.scuola media iferiore, quado i! cocetto di umero reale o e' stato acora dato e solitamete
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
DettagliPROBABILITÀ SCHEDA N. 6 LE VARIABILI ALEATORIE DI BERNOULLI E BINOMIALE
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) PROBABILITÀ SCHEDA N.
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
DettagliPrincipio di induzione e sue applicazioni
Uità didattica di matematica Luca Aluffi Pricipio di iduzioe e sue applicazioi Collocazioe Questa uità didattica è idirizzata ad ua classe III di u liceo scietifico tradizioale ed è da affrotare ella secoda
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)
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
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
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
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:
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
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
DettagliSuccessioni. Grafico di una successione
Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario
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
DettagliARGOMENTO: SERIE NUMERICHE 1. Dott.ssa Sandra Lucente
Corso di Laurea i Matematica LEZIONI PER IL CORSO DI ANALISI MATEMATICA..2 A.A. 2007-2008 ARGOMENTO: SERIE NUMERICHE Dott.ssa Sadra Lucete Idice :. Prime geeralità sulle serie. 2. Serie a termii o egativi:
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
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
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
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliSuccessioni ricorsive di numeri
Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..
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
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
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
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 (
DettagliCalcolo combinatorio. Introduzione. Paolo Siviglia. Calcolo combinatorio 1
Paolo Siviglia Calcolo combiatorio Itroduzioe I questa parte della matematica vegoo affrotati i problemi riguardati lo studio dei raggruppameti che si possoo realizzare co gli elemeti di u isieme. Problemi
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliDispense di Analisi Matematica II
Dispese di Aalisi Matematica II Domeico Cadeloro (Prima Parte) Itroduzioe Queste dispese trattao la prima parte del corso di Aalisi Matematica II. Nel primo capitolo si discutoo gli itegrali geeralizzati
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
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
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
DettagliCorsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3.
Corsi di Laurea i Igegeria Edile e Architettura Prova scritta di Aalisi Matematica del 6// ) Mostrare che + si( ) cos () si( ) log(( + ) / ) = 3. Possibile soluzioe: Cosiderado dapprima il deomiatore otiamo
DettagliANALISI DEI RISULTATI
ANALISI DEI RISULTATI I 4 passi pricipali del processo simulativo Formulare ed aalizzare il problema Sviluppare il Modello del Sistema Raccolta e/o Stima dati per caratterizzare l uso del Modello Attività
DettagliSERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.
SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.
DettagliLimiti di successioni
Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe
DettagliIntroduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)
Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo
Dettagli1 Limiti di successioni
Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite
Dettagli